Baixe o app para aproveitar ainda mais
Prévia do material em texto
Econometria Material Teórico Responsável pelo Conteúdo: Prof. Ms. Bruno Leonardo Silva Tardelli Revisão Textual: Prof. Ms. Luciano Vieira Francisco Medidas de Dispersão • Introdução • Média Aritmética • Medidas de Dispersão • Propriedades das Medidas de Dispersão · Apresentar os conceitos e aplicações envolvendo variância, desvio- padrão, covariância, correlação, bem como suas propriedades. OBJETIVO DE APRENDIZADO Medidas de Dispersão Orientações de estudo Para que o conteúdo desta Disciplina seja bem aproveitado e haja uma maior aplicabilidade na sua formação acadêmica e atuação profissional, siga algumas recomendações básicas: Assim: Organize seus estudos de maneira que passem a fazer parte da sua rotina. Por exemplo, você poderá determinar um dia e horário fixos como o seu “momento do estudo”. Procure se alimentar e se hidratar quando for estudar, lembre-se de que uma alimentação saudável pode proporcionar melhor aproveitamento do estudo. No material de cada Unidade, há leituras indicadas. Entre elas: artigos científicos, livros, vídeos e sites para aprofundar os conhecimentos adquiridos ao longo da Unidade. Além disso, você também encontrará sugestões de conteúdo extra no item Material Complementar, que ampliarão sua interpretação e auxiliarão no pleno entendimento dos temas abordados. Após o contato com o conteúdo proposto, participe dos debates mediados em fóruns de discussão, pois irão auxiliar a verificar o quanto você absorveu de conhecimento, além de propiciar o contato com seus colegas e tutores, o que se apresenta como rico espaço de troca de ideias e aprendizagem. Organize seus estudos de maneira que passem a fazer parte Mantenha o foco! Evite se distrair com as redes sociais. Mantenha o foco! Evite se distrair com as redes sociais. Determine um horário fixo para estudar. Aproveite as indicações de Material Complementar. Procure se alimentar e se hidratar quando for estudar, lembre-se de que uma Não se esqueça de se alimentar e se manter hidratado. Aproveite as Conserve seu material e local de estudos sempre organizados. Procure manter contato com seus colegas e tutores para trocar ideias! Isso amplia a aprendizagem. Seja original! Nunca plagie trabalhos. UNIDADE Medidas de Dispersão Contextualização O Pew Research Center realizou uma pesquisa com dados coletados em diversos países no ano de 2013 – e também utilizou dados de 2007 para comparação – sobre a aceitação social da homossexualidade. Os dados apontaram forte correlação negativa entre grau de religiosidade e aceitação (-0,78). O gráfico abaixo foi extraído dessa pesquisa: Figura 1 Fonte: Pew Research Center A alta correlação negativa é notada ao se observar que, em média, quanto maior o grau de religiosidade dos países, menor o grau de aceitação. Informações adicionais sobre essa pesquisa podem ser obtidas em: https://goo.gl/7BMXAF Ex pl or 8 9 Introdução Esta Unidade é dedicada ao aprendizado de medidas de dispersão. Tais medidas são fundamentais no estudo da econometria. A partir da variância, por exemplo – que é uma medida de dispersão –, é possível resumir em um único número como os elementos de um conjunto de números se distanciam entre si. Ao longo da Unidade, as medidas de dispersão que serão trabalhadas são: a variância, o desvio-padrão, a covariância e a correlação. Além disso, algumas das principais propriedades dessas medidas também serão exploradas. Entretanto, para podermos avançar com as medidas de dispersão, é essencial lembrarmos de uma medida de posição fundamental, a média aritmética. Para cumprir tais objetivos, a Unidade será distribuída em três seções, além desta Introdução e das Considerações finais. A primeira seção aborda a média aritmética, que é uma medida de posição; a segunda seção trabalha cada uma das principais medidas de dispersão, apontando cálculos e intuições; por fim, a terceira seção apresenta as propriedades das medidas de posição e dispersão aqui trabalhadas Média Aritmética Todas as medidas de dispersão comentadas anteriormente dependem, direta ou indiretamente, do conceito de média. Assim, o conceito de média a ser utilizado nesta Unidade é o da média aritmética, na qual os fatores são somados e, ao final, divide-se a soma pelo número de fatores aplicados no cálculo. Formalmente: X X X X n n= + +…+1 1� � � Ou, de modo mais resumido: X n X i n i= = ∑1 1 Em que: X � é a média aritmética. Xi é o elemento i . i = 1, 2, ..., n . n = último elemento e o número de elementos. 9 UNIDADE Medidas de Dispersão Para entender completamente as expressões apontadas, consideremos três elementos, Y1 , Y2 e Y3 , sendo: Y1 3= Y2 5= Y3 7= Como temos três elementos, teremos de somá-los e os dividir por 3. A média entre esses valores é igual a: Y n Y Y Y Y Y i n i i i= = = + + = + + = = = = ∑ ∑1 13 3 3 5 7 3 15 3 5 1 1 3 1 2 3 Quadro 1 – Outro exemplo Considere os valores abaixo dos elementos de X e calcule o valor da média de X, ou seja, X : X1 5 X 2 3 X 3 6 X 4 9 X 5 4 X 6 3 Resolução: X n X X X X X X X X i n i i i= = = + + + + + = = ∑ ∑1 16 61 1 6 1 2 3 4 5 6 = + + + + + = = 5 3 6 9 4 3 6 30 6 5 10 11 Medidas de Dispersão Variância A média não é considerada uma medida de dispersão, pois não consegue captar as distâncias entre os valores calculados. Por exemplo, se ao invés do conjunto Y = { }3 5 7, , – do tópico anterior desta Unidade –, os números fossem Z ={ }1 3 11, , : qual destes conjuntos, Y ou Z , possui números mais distantes entre si? Com uma olhada rápida, é possível imaginar que seja o conjunto Z , por observar que os números 1, 3 e 11 parecem mais espalhados que os números 3, 5 e 7? Entretan- to, como poderíamos comparar de fato as distâncias entre os valores de um mesmo conjunto? O cálculo de variância trata de realizar tal estimativa. Vejamos os números em três figuras que formam os dois conjuntos para termos uma noção visual inicial: 3 5 5 7 31 11 Figura 1 - Conjunto Y. Figura 2 Figura 3 - Conjunto Z. Fonte: elaborada pelo professor conteudista 1º passo – calcular a média dos valores de cada conjunto. Y = { }3 5 7, , Y Y Y Y= + + = + + = =1 2 3 3 3 5 7 3 15 3 5 � 11 UNIDADE Medidas de Dispersão Logo, a média de Y é 5. Z ={ }1 3 11, , Z Y Y Y= + + = + + = =1 2 3 3 1 3 11 3 15 3 5 Portanto, a média de Z também é 5. Coincidentemente, as médias são iguais, mas não é necessário que sejam para podermos avaliar a dispersão entre s elementos de cada conjunto. O artifício de criar médias iguais é para evidenciar a ideia de distintas dispersões entre os conjuntos Y e Z.. 2º passo – cálculo da variância. O cálculo da variância de cada conjunto é realizado por meio da seguinte equação: var X X X X X X X n n ( ) = − + − +…+ − 1 2 2 2 2 em que X representa um conjunto de números qualquer. O procedimento para o cálculo, portanto, é: em primeiro lugar, deve-se pegar cada elemento, subtrair da média e elevar ao quadrado. Em seguida, proceder com todos os elementos do conjunto, somar os valores encontrados e, por fim, dividir pelo número de elementos que estão envolvidos. Vamos aos exemplos com os conjuntos Y e Z : Como Y = { }3 5 7, , e Y = 5 var Y( ) = −( ) + −( ) + −( )3 5 5 5 7 5 3 2 2 2 var Y( ) = −( ) + ( ) + ( )2 0 2 3 2 2 2 var Y( ) = + +4 0 4 3 var Y( ) = 8 3 Como Z ={ }1 3 11, , e Z = 5 12 13 var Z( ) = −( ) + −( ) + −( )1 5 3 5 11 5 3 2 2 2 var Z( ) = −( ) + −( ) + ( )4 2 6 3 2 2 2 var Z( ) = + +16 4 36 3 var Z( ) = 56 3 Note que o valor da variância de Z é maior que o da variância de Y , o que já era intuitivamente esperado. Assim, quanto maior a variância, maior a dispersão entre os valores de um conjunto de números. É importante comentar que com os valores todos elevados ao quadrado e somados, a variância sempre apresentará um resultado igual ou maior que zero. Portanto,a variância nunca terá valor negativo. Alternativamente, a equação de cálculo da variância pode ser realizada de forma mais condensada, por meio da seguinte expressão: var X n X X i n i( ) = −( ) = ∑1 1 2 Como esta equação pode ser entendida? Veja, assim como o cálculo da média envolvia um somatório Σ( ) de i = 1 até o elemento n , a variância também será realizada desta forma. Pelo exemplo dos conjuntos Y e Z , o número de elementos é igual a 3. Além disso, a expressão X Xi −( )2 indica que um determinado elemento i deve ser subtraído da média e, após isto, elevado ao quadrado. Como se trata de um somatório, o procedimento é realizado para os elementos, somando os resultados e, após isto, divide-se por n . Assim: var Y Y Y Y Y Y Y Y Y i i( ) = −( ) = −( ) + −( ) + −( ) = ∑13 31 3 2 1 2 2 2 2 = −( ) + −( ) + −( ) = 3 5 5 5 7 5 3 8 3 2 2 2 13 UNIDADE Medidas de Dispersão E: var Z Z Z Z Z Z Z Z Z i i( ) = −( ) = −( ) + −( ) + −( ) = ∑13 31 3 2 1 2 2 2 3 2 = −( ) + −( ) + −( ) = 1 5 3 5 11 5 3 56 3 2 2 2 Por fim, cabe tentar entender qual o motivo de elevar os valores ao quadrado, de se tirar o valor da média e dividir pelo número de elementos. 1) Por que elevar ao quadrado? A variância é uma medida para captar a dispersão entre os elementos de determinado conjunto de números. Assim, se o cálculo fosse realizado sem os termos ao quadrado, o resultado poderia ser zero, mesmo havendo algum tipo de dispersão entre os valores. Observe o exemplo do conjunto Y = { }3 5 7, , . Ao proceder o cálculo sem elevar os termos ao quadrado, teremos> 3 5 5 5 7 5 3 2 0 2 3 0 3 0 −( ) + −( ) + −( ) = − + + = = Portanto, elevar ao quadrado tem a utilidade de evitar cancelamento dos valores positivos e negativos. 2) Por que subtrair da média e dividir pelo número de elementos? O cálculo da variância é realizado com a intenção de captar a distância dos elementos, mas distância entre quais pontos? Bem, parte da ideia da variância é calcular as distâncias de cada elemento em relação à média, ou seja, X Xi − � . Como não existe propriamente distância negativa, ao elevar ao quadrado teremos somente valores positivos. Além disso, quando somamos todos os X Xi −( )2 e dividimos por n , estamos fazendo a média das distâncias entre cada elemento Xi e a média X as quais estão elevadas ao quadrado. Portanto, a variância pode ser explicada como a média dos desvios em relação à média ao quadrado. 14 15 Desvio-Padrão Como a variância é entendida como uma média dos desvios em relação à média ao quadrado, existe uma medida de dispersão que extrai o efeito de termos elevado ao quadrado as distâncias de cada elemento em relação à média. Trata- se do desvio-padrão. Esta medida dispersão é calculada como a raiz quadrada da variância. Formalmente: dp X var X( ) = ( )� Por exemplo, partindo dos valores da seção anterior: var Y( ) = 8 3 e var Z( ) = 56 3 Então: dp Y( ) = 8 3 e dp Z( ) = 56 3 O desvio-padrão pode ser interpretado como simplesmente a média dos desvios em relação à média. Covariância Assim como se pode analisar a soma dos desvios com relação à média ao quadrado de determinado conjunto, é também possível determinar a média dos desvios em relação à média associando-se a outra variável. Trata-se de calcular uma medida de dispersão denominada covariância. De forma mais clara, é uma medida que tenta captar a associação da direção que as variáveis tomam. Por exemplo, se os números de uma variável estão, em média, crescendo e o de outra também, em média, está crescendo a covariância entre os quais, se esta existir, será positiva. Por outro lado, se as variáveis estão caminhando, em média, em sentidos opostos, ou seja, uma está normalmente aumentando e a outra diminuindo, então a covariância, se existir, será negativa. Entretanto, cabe lembrar que quando, em médias, ambas estão decrescendo, a covariância também será positiva, pois o que importa é se estão, em média, caminhando na mesma direção ou em direções opostas. A partir dos nossos conhecidos Y = { }3 5 7, , e Z ={ }1 3 11, , , entenderemos o cálculo da covariância e, após isto, retornaremos à intuição. 15 UNIDADE Medidas de Dispersão Dadas as variáveis Y e Z : Quadro 2 Y Z Y1 3 Z1 1 Y2 5 Z2 3 Y3 7 Z3 11 Fonte: elaborado pelo professor conteudista O cálculo da covariância entre as quais será dado por: cov Y Z Y Z Y Z Y Z n Y Z Y Z Y Z ,( ) = −( ) −( ) + −( ) −( ) + −( ) −( )1 1 2 2 3 3 cov Y Z,( ) = −( ) −( ) + −( ) −( ) + −( ) −( )3 1 5 3 7 11 3 5 5 5 5 5 5 cov Y Z,( ) = −( ) −( ) + ( ) −( ) + ( )( )2 4 0 2 2 6 3 cov Y Z,( ) = + +8 0 12 3 cov Y Z,( ) = 20 3 Note que o cálculo da covariância se assemelha ao da variância, com a diferença de que, ao invés de termos X Xi −( ) 2 = X X X Xi i−( ) −( ) , subtraímos um elemento de Yi e de Zi – que estejam na mesma linha, ou seja, que tenham o mesmo índice i – pela respectiva média e multiplicamos a distância de cada Yi pela distância de cada Zi e, ao final, dividimos por n . A covariância, a exemplo da variância, possui também uma forma de apresen- tação mais condensada, dada por: cov Y Z n Y Y Z Z i n i i,( ) = −( ) −( ) = ∑1 1 16 17 Infelizmente, com o valor absoluto da covariância não se consegue obter muitas informações. Por exemplo, o número final foi 8, mas poderia ter sido 800 e ainda assim não teríamos informações relevantes. A informação importante que vem da covariância é o sinal. Se o sinal da covariância for positivo, então as variáveis caminham na mesma direção. Por outro lado, se a covariância for negativa, as variáveis caminham em direções opostas. Por exemplo, o sinal da cov Y Z,�( ) foi positivo – igual a 20 3 –, implicando que, em média, as variáveis caminham na mesma direção. Para entender exatamente o que isso significa, observe o Quadro 2, no qual você visualizará que os valores de Y1 para Y2 e de Y2 para Y3 caminham na direção de aumentar, assim como de Z1 para Z2 e de Z2 para Z3 . Ou seja, em média, os valores caminham na mesma direção. Para fecharmos o raciocínio, vamos então a um exemplo no qual a covariância é negativa. Considere dois conjuntos, K e W , com quatro elementos cada, os quais estão apresentados da seguinte maneira: Quadro 3 K W K1 1 W1 5 K2 2 W2 4 K3 5 W3 2 K4 8 W4 1 Fonte: elaborado pelo professor conteudista O procedimento a ser adotado é o mesmo que o anterior: cov K W K W K W K W K WK W K W K W K W ,( ) = −( ) −( ) + −( ) −( ) + −( ) −( ) + −( ) −1 1 2 2 3 3 4 4(( ) n cov K W,( ) = −( ) −( ) + −( ) −( ) + −( ) −( ) + −( ) −( )1 5 2 4 5 2 8 1 4 4 3 4 3 4 3 4 3 cov Y Z,( ) = −( )( ) + −( )( ) + ( ) −( ) + ( ) −( )3 2 2 1 1 1 4 2 4 cov Y Z,( ) = − − − −6 2 1 8 4 cov Y Z,( ) = −17 4 17 UNIDADE Medidas de Dispersão Correlação Como o valor absoluto da covariância não traz informações relevantes, outra medida de dispersão completa este processo e dá sentido ao valor final. É a chamada correlação. O resultado da correlação varia entre -1 e 1. Sua análise é que, caso as variáveis tenham correlação perfeitamente positiva, o resultado será igual a 1 e, caso a correlação seja perfeitamente negativa, o resultado será igual a -1. Infinitas possibilidades existem entre -1 e 1, mas quanto mais próxima de zero, menor a correlação entre duas variáveis e, quanto mais próxima de -1 ou 1, maior a correlação entre as variáveis, negativa ou positiva, respectivamente. Vamos aos “ingredientes” necessários para você fazer o cálculo da correlação: • O desvio padrão de duas variáveis – as quais tenham interesse em realizar o cálculo de correlação; e • O valor da covariância entre essas variáveis. Partindo do exemplo das variáveis Y = { }3 5 7, , e Z ={ }1 3 11, , , encontramos: • dp Y( ) = 8 3 • dp Y( ) = 56 3 • cov Y Z,( ) = 20 3 A correlação é calculada por meio da seguinte equação: corr Y Z cov Y Z dp Y dp Z , , . ( ) = ( )( ) ( ) Assim, partindo dos resultados encontrados, temos: corrY Z,( ) = 20 3 8 3 56 3 corr Y Z,( ) = 20 3 448 9 18 19 corr Y Z,( ) = 20 3 448 3 corr Y Z,( ) = 20 448 corr Y Z, , ( ) ≅ 20 21 17 corr Y Z, ,( ) ≅ 0 92 Como o número 0,92 está próximo de 1, as variáveis Y e Z apresentam elevada correlação positiva, de modo que as variáveis caminham no mesmo sentido e com bastante semelhança no “ritmo” da caminhada. Uma correlação perfeitamente positiva implica que os dados das variáveis formam uma equação de 1º grau positivamente inclinada. Nesse caso, o valor da correlação é igual a 1. Acompanhe o exemplo a partir dos dados do Quadro 4: Quadro 4 A B A1 -3 B1 -3 A2 0 B2 3 A3 3 B3 9 Fonte: elaborado pelo professor conteudista 1º) Calcular a média de cada variável. A e B= − + + = = = − + + = =3 0 3 3 0 3 0 3 3 9 3 9 3 3 2º) Calcular a variância de cada variável. var A A A A A A A ( ) = −( ) + −( ) + −( ) = − −( ) + −( ) + −( ) = 1 2 2 2 2 2 2 2 3 3 0 0 0 3 0 3 6� 19 UNIDADE Medidas de Dispersão var B B B B B B B ( ) = −( ) + −( ) + −( ) = − −( ) + −( ) + −( ) = 1 2 2 2 3 2 2 2 2 3 3 3 3 3 9 3 3 24� 3º) Calcular o desvio-padrão de cada variável. dp A var A( ) = ( ) = 6 � dp B var B( ) = ( ) = 24 4º) Calcular a covariância entre as variáveis. cov A B,( ) = − −( ) − −( ) + −( ) −( ) + −( ) −( )3 0 3 3 0 0 3 3 3 0 9 3 3 = − −( ) + ( )( ) + ( )( )3 6 0 0 3 6 3 )( = + +18 0 18 3 = 36 3 =12 5º) Calcular a correlação entre as variáveis. corr A B cov A B dp A dp B , ,( ) = ( )( ) ( ) = = = = 12 6 24 12 144 12 12 1 Propriedades das Medidas de Dispersão As medidas de dispersão possuem algumas propriedades que são importantes para o entendimento completo dessas. Por exemplo, na seção anterior foram utilizadas as variáveis A e B . Note que para cada linha do Quadro 4 é válida a seguinte equação: B A= +2 3� Quadro 5 A B A= +2 3 i =1 −3 2 3 2 3 3 3A+ = −( ) + = − � 20 21 i = 2 0 2 3 2 0 3 3A+ = ( ) + = i = 3 3 2 3 2 3 3 9A+ = ( ) + = Fonte: elaborado pelo professor conteudista O fato de A e B formarem uma equação de 1º grau é a razão da correlação entre A e B ser igual a 1. Observe, a seguir, o resumo de algumas as informações obtidas a partir do exemplo da seção anterior com os conjuntos A e B: Quadro 6 A B Média aritmética 0 3 Desvio-padrão 6 2 45≅ , 24 4 90≅ , Variância 6 24 Fonte: elaborado pelo professor conteudista A partir de uma análise dos resultados, é possível concluir que: · B A= + 3 ; · dp B dp A( ) = ( )2 ; · var B var A( ) = ( )4 . Este é apenas um exemplo das possibilidades de associações viáveis de se fazer entre duas variáveis quaisquer. Considerando �X e Y como variáveis quaisquer e a como uma constante qualquer, o Quadro abaixo ilustra as principais propriedades das medidas de posição e dispersão trabalhadas ao longo desta Unidade: Quadro 7 – Propriedades das medidas de posição e dispersão Medidas de posição e dispersão N.º Propriedade Média 1 m aX a m X( ) = ( ) . 2 m X a m X a( ) ± = ±( ) Desvio-padrão 3 dp a X a dp X . .( ) = ( ) 4 dp X a dp X±( ) = ( ) Covariância 5 cov aX bY a b cov X Y, . . ,( ) = ( ) 21 UNIDADE Medidas de Dispersão Variância 6 var a X a var X . .( ) = ( )2 7 var X a var X±( ) = ( ) 8 var X Y var X var Y cov X Y+( ) = ( ) + ( ) + ( )2 . , 9 var X Y var X var Y cov X Y−( ) = ( ) + ( ) − ( )2 . , Fonte: elaborado pelo professor conteudista Exemplos algébricos envolvendo as propriedades das medidas de posição e dispersão com comentários. Propriedade 1: m aX a m X( ) = ( ). Exemplos: • m X m X5 5( ) = ( ) (ou seja, se multiplicar todos os números das linhas da variável X por 5, a média da variável X será multiplicada por 5). • m X m X−( ) = − ( )2 2 Propriedade 2: m X a m X a( ) ± = ±( ) Exemplos: • m X m X( ) + = +( )4 4 (ou seja, se somar o número 4 em todas as linhas da variável X, a média de X será aumentada em 4). • m X m X( ) − = −( )2 2 Propriedade 3: dp a X a dp X . .( ) = ( ) Exemplos: • dp X dp X4 4( ) = ( ) (ou seja, se multiplicar por 4 todas as linhas de X, o desvio padrão de X será multiplicado por 4). • dp X dp X−( ) = − ( )2 2 22 23 Propriedade 4: dp X a dp X±( ) = ( ) Exemplos: • dp X dp X+( ) = ( )4 (ou seja, se somar o número 4 em todas as linhas da variável X, a variável X não terá alteração no desvio-padrão). • dp X dp X−( ) = ( )7 Propriedade 5: cov aX bY a b cov X Y, . . ,( ) = ( ) Exemplos: • cov X Y cov X Y cov X Y4 2 4 2 8, . . , ,( ) = ( ) = ( ) (ou seja, se multiplicar todas as linhas de X por 4 e as de Y por 2, então a covariância entre as quais será multiplicada por 8). • cov X Y cov X Y cov X Y−( ) = − ( ) = − ( )2 5 2 5 10, . . , , Propriedade 6: var a X a var X . .( ) = ( )2 Exemplos: • var X var X var X2 2 42( ) = ( ) = ( ) • var X var X var X−( ) = −( ) ( ) = ( )3 3 92 Propriedade 7: var X a var X±( ) = ( ) Exemplos: • var X var X+( ) = ( )100 (ou seja, se somar o número 100 em todas as linhas da variável X, esta não terá alteração na variância). • var X var X−( ) = ( )12 23 UNIDADE Medidas de Dispersão Propriedade 8: var X Y var X var Y cov X Y+( ) = ( ) + ( ) + ( )2 . , Exemplos: • var Z K var Z var K cov Z K+( ) = ( ) + ( ) + ( )2 . , • var X W var X var W cov X W4 4 2 4 1+( ) = ( ) + ( ) + ( ) . , • = ( ) + ( ) + ( )16 2 4 1var X var W cov X W . . . , � • = ( ) + ( ) + ( )16 8var X var W cov X W, Propriedade 9: var X Y var X var Y cov X Y−( ) = ( ) + ( ) − ( )2 . , Exemplos: • var Z K var Z var K cov Z K−( ) = ( ) + ( ) − ( )2 . , • var Z K var Z var K cov Z K3 4 9 16 2 3 4−( ) = ( ) + ( ) − ( ) . . . , • = ( ) + ( ) − ( )9 16 24var Z var K cov Z K, Exercício resolvido de propriedades de dispersão com valores numéricos 4) Dadas as variáveis aleatórias X, Y e Z, sendo: var(X) = 4 cov(Y, Z) = -3 var(Y) = 9 X e Y são independentes var(Z) = 1 X e Z são independentes Calcule: a) dp(4X) b) dp(3Y + 4) c) cov(4Z, 5Y) d) cov(2X, -2Y) e) var(X - Y) f) var(2Y + 3Z) g) var(2Y – 3Z + 5) 24 25 Resolução: a) dp(4X) = 4dp(X) Como var(X) = 4, então dp(X) = 2 Assim, 4 . dp(X) = 4 . 2 = 8 b) dp(3Y + 4) = dp(3Y ) = 3dp(Y) Como var(Y) = 9, então, dp(Y) = 3 Assim, 3dp(Y) = 3 . 3 = 9 c) cov(4Z, 5Y) = 4 . 5 . cov(Z, Y) = 20cov(Z, Y) Como cov(Z, Y) = cov(Y, Z) = -3 Assim, 20cov(Z, Y) = 20 . (-3) = -60 d) cov(2X, -2Y) = 2 . (-2) . cov(X, Y) = -4cov(X, Y) Como X e Y são independentes, cov(X, Y) = 0 Assim, -4cov(X, Y) = -4 . 0 = 0 e) var(X – Y) = var (X) + var(Y) – 2cov(X,Y) = 4 + 9 – 2cov(X, Y) Como X e Y são independentes, então, cov(X, Y) = 0 Assim, var (X – Y) = 13 f) var(2Y + 3Z) = var(2Y) + var(3Z) + 2 . cov(2Y, 3Z) = 4var(Y) + 9var(Z) + 2 . 2 . 3cov(Y, Z) = 4 . 9 + 9 . 1 + 12 . (-1) = 36 + 9 – 12 = 33 g) var(2Y – 3Z + 5) = var(2Y – 3Z) = 4var(Y) + 9var(Z) – 2cov(2Y, 3Z) = 4 . 9 + 9 . 1 – 2 . 2 . 3cov(Y, Z) = 36 + 9 -12(-1) = 36 + 9 + 12 = 57 25 UNIDADE Medidas de Dispersão Considerações Finais Nesta Unidade você pôde acompanhar o estudo das principais medidas de dispersão: desvio-padrão, variância, covariância e correlação; assim como algumas propriedades que as cercam. Além disso, vimos também a média aritmética, que é uma medida de posição inserida para servir de apoio ao estudo das demais medidas. 26 27 Material Complementar Indicações para saber mais sobre os assuntos abordados nesta Unidade: Livros Estatística Aplicada à Administração e Economia DOANE, D. P.; SEWARD, L. E. Estatística aplicada à Administração e Economia. Porto Alegre, RS: Grupo A, 2012. Estatística para Administração e Economia MCCLAVE, J. T.; BENSON, P. G.; SINCICH, T. Estatística para Administração e Economia. 10. ed. São Paulo: Pearson Makron Books, 2009. Estatística Aplicada: Administração, Economia e Negócios SHARPE, N. R.; DE VEAUX, R. D.; VELLEMAN, P. F. Estatística aplicada: Administração, Economia e negócios. Porto Alegre, RS: Grupo A, 2011. 27 UNIDADE Medidas de Dispersão Referências MORETTIN, L. G. Estatística básica: inferência.São Paulo: Pearson Makron Books, 2005. SARTORIS, A. Estatística e introdução à Econometria. São Paulo: Saraiva, 2003. 28
Compartilhar