Baixe o app para aproveitar ainda mais
Prévia do material em texto
Estatística Aplicada Celso Ramos E-book 3 Neste E-book: INTRODUÇÃO ���������������������������������������������� 3 CONCEITO DE SEPARATRIZES ���������������4 MEDIDAS DE DISPERSÃO ����������������������12 PROBABILIDADE ���������������������������������������19 CONSIDERAÇÕES FINAIS ����������������������29 Síntese ���������������������������������������������������������30 2 E-book 1 Medidas de disperção e probabilidade E-book 3 INTRODUÇÃO As informações fornecidas pelas medidas de posição necessitam, em geral, ser complementadas pelas medidas de dispersão. Essas medidas servem para indicar o quanto os dados se apresentam dispersos em torno da região central. Assim, as medidas de dispersão caracterizam o grau de variação existente no conjunto de valores. Neste módulo, você vai estudar as principais medidas de dispersão, que são amplitude, desvio padrão e coeficiente de variação. Anteriormente, você estudou que é possível sintetizar um conjunto de observações em alguns valores representativos, como média, me- diana, moda e separatrizes. Em várias situações, é ne- cessário visualizar como os dados estão dispersos. 3 CONCEITO DE SEPARATRIZES Qual a principal característica das medidas de separatrizes? A principal característica das medidas de separatri- zes está na separação da série de dados ordenados em partes iguais. Dentro das separações, temos os dois principais: quartis e percentis. Você vai entender como é feita essa separação e qual é a sua impor- tância para a interpretação dos dados. O que são quartis? Quartis são valores que dividem um conjunto de da- dos ordenados em quatro partes iguais. Para deter- minar quais são, você vai dividir o conjunto em três quartis (Q1, Q2 e Q3). Cada um deles representa uma parte do todo. Observe: Q1: deixa 25% dos elementos abaixo dele. Q2: deixa 50% dos elementos abaixo dele e coincide com a mediana. Q3: deixa 75% dos elementos abaixo dele. Determinação do quartil para dados não agrupados em classes: 4 Inicialmente, você deve colocar os elementos em ordem crescente ou decrescente. Qi = i . (n +1)/4 Em que: Qi = posição do elemento i = 1, 2 ou 3 n = número de observações do conjunto de dados Exemplo: Dada a sequência 80, 107, 93, 97, 102, 85, 110, 112 para determinar os valores Q1, Q2, Q3. Organizando em um ROL(Necessário): 80, 85, 93, 97, 102, 107, 110, 112 Número de elemento: n = 8 Comentário: O quartil 2 (Q2) coincide com a mediana. Então, Q2 = Md. Não há como destacar o número mediano na sequên- cia, pois o número de dados é par. Fazemos, então, a média aritmética dos dois centrais 80, 85, 93, 97, 102, 107, 110, 112 Segundo quartil → Q2 = (97+102)/2 = 99,5 → Q2 = 99,5 5 1º quatil → Q1: é a média aritmética dos termos centrais à esquerda: 80, 85, 93, 97, Q1 = (85+93)/2 = 89 → Q1 = 89 3º quatil → Q3: é a média aritmética dos termos centrais á direita: 102, 107, 110, 112 Q3 = (107+110)/2 = 108,5 → Q3 = 108,5 Esse é um modo prático. Pelo modo da fórmula da posição, fica: Mudar para: Qi = i . (n+1)/4 Q1 = 1 . (8 + 1)/4 → Q1 = 2,25 → Como não deu in- teiro, ele está na posição entre o 2º e 3º elementos. Q2 = 2 . (8 + 1)/4→ Q2 = 4,5 → Está na posição entre 4º e 5º elementos. Q3 = 3 . (8 + 1)/4 → Q3 = 6,75 → Está na posição entre o 6º e 7º elementos. 6 Com isso, foi possível determinar quais são os quar- tis que dividem a sequência de valores. Como pode ser feita a distribuição de frequência de dados agru- pados em classes? Para determinação do quartil para dados agrupados em classes, é necessário utilizar a seguinte fórmula: Qi = li + (∑fi/ 4 – f (ant)) . h / fi Em que: Qi = valor de cada quartil i = 1, 2 ou 3 li = limite inferior da classe do quartil ∑fi / 4 = posição do elemento do quartil f (ant) = FAC= frequência acumulada crescente ante- rior à classe do quartil h = amplitude da classe do quartil fi = frequência simples da classe quartil Essa fórmula vai auxiliar você a determinar os quartis. Analise a tabela a seguir para um melhor entendimento: i Altura em cm fi Fac 1 150 |- 154 4 4 2 154 |- 158 9 13 3 158 |- 162 11 24 4 162 |- 166 8 32 5 166 |- 170 5 37 7 6 170 |- 174 3 40 ∑ 40 Tabela 1: Altura em centímetros dos alunos de uma classe. Fonte: Elaborada pelo autor (2019). A Tabela 1 apresenta a altura em centímetros (cm) dos alunos de uma classe do Ensino Fundamental. Como, então, determinar o primeiro e o terceiro quar- tis? Você deve, inicialmente, determinar qual é a posi- ção do primeiro quartil na distribuição de frequência. 1∑fi / 4 = 40 / 4 = 10 A classe que tem o primeiro quartil é de 154 |- 158 Substituir na fórmula Q1 = 154 + (10 – 4). 4 / 9 = 156,67 cm Agora, determine qual é a posição do terceiro quartil na distribuição de frequência. 3∑fi / 4 = 3. (40 / 4) = 30 A classe que tem o terceiro quartil é de 162 |- 166 Substituir na fórmula Q3 = 162 + (30 – 24). 4 / 8 = 165 cm Existem ainda outras medidas de separatrizes, como os percentis. 8 O que são percentis? Percentis são os 99 valores que separam uma série em 100 partes iguais. Percentis para dados não agrupados em classes: Inicialmente, você deve colocar os elementos em ordem crescente ou decrescente. Fórmula: Ci = i . (n+1)/100 Em que: Ci = posição do elemento do percentil i = 1, 2, 3, 4, 5...ou 99 n = número de observações do conjunto de dados Exemplo: Você deve colocar em ordem: 80, 85, 93, 97, 107, 100, 110,112 C20 = 20.(8+1)/100 = 1,8. Aproximadamente o 2º elemento. Portanto, C20 = 85 C75 = 75.(8+1)/100 = 6,75. Aproximadamente 0 7º elemento. Portanto, C75 = 110 9 Desse modo, foi possível determinar quais são os percentis que dividem a sequência de valores. Como podemos fazer para realizar a distribuição de fre- quência de dados que estão agrupados em classes? Para a determinação do percentil para os dados agru- pados em classes, é necessário utilizar a seguinte fórmula: Ci = li + (∑fi / 100 – f (ant)). h / fi Em que: Ci = valor de cada percentil i = 1, 2 ou 3 li = limite inferior da classe do percentil ∑fi / 100 = posição do elemento do percentil f (ant) = FAC = frequência acumulada crescente anterior a classe do percentil h = amplitude da classe do percentil fi = frequência simples da classe percentil Você já deve ter percebido que a fórmula do percentil é parecida com a do quartil. Se com a fórmula do quartil a divisão é feita por quatro, com a fórmula do percentil a divisão é feita por cem. A fórmula apresentada vai auxiliar você a determi- nar os percentis. Observe a tabela a seguir para um melhor entendimento: 10 i Altura em cm fi Fac 1 150 |- 154 4 4 2 154 |- 158 9 13 3 158 |- 162 11 24 4 162 |- 166 8 32 5 166 |- 170 5 37 6 170 |- 174 3 40 ∑ 40 Tabela 2: Altura em centímetros dos alunos de uma classe. Fonte: Elaborada pelo autor (2019). Aproveitando os dados da Tabela 1, na Tabela 2 te- mos a altura em centímetros dos alunos de uma clas- se do Ensino Fundamental. De que modo podemos determinar o 55o percentil? Você deve, inicialmente, determinar qual é a posição do 55o percentil na dis- tribuição de frequência. 55∑fi / 100 = 55 (40 / 100) = 22 A classe que tem o percentil é 158 |- 162 Substituir na fórmula C55 = 158 + (22 – 13). 4 / 11 = 161,27 cm 11 MEDIDAS DE DISPERSÃO Você vai perceber que apenas os cálculos de me- didas de posição não são suficientes para compre- ender uma distribuição ou um conjunto de valores. Muitas vezes, somente cálculos ou apresentações não são suficientes para caracterizar uma distribui- ção ou um conjunto de valores. Há necessidade de outras medidas para que se possa entender o con- junto de valores e suas características. Para um entendimento mais abrangente, temos um exemplo. Consideremos os seguintes conjuntos de valores das variáveis A, B e C. A: 80, 80, 80, 80, 80. B: 78, 79, 80, 81, 82. C: 12, 58, 92, 98, 140. Calculando a média aritmética de cada um desses conjuntos de números: n x x n i iå == 1 12 A = ∑ Xi /n = 80+80+80+80+80 / 5 = 400 / 5 = 80 B = ∑ Xi / n = 78+79+80+81+82/5 = 400 / 5 = 80 C = ∑ Xi / n = 12+58+92+98+140 / 5 = 400 / 5 = 80 Foi possível notar que cada um desses conjuntos numéricos tem a mesma média aritmética. Você pode perceber que o conjunto A é mais homogêneo do que os conjuntos B e C, pois todos os valores são iguais à média. SAIBA MAIS Leia Guia Mangá de Estatística (2010), da edi- tora Novatec, livro que mostra os conceitos bá- sicos de estatística como uma revista Mangá. Você pode acessar uma parte do livro em https:// s3.novatec.com.br/downloads/amostras/amos- tra-manga-estatistica.pdf. O que significa dispersão? Dispersão é a maior ou menor diversificação dos valores de uma variável em torno de um valor de ten- dência central. Existem várias medidas de dispersão, como a amplitude total, a variância e o desvio padrão. Amplitude total O conceito de amplitude total é a diferença entre o maior e o menor valor observado. Exemplo: 42, 45, 54, 67, 78, 79 e 80. 13 https://s3.novatec.com.br/downloads/amostras/amostra-manga-estatistica.pdf https://s3.novatec.com.br/downloads/amostras/amostra-manga-estatistica.pdf https://s3.novatec.com.br/downloads/amostras/amostra-manga-estatistica.pdf MINMÁX xxAT -= Amplitude total = AT = 80 – 42 = 38 AT = 38 A amplitude total dos valores é 38. Quanto maior a amplitude total, maior a dispersão dos valores da variável. Observe que é fácil calcular essa medida, o problema está na amplitude, que é afetada pelos valores extremos. Na prática, queremos dizer que não são consideradas todas as observações. Variância e desvio padrão. Outras medidas de dispersão são a variância e o desvio padrão. A variância baseia-se nos desvios em torno da média aritmética, ou seja, é uma medida de dispersão que deve utilizar todas as observações considerando os desvios de cada observação em relação à média. Como calcular os desvios? Como calcular os desvios médios? DMS = ∑|xi – x | / n 14 Exemplo: Dada a série, calcule o desvio médio: 3, 4, 7 e 9. Inicialmente, você precisa calcular a média: O próximo passo é determinar cada desvio: 𝑥𝑥" − �̅�𝑥 = 3 − 5,75 = 2,75 𝑥𝑥, − �̅�𝑥 = 4 − 5,75 = 1,75 𝑥𝑥/ − �̅�𝑥 = 7 − 5,75 = 1,25 𝑥𝑥0 − �̅�𝑥 = 9 − 5,75 = 3,25 Agora, calcule o desvio médio: DMS = ∑|xi – x | / n DMS = 2,75 + 1,75 + 1,25 +3,25 / 4 = 2,25 Assim, determina-se quanto o desvio está distante da média aritmética. Na prática, a fórmula é a mais apropriada, mas a soma dos desvios de um conjunto de dados em relação à sua média é nula. Por conta disso, deve ser feita a soma dos quadrados dos des- vios, pois, ao elevarmos cada desvio ao quadrado, eliminamos o sinal negativo, não permitindo que os desvios se anulem. O próximo passo é dividir a soma 15 dos quadrados dos desvios pelo número de obser- vações para obter a variância, chamada S2. Fórmula da variância: ( ) ( ) n xx f xx s 2 i i 2 i2 å å å -=-= Utilizando a mesma sequência: 3, 4, 7 e 9, você vai calcular a variância através da fórmula: A variância é considerada uma medida de dispersão mais estável do que a amplitude total, pois não sofre a interferência de valores extremos. A dificuldade que se encontra ao trabalha com variância é por- que esta se expressa em valores ao quadrado que podem apresentar dificuldade de interpretação da informação. Para facilitar o trabalho, você deve utilizar o desvio padrão, pois o desvio padrão é a raiz quadrada da mé- dia aritmética dos quadrados dos desvios. Observe a fórmula do desvio padrão: 16 Utilizando a mesma sequência 3, 4, 7 e 9, você vai calcular o desvio padrão que é a raiz quadrada da variância: S = √5,61 = 2,37 Isso significa que, na sequência 3, 4, 7 e 9, tivemos uma média aritmética de 5,75 e um desvio padrão de 2,37. Podcast 1 Coeficiente de variação Você deve ter percebido que tanto a variância quanto o desvio padrão são medidas de dispersão absolutas, utilizadas para comparar a variabilidade de dois ou mais conjunto de dados, desde que tenham a mesma média, mesmo número de observações, e estiverem expressos nas mesmas unidades. Na prática, isso significa porcentagem do desvio pa- drão em relação à sua média. A fórmula utilizada é: 𝐶𝐶𝐶𝐶 = 𝑠𝑠 𝑥𝑥 .100 17 https://famonline.instructure.com/files/70386/download?download_frd=1 O resultado obtido pode ser definido da seguinte maneira: Quanto maior o coeficiente de variação, maior a dispersão; e ainda, quanto menor o coeficiente de variação (CV), menor a dispersão. Utilizando a mesma sequência: 3, 4, 7 e 9, você vai calcular o CV: CV = 2,37 / 5,75 = 0,41.100 = 41,19 % Observe quais são as medidas de dispersão, como são calculadas e sua aplicabilidade na interpretação dos fenômenos estudados. REFLITA É comum as pessoas questionarem o que é esta- tística e para que serve, afinal? Dedicar-se aos es- tudos estatísticos é de extrema importância, pois em momentos que exigem planejamento, coleta de dados, organização de informações, análise das informações, interpretação e divulgação dos dados coletados, as estatísticas promovem a so- ciedade, pois apresentam pesquisas de opinião, pesquisas de mercado etc., que contribuem para a compreensão de fenômenos. 18 PROBABILIDADE Muito provavelmente você já deve ter ouvido falar que a teoria das probabilidades teve sua origem nos jogos de azar no século 17, pois naquela época os jogadores desenvolveram um método para diminuir os riscos de perder nos jogos de cartas, dados etc. Com o passar do tempo, a teoria das probabilidades começou a ser utilizada pelas empresas para as toma- das de decisões, auxiliando em estratégias. Já na área de gestão, passou a ser uma ferramenta importantís- sima para a tomada de decisões e para as analises de riscos. A seguir, você vai entender como pode ser utilizada essa teoria nos fenômenos estatísticos. Existem dois tipos de fenômenos: os determinísti- cos e os aleatórios. Fenômenos determinísticos são aqueles que invariavelmente dão o mesmo resultado se repetidos sob as mesmas condições. Já os fenô- menos aleatórios são aqueles que, mesmo repetidos sob as mesmas condições, apresentam variações nos resultados. Utilizamos a probabilidade quando existe um ele- mento do acaso ou de incerteza. Muitos eventos que podem ocorrer não são passíveis de afirmar sua ocorrência com antecedência. Por esse motivo, as probabilidades servem para expressar a oportunidade de ocorrência de um determinado tipo de evento. Podcast 2 19 https://famonline.instructure.com/files/70387/download?download_frd=1 Termos utilizados em probabilidade Conheça os termos mais utilizados na teoria das pro- babilidades, os quais auxiliarão no seu entendimento da teoria apresentada. a) Experimento: fenômeno que está sendo estudado. Por exemplo: Lançamento de uma moeda, extração de uma carta de um baralho, lançamento de um dado etc. b) Espaço amostral: conjunto de todos os resultados possíveis de um determinado experimento. Por exemplo: Lançar um dado e observar o número de pontos da face superior. Os resultados possíveis são S = {1,2,3,4,5,6}; lançar uma moeda e anotar a face superior S = {cara, coroa}. Evento elementar: cada um dos resultados possíveis do espaço amostral do experimento. Por exemplo: Tirar uma carta do baralho e, das 52 car- tas, tirar o ás. FIQUE ATENTO A amostra é um subconjunto da população e também pode ser considerada finita ou infinita. A amostra deve ser selecionada seguindo cer- tas regras e deve ser representativa, de modo que represente todas as características de uma população. 20 Eventos Qual o conceito de eventos? Evento é qualquer subconjunto do espaço amostral (S) associado ao experimento aleatório, ou seja, um determinado resultado que ocorra dentro do espaço amostral (CRESPO, 2012). Você vai calcular a probabilidade desses eventos, que estão associados ao espaço amostral. Os eventos podem ser classificados em: simples, composto, certo, impossíveletc., mais bem detalhados a seguir. O que é um evento simples? É aquele evento formado por um único elemento do espaço amostral. Por exemplo, a ocorrência da face 6 no lançamento de um dado. O que é um evento composto? É aquele evento formado por mais de um elemento do espaço amostral. Por exemplo, em um lançamento de dado, observar a face superior e anotar as faces pares: A = {2,4,6}. O que é um evento certo? É aquele evento que ocorre em qualquer realização do experimento. Por exemplo, lançar um dado e observar o número de pontos da face superior: A 21 = {1,2,3,4,5,6}, como o dado tem seis números, eles serão os possíveis resultados. O que é evento impossível? É aquele evento que não poderá ocorrer em qualquer realização do experimento. Por exemplo, lançar um dado e observar a face superior se vai sair o número 8. Probabilidades e suas definições O grande intuito agora é você ter bem claras as de- finições de probabilidade. Assim, poderá realizar os seguintes eventos: Lançar uma moeda e observar a face superior. O resultado possível será cara ou coroa, ou seja, há 50% de probabilidade de dar cara ou coroa. Outra situação é ter certeza de 95% que o serviço contratado será realizado no prazo determinado. O que apresentamos são as possibilidades de que algo venha a acontecer. Por definição, a probabilidade é a chance de que um determinado evento venha a ocorrer. SAIBA MAIS A Probabilidade Objetiva nasceu no século 17 por interesse comum de Pierre de Fermat e Blaise Pascal. Fermat foi um matemático francês, cujos estudos foram sobre a teoria dos números; des- 22 tacou-se também no cálculo de probabilidades. Já Pascal, aos 12 anos de idade, deduziu que a soma dos ângulos de um triangulo era igual a dois ângulos retos. Foram dois matemáticos brilhantes. Os problemas que envolvem a teoria das probabi- lidades podem ser resolvidos praticamente a par- tir de dois teoremas fundamentais: da adição e da multiplicação. 1. Teorema da adição (ou) a) para eventos mutuamente exclusivos P (A ou B) = P (A) + P (B) b) para eventos não mutuamente exclusivos P (A ou B) = P (A) + P (B) – P (A . B) 2. Teorema da multiplicação (e) a) para eventos condicionados P (A e B) = P (A) . [P (A) . P (B / A)] b) para eventos independentes P (A e B) = P (A) . P (B) Axiomas das Probabilidades Segundo Crespo (2012), a probabilidade de um even- to A qualquer é representada por P (A). É dada por um 23 quociente em que o numerador é o número de casos favoráveis à ocorrência do evento, e o denominador é o número de casos possíveis (espaço amostral), ou seja, a probabilidade simples de um evento acon- tecer é a razão entre o número de casos favoráveis e o número de casos possíveis. P(A) = P(e) = P = h /n Em que: h = número de casos favoráveis n = número de casos possíveis Por exemplo, imagine você jogando um dado uma vez. Qual é a probabilidade de sair a face 3? Resolução: Considerando o espaço amostral do lançamento de um dado S = {1,2,3,4,5,6}, a probabilidade de sair o número 3 é: P (A) = 1/6 Na prática, isso significa que temos apenas um número 3 e a chance de ocorrer é uma sobre seis números. Por exemplo, você agora vai lançar uma moeda. Qual é a probabilidade de, ao lançá-la, obter a face cara? 24 Resolução: Considerando o espaço amostral de uma moeda S = {cara, coroa}, a probabilidade de sair cara é: P(A) = ½ O resultado proporcional afirma que, ao lançarmos uma moeda sem vícios, temos 50% de chance de que apareça cara na face superior. Outra situação em que você pode utilizar o axioma das probabilidades é lançar um dado e desejar obter um número parar na face superior. Qual o cálculo a ser feito? Inicialmente, determinar o espaço amostral do evento S = {1,2,3,4,5,6}, Agora, determine o evento esperado “face par” A = {2,4,6} Portanto: P(A) = 3/6 = ½ Se você quiser determinar outro evento, chamado B, que corresponde a obter um número menor ou igual a 6 na face superior, temos: Espaço amostral S = {1,2,3,4,5,6} Evento B = {1,2,3,4,5,6} 25 A probabilidade de ocorrer o evento é: P(B) = 6/6 = 1 Mais um evento, a probabilidade do evento C que corresponde a obter um número maior do que 6 na face superior. Temos: Espaço amostral S = {1,2,3,4,5,6} Evento C não é possível ocorrer porque os números da face de um dado são de 1 a 6, portanto, o evento é o conjunto vazio. Note que foram apresentados certos tipos de eventos para que você pudesse entender quais eram e o que significavam. Analise os axiomas existentes: Primeiro axioma = 0 < Pr < 1 (a probabilidade está entre zero e um). Segundo axioma = Pr (S) = 1 (a probabilidade do espaço amostral é sempre um). Eventos complementares O que é um evento complementar? É quando um evento pode ocorrer ou não. Admitindo que o evento possa ocorrer (sucesso) p 26 e a probabilidade de que ele não ocorra (insuces- so) q, existe uma relação: p + q = 1 ou q = 1 – p Assim, se a probabilidade de se realizar um evento é p = 1/4 , a probabilidade de que ele não ocorra é: q = 1 – p = 1 – 1/4 = 3/4 Por exemplo, lançar um dado e observar o número de pontos da face superior. A probabilidade de tirar 4 no lançamento de um dado é 1/6. Logo, a probabilidade de não tirar o 4 em um lançamento de um dado é: q = 1 – p = 1 – 1/6 = 5/6 Eventos independentes Segundo Crespo (2012), dois eventos são considera- dos independes quando a realização ou a não realiza- ção de um dos eventos não afeta a probabilidade da realização de outro e vice-versa. Por exemplo, você lança dois dados, o resultado obtido em um dos da- dos independe do resultado obtido pelo outro dado. Com isso, os dois eventos são independentes, a pro- babilidade de eles acontecerem simultaneamente é igual ao produto das probabilidades da realização dos eventos. P = p1 x p2 A probabilidade de se obter o número dois no primei- ro dado é de p =1/6. 27 A probabilidade de se obter o número 4 no segundo dado é de p = 1/6. Portanto, a probabilidade de obter, simultaneamente, dois no primeiro e quatro no segundo é: P = 1/6 x 1/6 = 1/36 Eventos mutualmente exclusivos. Os eventos mutualmente exclusivos são aqueles em que a realização de um exclui a realização do outro (CRESPO, 2012). Um bom exemplo para que você possa entender o conceito é quando lançamos uma moeda, pois o evento pode ser cara ou coroa, são mutualmente exclusivos. Em outras palavras, se eu realizar um deles, o outro não se realiza. A probabilidade de ocorrer esse evento é igual à soma das probabilidades de que cada um deles ocorra. P = p1 + p2 No exemplo do dado, quando lançamos um dado, a probabilidade de se tirar 2 ou 6 é: P = 1/6 + 1/6 = 2/6 = 1/3 Os dois eventos são mutuamente exclusivos. 28 CONSIDERAÇÕES FINAIS Neste módulo, abordamos conceitos básicos so- bre as separatrizes e sua importância para o estu- do de medidas de dispersão, como quartis e decis. Obtivemos informações sobre as medidas de dis- persão em relação à média aritmética que ajuda a caracterizar um conjunto de observações, pois os conceitos apresentados são importantes para que possamos fazer inferências estatísticas. Além disso, tivemos a possibilidade de adquirir conhecimento so- bre o conceito de probabilidade e suas abordagens. Soubemos o que significam experimento, espaço amostral e evento, aprendendo como calcular as probabilidades aplicando as regras. 29 Síntese • Propriedades da teoria da probabilidade; • Os conteúdos apresentados proporcionam um entendimento que permite trabalhar o cálculo das medidas de dispersão e o conceito de probabilidade no cotidiano. • Conceito de eventos; • Termos utilizados no estudo de probabilidade; • Tipos de fenômenos estatísticos existentes: determinístico e aleatório; • Conceitos de separatrizes e as principais existentes (quartis percentis); • Medidas de dispersão e seus significados; • Medidas de dispersão: amplitude total, variância, desvio padrão, coeficiente de variação;• Medidas de dispersão: amplitude total, variância, desvio padrão, coeficiente de variação; • Cálculo da amplitude total e sua fórmula; • Cálculo do desvio padrão e sua • Cálculo do coeficiente de variação e sua fórmula; • Conceito de probabilidade e um pouco de história; • Cálculo da variância e sua fórmula; Abordamos as principais medidas de dispersão, a amplitude, a variância, o desvio padrão e o coeficiente de variação, com os quais é possível fazer um estudo em relação à média aritmética. Você estudou os conceitos de probabilidade e suas abordagens. É importante que saiba o significado de experimento, espaço amostral e evento, bem como as fórmulas utilizadas para determinar a probabilidade de ocorrer um evento. O conteúdo está dividido em: Medidas de dispersão e probabilidade Referências CASTANHEIRA, H. P. Estatística Aplicada a todos níveis. Curitiba: InterSaberes, 2012. CRESPO, A. A. Estatística fácil. São Paulo: Saraiva, 2012. LARSON, R. Estatística Aplicada. São Paulo: Pearson Education do Brasil, 2015. LEVIN, J. Estatística para ciência humana. São Paulo: Prentice Hall, 2004. MORRETTIN, L. G. Estatística Básica: probabilidade e inferência. São Paulo: Pearson Prentice, 2010. _GoBack INTRODUÇÃO CONCEITO DE SEPARATRIZES MEDIDAS DE DISPERSÃO PROBABILIDADE CONSIDERAÇÕES FINAIS Síntese bt_foward 15: Page 1: bt_foward 17: Page 31:
Compartilhar