Para responder a essa pergunta, precisamos primeiro calcular o desvio padrão dos dados originais (não padronizados). (a) Desvio padrão dos dados originais: Primeiro, precisamos calcular a média dos dados originais: X̄ = (5 + 8 + 3 + 5 + 6) / 5 = 5,4 Agora, podemos calcular o desvio padrão: s = √[((5-5,4)² + (8-5,4)² + (3-5,4)² + (5-5,4)² + (6-5,4)²) / 4] = 1,79 Portanto, o desvio padrão dos dados originais é de 1,79. (d) Dividindo cada observação pelo desvio padrão: Para padronizar os dados, precisamos subtrair a média e dividir pelo desvio padrão. Neste caso, já temos o desvio padrão, então só precisamos dividir cada observação pelo desvio padrão: Z = (5-5,4)/1,79 = -0,22 Z = (8-5,4)/1,79 = 1,44 Z = (3-5,4)/1,79 = -1,68 Z = (5-5,4)/1,79 = -0,22 Z = (6-5,4)/1,79 = 0,34 Agora, podemos calcular a média e o desvio padrão dos dados padronizados: Média de Z = (-0,22 + 1,44 - 1,68 - 0,22 + 0,34) / 5 = -0,07 Desvio padrão de Z = √[((-0,22 + 0,07)² + (1,44 + 0,07)² + (-1,68 + 0,07)² + (-0,22 + 0,07)² + (0,34 + 0,07)²) / 4] = 0,98 Comparando com a resposta em (a): A média dos dados padronizados é próxima de zero, como esperado, já que a padronização dos dados é feita para que a média seja zero. O desvio padrão dos dados padronizados é próximo de um, também como esperado, já que a padronização é feita para que o desvio padrão seja um. Comentário: A padronização dos dados é uma técnica comum em estatística para comparar dados que têm unidades diferentes ou escalas diferentes. Ao padronizar os dados, podemos comparar as observações em uma escala comum.
Para escrever sua resposta aqui, entre ou crie uma conta
Compartilhar