Estatística I

ESTATÍSTICA I
Estatística I
Definição
Antonio A. Crespo define Estatística como :

Estatística é uma parte da matemática
aplicada que fornece métodos para a coleta,
a organização, a descrição, a análise e a
interpretação de dados quantitativos e
qualitativos, e a utilização desses dados para
a tomada de decisão.
Análise Exploratória de Dados
Introdução
População Técnicas de Amostra

(características) Amostragem
Análise
Exploratória
Conclusões Informações
sobre as Inferência
contidas nos
características dados
Estatística
da população
Utilidade da Estatística na Gestão
Estatística permite:
Resolver problemas mediante a coleta de dados de boa qualidade
Argumentar utilizando dados
Analisar e interpretar dados
Detectar situações fora de controle e outras fontes de dificuldades que
requerem atenção e medidas corretivas
Coletar evidências para fins legais
Determinar ociosidade de recursos e eficiência na utilização dos

Algumas Dificuldades com a Estatística
• Culturais / Rejeição às "matemáticas" / Contato

prematuro inadequado
• “Invisibilidade” da Estatística
• Armadilha da atividade
Método Estatístico
O método estatístico, diante da

impossibilidade de manter as causas
constantes, admite todas as causas
presentes variando-as, registrando essas
variações e procurando determinar, no
resultado final, que influências cabem a
cada uma delas.
MÉTODO ESTATÍSTICO
As fases são :
• Coletas de dados : é a obtenção, reunião e registro sistemático de
dados, com um objetivo determinado.
• Direta : quando é obtida diretamente da fonte e pode ser :
- Contínua : Obtida ininterruptamente
- Registro de nascimentos, etc.
- Periódica : em períodos curtos
- Censos
- Ocasional : esporadicamente
- Surto epidêmico
• Indireta : Quando é inferida ( deduzida ) a partir dos elementos
conseguidos pela coleta direta
- Mortalidade infantil
Crítica dos dados : devem ser criticados à procura de

erros grosseiros ou de certos vultos, que possam influir
sensivelmente nos resultados como:
- Externa : Informante
- Interna : dados da coleta
Apuração dos dados :é a soma e o processamento dos

dados obtidos e a disposição mediante critérios de
classificação.
Exposição dos dados : devem ser apresentados sob forma de

tabelas ou gráficos tornando mais fácil e
compreensão do objeto de tratamento
estatístico
Análise dos resultados : É o estudo dos resultados com o objetivo

de tirar conclusões sobre o todo
(população), a partir de informações
fornecidas por parte representativa do
todo ( amostra).
População e Amostra
População : é o conjunto de entes

portadores de , pelo menos, uma
característica comum
Amostra : é um subconjunto
finito de uma população
POPULAÇÃO E AMOSTRA
Devido a quantidade excessivamente grande de elementos
que constantemente fazem parte da população,
trabalhamos com uma amostra.
O aspecto comum dentre todas as técnicas existentes é a
aleatoriedade, isto é, a igual chance que cada elemento da
população deve ter de ser escolhido, as principais:
a) Casual Simples - sorteio

b) Sistemática - Os elementos já se encontram
ordenados e então, sorteamos um número e
sistematicamente os outros ficam determinados
c) Estratificada - Quando a população esta dividida em
estratos de acordo com o fato em estudo
Variável
Variável - é convencionalmente, o conjunto de
resultados possíveis de um fenômeno Tipos de
variáveis
Nominais
Qualitativas
Ordinais
Variáveis
Discretas
Quantitativas
Contínuas
Variável
Exemplo ( Variáveis em uma ficha cadastral PF )
Variável Tipo
1 Número de dependentes Quantitativa, discreta
2 Idade Quantitativa, contínua
3 Local de nascimento Qualitativa, nominal
4 Nível educacional Qualitativa, ordinal
5
6
7
8
Variável
DISCRETA - É uma representação tabular de um conjunto de
valores em que colocamos na primeira coluna em ordem crescente
apenas os valores distintos de série e na segunda coluna
colocamos os valores das freqüências simples correspondentes.
Devemos optar por uma variável discreta na representação de uma
série de valores quando o número de elementos distintos da série
for pequeno
xi = número de fi = freqüência
filhos absoluta
0 1
1 5
2 6
3 10
total 22
Variável
CONTÍNUA - É uma representação tabular de um conjunto de
valores em que colocamos na primeira coluna faixa de valores
agrupados em ordem crescente da série e na segunda coluna
coloca os valores das freqüências simples correspondentes.
Devemos optar por uma variável contínua na representação de uma
série de valores quando o número de elementos distintos da série
for grande.
filhos absoluta
2 /------ 4 4
4 /------ 6 12
6 /------ 8 10
8 /------ 10 4
total 30
Conceitos a serem aplicados
- Amplitude total de uma seqüência = é a diferença entre o Limite
superior e o Limite inferior de uma seqüência. At = Ls – Li
- Intervalo de Classe = é qualquer subdivisão da amplitude total de
uma série estatística. 2 /------ 4
- Limite de Classe = cada intervalo de classe fica caracterizado por
dois números reais. O menor valor chamado de Limite inferior (Li)
da classe e o maior valor chamado de Limite superior (Ls) da
classe. 2 = Li e 4 = Ls
- Amplitude do intervalo de classe = é a diferença entre o Ls e o Li
do intervalo de classe. A = Ls – Li  4-2 = 2  A = 2
- Freqüência simples ou absoluta de uma classe (fi) = é o número
de elementos da seqüência que são maiores ou iguais ao Li desta
classe e menores que o Ls desta classe.
Distribuição de Freqüências
Freqüência Relativa (fir%) = é a divisão

da freqüência simples deste elemento
pelo número total de elementos da série:
fir = fi / n onde n ou somatória de fi,
é o número total de elementos da série.
Ex: fir = 4 / 30 = 0,1333 ou 13,33%
Freqüência Acumulada (fiac) = é a

soma de fi simples deste elemento
com as fi dos elementos que o
antecedem.
fiac = fi1 + fi2 + fi3 ...fin
Freqüência acumulada relativa
(firac%) = é a divisão da freqüência
acumulada deste elemento pelo
número total de elementos da série.
xi fi fir% fiac firac%
0 1 3,33 1 3,33
1 5 16,67 6 20,00
2 6 20,00 12 40,00
3 10 33,34 22 73,34
4 4 13,33 26 86,67
5 4 13,33 30 100
Total 30 100
xi fi fir% fiac firac%
2 /------ 4 4 13,33 4 13,33
4 /------ 6 12 40,00 16 53,33
6 /------ 8 10 33,34 26 86,67
8 /------ 10 4 13,33 30 100
Total 30 100

Representação Gráfica -
Histograma
0,34
0,35
0,3
0,26
0,25
0,2
Proporção
0,16
0,15
0,12
0,1
0,04 0,04
0,05
0,02 0,02
0
5,5 13,5 21,5 29,5 37,5 45,5 553,5 61,5
Tributo ( % faturam ento )

Representação Gráfica -
Histograma
istograma
rea = 1.00 ( ou 100% )
rea ~ freqüência ( f ou p )
lasses de mesma amplitude : altura ~ freqüência ( f ou p )
otas :
Histograma é a representação gráfica adequada para o caso de

variáveis contínuas
Representação Gráfica
Polígono de % acumulada
100
90
80
70
% acumulada
60
50
40
30
20
10
0
1.5 9.5 17.5 25.5 33.5 41.5 49.5 57.5 65.5
Tributo ( % faturamento )
Representação Gráfica
Polígono de % acumulada
ostra a porcentagem de empresas cujo recolhimento

de tributos é menor ou igual a um dado valor
odemos ter também:
Polígono de freqüências acumuladas
Polígono de proporções acumuladas

Alguns Padrões de Histogramas
Medidas de Tendência Central
• Tendência Central de um conjunto de

dados é a tendência das medidas destes
dados em se acumular em torno de certos
valores numéricos.
• É a soma das medidas dividida pelo número

de elementos do conjunto de dados.
• Vantagens – reflete cada valor e possui
propriedades matemáticas atraentes.
• Limitações – é influenciada por valores
extremos.
Exemplo :
• Calcule a média dos seguintes grupos de
dados:
1, 2, 3, 4, 5
n e
∑ xi 2, 3, 3, 3, 4
x= i =1
n
Mediana - Para números aleatórios

• É o valor intermediário de um conjunto de medidas
colocadas em ordem crescente (ou decrescente).
Vantagens - muito interessante para grande
massa de dados
- divide a área do histograma em partes iguais.
- menos suscetível a valores extremos.
Limitações – difícil de determinar para grande
quantidade de dados.
Média e Mediana
Sua comparação indica a assimetria da distribuição.
Média Mediana
Moda - Para números aleatórios
• É a medida que ocorre com maior freqüência no

conjunto de dados.
– Exemplo:
notas de degustadores de vinho:
8, 7, 9, 6, 8, 10, 9, 9, 5, 7.
Moda: 9
Moda
• Vantagens
- indica onde os dados tendem a se concentrar.
- útil para dados qualitativos (Ex. notas de jurados).
- pode haver mais de uma ou não ter sentido (Ex.
pesquisa de lazer).
• Limitações
- não se presta a análise matemática;
- pode não ser moda para certos conjuntos de dados.
Exemplo:
• Preferência do produto A (em %) colhida em diversas

regiões do Brasil por meio de uma pesquisa de
mercado.
56, 63, 64, 65, 66, 69, 71, 57,
64, 66, 64, 65, 66, 66, 68 e 72.
N = 16
Σ x = 1042
Média = 65,125
Mediana = 65,5
Moda =66
Média Para variáveis discretas
• Se os dados estão apresentados na forma de uma variável
discreta, utilizamos a média ponderada, considerando as
freqüências (fi) como sendo as ponderações dos elementos
(xi) correspondentes.
xi = número de fi = freqüência fi *
filhos absoluta xi
0 1 0
Média =
1 5 5 47 / 22 =
2 6 12
3 10 30 2,14 filhos
total 22 47
Mediana para variáveis discretas

• Para encontrarmos a mediana, dividimos por dois o total das
freqüências absolutas ( 22 / 2 = 11) e calculamos a Freqüência
acumulada (fiac)
• Procuramos qual xi que conta o número (11) na Fi xi = 2
xi = número de fi = freqüência fiac

filhos absoluta
0 1 1
1 5 6 Mediana
Mediana = 2 6 12 =2
3 10 (11)
22 filhos
total 22
Moda para variáveis discretas

• Para encontrarmos a moda, basta verificar o elemento xi de maior
freqüência (fi).
filhos absoluta
0 1
1 5 Moda = 3 filhos
2 6
Moda = 3 10
total 22
Média para variáveis contínuas

Se os dados estão apresentados na forma de uma variável
contínua,utilizaremos a média aritmética ponderada, considerando as
freqüências (fi) de cada classe ponderando com o ponto médio destas
classe. PM = ((Li + LS) / 2)
Média = Somatória de PM*fi / somatória de fi
 178 / 30 = 5,93 filhos
xi = número de Ponto fi = PM * fi
filhos Médio freqüência
2 /------ 4 (PM)
3 absoluta
4 12
4 /------ 6 5 12 60
6 /------ 8 7 10 70
8 /------ 10 9 4 36
total 30 178
Mediana para variáveis contínuas
• Para encontrarmos a mediana, dividimos por dois o total das freqüências
absolutas ( 30 / 2 = 15) e calculamos a Freqüência acumulada (fiac)
•Procuramos qual xi que conta o número (15) na fiac  xi = 4 /---6
Este será o intervalo que usaremos como base para resolvermos a fórmula
da mediana.
xi = número de fi = freqüência fiac
filhos absoluta
2 /------ 4 4 4
4 /------ 6 12 16
6 /------ 8 10 (15)
26
8 /------ 10 4 30
total 30

• Fórmula da Mediana para variáveis contínuas
n / 2 − fiacant
md = Li + .h
Onde : fi
Li = Limite inferior do intervalo de classe  4
n = Total de fi  30
fiacant = freqüência acumulada anterior ao intervalo de
classe  4
fi = freqüência do intervalo de classe  12
h = amplitude da classe = Ls – Li  6 – 4 = 2

• Então : 30 / 2 − 4
md = 4 + .2
12
md = 5,83
Obs: o valor obtido pela fórmula é um valor

aproximado
Moda para variáveis contínuas
• Fórmula da Moda para variáveis contínuas
fipost
mo = Li + .h
fipost + fiant
Onde :
Li = Limite inferior do intervalo de classe  4
fipost = freqüência absoluta posterior ao intervalo
de classe  10
fiant = freqüência absoluta anterior ao intervalo de
classe  4
h = amplitude da classe = Ls – Li  6 – 4 = 2
Moda para variáveis contínuas

Então:
10
mo = 4 + .2
10 + 4
mo = 5,43
Exercícios de aplicação
Medidas de Dispersão
• São medidas estatísticas utilizadas para avaliar o grau

de variabilidade ou dispersão, dos valores em torno da
média. Servem para medir a representatividade da
média.
• Desvio Médio
• Variância
• Desvio-Padrão
• Coeficiente de variação
• Desvio Médio = é a média dos desvios dos

valores a contar de média. Ignorando-se o sinal
de diferença
∑ xi − x .fi
DM =
n
• Variância = é a média dos quadrados dos

desvios dos valores a contar da média,
calculada usando-se n-1 em lugar de n, como
fator de ajuste.
2
S =
∑( xi −x )
2
.fi
n −1
• Desvio-padrão = é simplesmente a raiz

quadrada positiva da variância.
s= s 2
• Coeficiente de variação = trata-se de uma medida

relativa de dispersão útil para a comparação em
termos relativos do grau de concentração em torno
da média de séries distintas.
S
CV = .100
X
xi = fi xi * xi - x /xi-x/ * (xi-x)2 *
número fi fi fi
de filhos
0 1 0 -2,14 2,14 4,58
1 5 5 -1,14 5,7 6,50
2 6 12 -0,14 0,84 0,12
3 10 30 0,86 8,6 7,40
total 22 47 17,28 18,6
Média=2,
14=
DM 0,79
S2 = 0,89
S= 0,94
CV = 43,93
%
Para variáveis contínuas xi = PM
Exercícios de aplicação
Probabilidade
•Freqüência e probabilidade
•Eventos
•Definição subjetiva de probabilidade

Freqüência é o percentual de ocorrencia de uma
determinada observação dentro de uma amostra
Resultados do lançamento de um dado (n=10 lançamentos)

Resultado Número de ocorrências Freqüência
do dado do resultado (f) (f/n)
1 1 0,1 ou 10%
2 0 0
3 1 0,1 ou 10%
4 2 0,2 ou 20%
5 3 0,3 ou 30%
6 3 0,3 ou 30%
A medida que a amostra cresce, a freqüência se
estabiliza: temos então a probabilidade
Resultados do lançamento de um dado
n = 50 lançamentos n=∞
Resultado Núm. de ocorrências Freq. Número de ocorrências Freqüência
do dado do resultado (f) Rela(f/n) do resultado (f) (f/n)
1 11 0,22 ou 22% 1/6 * n 16,7%
2 6 0,12 ou 12% 1/6 * n 16,7%
3 7 0,14 ou 14% 1/6 * n 16,7%
4 7 0,14 ou 14% 1/6 * n 16,7%
5 7 0,14 ou 14% 1/6 * n 16,7%

16,7%
6 12 0,24 ou 24% 1/6 * n
Portanto, a probabilidade pode ser encarada como o limite da freqüência

de um determinado evento dentro da população em estudo
A freqüência pode ser representada graficamente
Representação gráfica dos resultados obtidos no lançamento

repetido de um dado (n = número de lançamentos)
0,4
n = 10 n = 50 n = infinito
0,3
0,2
0,1
0,0
1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6
Probabilidade
• Freqüência e probabilidade
• Eventos
– Representações gráficas
– Compostos
– Condicionais
– Dependentes e independentes
• Definição subjetiva de probabilidade
Formas de representação gráfica de eventos
Diagrama de árvore Diagrama de Venn

A árvore permite a representação exaustiva dos
eventos
Representação dos eventos possíveis para o sexo de

cada criança de um casal que tenha três filhos
Resultado
Criança 1 Criança 2 Criança 3
final
M M, M, M
M F M, M, F
M M, F, M
M
F
F M, F, F
M M F, M, M
F F F, M, F
M F, F, M
F
F F, F, F
O diagrama de Venn é adequado ao agrupamentos dos
eventos de interesse
Agrupamento de casais segundo o sexo dos filhos
Casais com
meninos somente Casais com
meninas somente
Casais com
meninos e meninas
A combinação dos diagramas de árvore e de
Venn permite representações mais complexas
Agrupamento de casais com quatro filhos e pelo menos duas meninas
M M, M, M, M
M
F M, M, M, F
M
M M, M, F, M
F
F M, M, F, F
M M M, F, M, M
M
F M, F, M, F Agrupamento
F dos resultados
M M, F, F, M
F que apresentem
F M, F, F, F ao menos
duas meninas.
M F, M, M, M
M
F F, M, M, F
M
M F, M, F, M
F
F F, M, F, F
F M F, F, M, M
M
F F, F, M, F
F
M F, F, F, M
F F, F, F, F
F
Dependência e independência são termos que
obedecem a regras precisas
Exemplo de evento independente

Probabilidade de ocorrência do número 6 em um lançamento de dado,
condicionado ao resultado anterior ter sido 3.
Resultado 1 Resultado 2 Probabilidade
3 1 1/6
2 1/6
Lançamento 3 1/6
já realizado 4 1/6
e resultado 5 1/6
conhecido!
6 1/6
•O resultado conhecido do primeiro lançamento não altera a probabilidade de

ocorrência do número 6 no segundo lançamento
•Mais formalmente, o evento B é independente se: P(B) = P(B | A)
Dependência e independência são termos que
obedecem a regras precisas
Exemplo de evento dependente

•Probabilidade de uma pessoa consumir requeijão e manteiga,
dado que ela consome manteiga
R∩M = 50 •P(R∩M) = 50/300 =
1/6
130 200 •P(R∩M | M) =
(50/300) / (200/300) =
1/4
Requeijão (R) Manteiga (M)
Não é consumidor: 20
•O resultado conhecido do consumo de manteiga altera a probabilidade

de ocorrência do consumo dos dois produtos
Mais formalmente, o evento B é dependente se:P(B) ≠ P(B | A)
Eventos compostos são formados por dois ou mais eventos
Exemplos de eventos compostos
• Um casal com três crianças ter somente meninos
• Um casal com três crianças ter uma ou duas
meninas
• Um consumidor comprar requeijão e manteiga

O termo eventos condicionais indica que a ocorrência
de um está condicionada à do outro
Descrição do caso Manteiga

• Uma pesquisa com 300 Tabela de To-
pessoas, realizada em um respostas tal
Sim Não
supermercado, teve os
seguintes resultados:
– 130 pessoas consomem
requeijão Sim 50 80 130
– 200 pessoas consomem
Requei-
manteiga jão
– 50 pessoas consomem os
dois produtos Não 150 20 170
– 20 pessoas não consomem
nenhum dos dois
• Sabendo que uma pessoa Total 200 100 300
escolhida ao acaso é
consumidora de manteiga, qual
Em casos como esse, uma parte da incerteza já foi
eliminada
Após a escolha do consumidor Antes da escolha do consumidor
R∩M = 50 R∩M = 50
130 200 200
Requeijão (R) Manteiga (M) Manteiga (M)

Não é consumidor: 20
•Probabilidade de a pessoa ser
•Probabilidade de a pessoa ser
consumidora dois produtos, condicionado a
consumidora dois produtos: P(R∩M) = ela consumir manteiga: P(R∩M | M) =
50/300 = 1/6 50/200 = 1/4
Neste caso, a incerteza é total. Você não Sinal “condicionado a”
sabe nada sobre a pessoa que foi escolhida.
Portanto, a probabilidade de que ela •Neste caso, você sabe que pessoa consome
consuma os dois produtos é simplesmente a manteiga, portanto os outros grupos de
freqüência de ocorrência desse tipo de consumidores não devem ser considerados
consumidor na amostra no cálculo. Em outras palavras, uma parte
da incerteza foi eliminada.
Às vezes, não se pode determinar a probabilidade de um
evento, ou pode ser muito demorado e custoso fazê-lo
Exemplos de eventos cuja probabilidade de ocorrência não pode ser
(facilmente) determinada
Evento Comentário
• Probabilidade não pode ser determinada

Probabilidade de um time ganhar de
outro em uma partida de futebol
• Probabilidade de o mercado Probabilidade não pode ser determinada

acionário subir amanhã
Probabilidade pode ser estimada através de
• Probabilidade de o lançamento de pesquisa de mercado, porém:
um novo produto ser um sucesso Estudo pode ser muito caro
Pesquisa não fornece, nem pode
fornecer, 100% de certeza sobre o
resultado do lançamento do produto
Probabilidade
• Distribuição de probabilidade
• Distribuições descontínuas de probabilidade
– Binomial
– Poisson
• Distribuições contínuas de probabilidade
– Normal
Probabilidade
– Uma distribuição de probabilidade é

uma distribuição de freqüências para
os resultados de um espaço amostral
(isto é, para os resultados de uma
variável aleatória).
Probabilidade

– Binomial – Usa-se o termo binomial para
designar situações em que os resultados de
uma variável aleatória podem ser agrupados
em duas classes ou categorias.
– A utilização da binomial, exige certas hipótese
como:
• Há n observações ou provas idênticas
• Cada prova tem dois resultados possíveis, um
chamado “sucesso” e o outro “fracasso”.
• As probabilidades p de sucesso e 1 – p de fracasso
permanecem constantes em todas as provas.
• Os resultados das provas são independentes uns dos
outros.
Probabilidade

– Fórmula da Binomial
n x n-x
P( x) =   p ( sucesso). p ( fracasso)
 x
Onde:
n = numero de amostras
x = número de sucesso
p(s) = percentual de sucesso
p (f) = percentual de fracasso
Exemplo
• Binomial – suponha que 8% dos

cachorros-quentes vendidos num
estádio de beisebol sejam pedidosn-xsem
x
mostarda. Se sete pessoas pedem
cachorro-quente, determine a
probabilidade de que:
– Todos queiram mostarda
– Apenas um não queira
Exemplo
7  0 7
a- P ( x ) = 
0 (0,08).(0,92) =
  0,5578
7 
1 6
P ( x ) = 
1 (0,08).(0,92) =
b-  
0,3396
Probabilidade
– Poisson – É útil para descrever as probabilidades
do número de ocorrências num campo ou intervalo
contínuo (em geral tempo ou espaço).
– A utilização da Poisson, exige certas hipótese
como:
• A probabilidade de uma ocorrência é a mesma
em todo o campo de observação.
• A probabilidade de mais de uma ocorrência num
único ponto é aproximadamente zero.
• O número de ocorrências em qualquer intervalo
é independente do número de ocorrências em
outros intervalos.
Probabilidade
– Formula de Poisson
eµ
− (µ )x
P ( x) =
x
!
Onde: µ = média
x = número de ocorrências
e =µ
− valor tabelado
Exemplo
Poisson – Uma mesa telefônica recebe chamadas a razão de

4,6 chamadas por minuto. Determine a probabilidade de
cada uma das ocorrências abaixo:
1- Exatamente 2 chamadas
2 -Nenhuma chamada
2
0,0101( 4,6)
P( x) = =
•1 2 ! 0,1063
0
0,0101( 4,6)
•2 P( x) = =
0 ! 0,0101
Probabilidade

– Normal – É a mais importante distribuição de probabilidade,
sendo aplicada em inúmeros fenômenos e utilizada para
desenvolvimento teórico da estatística.
– As características das curvas normais são:
• A curva normal tem forma de sino
• É simétrica em relação a média
• Prolonga-se de – infinito a + infinito
• Cada distribuição normal fica completamente
especificada por sua média e seu desvio padrão; há uma
distribuição normal distinta para cada combinação de
média e desvio padrão
• A área total sob a curva normal é considerado 100%
• A área sob a curva entre dois pontos é a probabilidade
de uma variável normalmente distribuída tomar um
valor entre esses pontos
Probabilidade

– Normal Fórmula população
amostra
( x − x) ( x −µ)
z= z=
s σ
Onde:
Z= número de desvios padrões a contar da média
X = valor arbitrário
σ = o desvio padrão
µ = a média da distribuição normal
Exemplo
Normal – dado que uma população com média 25 e desvio

padrão 2 tem distribuição normal, determine os valores de z
para os seguintes valores da população:
a) 23,0
b)25,5
( 23 − 25) ( 25,5 − 25)
z= z=
2 2
z =−1,0 z =+0,1
Corresponde a 0,3413 ou Corresponde a 0,0398
34,13% da área sobre a ou 3,98% da área sobre
curva normal ou a a curva normal ou a
probabilidade, conforme probabilidade, conforme
tabela z tabela z
Desvio padrão : interpretação
• Regra de Chebyshev:
• Ao menos 3/4 estará dentro de 2 s.
• Ao menos 8/9 estará dentro de 3 s.
• P/ k>1, ao menos (1-1/k2) das medidas cairá dentro de k
desvios-padrão.
• Distribuição Normal
• Aproximadamente 68% das medidas caem dentro de 1 s.
• Aproximadamente 95% das medidas caem dentro de 2 s.
• Aproximadamente 99,7% das medidas caem dentro de 3 s.
• Aplicações de todos os conceitos
estudados em exercícios
práticos........

Estatística I - 2008

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Estatística I - 2008

Hochgeladen von

Copyright:

Verfügbare Formate

População Técnicas de Amostra

Utilidade da Estatística na Gestão

Resolver problemas mediante a coleta de dados de boa qualidade

Argumentar utilizando dados

Analisar e interpretar dados

Detectar situações fora de controle e outras fontes de dificuldades que

requerem atenção e medidas corretivas

Coletar evidências para fins legais

Determinar ociosidade de recursos e eficiência na utilização dos

Algumas Dificuldades com a Estatística

• Culturais / Rejeição às "matemáticas" / Contato

O método estatístico, diante da

Crítica dos dados : devem ser criticados à procura de

- Interna : dados da coleta

Apuração dos dados :é a soma e o processamento dos

Exposição dos dados : devem ser apresentados sob forma de

Análise dos resultados : É o estudo dos resultados com o objetivo

População : é o conjunto de entes

a) Casual Simples - sorteio

Exemplo ( Variáveis em uma ficha cadastral PF )

Freqüência Relativa (fir%) = é a divisão

Freqüência Acumulada (fiac) = é a

xi fi fir% fiac firac%

2 /------ 4 4 13,33 4 13,33

4 /------ 6 12 40,00 16 53,33

6 /------ 8 10 33,34 26 86,67

8 /------ 10 4 13,33 30 100

Tributo ( % faturam ento )

rea = 1.00 ( ou 100% )

lasses de mesma amplitude : altura ~ freqüência ( f ou p )

Histograma é a representação gráfica adequada para o caso de

ostra a porcentagem de empresas cujo recolhimento

odemos ter também:

Polígono de freqüências acumuladas

Polígono de proporções acumuladas

• Tendência Central de um conjunto de

• É a soma das medidas dividida pelo número

Mediana - Para números aleatórios

Moda - Para números aleatórios

• É a medida que ocorre com maior freqüência no

• Preferência do produto A (em %) colhida em diversas

Mediana para variáveis discretas

xi = número de fi = freqüência fiac

Moda para variáveis discretas

Média para variáveis contínuas

Mediana para variáveis contínuas

Mediana para variáveis contínuas

Obs: o valor obtido pela fórmula é um valor

Moda para variáveis contínuas

• São medidas estatísticas utilizadas para avaliar o grau

• Desvio Médio = é a média dos desvios dos

• Variância = é a média dos quadrados dos

• Desvio-padrão = é simplesmente a raiz

• Coeficiente de variação = trata-se de uma medida

•Definição subjetiva de probabilidade

Resultados do lançamento de um dado (n=10 lançamentos)

1 11 0,22 ou 22% 1/6 * n 16,7%

2 6 0,12 ou 12% 1/6 * n 16,7%

3 7 0,14 ou 14% 1/6 * n 16,7%

4 7 0,14 ou 14% 1/6 * n 16,7%

5 7 0,14 ou 14% 1/6 * n 16,7%

Portanto, a probabilidade pode ser encarada como o limite da freqüência

Representação gráfica dos resultados obtidos no lançamento