Академический Документы
Профессиональный Документы
Культура Документы
=
+ + + +
=
1 3 2 1
.......
Qual a mdia dos valores 6, 8, 10, 5, 4, 12
6
7
42
7
4 5 4 5 10 8 6
= =
+ + + + + +
= X
Quando os dados esto agrupados em uma distribuio de freqncia, todos os valores
includos no intervalo de classe so considerados coincidentes com o ponto mdio do intervalo. O
valor da mdia dado pela expresso:
=
fi
fi Xi
X
Para o clculo recorremos a tabela abaixo
Classe Xi fi Xi fi
120 |-- 135 125 4 500
9 , 146
52
640 . 7
= = X
130 |-- 140 135 8 1.080
140 |-- 150 145 20 2.900
150 |-- 160 155 14 2.170
160 |-- 170 165 6 990
Soma 52 7.640
Propriedades da mdia aritmtica.
1) A soma algbrica dos desvios de um conjunto de nmeros tomados em ralao mdia aritmtica
nula.
exemplo: X = 2; 5; 6; 7
( )
5
4
7 6 5 2
=
+ + +
= X
d
i
= (X
i
- X) + (2 - 5) + (5 - 5) + (6 - 5) + (7-5)
d
i
= (-3) + 0 + 1 + 2 = 0
2) Se multiplicarmos ou dividirmos todos os valores por uma constante K, a mdia aritmtica
tambm fica multiplicada ou dividida pela constante
exemplo: multiplicando os valores de X por K = 7
K X = 2x7; 5x7; 6x7; 7x7
K X= 14 ; 35; 42; 49
( )
35 7 5 35
4
140
4
49 42 35 14
= = = =
+ + +
= x X
16
3) Se somarmos ou subtrairmos uma constante K a todos os valores de um conjunto de informaes,
a mdia fica somada ou subtrada dessa constante K.
exemplo: somando a constante K = 3 aos valores de X
X + K = 2+3; 5+3; 6+3; 7+3;
X+ K = 5; 8; 9; 10
( )
8 3 5 8
4
32
4
10 9 8 5
= + = = =
+ + +
= X
4) A soma dos quadrados dos desvios em relao mdia um mnimo.
exemplo: X = 2; 5; 6; 7
(X
i
X)
2
= d
i
2
= (2 - 5)
2
+ (5 - 5)
2
+(6 - 5)
2
+(7 - 5)
2
(X
i
X)
2
= d
i
2
= ( -3)
2
+ (0)
2
+(1)
2
+(2)
2
(X
i
X)
2
= d
i
2
= 9 + 0 + 1 + 4 = 14
calculando em relao a 4
(X
i
X)
2
= d
i
2
= (2 - 4)
2
+ (5 - 4)
2
+(6 - 4)
2
+(7 - 4)
2
(X
i
X)
2
= d
i
2
= ( -2)
2
+ (1)
2
+( 2)
2
+(3)
2
= 4 + 1 + 4 + 9 = 18
calculando em relao a 6
(X
i
X)
2
= d
i
2
= (2 - 6)
2
+ (5 - 6)
2
+(6 - 6)
2
+(7 - 6)
2
(X
i
X)
2
= d
i
2
= ( -4)
2
+ (-1)
2
+( 0)
2
+(1)
2
= 16 + 1 + 0 + 1 = 18
3.1.2. Mdia Aritmtica Ponderada ou Mdia Ponderada:
A mdia aritmtica considerada ponderada, quando os valores Xi tiverem pesos Pi
diferentes. A mdia pode ser calculada pela expresso:
=
+ + +
+ + +
=
i
I i
n
n n
P
P X
P P P
P X P X P X
Mp
....
) .... (
2 1
2 2 1 1
Para exemplificar considere um concurso com trs provas, constitudas por uma prova de
contabilidade com peso 3, prova de legislao tributria com peso 2, e prova de estatstica com peso
1. Se um certo aluno obtm 8 em contabilidade, 7 em legislao e 9 em estatstica, qual a mdia do
aluno:
( )
83 , 7
6
47
1 2 3
1 9 2 7 3 8
= =
+ +
+ +
=
x x x
Mp
3.1.3. Mdia Geomtrica
Utilizada para o calculo da mdia de alguns fenmenos que no tem variao linear, usando
se as seguintes expresses:
N
n 3 2 1
X ... X X X Mg = ou para dados agrupados
N FN
N
3 F
3
2 F
2
1 F
1
X .. X X X Mg =
Exemplo 1. A profundidade do lenol fretico medido a partir da superfcie em dois dias seguidos foi
de 30 e 50 cm. Qual a profundidade mdia?
Neste caso recomendvel o uso da mdia geomtrica
2
50 30x Mg = =38,7 cm
17
indicada: Para populaes com crescimentos exponenciais como a taxa de avano de doenas,
nmero de habitantes em regies de colonizao, crescimento de produtividade e lucro em alguns
negcios.
Exemplo. Considerando medias do nmero de colnias de bactrias foram observados os seguintes
dados X = {2, 5, 18, 72}
A mdia geomtrica ser: 1 , 11 86 18 5 2 Mg
4
= =
3.1.4. Mdia Harmnica
A mdia harmnica calculada por:
N i
X X X
N
X
N
Mh
1
...
1 1 1
2 1
+ + +
= =
...
1
1
Exemplo: Numa viagem de automvel verificou-se a velocidade mdia da viagem de ida de 60 km/h e
na volta de 80 km/h. Qual a velocidade mdia considerando ida e volta juntos?
h km
X
N
Mh
i
/ 6 , 68
80
1
60
1
2
1
=
+
= =
Observao. Considere a distncia de 180 km e confirme o valor obtido dividindo a distncia
percorrida pelo tempo total gasto na viagem.
Tambm para fenmenos que dependem fortemente do menor dos dados, em geral utilizam-se as
mdias harmnicas. No clculo do tamanho efetivo de populaes naturais submetidos a processos de
devastao ecolgica (gargalos populacionais).
Exemplo. O nmero de hipoptamos de uma regio ao longo de quatro geraes foi de :X =
{2000 20, 250, 1500}, e a mdia harmnica ser de :
5 , 72
1500
1
250
1
20
1
2000
1
4
X
1
N
Mh
i
=
+ + +
= =
3.1.5. Mdia Quadrtica
Calculada pelas frmulas:
N
Xi
Mq
=
2
ou para dados agrupados
N
Fi Xi
Mq
=
2
c.
Exemplo: Calcule a mdia aritmtica dos nmeros 6, 8 e 10.
Media aritmtica: X = 8,0
Mdia geomtrica: Mg = 7,83
Mdia Harmnica: Mh = 7,66
Mdia Quadrtica: Mq = 8,16
Observe que : Mq > X > Mg > Mh Mh Mg X Mq > > >
18
Desde que o valor zero no esteja includo. A igualdade entre as mdias ocorre somente para a
igualdade dos valores de X.
3.2. Mediana (valor central)
A mediana pode ser definida como o valor que divide a srie de dados ordenada em duas
partes iguais, de tal forma que metade dos valores so menores que ela e a outra metade so superior a
ela.
No clculo da mediana para dados no agrupados o primeiro passo ordenar estes valores em
ordem crescente ou decrescente. O segundo passo determinar o elemento mediano (Emd), que
depende se o nmero de elementos for par ou impar:
a) Se o nmero de elementos for impar, o elemento mediano dado pela seguinte expresso:
2
1 +
=
N
Emd
onde Emd o elemento mediano e N o nmero total de elementos.
Exemplo. Determinar a mediana dos valores 2, 6 , 11, 4, 8, 11, 5, 1, 8.
1 passo: Ordenar os valores: 1, 2, 4, 5, 6, 8, 8, 11, 11
2
\
|
+ =
onde: Li = limite inferior da classe mediana ; fclasse = freqncia absoluta da classe mediana;
faa = freqncia acumulada anterior a classe mediana; h = amplitude de classe; Emd = elemento
mediano (N/2)
exemplo: Calcular o consumo mediano de energia eltrica dos 80 usurios indicados na tabela abaixo:
Tabela 6. Consumo de energia eltrica.
Consumo
KW/h
N usurios
Fi
Fac
5 |-- 25 4 4
25 |-- 45 6 10
45 |-- 65 14 24
65 |-- 85 26 50
85 |-- 105 14 64
105 |-- 125 8 72
125 |-- 145 6 78
145 |-- 165 2 80
80
Emd = 80/2 = 40
Classe Mediana: 65|-- 85, pois at 65 temos 24 usurios e at 85 temos 50 usurios, ento o 40
usurio est na classe de 65|--85
2 , 77 2 , 12 65 20
26
16
65 20 .
26
24 40
65 = + = + =
+ = Md
3.3. MODA
A moda, tambm chamada de norma, valor dominante ou ainda valor tpico, pode ser definido
como o valor ou os valores que ocorrem com maior freqncia num conjunto de dados. Portanto um
conjunto de valores pode apresentar mais de uma moda, sendo chamado plurimodal. Quando s tem
20
uma moda chamado de unimodal, com das modas chamado bimodal, e caso todos os valores
ocorrem com a mesma freqncia no existe moda, sendo chamado de amodal.
Para identificar a moda de um conjunto de valores ordenados basta verificar o valor que
aparece com maior freqncia.
Exemplo: Qual a moda do conjunto de valores abaixo:
X = {1, 4, 5, 5, 5, 6, 6, 7, 8} Moda = 5 (unimodal)
Y = {1, 3, 5, 7, 8, 9} (amodal)
Z = {1, 3,3, 5, 6 ,6, 7, 8} Moda = 3 e 6 (bimodal)
W = {1, 1, 1, 4, 4, 4, 5, 5, 5, 6 , 6, 6, 7, 7, 7, 8, 8, 8} (amodal)
Determinao da Moda para Valores tabulados
Quando os valores estiverem dispostos em uma tabela de freqncia, no agrupados em classe, a
localizao da moda imediata, bastando verificar o valor ou os valores que ocorrem com maior
freqncia.
Peso do suno
Kg
No de sunos
fi
85 6
86 8
87 12
88 7
89 9
91 8
92 5
93 1
94 4
Portanto, a moda do peso dos sunos 87 kg que aparecem com a freqncia 12.
Quando os dados esto agrupados em classe, o clculo da moda no to simples como nos
casos anteriores. O primeiro passo identificar a classe modal, isto a classe que contm a moda ou a
classe de maior freqncia. No segundo passo deve-se aplicar uma das frmulas abaixo:
Frmula de CZUBER
( )
( )
h
fpost fant fmx
fant fmx
Li Mo
(
+
+ =
2
onde: Mo = moda
Li = limite inferior da classe modal
fmx = freqncia absoluta mxima
fant = freqncia absoluta anterior
fpost = freqncia posterior
h = amplitude da classe
Frmula de King h
fpost fant
fpost
Li Mo
(
+
+ =
Exemplo: Calcular a moda dos valores da tabela abaixo
Classe fi
0 |-- 2 27
2 |-- 4 16
4 |-- 6 34
6 |-- 8 17
8 |-- 10 16
21
4. MEDIDAS DE DISPERSO
O grau ao qual os dados numricos tendem a dispersar-se em torno de um valor mdio chama-se
disperso ou variao dos dados. As medidas de disperso mais comuns so a amplitude total, o desvio
mdio e o desvio padro.
4.1. Amplitude total (A
T
)
A amplitude total de um conjunto de dados a diferena entre o maior e o menor valor do
conjunto
Exemplo: Calcular a amplitude total dos seguintes conjuntos de nmeros:
A = {45, 48, 49, 50, 62, 89}
B= {-6, -3, -2, 0, 4, 7}
Para o conjunto A, temos A
T
= 89 45 = 44
Para o conjunto B, temos A
T
= 7 (-6) = 7+6 = 13
4.2. Desvio mdio
obtido calculando as diferenas das ocorrncias em relao mdia, ou seja, calculando os
desvios absolutos da mdia, isto :
N
X Xi
Dm
= ou
N
fi X Xi
Dm
=
Exemplo: calcular o desvio mdio dos valores 2, 4, 6, 8, 10
N
X Xi
Dm
= = 2 , 3
5
16
=
4.3. Desvio padro
O desvio padro a medida de disperso mais utilizada. dado pela raiz quadrada da mdia
dos desvios em relao mdia. Quando os valores esto prximos uns dos outros, a soma dos
quadrados dos desvios pequena e, desta maneira, o desvio padro pequeno.
O desvio padro de uma populao definido por:
N
X X
i
=
2
) (
o ou
N
fi X X
i
=
2
) (
o
Nos casos mais comuns em que os dados so tirados de uma amostra pequena e se queremos
estimar o desvio padro da populao da qual amostra foi tirada, aconselhvel substituir o
denominador por n-1. Na prtica com mais de 30 dados o resultado quase idntico. Assim o desvio
padro da amostra calculado por:
1
) (
2
=
N
X X
s
i
ou
1
) (
2
=
N
fi X X
s
i
exemplo: Calcular o desvio padro dos valores 2, 4, 6, 8, 10
16 , 3 10
4
40
1
) (
2
= = =
=
N
X Xi
s
22
4.4. Varincia
A varincia dada pelo quadrado do desvio padro, e tem interpretao semelhante ao desvio
padro. Assim a varincia populao pode ser calculada por
( )
N
X Xi
=
2
2
o ou
( )
N
fi X Xi
=
2
2
o
e a varincia amostral,
( )
1
2
2
=
N
X Xi
s ou
( )
1
2
2
=
N
fi X Xi
s
4.5. Coeficiente de Variao
Para comparar a variabilidade entre diversos conjuntos de dados que tem mdias bem
diferentes ou unidades de medidas diferentes, neste caso, o coeficiente de variao uma medida
melhor, indicando a variao relativa. facilmente obtido dividido-se o desvio padro pela mdia da
distribuio, isto :
100 (%)
X
s
CV =
como tanto a mdia como o desvio padro so dados na mesma unidade, o coeficiente de variao
um nmero que independe da unidade de medida.
Exemplo: Os dados abaixo referem-se ao comprimento do corpo(mm) e peso (g) de fmeas e
Penaeus paulensis (Crustacea, capoda, Penaidae). Determinar a mdia, o desvio padro e o
coeficiente de variao do peso e comprimento do corpo
Fmea Comprimento (mm) Peso (g)
1 27 0,14
2 26 0,16
3 26 0,14
4 25 0,12
5 25 0,12
6 25 0,12
7 25 0,11
8 23 0,09
9 23 0,07
10 30 0,18
11 30 0,23
12 33 0,28
13 33 0,28
14 33 0,32
15 35 0,31
16 35 0,33
17 35 0,36
18 36 0,33
23
5. SEPARATRIZES
So valores que separam a srie de dados em partes distintas.
5.1. Mediana
Divide a srie ao meio. Ver item 4.2.
5.2. Quartis
Divide a serei em quatro partes. Temos assim trs Quartis:
1
o
. Quartil (Q1) Separa os 25 % dos menores valores dos restantes (75 %)
2
o
. Quartil (Q2) separa 50 % dos menores valores dos 50 % restantes
3
O
. Quartil Separa os 75 % dos menores valores dos 25 % maiores.
O Clculo do valor do quartil realizado de forma semelhante do clculo da mediana.
( )
4
1 +
=
N i
Eqi
onde Eq elemento do quartil i (i = 1, 2 ou 3)
No caso de dados agrupados em classe, o valor do quartil calculado pela expresso (ver exemplo da mediana)
( )
h
Fi
Faa Eqi
Li Qi
+ =
A diferena entre Q3 e Q1 chamado de intervalo interquartil ou amplitude quartlica (dq) isto :
dq = Q3- Q1
5.3. Decil
Divide a srie em 10 artes iguais. Assim o 1
o
. Decil (D1) separa os 10 % menores valores dos demais. O
calculo feito da mesma forma.
( )
10
1 +
=
N i
Edi para i igual a 1, 2, .... 9
( )
h
Fi
Faa Edi
Li Di
+ =
24
5.4. Centil
Divide a srie em 100 partes. Temos assim 99 decis.
( )
100
1 +
=
N i
ECi
( )
h
Fi
Faa ECi
Li Ci
+ =
observao: Me = Q2 = D5 = C50.
6. Desenho esquemtico
Tambm chamado de caixa-de-bigodes ou Box-Plots, um diagrama que representa a posio central,
a disperso e a assimetria, e dados discrepantes. Para a construo do diagrama representa-se o retngulo onde
so representados a mediana e os quartis. Do retngulo para cima segue uma linha at o ponto mais remoto que
no exceda a LS = Q3 + 1,5d
q
. Da mesma forma da parte inferior do retngulo para baixo segue uma linha at o
ponto mais remoto que no seja menor que o limite inferior Li = Q1 1,5 d
q
As observaes que estiverem
acima do limite superior e abaixo do limite inferior sero chamados de pontos exteriores e representados por
asteriscos
A posio central dada pela mediana, a disperso dada pelo intervalo interquartil (d
q
). Os comprimentos
das caudas so dados pelas linhas que vo do retngulo aos valores remoto tpicos.
Exemplo: Dado a taxa de mortalidade infantil de vrios municpios catarinenses represente o Box-Plots.
9 10 11 13 13 15 17 18 18 18
19 20 20 21 22 22 22 23 23 23
25 27 27 28 29 29 32 33 36 36
36 38 39 62
Com estes dados calculamos as estatsticas
25
Mdia = 24,5
Mediana = 22,5
Eq3 = 26,25
Q3 = 29,75
Eq1 = 8,75
Q1 = 18
Dq = 8,25
Ls = 42,1
Li = 5,6
Maior valor = 62
Menor valor = 9
N = 34
26
7. Medidas de Assimetria
Toda curva que no for simtrica apresentar um desvio que pode ser negativo ou positivo,
conforme o afastamento esquerda ou direita da mdia.
Em uma distribuio simtrica, a mdia, a mediana e a moda coincidem, porm nas
distribuies assimtricas a mdia e a mediana tendem para o mesmo lado onde se tem o maior
afastamento.
O ndice de Assimetria pode ser medido por:
1
o
. Coeficiente de Pearson
S
Mo X
As
=
onde As e a assimetria, x a media , Mo a moda e S do desvio padro
2
o
. Coeficiente de Pearson
( )
S
Med X 3
As
=
onde: Md a mediana.
Um valor mais preciso obtido pela expresso
(
(
=
3
i
3
i
S
F ) X X (
N
1
As
27
sendo que para amostras pequenas recomenda-se uma correo na expresso anterior ficando:
(
(
=
3
3
) (
) 2 )( 1 ( S
Fi X X
N N
N
As
i
Com o coeficiente de Assimetria calculado desta forma, pode-se classificar a distribuio dos
dados em:
Se As
= 0 a curva ser simtrica;
Se As
> 0 a curva ser assimtrica positiva;
Se As
< 0 a curva ser assimtrica negativa
8. Curtose
A curtose leva em considerao o grau de achatamento da curva, sendo calculado por:
1 9
1 3
D D
2
Q Q
CC
= ou
( )
S
Med X 3
CC
=
por essas expresses pode-se classificar as distribuies em:
Se Cc < 0,263 a curva leptocrtica;
Se Cc = 0,263 a curva mesocrtica;(curva normal)
Se Cc >0,263 a curva platicrtica
Um valor mais preciso da curtose dado por:
(
(
=
4
i
4
i
S
F ) X X (
N
1
Cc
sendo que: Se Cc < 3 a curva leptocrtica;
Se Cc = 3 a curva mesocrtica;(curva normal)
Se Cc > 3 a curva platicrtica;
28