Eststatistica I 2020 I

ESTATÍSTICA I
Departamento de Métodos Quantitativos

Faculdade de Economia do Huambo
Universidade José Eduardo dos Santos (UJES)
Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 1 / 61

CAP 5. Medidas de Tendência Central, Separatrizes e de
Dispersão
Medidas de tendência central
Moda
Moda é o valor que ocorre com maior frequência nos dados obtidos numa
colecta (esse valor é denominado ”valor modal”).
Nota
A série pode ser classificada em função da quantidade de valores modais.
série amodal: não tem valor modal;
série unimodal: tem um valor modal;
série bimodal: tem dois valores modais;
série trimodal: tem três valores modais;
série polimodal: tem quatro ou mais valores modais.

Dispersão
Moda
Representação gráfica da moda

Dispersão
Moda
Cálculo da moda para dados não agrupados
Numa série estatı́stica em que os dados não são agrupados, o valor modal
corresponde ao valor com maior número de ocorrência.
Cálculo da moda para dados agrupados sem intervalos de classe
Para determinação da moda para séries agrupadas sem intervalos de
classe, devem-se executar os passos a seguir:
1 Localizar a classe modal. Classe modal é a classe que contém o maior
valor de frequência;
2 Verificar o valor da variável contido na classe modal.

Dispersão
Moda
Cálculo da moda para dados agrupados em intervalos de classe
Na determinação da moda para séries agrupadas em intervalos de classe,
devem-se executar os passos a seguir:
1 Localizar a classe modal;
2 Determinar a moda: sabemos que a moda é um valor contido no
intervalo de classe modal; para o cálculo da moda aplicamos a
fórmula de Czuber, tomando como base os valores da classe modal.

d1
Mo = lMo + × hMo
d1 + d2

Dispersão
Moda
Sendo:
lMo = limite inferior do intervalo de classe modal; d1 = diferença entre a
frequência da classe modal e a frequência da classe anterior à classe modal;
d2 = diferença entre a frequência da classe modal e a frequência da classe
posterior à classe modal e hMo = amplitude do intervalo de classe modal.
d1 = fMo − fant d2 = fMo − fpost

Dispersão
Mediana
A mediana é uma medida de posição, é uma separatriz, pois divide a série
estatı́stica em duas partes iguais. O valor da mediana se encontra no
centro da série estatı́stica, organizada de tal forma que o número de
elementos situados antes desse valor (mediana) é igual ao número de
elementos que se encontram após esse mesmo valor (mediana).
A mediana é conveniente para séries estatı́sticas onde existem valores
extremos, em que valores grandes e pequenos coexistem dentro da mesma
série, ou ainda nos casos em que a série seja aberta nos extremos. Para
esses casos, a mediana caracteriza o promédio mais confiável.

Dispersão
Mediana
Cálculo da mediana para dados não agrupados
O cálculo da mediana para séries simples pode ser feito de duas maneiras:
1 Para uma série com número ı́mpar de termos: a mediana
corresponde ao valor central, esse valor apresenta o mesmo número
de termos localizados a sua esquerda e a sua direita. A posição do
termo central e dada pela expressão: n+1
2
2 Para uma série com o número par de termos: como não há um
termo central único, a mediana será dada pela média aritmética entre
os dois termos centrais; nesse caso, a mediana é um valor que não
pertence a série e está localizado entre os dois termos centrais. As
posições dos termos centrais são dadas pelas expressões: n2 e n2 + 1
Dispersão
Mediana
Cálculo da mediana para dados agrupados sem intervalos de classe
Na determinação da mediana para séries agrupadas sem intervalos de
n
1 Calcular a posição da mediana: P os
med =
2
2 Localizar a classe mediana: estabelecida pela comparação de P os
med
com os valores da F ac. A classe mediana é aquela cujo valor da F ac
é imediatamente superior a P osmed .
3 Verificar o valor da variável contido na classe mediana.
Caso F ac = P osmed , aconselha-se que se faça o cálculo da mediana por

Dispersão
Mediana
meio da média aritmética entre o valor da variável correspondente à F ac e
o valor da variável correspondente a uma ordem acima.
Cálculo da mediana para dados agrupados em intervalos de classe
Na determinação da mediana para séries agrupadas em intervalos de
n
1 Calcular a posição da mediana: P os
med =
2
2 Localizar a classe mediana: estabelecida pela comparação de P os
med
com os valores da F ac. A classe mediana é aquela cujo valor da F ac
é imediatamente superior a P osmed .
3 Determinar a mediana: utilizando para o efeito a seguinte fórmula

Dispersão
Mediana
n
− Fant

2
Md = lMd + × hMd
fMd
Sendo:
lMd = limite inferior do intervalo de classe mediana; Fant = frequência
acumulada da classe anterior à classe mediana; fMd = frequência simples
da classe mediana e hMd = amplitude do intervalo de classe mediana.

Dispersão
Medidas separatrizes
São valores que ocupam determinados lugares, abrangendo intervalos
iguais, de um conjunto de valores colectados e organizados. As medidas de
posição separatrizes podem ser classificadas em:
mediana: divide a série em duas partes iguais (Md );
quartis: divide a série em quatro partes iguais (Q1 , Q2 , Q3 );
decis: divide a série em dez partes iguais (D1 , D2 , ..., D9 );
percentis: divide a série em cem partes iguais (P1 , P2 , ..., P99 ).
Os nomes das medidas de posição separatrizes modificam de acordo com a
quantidade de partes que é dividida a série.
Nota
A mediana, além de ser uma medida de posição de tendência central, é
também uma medida separatriz.
Dispersão
Quartis
Nos quartis, a série é dividida em quatro partes iguais, com o mesmo
número de elementos, de tal forma que cada intervalo do quartil contenha
25% dos elementos colectados. Os elementos separatrizes da série são
Q1 , Q2 e Q3 . Interpretação dos quartis:
O Q1 separa os primeiros 25% dos elementos da série.
O Q2 separa os primeiros 50% (25% + 25%) dos elementos da série.
Note que: o segundo quartil será sempre igual a mediana da série
(Q2 = Md ).
O Q3 separa os primeiros 75% (25% + 25% + 25%) dos elementos
da série.

Dispersão
Quartis
Cálculo dos quartis para dados não agrupados
Para o cálculo dos quartis, utilizam-se técnicas semelhantes àquelas do
cálculo da mediana. Deste modo, temos:
Q1 = mediana da primeira metade dos elementos da série.
Q2 = mediana de todos os elementos da série.
Q3 = mediana da segunda metade dos elementos da série.

Dispersão
Quartis
Cálculo dos quartis para dados agrupados sem intervalo de classe
Para o cálculo dos quartis para dados agrupados sem intervalo de classe,
utilizam-se técnicas semelhantes àquelas do cálculo da mediana. Isso
significa que a localização da posição do quartil na série é verificada pela
frequência acumulada (F ac).
Def: Qk é o valor da variável que corresponde à classe desse quartil
considerado. Sendo que k indica a posição do quartil (k = 1, 2, 3).
Assim, inicialmente, calcula-se a posição de Qk para estabelecer em que
classe se localiza o quartil considerado
k×n
P osQk =
4
Dispersão
Quartis
Cálculo dos quartis para dados agrupados sem intervalo de classe
Obtida a posição de Qk , localiza-se o valor da mesma na frequência
acumulada, para conhecer qual é a classe que corresponde a essa posição,
a qual damos o nome de ”classe do quartil k”. Em seguida, verifica-se o
valor da variável correspondente a classe do quartil k considerado.

Dispersão
Quartis
Cálculo dos quartis para dados agrupados com intervalo de classe
Para o cálculo dos quartis para dados agrupados com intervalo de classe,
utilizam-se técnicas semelhantes àquelas do cálculo dos quartis para dados
agrupados sem intervalo de classe.
Inicialmente, calcula-se a posição de Qk para estabelecer em que classe se
localiza o quartil considerado
k×n
P osQk =
4
Obtida a posição de Qk , localiza-se o valor da mesma na frequência
acumulada, para conhecer qual é a classe que corresponde a essa posição,
a qual damos o nome de ”classe do quartil k”.
Dispersão
Quartis
Cálculo dos quartis para dados agrupados com intervalo de classe
Em seguida, determina-se o valor da variável que corresponde ao quartil k,
através da seguinte fórmula:
" #
k×n
4 − F acanterior
Qk = lQk + × hQ k
fQk
onde:
lQk = limite inferior do intervalo de classe do quartil considerado;
F acanterior = frequência acumulada da classe anterior à classe do quartil
considerado; fQk = frequência simples da classe do quartil considerado;
hQk = amplitude do intervalo de classe do quartil considerado.
Dispersão
Decis
Nos decis, a série é dividida em dez partes iguais, com o mesmo número
de elementos, de tal forma que cada intervalo do decil contenha 10% dos
elementos colectados. Os elementos separatrizes da série são:
D1 , D2 , ..., D9 . Interpretação dos decis:
O D1 separa os primeiros 10% dos elementos da série;
O D2 separa os primeiros 20% (10% + 10%) dos elementos da série;
...
O D9 separa os primeiros 90% dos elementos da série.
Def: Dk é o valor da variável que corresponde à classe desse decil
considerado. Sendo que k indica a posição do decil (k = 1, 2, ..., 9).

Dispersão
Decis
Cálculo dos decis
O cálculo dos decis é feito de maneira análoga ao cálculo dos quartis, seja
para dados simples ou agrupados com e sem intervalos de classe.
Assim, para dados simples, calcula-se a posição do decil através da
expressão seguinte:
k×n
P osDk =
10
Para dados agrupados sem intervalos de classe, após obter a posição
de Dk , localiza-se o valor da mesma na frequência acumulada, para
conhecer qual é a classe que corresponde a essa posição,

Dispersão
Decis
Cálculo dos decis
a qual damos o nome de ”classe do decil k”. Em seguida, verifica-se o
valor da variável correspondente a classe do decil k considerado.
Para dados agrupados com intervalos de classe, após obter a posição
de Dk e localizar a classe do decil k, determina-se o valor da variável que
corresponde ao decil Dk através da fórmula a seguir:
" #
k×n
10 − F acanterior
Dk = lDk + × hDk
fDk

Dispersão
Decis
Cálculo dos decis
onde:
lDk = limite inferior do intervalo de classe do decil considerado;
F acanterior = frequência acumulada da classe anterior à classe do decil
considerado; fDk = frequência simples da classe do decil considerado;
hDk = amplitude do intervalo de classe do decil considerado.

Dispersão
Percentis
Nos percentis, a série é dividida em cem (100) partes iguais, de tal forma
que cada intervalo do percentil contenha 1% dos elementos colectados. Os
elementos separatrizes da série são: P1 , P2 , ..., P99 . Interpretação dos
percentis:
O P1 separa os primeiros 1% dos elementos da série;
O P2 separa os primeiros 2% (1% + 1%) dos elementos da série;
...
O P99 separa os primeiros 99% dos elementos da série.
Def: Pk é o valor da variável que corresponde à classe desse percentil
considerado. Sendo que k indica a posição do percentil (k = 1, 2, ..., 99).

Dispersão
Percentis
Cálculo dos percentis
O cálculo dos percentis é feito de maneira análoga ao cálculo dos decis,
seja para dados simples ou agrupados com e sem intervalos de classe.
Assim, para dados simples, calcula-se a posição do percentil através da
expressão seguinte:
k×n
P osPk =
100
Para dados agrupados sem intervalos de classe, após obter a posição
de Pk , localiza-se o valor da mesma na frequência acumulada, para
conhecer qual é a classe que corresponde a essa posição,

Dispersão
Percentis
a qual damos o nome de ”classe do percentil k”. Em seguida, verifica-se o
valor da variável correspondente a classe do percentil k considerado.
Para dados agrupados com intervalos de classe, após obter a posição
de Pk e localizar a classe do percentil k, determina-se o valor da variável
que corresponde ao percentil Pk através da fórmula a seguir:
" #
k×n
100 − F acanterior
Pk = lPk + × hPk
fPk

Dispersão
Percentis
onde:
lPk = limite inferior do intervalo de classe do percentil considerado;
F acanterior = frequência acumulada da classe anterior à classe do percentil
considerado; fPk = frequência simples da classe do percentil considerado;
hPk = amplitude do intervalo de classe do percentil considerado.

Dispersão
Medidas de dispersão ou de variabilidade

A interpretação de dados estatı́sticos exige que se realize um número
maior de estudos, além das medidas de posição. O estudo das médias,
medianas, moda, quartis, decis e percentis são válidos, mas não suficientes
para estudos comparativos ou conclusões qualitativas. Também é
importante descrever o conjunto de valores do grupo em termos da
variação existente entre seus elementos. Quanto maior a variação dos
dados, menor a representatividade da média. Sendo assim, pode-se dizer
que as medidas de dispersão são úteis para qualificar a média. Quanto
menor a dispersão, maior a homogeneidade na concentração entre os
elementos do conjunto de valores, e mais confiável é a média.
As medidas de dispersão servem para verificar a representatividade das
medidas de posição. Das medidas de dispersão estudaremos:

Dispersão
Amplitude total;
Variância e desvio-padrão;
Coeficiente de variação.
Amplitude total
Cálculo da amplitude total para série simples: para dados não
agrupados, a amplitude total é a diferença entre o maior e o menor valor
da série de dados colectados.
AT = Xmax − Xmin
Cálculo da amplitude total para dados agrupados numa distribuição

de frequência: levando-se em conta a variável em estudo, a amplitude
total é a diferença
Dispersão
Amplitude total
entre o limite superior da classe mais alta e o limite inferior da classe mais
baixa.
AT = Lmax − lmin
A amplitude total é útil em casos como a medida de temperatura de uma
localidade, em que pode-se estabelecer a amplitude da temperatura em
um dia, semana, mês ou ano. Para a programação de um evento, é
importante e significativo conhecer a amplitude da temperatura da região
durante os últimos dias, semanas, meses ou anos.

Dispersão
Variância (σ 2 ) e Desvio-padrão (σ)

A variância é a medida de dispersão mais empregada, pois leva em
consideração todos os valores colectados para a variável em estudo. É um
indicador de variabilidade mais confiável. O desvio-padrão é a medida mais
usada na comparação de diferenças entre conjunto de dados, por ter
grande precisão. O desvio-padrão determina a dispersão dos valores em
relação à média.
A variância relaciona os desvios em torno da média, ou mais
especificamente é a média aritmética dos quadrados dos desvios.
Valores da série próximos uns dos outros originam um desvio-padrão
menor. Isso significa que, quanto menor for o valor do desvio-padrão,
menor será a dispersão dos valores da série, ou seja, trata-se de uma
série de valores com menor variação (série mais homogénea);
Dispersão

Valores da série muito afastados uns dos outros originam um
desvio-padrão maior. Isso significa que, quanto maior for o valor do
desvio-padrão, maior será a dispersão dos valores da série, ou seja,
trata-se de uma série de valores com maior variação (série mais
heterogénea).
Nota
O desvio-padrão é a raiz quadrada da variância, e consequentemente a
variância é o quadrado do desvio-padrão.
√
V ariancia = (σ)2 Desvio − padrao = σ 2 = σ

Dispersão

Cálculo do desvio-padrão e variância para séries simples pela
definição
O desvio-padrão e a variância de uma série podem ser calculados para
duas situações de colecta dos dados, população e amostra. As fórmulas
são diferentes para cada caso, uma vez que deve haver um ajuste para o
cálculo dessas grandezas quando os dados colectados referem-se a
amostras.
Cálculo da variância de uma população (pela definição): a
variância é a média aritmética dos quadrados dos desvios.
(xi − x̄)2
P P 2
di
σ2 = =
n n
Dispersão

definição
sendo: σ 2 = variância; x̄ = valor da média aritmética; xi = valor da
i-ésima observação da variável em estudo; d2i = desvio da variável em
relação a sua média.
Cálculo da variância de uma amostra (pela definição): conforme
citado anteriormente, o cálculo da variância para uma amostra deve
apresentar uma correção em relação ao mesmo cálculo para a
população. Nestes casos, a variância representa uma descrição da
amostra e não da população (este tipo de ocorrência é mais comum
na estatı́stica), o denominador passa a ser ”n − 1” ao invés de ”n”;
Dispersão

definição
a modificação do denominador constitui um ”factor de ajuste” visando
corrigir o facto de o número de elementos da amostra ser menor que o
número de elementos da população.
(xi − x̄)2
P P 2
2 di
σ = =
n−1 n−1

Dispersão

definição
Cálculo do desvio-padrão de uma amostra (pela definição): da
mesma forma que para a variância, caso o desvio-padrão represente
uma descrição da amostra e não da população, o denominador passa
a ser ”n − 1” ao invés de ”n”; o desvio-padrão é √calculado por meio
da raiz quadrada da variância para amostra: σ = σ 2
rP sP
(xi − x̄)2 d2i
σ= =
n−1 n−1

Dispersão

fórmula alternativa
O valor médio em algumas séries resulta números decimais,
consequentemente, o cálculo da variância e do desvio-padrão pode-se
estender num somatório do quadrado de números decimais. Com o
objectivo de simplificar os cálculos matemáticos, utiliza-se uma fórmula
alternativa para o cálculo da variância e do desvio-padrão.
Cálculo da variância de uma populaçãoP(pela fórmula
alternativa): levando em conta que x̄ = nxi e que
2
P
(xi − x̄)2 = x2i − ( nxi )
P P

Dispersão

Fazemos a substituição desses valores na expressão da variância e obtemos:
2
P 2 (P xi )2
xi − n
P
(x i − x̄)
σ2 = =
n n
X P 2
1 ( xi )
σ2 = x2i −
n n
De forma análoga a anterior, obtemos a seguintes fórmulas:

Dispersão

Cálculo da variância de uma amostra (pela fórmula alternativa):
( xi )2
X P
2 1 2
σ = xi −
n−1 n
Cálculo do desvio-padrão de uma população (pela fórmula

alternativa): s
1 X 2 ( xi )2
P
σ= xi −
n n
Dispersão

Cálculo do desvio-padrão de uma amostra (pela fórmula
alternativa): s
( xi )2
X P
1 2
σ= xi −
n−1 n

Dispersão

Cálculo do desvio-padrão e variância para dados agrupados pela
definição
Cálculo da variância para população (pela definição):
(xi − x̄)2 × fi
P
2
σ =
n
Cálculo da variância para amostra (pela definição):
(xi − x̄)2 × fi
P
2
σ =
n−1

Dispersão

definição
Cálculo do desvio-padrão para população (pela definição):
rP
(xi − x̄)2 × fi
σ=
n
Cálculo do desvio-padrão para amostra (pela definição):
sP
(xi − x̄)2 × fi
σ=
n−1
Dispersão

Cálculo da variância para população (pela fórmula alternativa):
( xi fi )2
P
2 1 X 2
σ = xi fi −
n n
Cálculo da variância para amostra (pela fórmula alternativa):
( xi fi )2
X P
2 1 2
σ = xi fi −
n−1 n

Dispersão

Cálculo do desvio-padrão para população (pela fórmula
alternativa): s
( xi fi )2
P
1 X 2
σ= xi fi −
n n
Cálculo do desvio-padrão para amostra (pela fórmula
alternativa):
s
( xi fi )2
X P
1 2
σ= x fi −
n − 1ESTATÍSTICAiI
Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ)
n May 17, 2019 43 / 61
Dispersão

Propriedades do desvio-padrão
Adicionando ou subtraindo um mesmo valor de todos os valores de
uma variável, o desvio-padrão não se altera;
Multiplicando ou dividindo todos os valores de uma variável por um
mesmo número (diferente de zero), o desvio-padrão fica multiplicado
ou dividido por esse número.

Dispersão
Dispersão absoluta e relativa na comparação de duas séries

estatı́sticas
A dispersão relativa é a razão entre a dispersão absoluta e o valor da
média.
dispersão absoluta
dispersão relativa =
média
Dispersão absoluta: é medida pelo desvio-padrão (a série com maior
valor de desvio-padrão terá maior dispersão absoluta).
Dispersão relativa: é medida pelo coeficiente de variação (a série com
maior coeficiente de variação terá maior dispersão relativa).

Dispersão
Coeficiente de variação ou coeficiente de variação de Pearson

Como referido anteriormente, o coeficiente de variação ou coeficiente de
variação de Pearson, mede a dispersão relativa da série de dados
colectados. É a razão entre o desvio-padrão e o valor da média.
Utiliza-se na comparação do grau de concentração em torno da média para
duas ou mais séries distintas, sendo que, a série mais homogénea é aquela
que tem menor coeficiente de variação.
O coeficiente pode ser expresso por valor decimal ou por valor percentual.
CV = σx̄ ou CV = σx̄ × 100

Dispersão
Curvas simétricas e assimétricas

Uma curva plana é simétrica se for possı́vel dividi-la por uma recta
(chamada eixo de simetria), de forma que as duas metades da curva assim
obtidas possam ser sobrepostas por dobragem. Uma curva assimétrica é
uma curva não simétrica.
Distribuição de frequência representada por uma curva simétrica
Na estatı́stica, ocorrem distribuições de frequências, cuja representação
gráfica é uma curva normal, caso particular de uma curva simétrica.
A curva normal é também conhecida como curva em forma de sino.

Dispersão

Pico da curva: é o valor modal, que corresponde ao maior valor da
frequência.
O eixo de simetria contém o valor modal. A partir desse eixo de simetria,
observa-se que cada metade da curva prolonga-se indefinidamente tanto
para o lado direito como para o lado esquerdo, porém, sem tocar o eixo
horizontal.
Uma distribuição de frequência representada por uma curva normal é
unimodal (tem apenas um pico).

Dispersão

Representação gráfica da Curva Simétrica

Dispersão

Nas distribuições de frequência simétricas, a média, mediana e moda são
iguais. Na curva normal, os valores da média, mediana e moda
(x̄ = Md = Mo ) coincidem no mesmo ponto da curva de distribuição de
frequência, que corresponde ao pico da curva.

Dispersão

Distribuição de frequência representada por curva assimétrica
Tanto nas representações gráficas de distribuição de frequência simétrica
quanto nas assimétricas o pico da curva corresponde ao valor modal.
Observa-se que na curva de distribuição de frequência assimétrica a
distribuição de pontos do lado esquerdo da curva em relação à moda é
diferente da distribuição dos pontos do lado direito da curva.
Uma distribuição de frequência é assimétrica quando a média, a mediana e
a moda não coincidem num mesmo ponto da representação gráfica da
distribuição, apresentando valores diferentes.

Dispersão

Representação gráfica das Curvas Assimétrica

Dispersão
Coeficiente de assimetria de Pearson

O coeficiente de assimetria de Pearson estabelece o grau de assimetria de
uma curva de distribuição de frequências, ou seja, mede o afastamento da
mediana em relação à média aritmética da distribuição.
O coeficiente de assimetria é expresso pela diferença entre a média e a
mediana dividida pelo desvio-padrão do grupo de medidas. O coeficiente
de assimetria de Pearson, permite comparar duas ou mais distribuições
diferentes quanto a sua assimetria. Quanto maior o coeficiente de
assimetria, mais assimétrica é a curva.

Dispersão
Coeficiente de assimetria de Pearson

3(x̄ − Md )
O coeficiente de assimetria de Pearson: As =
σ
O coeficiente de assimetria pode ser nulo, positivo ou negativo. Se As for:
nulo: indica que a curva é simétrica, ou seja, não há assimetria;
positivo: indica que a assimetria é positiva (deslocamento para a
direita);
negativo: indica que a assimetria é negativa (deslocamento para a
esquerda);

Dispersão
Curtose
Curtose é o grau de achatamento (ou afilamento) de uma distribuição em
comparação com uma curva normal de referência. De acordo com o grau
de curtose, classificamos três tipos de curvas de frequência:
Mesocúrtica: é uma curva básica de referência chamada curva
padrão ou curva normal;
Leptocúrtica: é uma curva afilada (menos aberta) que a curva
normal;
Platicúrtica: é uma curva mais achatada (mais aberta) que a curva
normal.

Dispersão
Curtose
Representação gráfica da curtose

Dispersão
Coeficiente percentı́lico de curtose

A medida da curtose pode ser feita pelo coeficiente percentı́lico de curtose:
Q3 − Q1
C=
2(P90 − P10 )
Sendo: C = coeficiente percentı́lico de curtose; Q3 e Q1 são,

respectivamente, o terceiro e o primeiro quartil; P90 e P10 são,
respectivamente, o nonagésimo e o décimo percentil.

Dispersão
Coeficiente percentı́lico de curtose

Uma curva normal apresenta um coeficiente percentı́lico de curtose de
valor C = 0, 263. Tomando-se esse valor como padrão, podem-se
estabelecer comparações entre as diversas curvas:
C = 0, 263 corresponde à curva mesocúrtica;
C < 0, 263 corresponde à curva leptocúrtica;
C > 0, 263 corresponde à curva platicúrtica.

Dispersão
Propriedades da aplicação do desvio-padrão

As aplicações nos permitem entender porque o desvio-padrão é a mais
importante das medidas de dispersão.
Distribuições normais
A curva normal pode ser completamente especificada pelo valor da média
e pelo valor do desvio-padrão. A área limitada pela curva normal, entre
um ponto qualquer e a média, é função do número de desvios-padrão que
aquele ponto dista da média.
Estudos matemáticos estabeleceram as seguintes proporções:
A área total limitada pela curva normal é unitária (área = 1)

Dispersão

Intervalo de amplitude 2σ (também chamado zona de
normalidade) é definido pelo conjunto de valores em torno da média
aritmética, contidos num intervalo de amplitude 2σ, com centro na
média da distribuição. É o conjunto de valores entre (x̄ − σ) e
(x̄ + σ). Abrange 68% dos elementos da série.
Intervalo de amplitude 4σ (quatro vezes o desvio-padrão) é o
conjunto de valores compreendido entre (x̄ − 2σ) e (x̄ + 2σ) em torno
da média, abrange cerca de 95% dos elementos da série.
Intervalo de amplitude 6σ (seis desvios-padrão) é o conjunto de
valores compreendido entre (x̄ − 3σ) e (x̄ + 3σ) em torno da média,
abrange aproximadamente de 100% da série.
Dispersão

Representação gráfica da zona de normalidade

Eststatistica I 2020 I

Загружено:

Сведения о документе

Исходное описание:

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Eststatistica I 2020 I

Загружено:

Авторское право:

Доступные форматы

ESTATÍSTICA I

Departamento de Métodos Quantitativos

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 1 / 61

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 2 / 61

Medidas de tendência central

Representação gráfica da moda

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 3 / 61

Medidas de tendência central

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 4 / 61

Medidas de tendência central

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 5 / 61

Medidas de tendência central

d1 = fMo − fant d2 = fMo − fpost

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 6 / 61

Medidas de tendência central

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 7 / 61

Medidas de tendência central

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 9 / 61

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 10 / 61

Medidas de tendência central

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 11 / 61

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 13 / 61

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 14 / 61

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 16 / 61

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 19 / 61

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 20 / 61

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 21 / 61

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 22 / 61

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 23 / 61

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 24 / 61

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 25 / 61

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 26 / 61

Medidas de dispersão ou de variabilidade

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 27 / 61

Cálculo da amplitude total para dados agrupados numa distribuição

Medidas de dispersão ou de variabilidade

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 29 / 61

Variância (σ 2 ) e Desvio-padrão (σ)

Variância (σ 2 ) e Desvio-padrão (σ)

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 31 / 61

Variância (σ 2 ) e Desvio-padrão (σ)

Variância (σ 2 ) e Desvio-padrão (σ)

Medidas de dispersão ou de variabilidade

Variância (σ 2 ) e Desvio-padrão (σ)

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 34 / 61

Medidas de dispersão ou de variabilidade

Variância (σ 2 ) e Desvio-padrão (σ)

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 35 / 61

Medidas de dispersão ou de variabilidade

Variância (σ 2 ) e Desvio-padrão (σ)

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 36 / 61

Medidas de dispersão ou de variabilidade

Variância (σ 2 ) e Desvio-padrão (σ)

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 37 / 61

Variância (σ 2 ) e Desvio-padrão (σ)

Cálculo do desvio-padrão de uma população (pela fórmula

Medidas de dispersão ou de variabilidade

Variância (σ 2 ) e Desvio-padrão (σ)

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 39 / 61

Medidas de dispersão ou de variabilidade

Variância (σ 2 ) e Desvio-padrão (σ)

Alcides O. Nunda; Osvaldo Mame (UJES/FEC/DMQ) ESTATÍSTICA I May 17, 2019 40 / 61

Variância (σ 2 ) e Desvio-padrão (σ)