Índice
CAPITULO I: Introdução..................................................................................................2
CAPITULO II: Revisão de literaturas...............................................................................3
Quartis, Decis e Percentis..............................................................................................3
Medidas de Dispersão ou variabilidade.............................................................................4
Amplitude......................................................................................................................4
Variância populacional..................................................................................................4
Variância amostral.........................................................................................................4
Desvio padrão populacional...........................................................................................5
Desvio padrão amostral.................................................................................................5
Medidas de Assimetria ou Curtose................................................................................5
Curtose...........................................................................................................................6
Distribuições bidimensionais.............................................................................................7
Noção intuitiva e frequência das probabilidades...............................................................7
Acontecimentos equiprováveis..........................................................................................8
Probabilidade condicional.................................................................................................9
CAPITULO III: Conclusão.............................................................................................11
Bibliografia......................................................................................................................12
CAPITULO I: Introdução
O presente trabalho de investigação está subordinado ao objectivo principal de
desenvolver alguns conteúdos relacionados com a estatística descritiva e indutiva.
Estatística é um conjunto de métodos usados para se analisar dados. A Estatística pode
ser aplicada em praticamente todas as áreas do conhecimento humano e em algumas
áreas recebe um nome especial. Este é o caso da Bioestatística, que trata de aplicações
da Estatística em Ciências Biológicas e da Saúde.
A palavra "Estatística" tem pelo menos três significados: colecção de informações
numéricas ou dados, medidas resultantes de um conjunto de dados, como por exemplo
médias, métodos usados na colecta e interpretação de dados.
Para a realização do trabalho usou-se o método bibliográfico que culminou com leituras
exploratórias de livros, artigos e outros tipos de documentos relacionados com as
temáticas desenvolvidas.
2
CAPITULO II: Revisão de literaturas
Quartis, Decis e Percentis
A mediana é o valor que separa a quantidade de dados em duas partes iguais: 50% dos
dados abaixo dela e 50% acima. Assim como a mediana, existem outros valores que
separam os dados em partes iguais. Eles são chamados genericamente de quantis. Os
quantis mais importantes e usados são:
• Quartis: dividem os dados em quartas partes (cada parte tem 25% dos dados). São
indicados por Q1, Q2 = Md e Q3.
• Decis: dividem os dados em décimas partes (cada parte tem 10% dos dados). São
indicados por D1, D2, ..., D9.
• Percentis: dividem os dados em centésimas partes (cada parte tem 1% dos dados). São
indicados por P1, P2, ..., P99.
Para uma coleção de n dados discretos, os postos dos quartis, decis e percentis são
calculados como:
Quartis: 1o quartil: (n)/4; 2o quartil (Md): 2n/4 = n/2; 3o quartil: 3n/4.
Decis: 1o decil (D1): n/10; 2o decil: 2n/10; ...; i-ésimo decil: in/10; ...; 9o decil: 9n/10.
Percentis: 1o percentil (P1): n/100; 2o percentil: 2n/100; ...; i-ésimo percentil:
in/100; ... ; 99o percentil: 99n/100.
A partir do posto, pode-se calcular o valor do quartil, do decil ou do percentil desejado.
Como regra geral, se o posto coincide com um número inteiro i o valor a ser usado é o
da média aritmética entre os dados que ocupam as posições i e i+1. Já se o posto não for
um número inteiro a convenção que vamos usar é arredondar para a posição do número
inteiro acima do posto e tomar o valor correspondente.
Por exemplo, sejam os 16 números ordenados:
0,5; 0,7; 0,7; 0,9; 1,0; 1,1; 1,1; 1,2; 1,3; 1,3; 1,5; 1,8; 2,1; 2,2; 2,5; 2,5.
Posto de Q1 = n/4 = 16/4 = 4. Toma-se a média entre o 4o e o 5o valores: Q1 = (0,9 +
1,0)/2 = 0,95.
3
Posto de Q2 = n/2 = 16/2 = 8. Q2 = Md = (1,2 + 1,3)/2 = 1,25.
Posto de Q3 = 3n/4 = 3.4 = 12. Q3 = (1,8 + 2,1)/2 = 1,95.
Posto de D1 = n/10 = 16/10 = 1,6. Arredondando para 2, D1 = 0,7.
Posto de D9 = 9.n/10 = 9.1,6 = 14,4. Arredondando para 15, D9 = 2,5.
Posto de P95 = 95.n/100 = 95.0,16 = 15,2. Arredondando para 16, P95 = 2,5.
Medidas de Dispersão ou variabilidade
Amplitude
A amplitude é definida como sendo a diferença entre o maior e o menor valor do
conjunto de dados. Denotaremos a amplitude por R. Portanto, consideremos o conjunto
de dados ordenado
A amplitude R dos dados é dada por:
Variância populacional
A variância de uma população {x1,...,xN} de N elementos é a medida de dispersão
definida como a média do quadrado dos desvios dos elementos em relação à média
populacional μ. Ou seja, a variância populacional é dada por:
Variância amostral
A variância de uma amostra {x1,...,xn} de n elementos é definida como a soma ao
quadrado dos desvios dos elementos em relação à sua média dividido por (n-1). Ou
seja, a variância amostral é dada por:
4
Ao utilizarmos a média amostral como estimador de m para calcularmos a variância
amostral, perdemos 1 grau de liberdade em relação à variância populacional.
Desvio padrão populacional
Sendo a variância uma medida de dimensão igual ao quadrado da dimensão dos dados,
pode causar problemas de interpretação. O desvio padrão populacional de um conjunto
de dados é igual à raiz quadrada da variância populacional. Desta forma, o desvio
padrão populacional é dado por:
Desvio padrão amostral
O desvio padrão amostral de um conjunto de dados é igual à raiz quadrada da variância
amostral. Desta forma, o desvio padrão amostral é dado por:
O desvio padrão indica em média qual será o "erro" (desvio) cometido ao tentar
substituir cada observação pela medida resumo do conjunto de dados (no caso, a
média).
Medidas de Assimetria ou Curtose
Assimetria As medidas de assimetria indicam o grau de assimetria de uma distribuição
de frequências uni modal em relação a uma linha vertical que passa por seu ponto mais
elevado. Distribuição Simétrica Graficamente, uma distribuição simétrica tem associada
a si uma curva de frequências unimodal apresentando duas "caudas" simétricas em
relação a uma linha vertical que passa por seu ponto mais alto (eixo de simetria).
Distribuições Assimétricas Uma distribuição assimétrica tem associada a si uma curva
de frequências unimodal que apresenta, a partir do seu ponto mais alto, uma "cauda"
mais longa para a direita (assimetria positiva) ou para a esquerda (assimetria negativa).
Nas distribuições assimétricas os valores da moda, da mediana e da média divergem
sendo que a média sempre estará do mesmo lado que a cauda mais longa .
5
Coeficientes de Assimetria (AS) Um coeficiente de assimetria quantifica o desvio de
uma distribuição em relação a uma distribuição simétrica e o sinal resultante do seu
cálculo nos dão o tipo de assimetria da distribuição.
Coeficientes de Pearson Primeiro Coeficiente de Assimetria de Pearson: S x Mo AS P −
1 = Segundo Coeficiente de Assimetria de Pearson: S x Md AS P 3 ( ) 2 ⋅ − =
Teoricamente, o segundo coeficiente de assimetria de Pearson pode variar entre −3 e +3.
Na prática, porém, raramente ultrapassará os limites de −1 e +1. Os valores dos dois
coeficiente de assimetria de Pearson serão iguais somente quando a distribuição for
simétrica. Segundo Toledo & Ovale (Estatística Básica – Ed. Atlas), quando a
distribuição não tiver forte assimetria, o segundo coeficiente deverá ser usado
preferencialmente ao primeiro.
Curtose
Denomina - se curtose ao grau de “achatamento” de uma distribuição de freqüências,
geralmente unimodal, medido em relação ao de uma distribuição normal (de Gauss) que
é tomada como padrão.
Muito embora seja comum explicar a curtose como o “grau de achatamento” de uma
distribuição de frequências, o que as medidas de curtose buscam indicar realmente é o
grau de concentração de valores da distribuição em torno do centro desta distribuição.
Numa distribuição unimodal, quanto maior for a concentração de valores em torno do
centro da mesma, maior será o valor da sua curtose. Graficamente isto será associado a
uma curva com a parte central mais afilada, mostrando um pico de freqüência simples
mais destacado, mais pontiagudo, caracterizando a moda da distribuição de forma mais
nítida.
Dizemos que uma distribuição de freqüências é:
Mesocúrtica – quando apresenta uma medida de curtose igual à da distribuição normal.
Platicúrtica – quando apresenta uma medida de curtose menor que a da distribuição
normal.
Leptocúrtica - quando apresenta uma medida de curtose maior que a da distribuição
normal.
6
Distribuições bidimensionais
Para além de distribuições bidimensionais, também podem ser chamadas de bivariadas.
Com a ajuda destas obtemos um conjunto de dados sobre a dispersão de pares
ordenados. Em cada par ordenado, o primeiro elemento mede um atributo de uma das
unidades estatísticas observadas e o segundo elemento mede o outro atributo da mesma
unidade estatística observada.
O objectivo deste tipo de distribuições é estudar a relação entre as duas variáveis, que,
supostamente, estão relacionadas.
Diz-se, geralmente, que existe uma correlação entre duas variáveis, se uma delas tiver
tendência a influenciar a segunda variável em estudo.
A correlação pode ser:
Positiva - Se uma das variáveis aumenta, a outra variável também aumenta (tal
como se pode verificar com o exemplo do gráfico anterior). É forte se os valores
estão próximos uns dos outros, mas fraca se os valores estão dispersos;
Negativa - Se uma das variáveis aumenta, a outra variável tende a diminuir. É
forte se os valores estão próximos uns dos outros, mas fraca se os valores estão
dispersos;
Nula - Se os pontos estão distribuídos pelos quatro quadrantes, significando isto
que não existe qualquer correlação entre as variáveis analisadas.
Irrelevante - Se os pontos estão bastante dispersos, dispostos por todo o
referencial, não constituindo qualquer relevância/interesse na sua análise.
Noção intuitiva e frequência das probabilidades
A probabilidade é o ato de atribuirmos pesos aos eventos. Entretanto, para que cada um
não defina probabilidade de sua forma, vamos exigir que esta função peso tenha
algumas propriedades intuitivas. Quando lançamos uma moeda não hesitamos em
associar probabilidade para o evento "cara" e também para o evento "coroa". Da
mesma forma, quando lançamos uma moeda vezes todos os possíveis resultados
deste experimento tem a mesma probabilidade.
7
Dado um experimento com espaço amostral , a classe de eventos associada será
denotada por e deve satisfazer algumas propriedades:
i) ;
ii) Se , então ;
iii) Se , então .
A classe de eventos satisfazendo estas propriedades é denominada -álgebra. Ao
utilizarmos De Morgan, concluímos que a -álgebra também é fechada por intersecção
enumerável, isto é, se então .
Acontecimentos equiprováveis
Se um experimento tem como espaço amostral , com um número
finito de elementos, dizemos que os eventos elementares são equiprováveis, se
todos tem a mesma probabilidade de ocorrer, isto é
Desta forma, podemos definir a probabilidade de um evento ,
composto por elementos (com menor que ), como sendo:
No lançamento de um dado honesto, os elementos do espaço
amostral são equiprováveis, pois cada elemento do espaço amostral
tem a mesma chance de ocorrer, ou seja, a chance de sair 1 é a mesma de sair 2, que é a
mesma de sair 3, e assim por diante. Portanto,
8
Com isso e da propriedade (3) de probabilidade, temos que, se é o evento sair número
par no lançamento de um dado, então
Com isso, obtemos que a probabilidade de ocorrer o evento é igual ao número de
elementos favoráveis a , que é 3 (pois tem 3 elementos), dividido pelo
número de elementos no espaço amostral , que é .
Probabilidade condicional
Calcular a incidência de doenças em determinados grupos de pessoas é uma aplicação
muito prática da probabilidade condicional e que permite identificar grupos de riscos
ou indicar possíveis formas de prevenção para problemas epidémicos.
Há diversos exemplos que podemos usar para ilustrar a probabilidade condicional. Por
exemplo: as chances de um bebé nascer menina é um evento A. Agora, a probabilidade
de essa criança apresentar doença celíaca, que é intolerância ao glúten, é um evento B.
Essa situação pode ser considerada uma probabilidade condicional porque a doença
celíaca atinge mais mulheres. Se as chances fossem iguais para pessoas de ambos os
géneros, os eventos não estariam condicionados, então essa seria uma probabilidade
marginal ou incondicional, porque a possibilidade de que um deles ocorra, não
influencia na do outro.
? Se os eventos forem independentes, a probabilidade não é condicional. Você
representa a probabilidade condicional com a seguinte expressão: P (A|B), que se lê “a
probabilidade condicional de A em relação a B”. E a fórmula para calculá-la é:
P (A|B) = P(A∩B)/P(B)
Quando dois eventos são INDEPENDENTES, a probabilidade de ocorrerem ao mesmo
tempo é dada por:
P(A∩B) = P(A).P(B)
Se colocarmos isso na fórmula da probabilidade condicional, temos:
9
P (A|B) = P(A∩B)/P(B)
P (A|B) = P(A).P(B)/P(B)
P (A|B) = P(A).P(B)/P(B)
P(A|B) = P(A)
Ou seja, a probabilidade de A ocorrer não se altera.
10
CAPITULO III: Conclusão
Chegado ao fim do trabalho conclui-se que: Estatística Dedutiva ou Descritiva: consiste
na recolha, apresentação, análise e interpretação de dados numéricos, através da criação
de instrumentos adequados: quadros, gráficos e indicadores numéricos Portanto, a
Estatística Descritiva visa somente descrever e analisar um certo grupo (amostra) sem
daí retirar conclusões ou inferências sobre a população da qual foi retirado esse grupo
(Barreiros, 1984). Face aos resultados de experiências e da observação dos processos
naturais, a questão básica que se põe é quase sempre, a seguinte: como resumir os
aspectos essenciais dos dados? Será que existem regularidades, tendências, ciclos,
concentrações, padrões, dignos de nota nos dados.
11
Bibliografia
BARBETTA, P. A (1998). Estatística Aplicada às Ciências Sociais. Florianópolis:
Editora da UFSC.
BARBETTA, Pedro A.; REIS, Marcelo M. e BORNIA, António C (2004). Estatística
para cursos de Engenharia e informática. São Paulo: Editora Atlas S.A.
BUSSAB, W. O. e MORETTIN, P. A (2003). Estatística Básica. São Paulo: Editora
Saraiva.
CURTY, Marlene G.; CRUZ, Anamaria da C.; MENDES, Maria Tereza R (2002).
Apresentação de trabalhos académicos, dissertações e teses (NBR 14724/2002).
Maringá: Dental Press.
PAGANO, Marcello ; GAUVREAU, Kimberlee (2004). Princípios de Bioestatística.
Tradução da 2ª edição norte-americana. São Paulo: Pioneira Thomson Learning.
12