Slide nº 1 Festa

Estatística
Básica
Jorge Festa

2
Slide nº 2 Festa
 Análise Exploratória de
Dados
 Capítulo 1 - Resumo de Dados
 Introdução

 Tipos de Variáveis

 Distribuição de Freqüências

 Representação Gráfica das

Variáveis Quantitativas
 Ramo-e-folhas

Slide nº 3 Festa
 INTRODUÇÃO
 O que é ESTATÍSTICA ?
– É fundamental na análise de dados
provenientes de quaisquer processos
onde exista VARIABILIDADE.
– Uso de informações na: coleção,
apresentação, análise e tomada de
decisões, para solucionar problemas.

Slide nº 4
Y X   Festa
 Estatística
 Uma estatística é uma quantidade que é
calculada dos dados amostrados. Ela é
usada para dar informações a respeito
de valores desconhecidos da
correspondente população. Por
exemplo, a média dos dados amostrados
é utilizada para dar informações sobre
toda a média da população da qual a
amostra foi retirada.

Slide nº 5 Festa
 GRANDES ÁREAS DA
ESTATÍSTICA
 Amostragem e planejamento de
experimentos
 coleção ou coleta de dados

 Estatística descritiva
 organização, apresentação e

sintetização de dados
 Estatística inferencial
 métodos para tomada de decisões,

nas situações onde existem

Slide nº 6 incertezas e VARIAÇÕES. Festa
 AMOSTRAGEM
 É o processo de escolha da amostra. É a parte
inicial de qualquer estudo estatístico. Consiste
na escolha criteriosa dos elementos a serem
submetidos ao estudo.
– Ex. Pesquisas sobre tendências de votação.
 escolha da amostra, redação do questionário,
a entrevista, a codificação dos dados, a
apuração dos resultados são ETAPAS
FUNDAMENTAIS deste tipo de pesquisa.

Slide nº 7 Festa
 ESTATÍSTICA DESCRITIVA
 É a parte mais conhecida. Quem vê o noticiário,
na televisão ou nos jornais, sabe quão
freqüente é o uso de média, índices e gráficos
nas notícias.
– Exemplo:
 O INPC, Índice Nacional de Preços ao

Consumidor
– Aumento dos produtos da cesta básica.
 Anuário Estatístico Brasileiro

– educação, saúde, transporte, economia,

cultura etc.
Slide nº 8 Festa
 Estatística Inferencial
A estatística Inferencial
faz uso das informações
retiradas da amostra
para conclusões
(inferências), a respeito
da população da qual a
amostra foi retirada.
Slide nº 9 Festa
 POPULAÇÃO E
AMOSTRA
 O estudo de qualquer fenômeno, seja ele
natural, social, econômico ou biológico, exige a
coleta e análise de dados estatísticos.
– População é a coleção de todas as observações
sobre determinado fenômeno.
– Amostra é o conjunto de dados efetivamente
observados, ou extraídos da população.
 Exemplo: Determinação do consumo de óleo

diesel em ônibus, avaliação de um programa

de ensino, renda média per capita em
diversas regiões do país etc.

Slide nº 10 Festa
 INFERÊNCIA
 A tomada de decisões sobre a população,
com base nos dados da amostra, constitui o
problema central da INFERÊNCIA
ESTATÍSTICA.
 A tais decisões estão sempre associados um
grau de incerteza e, conseqüentemente, uma
probabilidade de erro.
– Exemplo: Teste sobre medicamentos,
experimentos agrícolas, análise financeira,
consumo de energia etc.
Slide nº 11 Festa
 APRESENTAÇÃO DE
DADOS
 Técnicas que permitem detectar e corrigir
erros e inconsistências ocorridos durante
um processo de coleta de dados e
determinar as principais características
destes dados.
– Grupamento de dados;
– Construção de distribuições de
freqüência;
– Gráficos.
Slide nº 12 Festa
 Tipos de Variáveis
 Qualitativa
– Nominal
 Região de Procedência

– Ordinal
 Educação, Classe Social

 Quantitativa
– Discreta
 Número de Filhos

– Contínua
 Peso de Indivíduos, Salários em R$

Slide nº 13 Festa
 GRUPAMENTO DE
DADOS
Alturas, expressas em centímetros de 30 atletas de
um clube.
168 172 170 181 169 173
164 175 182 177 176 173
170 186 183 170 168 166
169 180 175 164 181 179
172 169 174 171 178 166

Slide nº 14 Festa
 CONSTRUÇÃO DE
DISTRIBUIÇÕES DE FREQÜÊNCIA
Alturas em cm. de 30
atletas
Tabulação de Freqüências
--------------------------------------------------------------------------------
Limite Limite Ponto Freqüência Freqüência Freqüência
Classe Inferior Superior Médio Freqüência Relativa Acumulada Rel. Acum
--------------------------------------------------------------------------------
1 162.000 167.000 164.500 4 0.133 4 0.133
2 167.000 172.000 169.500 9 0.300 13 0.433
3 172.000 177.000 174.500 8 0.267 21 0.700
4 177.000 182.000 179.500 6 0.200 27 0.900
5 182.000 187.000 184.500 3 0.100 30 1.000
--------------------------------------------------------------------------------
Média = 173.367 Desvio Padrão = 5.89847 Mediana = 172.5

Slide nº 15 Festa
 GRÁFICOS
Histograma de Frequencia

10
Frequencia

9
8
7
6
5
4
3
2
1
0

157 162 167 172 177 182 187 192

Alturas

Slide nº 16 Festa
 GRÁFICOS
Poligono de Frequencias

10
Frequencia

9
8
7
6
5
4
3
2
1
0

157 162 167 172 177 182 187 192

Alturas

Slide nº 17 Festa
 GRÁFICOS
Frequencias Relativa Acumulada
Ogiva

100
Percentual

90
80
70
60
50
40
30
20
10
0

157 162 167 172 177 182 187 192

Alturas

Slide nº 18 Festa
 GRUPAMENTO DE
DADOS
Número de filhos em 25 famílias
observadas
0 1 2 3 4
5 1 1 2 2
2 3 3 2 2
3 4 5 1 2
2 3 2 3 2

Slide nº 19 Festa
 CONSTRUÇÃO DE
DISTRIBUIÇÕES DE
FREQÜÊNCIA
Número de filhos em 25 famílias observadas
Tabulação de Freqüências
--------------------------------------------------------------------------------
Limite Limite Ponto Freqüência Freqüência Freqüência
Classe Inferior Superior Médio Freqüência Relativa Acumulada Rel. Acum
--------------------------------------------------------------------------------
1 -0.5000 0.5000 0.000 1 0.0400 1 0.0400
2 0.5000 1.5000 1.000 4 0.1600 5 0.2000
3 1.5000 2.5000 2.000 10 0.4000 15 0.6000
4 2.5000 3.5000 3.000 6 0.2400 21 0.8400
5 3.5000 4.5000 4.000 2 0.0800 23 0.9200
6 4.5000 5.5000 5.000 2 0.0800 25 1.0000
--------------------------------------------------------------------------------
Média = 2.4 Desvio Padrão = 1.22474 Mediana = 2

Slide nº 20 Festa
 GRÁFICOS
Histograma de Frequencias

10
9
Frequencia

8
7
6
5
4
3
2
1
0

-0.5 0.5 1.5 2.5 3.5 4.5 5.5

Filhos

Slide nº 21 Festa
 GRÁFICOS
Poligono de Frequencias

10
Frequencia

9
8
7
6
5
4
3
2
1
0

-1 0 1 2 3 4 5 6

Filhos

Slide nº 22 Festa
 Análise Exploratória de
Dados
 Capítulo 2 - Algumas medidas
associadas a variáveis
Quantitativas
 Medidas de Posição

 Medidas de Dispersão

 Outra Estratégia de Análise

 Desenho Esquemático

Slide nº 23 Festa
 Estatísticas Descritivas

Tamanho da Amostra 
Amplitude

Média 
Quartil Inferior

Mediana 
Quartil Superior

Moda 
Intervalo Inter-quartil

Média Geométrica 
Assimetria “Skewnwss”

Variância 
Assimetria Padronizada

Desvio-padrão 
Curtose “Kurtosis”

Erro-padrão 
Curtose Padronizada

Mínimo 
Coeficiente de Variação

Máximo 
Somatório

Slide nº 24 Festa
 Estatística Clássica
Suposições Probabilísticas das Variáveis Envolvidas
Declarações sobre os Parâmetros ou Modelo
Utilizado
Noções Assintóticas de

– Consistência
– Variância “Grandes Amostras”
– Eficiência
“USE A ESTATÍSTICA COMO O BÊBADO USA OS
POSTES - MAIS PELO APOIO QUE PELA ILUMINAÇÃO”
Andew Lang

Slide nº 25 Festa
 Análise Exploratória de
Dados
 Tukey J. W. (1977)
– Técnicas Visuais
Dados = Modelo + Resíduos
Modelo = parte Suave
Resíduos = parte Grosseira

Y X  
Slide nº 26 Festa
 Análise Exploratória de
Dados
 Ferramentas Principais
– Ramo-e-folhas - “Stem-and-
Leaf”
– Esquema de cinco números -
“5-number summary”
– Desenho Esquemático - “Box-
Plot”
Slide nº 27 Festa
 Ramo-e-folhas
 Apresentação
RAMO - à esquerda da linha vertical
FOLHAS - à direita da linha vertical
 Vantagem sobre a Tabela de
Freqüência:
– Não perdemos informação
– Número de linhas é equivalente ao
número de classes
Slide nº 28 Festa
 CONSTRUÇÃO DE
DISTRIBUIÇÕES DE
FREQÜÊNCIA
Alturas em cm. de 30
atletas
Tabulação de Freqüências
--------------------------------------------------------------------------------
Limite Limite Ponto Freqüência Freqüência Freqüência
Classe Inferior Superior Médio Freqüência Relativa Acumulada Rel. Acum
--------------------------------------------------------------------------------
1 162.000 167.000 164.500 4 0.133 4 0.133
2 167.000 172.000 169.500 9 0.300 13 0.433
3 172.000 177.000 174.500 8 0.267 21 0.700
4 177.000 182.000 179.500 6 0.200 27 0.900
5 182.000 187.000 184.500 3 0.100 30 1.000
--------------------------------------------------------------------------------
Média = 173.367 Desvio Padrão = 5.89847 Mediana = 172.5

Slide nº 29 Festa
 RAMO-E-FOLHAS
Dispositivo Ramo-e-folhas para ALTURAS: unidade = 1 1|2 representa 12

2 16F|44
4 16S|66
9 16o|88999
13 17*|0001
(4) 17T|2233
13 17F|455
10 17S|67
8 17o|89
6 18*|011
3 18T|23
1 18F|
1 18S|6

Slide nº 30 Festa
 CONSTRUÇÃO DE
DISTRIBUIÇÕES DE FREQÜÊNCIA
Número de filhos em 25 famílias observadas

Tabulação de Freqüências
--------------------------------------------------------------------------------
Limite Limite Ponto Freqüência Freqüência Freqüência
Classe Inferior Superior Médio Freqüência Relativa Acumulada Rel. Acum
--------------------------------------------------------------------------------
1 -0.5000 0.5000 0.000 1 0.0400 1 0.0400
2 0.5000 1.5000 1.000 4 0.1600 5 0.2000
3 1.5000 2.5000 2.000 10 0.4000 15 0.6000
4 2.5000 3.5000 3.000 6 0.2400 21 0.8400
5 3.5000 4.5000 4.000 2 0.0800 23 0.9200
6 4.5000 5.5000 5.000 2 0.0800 25 1.0000
--------------------------------------------------------------------------------
Média = 2.4 Desvio Padrão = 1.22474 Mediana = 2

Slide nº 31 Festa
 RAMO-E-FOLHAS
Dispositivo Ramo-e-folhas para FILHOS: unidade = 0.1 1|2 representa 1.2

LO|0

5 1|0000
(10) 2|0000000000
10 3|000000
4 4|00

HI|50,50

Slide nº 32 Festa
 Esquema ou Resumo de
5 Números
Sugestão (Tukey) - 1977
(i) a mediana
(ii) os extremos (mínimo e máximo)
(iii) os quartis ou juntas (inferior e superior)

A Mediana é uma Medida Resistente,

não é afetada por valores extremos.
a Média amostral e o Desvio-padrão são afetados por
valores extremos
não temos idéia quanto a simetria da distribuição dos
dados
Slide nº 33 Festa
 Desenho Esquemático
“UM DESENHO ESQUEMÁTICO OU
GRÁFICO DO ESQUEMA DE 5
NÚMEROS VALE MAIS QUE 1000
PALAVRAS”
OUTLIERS
valores abaixo da J1 - 3/2 dJ
valores acima da J3 + 3/2 dJ, onde

J1 = 1º quartil, J3 = 3º quartil e dJ = J3 - J1

Slide nº 34 Festa
 Exemplo
Histograma de Frequencias
e a Normal Ajustada
frequencia

0
150 155 160 165 170 175 180 185 190 195 200
altura de alunos em cm

Slide nº 35 Festa
 Exemplo

Slide nº 36 Festa
 Análise Exploratória de
Dados
 Capítulo 3 - Análise
Bidimensional
 Variáveis Multidimensionais

 Independência de Variáveis

 Medidas de Dependência

entre Duas Variáveis

 Diagrama de Dispersão

 Coeficiente de Correlação

Slide nº 37 Festa
 Variáveis
Multidimensionais
 Em muitas situações observamos
duas ou mais características
simultaneamente, para analisar o
seu comportamento.
 A DISTRIBUIÇÃO CONJUNTA das
freqüências será um poderoso
instrumento na compreensão dos
dados.
Slide nº 38 Festa
 Distribuição Conjunta

Distribuição Conjunta do Grau de Instrução e

Região

Slide nº 39 Festa
 Independência de
Variáveis
 Um dos principais objetivos de uma
distribuição conjunta é descrever a
ASSOCIABILIDADE existente ENTRE
DUAS VARIÁVEIS, isto é, queremos
conhecer o GRAU DE DEPENDÊNCIA
entre elas, de modo que possamos
prever melhor o resultado de uma
delas quando conhecemos a
realização da outra.
Slide nº 40 Festa
 Independência de
Variáveis

tribuição conjunta das freqüências e porcentagens segundo sexo e cu

stribuição

Slide nº 41 Festa
 Medidas de
Dependência entre
DuasdeVariáveis
 coeficientes associação ou
correlação
– coeficiente de contingência de Karl Pearson

 
2
n
o i  e i  2

i 1 ei
2 C
C 2 e C*  1
 n  ( t  1)  2

 t 
Slide nº 42 Festa
 Escores Padronizados Diagramas de
Dispersão
Diagrama de Dispersoes

2.9

1.9

0.9

-0.1

-1.1

-2.1

150 160 170 180 190 200

Amostra Ordenada

Slide nº 43 Festa
 Coeficiente de
Correlação
y A  Bx
n xy 
 x y
B
n x  (  x )
2 2

A
 y  B x
n
n xy 
 x y
r
       
2 2
n x   n y  
 
2 2
x y
Slide nº 44 Festa
 Origem do Termo
“Regressão”
Media de alturas de filhos contra
alturas composta dos pais
Observado
estimado
184 valor y=x

180

176

172

168

164

160
160 164 168 172 176 180 184
Slide nº 45 altura dos pais Festa
 Probabilidades
 Capítulo 4 - Probabilidades
Introdução

Algumas Propriedades

Probabilidade

Condicional e
Independência
Teorema de Bayes

Slide nº 46 Festa
 Probabilidades
 Uma das principais ferramentas
da estatística é a probabilidade,
que teve seu início formal com a
escolha de jogos no início do
século XVII.
 Para seu entendimento
necessitamos de alguns
conhecimentos BÁSICOS que
seguem:
Slide nº 47 Festa
 Experimento
É qualquer processo ou estudo de
coletar dados revelantes, os quais
exibem variações em seus
resultados, resultados estes
desconhecidos de ante mão.
– Ex. Lançamento de um dado
honesto e observar a cada
arremesso a face voltada para
cima.
Slide nº 48 Festa
 Espaço Amostral
““””, é o conjunto
 O espaço amostral
de todos os resultados possíveis,
elementares e indivisíveis do
experimento, onde cada resultado é
um evento simples.
– Ex. Lançamento de um dado
honesto
 = { f1, f2, f3, f4, f5, f6 }
Slide nº 49 Festa
 Evento
 Um evento, indicado pelas letras A, B, ...,
é qualquer subconjunto do espaço
amostral “”.
– Exemplo 1: A ocorrência de face impar,
no lançamento de um dado honesto.
evento A = { f1, f3, f5 }
– Exemplo 2: A ocorrência de face par,
no lançamento de um dado honesto.
evento B = { f2, f4, f6 }

Slide nº 50 Festa
 -álgebra
 Uma -álgebra é uma classe de
subconjuntos do espaço
amostral, , satisfazendo os
seguintes axiomas:
i)  
ii ) Se A  , então A  
iii ) Se A e B  , então A  B  
Slide nº 51 Festa
 Definição de
Probabilidade
Definição Clássica
Definição Freqüentista
Definição Geométrica
Definição Axiomática

Slide nº 52 Festa
 Definição Axiomática
(i ) P ( A) 0
(ii ) P () 1
(iii ) Se A1 , A2 , . . ., é uma sequencia de eventos mutuamente exclusivos em

, (isto é, Ai  A j  , i  j; i , j 1, ,2, . . .) e se Ai  , então
i 1
 
P[Ai ]  P[ Ai ]
i 1 i 1

Slide nº 53 Festa
 Algumas Propriedades
. P[ ] 0
. Se A1 , A2 , . . ., An são eventos mutuamente exclusivos em  , então
n n
P[ Ai ]  P[ Ai ]
i 1 i 1

. Se A é um evento em  , então P[ A ] 1  P[ A]
. Se A1 e A2   então P[ A1 ]  P[ A1 A2 ]  P[ A1 A2 ] e
P[ A1  A2 ]  P[ A1 A2 ]  P[ A1 ]  P[ A1 A2 ]
. Se A1 e A2   então P[ A1  A2 ]  P[ A1 ]  P[ A2 ]  P[ A1  A2 ]
Se A1 e A2   e A1  A2 , então P[ A1 ]  P[ A2 ]
n n
. Se A1 , A2 , . . ., An   , então P[ Ai ]   P[ Ai ]
i 1 i 1
Slide nº 54 Festa
 Probabilidade
Condicional

P[ AB ]
P[ A| B]  se P[ B ]  0, desta forma
P[ B ]
P[ AB ]  P[ B ]. P[ A| B ]  P[ A]. P[ B| A].

Slide nº 55 Festa
 Teorema da
Probabilidade Total

n
P[ A]  P[ A| B j ]. P[ B j ]
j 1

Slide nº 56 Festa
 Teorema de Bayes

P[ A| Bk ]. P[ Bk ]
P[ Bk | A]  n

 P[ A| B ]. P[ B ]
j 1
j j

Slide nº 57 Festa
 Regra da Multiplicação

P ( A  B C )  P ( A)
P ( B| A)
P ( C| A  B )
P[ A1 . A2 ..... An ]  P[ A1 ]. P[ A2 | A1 ]. P[ A3 | A1 A2 ]. . . . . P[ An | A1 . A2 ... An  1 ]

Slide nº 58 Festa
 Independência

(i ) P[ AB ]  P[ A]. P[ B ]
(ii ) P[ A| B ]  P[ A] se P[ B ]  0
(iii ) P[ B| A]  P[ B ] se P[ A]  0

Slide nº 59 Festa
 Variável Aleatória
 Uma variável aleatória, indicada
por X, é uma função com domínio
o espaço amostral e
contradomínio o conjunto dos
números Reais, tal que, o evento
[ X  x ] pertence a -álgebra
para todos os valores de x que
pertencem aos no.s reais.

Slide nº 60 Festa
 Função Distribuição
 Uma Função Distribuição, indicada
por F(x), é uma função, com domínio
os Reais e contradomínio o intervalo
[0,1], satisfazendo as seguintes
propriedades:
– F(x) é não decrescente;
– F(x) é contínua à direita;
– F(-) = 0 e F() = 1
Slide nº 61 Festa
 Função Distribuição
Acumulada
 Dada a variável aleatória X,
chamaremos de função
distribuição acumulada a
função
F ( x )  P ( X  x ), x 
Slide nº 62 Festa
 O Conceito de
Variável Aleatória
 Uma
Discreta
variável aleatória X, é dita
discreta, se ela assume um
número finito ou infinito
enumerável.
 A função, indicada por p(x), nós
chamamos função de
probabilidade da variável
aleatória
Slide nº 63
discreta X. Festa
 Função de
Probabilidade
i) p( x) 0
ii)  p( x) 1
x
Slide nº 64 Festa
 O Conceito de
Variável Aleatória
Contínua
 Uma variável aleatória,
indicada por X, é dita
contínua, se existe uma

z
função f(x), chamada função
densidade de probabilidade,
tal que:
f ( x)dx  
Slide nº 65 Festa
 Função Densidade de
Probabilidade

i) f ( x) 0

z


ii) f ( x) dx 1


Slide nº 66 Festa
 Valor Esperado de uma
Variável Aleatória
 Dada uma variável aleatória X,
chamamos valor médio ou esperança
matemática de X ao valor

 x p( x ), discreta

E ( x ) 

 x f ( x ) dx , continua

Slide nº 67 Festa
 Valor Esperado de
Uma Função de uma
Variável Aleatória X
“g(X)”
 Dada a variável aleatória X, chamamos
esperança ou valor esperado da função
g(x) ao valor:

R
|  g ( x ) p( x )

Slide nº 68
|Tz
E [ g ( x )] S
g ( x ) f ( x ) dx
Festa
 Propriedades

 Se g(x) = aX + b,
– E[g(x)] = E(aX + b) = a E(X) + b
 Se g(x) =[X - E(X)]2

– E[g(x)] = Var(X)

Slide nº 69 Festa
 Alguns Modelos Discretos
 Distribuição Uniforme Discreta
 Distribuição Bernoulli
 Distribuição Binomial
 Distribuição Hipergeométrica
 Distribuição Geométrica
 Distribuição Binomial Negativa
 Distribuição Poisson

Slide nº 70 Festa
 Alguns Modelos Contínuos
 Uniforme Contínua  Weibull
 Normal  Logística
 Exponencial  Pareto
 Gama  Gumbel (Valor
 Beta Extremo)
 Cauchy  t-Student’s
 Lognormal  F-Snedecor’s
 Dupla-exponencial  Qui-quadrado
 Normal Bivariada

Slide nº 71 Festa
 Variáveis Aleatórias
Multidimensionais
 Capítulo 7 - Variáveis Aleatórias
Multidimensionais
– Distribuição Conjunta
– Distribuições Marginais e Condicionais
– Funções de Variáveis Aleatórias
– Covarância de Duas Variáveis
Aleatórias
– Variáveis Contínuas
Slide nº 72 Festa
 Distribuição Conjunta
 Em muitos experimentos, a um mesmo ponto
amostral ,atribuímos valores de duas ou mais
variáveis aleatórias.
– Ex. Suponha que queremos estudar a composição
de famílias com 3 crianças, quanto ao sexo.
 X = número de meninos

 Y = 1 (se for homem) e 0 (se for mulher)

 Z = no. de vezes que houve variação do sexo

 W = número de meninas

Slide nº 73 Festa
 Função Densidade
Conjunta

i) f ( x) 0

zz
 

ii) f ( x, y)dx dy 1
 
Slide nº 74 Festa
 Tabela de
Probabilidades

Slide nº 75 Festa
 Distribuições Marginais

 f ( x,y)
f ( x ) 
f ( x,y) dy
Slide nº 76 Festa
 Distribuições
Condicionais

f ( x, y)
f ( x| y) 
f ( y)
Slide nº 77 Festa
 Distribuições
Independentes

f ( x , y ) f ( x ) f ( y )
Slide nº 78 Festa
 Covariância de duas
variáveis aleatórias
Cov( XY) E[( X  E ( X)(Y  E (Y)]

 XY  XY   X  Y
Slide nº 79 Festa
 Coeficiente de
Correlação de X e Y
Cov( X, Y)
( X, Y) 
Var ( X) Var (Y)
 XY
 1  XY  1
 X y
Slide nº 80 Festa
 Referências
Bibliográficas
Montgomery, Douglas C. & Runger, George C. Applied
statistics and probability for engineers. New York,
Wiley, 1994.
Montgomery, Douglas C., Introduction to statistical
quality control. New York, Wiley, 1991.
Bussab, Wilton O., Estatística Básica. [Link]. São Paulo,
1987

Slide nº 81 Festa