Probabilidade e

Estatística

Aula 3
Medidas Numéricas Descritivas

Baseado no livro Statistics for Managers Using Microsoft Excel, 5e Chap 3-1
Objetivos

Nesta parte, aprenderemos:

 a descrever as propriedades de tendência central,

variação e formato em dados numéricos
 a calcular medidas resumo para a população
 a construir e interpretar um gráfico Box- plot
 A descrever a covariância e coeficiente de
correlação

Chap 3-2
Definições
 A tendência central corresponde à extensão na qual
todos os valores de dados se agrupam em torno de
um valor central típico.

 A variação corresponde ao montante de dispersão,

ou spread, de valores em relação a um valor central.

 O formato corresponde ao padrão da distribuição de

valores do valor mais baixo para o mais alto.

Chap 3-3
Medidas de Tendência Central
 A tendência central corresponde à extensão na qual
todos os valores de dados se agrupam em torno de
um valor central típico.

 Medidas tipicamente usadas:

 Médias (aritmética, geométrica)
 Mediana
 Moda
 Medidas separatrizes (quantis => quartis, decis, centis)

Chap 3-4
 Medidas de Tendência Central:
A Média Aritmética
 A média aritmética (média) é a mais comum das
medidas de tendência central.

Para uma amostra de tamanho n:

n

X i
X1  X 2    Xn
X i1

n n
Tamanho da Valores
amostra observados

Chap 3-5
 Medidas de Tendência Central:
A Média Aritmética
 Média = soma dos valores dividido pelo número de valores
 Afetada por valores extremos (outliers)

0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10

Média = 3 Média = 4
1  2  3  4  5 15 1  2  3  4  10 20
 3  4
5 5 5 5

Chap 3-6
 Medidas de Tendência Central:
A Média Aritmética
 A média aritmética é « Ponto de equilíbrio » em um conjunto
de dados (gangorra),
onde todos os valores desempenham um papel igual.

 X 
n n n

i  X  X i  X 0 1 2 3 4 5 6 7 8 9 10
i 1 i 1 i 1
n
 X i  n X
i 1
Média = 4
0 (1 - 4)  (2 - 4)  (3 - 4)  (4 - 4)  (10 - 4) 0

Chap 3-7
 Medidas de Tendência Central:
propriedades da média aritm.
 P1: A soma dos desvios em relação a média é nula;
 P2: A média de uma constante é igual à constante;
n

cnc
X  i 1  c
n n
 P3: A média do produto de uma constante por uma variável é
igual ao produto da constante pela média da variável.
n n

 cX i c X i
cX  i 1  i 1
c X
n n
 P4: A soma dos quadrados dos desvios em relação a média é
mínimo. 2
n
X arg min  X i  y 
y
i 1

Chap 3-8
 Medidas de Tendência Central:
a mediana
 Em um rol, a mediana é o “número” do meio, (50% acima, 50%
abaixo)

0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10

Mediana = 4 Mediana = 4

 Não é afetada por valores extremos (outliers)

Chap 3-9
Medidas de Tendência Central:
Localizando a Mediana
 A mediana de um conjunto de dados ordenado é
localizada no n  1valor.
2
 Se o número de valores é ímpar, a mediana é o
número do meio.
 Se o número de valores é par, a mediana é a média
dos dois valores do meio.

 Note que n 1
NÃO é o valor da mediana, apenas
2
a posição da mediana nos dados ordenados.

Chap 3-10
 Medidas de Tendência Central: a
moda
 Valor que ocorre com maior frequência
 Não é afetada por valores extremos
 Usada tanto para dados numéricos quanto para
dados categóricos (cuidado: afetada pela escolha de
classes de agrupamento)
 Pode não haver moda e pode haver várias modas

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 0 1 2 3 4 5 6

Moda = 9 Sem Moda

Chap 3-11
 Medidas de Tendência Central:
Exemplo
Preços das casas:  Média: ($3,000,000/5)
$2,000,000 = $600,000
500,000  Mediana: valor do meio dos dados
300,000
100,000 ordenados
100,000 = $300,000
Soma 3,000,000  Moda: valor mais frequente
= $100,000

Chap 3-12
Medidas de Tendência Central:
Qual medida escolher?
 A média geralmente é usada, a menos que existam
valores extremos (outliers).

 Nesse caso, a mediana é a mais usada, uma vez que

não é sensível a valores extremos. Por exemplo, o
preço mediano de casas pode ser registrado para
uma região por ser menos sensível a outliers.

Chap 3-13
Medidas Separatrizes
 Medidas separatrizes são valores de posição que
dividem o rol em partes iguais, também chamadas
de percentis ou quantis.

 Medidas separatrizes tipicamente usadas:

 Quartis (4 partes)
 Decis (10 partes)
 Centis (100 partes)

Chap 3-14
Quartis
 Quartis dividem os dados ordenados em 4
segmentos com o mesmo número de valores por
segmento.
25% 25% 25% 25%

Q1 Q2 Q3
 O primeiro quartil, Q1, é o valor para o qual 25% das
observações são menoros e 75% são maiores.
 Q2 é o mesmo que a mediana (50% são menores, 50%
são maiores)
 Apenas 25% dos valores são maiores do que o terceiro
quartil, Q3.
Chap 3-15
 Localizando Quartis
Encontre os quartis ao determinar o valor correspondente a
posição apropriada nos dados ordenados, onde

Posição do primeiro quartil: Q1 = (n+1)/4° valor ordenado

Posição do segundo quartil: Q2 = (n+1)/2° valor ordenado

Posição do terceiro: Q3 = 3(n+1)/4° valor ordenado

em que n é o número observado de valores

Chap 3-16
Localizando Quartis
 Regra 1: se o resultado é um número inteiro, então o
quartil corresponde ao valor ordenado nesta posição
 Regra 2: Se o resultado é uma fração com 0.5 (2.5,
3.5, etc), então o quartil é igual a média dos valores
correspondendo as posições adjacentes (2 e 3, 3 e 4,
etc).
 Regra 3: Se o resultado não é inteiro, nem uma
fração com 0.5, então arredonda-se a posiçao para o
inteiro mais próximo e determina-se o valor
correspondente.

Chap 3-17
 Localizando o Primeiro Quartil

 Exemplo: Encontre o primeiro quartil

Amostra ordenada de dados: 11 12 13 16 16 17 18 21 22

Primeiro, note que n = 9.

Q1 esta na posição (9+1)/4 = 2.5 dos dados ordenados,
então é o valor médio entre os 2° e 3° valores ordenados,
Q1 = 12.5

Q1 e Q3 são medidas de locação não centrais

Q2 = mediana, é uma medida de tendência central

Chap 3-18
 Percentis (geral)
Encontre os percentis ao determinar o valor correspondente a
posição apropriada nos dados ordenados com tamanho n, onde:

O percentil de ordem px100 (0<p<1) é o valor da variável que

ocupa a posição px(n+1) do conjunto de dados ordenados.

O percentil de ordem p (ou p-quantil) deixa px100% das

observações abaixo dele na amostra ordenada.

Seguir regras similares às determinadas para os quartis.

Chap 3-19
Medidas de Tendência Central:
A Média Geométrica
 Média geométrica
 Usado para medir a taxa de variação de uma variável ao
longo do tempo

X G ( X 1 X 2  X n )1/ n
 Média geométrica da taxa de retorno
 Mede o status de um investimento ao longo do tempo

R G [(1  R1 ) (1  R 2 )  (1  Rn )]1/ n  1

 Em que Ri é a taxa de retorno no período de tempo i

Chap 3-20
 Medidas de Tendência Central:
A Média Geométrica
Um investimento de $100,000 diminuiu para $50,000 no
final do primeiro ano e voltou a $100,000 no final do
segundo ano:
X1 $100,000 X 2 $50,000 X3 $100,000

Diminuição de 50% Aumento de 100%

O retorno total em dois anos é nulo, visto o investimento que

começou e terminou no mesmo nível.
Chap 3-21
 Medidas de Tendência Central: A
Média Geométrica
Use retornos anuais para computar a média aritmética e
geométrica:

Média ( .5)  (1)

aritmética da X  .25 Resultado enganoso
2
taxa de
retorno:
R G [(1  R1 ) (1  R2 )  (1  Rn )]1/ n  1
Média Resultado
1/ 2
geométrica [(1  ( .5)) (1  (1))] 1 mais
da taxa de [(.50) (2)]1/ 2  1 11/ 2  1 0% acurado
retorno:
Chap 3-22
 Medidas de Tendência Central:
Resumo
Tendência Central

Média Mediana Moda Média

Aritmética geométrica
n
XG ( X1 X 2  Xn )1/ n
X i
X  i1
n Valor do meio Valor
em um rol observado
com mais
frequência

Chap 3-23
Medidas de Variação
 Medidas de variação medem a dispersão de valores
em um conjunto de dados, i. e., o grau de
afastamento dos dados em torno de um valor central.

 Medidas absolutas (Amplitude, Amplitude

interquartil, Variância e Desvio-padrão)
 Medida relativa: Coeficiente de variação

 Indicam se um conjunto de dados é homogêneo ou

heterogêneo.

Chap 3-24
 Medidas de Variação:
Amplitude
 Medida de variação mais simples
 Diferença entre o maior e o menor dos valores:

Amplitude = Xmaior – Xmenor

Exemplo:

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14

Amplitude = 13 - 1 = 12
Chap 3-25
 Medidas de Variação:
Desvantagens da Amplitude
 Ignora a forma na qual os dados são distribuídos

7 8 9 10 11 12 7 8 9 10 11 12
Amplitude = 12 - 7 = 5 Amplitude = 12 - 7 = 5

 sensível a outliers

1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,3,3,3,3,4,5
Amplitude = 5 - 1 = 4

1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,3,3,3,3,4,120
Amplitude = 120 - 1 = 119
Chap 3-26
 Medidas de Variação:
Amplitude Interquartil
 Problemas causados por outliers podem ser eliminados com
o uso de amplitudes interquartis (AIQ).

 A AIQ elimina alguns dos maiores e menores valores e

calcula a amplitude apenas com os valores restantes.

 Amplitude Interquartil= 3° quartil – 1° quartil

= Q3 – Q1

Chap 3-27
 Medidas de Variação:
Amplitude Interquartil
Exemplo:
Mediana
X Q1 Q3 X
mínimo (Q2) máximo
25% 25% 25% 25%

12 30 45 57 70

Amplitude Interquartil
= 57 – 30 = 27

Chap 3-28
Medidas de Variação:
Variância
 A variância é a média (aproximadamente*) do
quadrado dos desvios dos valores em relação a
média.
n

Variância Amostral:
 i
(X  X ) 2

S 2  i1
n -1
Em que X = média aritmética
n = tamanho da amostra
Xi = iesimo valor da variável X
* (n-1: graus de liberdade)

Chap 3-29
Medidas de Variação:
Propriedades da Variância
 P1: A variância de uma constante é nula;
n n

 (k  X(k)) 2
 (k - k) 2

S2 k   i 1  i 1 0
n -1 n -1

 P2: A variância da soma ou diferença de uma constante K com

uma variável é igual a variância da variável;
n n

 (X  k  X -k) 2
 (X- X )2

S2 X  k   i 1  i 1 S2 X 
n-1 n-1

Chap 3-30
Medidas de Variação:
Propriedades da Variância
 P3: A variância do produto de uma constante por uma variável
é igual ao produto do quadrado da constante pela variância da
variável.

n n

 (kX  kX ) 2
 (kX  k X )2

S2 kX   i 1  i 1
n-1 n-1
n

 k (X 
2
X )2
 i 1 k 2S2 X 
n-1

Chap 3-31
 Medidas de Variação:
Desvio-padrão
 Medida de variação mais utilizada
 Mostra variações em relação a média
 Tem a mesma unidade que os dados originais

 i
(X  X ) 2

Desvio-padrão amostral: S i 1
n -1

Chap 3-32
Medidas de Variação:
Desvio-padrão
Passos para computar o desvio-padrão amostral

1. Compute a diferença entre cada valor e a média.

2. Eleve esta diferença ao quadrado.
3. Some os quadrados das diferenças.
4. Divida o total por n-1 para obter a variância
amostral.
5. Tire a raiz quadrada da vairância amostral para
obter o desvio padrão amostral.

Chap 3-33
 Medidas de Variação:
Desvio-padrão
Dados
Amostrais (Xi) : 10 12 14 15 17 18 18 24
n=8 Média = X = 16
(10  X ) 2  (12  X ) 2  (14  X ) 2    (24  X ) 2
S
n 1

(10  16) 2  (12  16) 2  (14  16) 2    (24  16) 2


8 1

126 Uma medida da dispersão

  4.2426
7 “média” em torno da média

Chap 3-34
 Medidas de Variação:
Comparando Desvios-padrão
Dados A
Média = 15.5
11 12 13 14 15 16 17 18 19 20 21 S = 3.338

Dados B Média = 15.5

11 12 13 14 15 16 17 18 19 20
S = 0.926
21

Dados C Média = 15.5

S = 4.570
11 12 13 14 15 16 17 18 19 20 21

Chap 3-35
 Medidas de Variação:
Comparando Desvios-padrão
Desvio-padrão pequeno

Desvio-padrão grande

Chap 3-36
Medidas de Variação:
Resumo de caracteristicas
 Quanto mais dispersos os dados, maior a amplitude,
a amplitude interquartil, a variância e o desvio-
padrão.
 Quanto mais concentrados os dados, menor a
amplitude, a amplitude interquartil, a variância e o
desvio-padrão.
 Se os valores forem todos iguais (sem variação),
todas essas medidas são nulas.
 Essas medidas nunca são negativas.

Chap 3-37
Coeficiente de Variação
 O coeficiente de variação é o desvio-padrão dividido
pela média e multiplicado por 100.
 Sempre é expresso como uma percentagem (%).
 Mostra a variação relativa a média.
 O CV pode ser usado para comparar dois ou mais
conjuntos de dados medidos em diferentes unidades.

 S
CV   100%
X

Chap 3-38
 Coeficiente de Variação
 Ação A:
As duas
 Preço médio do ano passado = $50 ações tem o
 Desvio-padrão = $5 mesmo
 S $5 desvio-

CVA   100%  100% 10% padrão, mas
 $50
X
 Ação B: a ação B é
menos
 Preço médio do ano passado = $100
variável com
 Desvio-padrão = $5 relação ao
 S  $5 seu preço
CVB   100%  100% 5% médio.
X $100
Chap 3-39
 Coeficiente de Variação
 O gerente de operações de um serviço de entregas esta avaliando a
compra de uma nova frota de caminhões. Existem 2 variáveis
importantes no negócio de entregas: peso e o volume.
 Para amostra de 200 pacotes:
 peso médio = 26 kg, desvio-padrão do peso = 3,9kg
 volume médio = 8,8m3, desvio-padrão do volume = 2,2 m3

 S  3,9kg
CVpeso   100%  100% 15%
X 26kg

 S  2,2m 3
CVvolume   100% 
 3
100% 25%
 X  8,8m

Chap 3-40
Localizando Valores Extremos
Escore-Z
 O Escore-Z de um valor é o número de desvios-
padrão que o valor está da média.

 Para computar o escore-Z de um dado, diminua a

média e divida pelo desvio-padrão.

 Quanto maior o valor absoluto do escore-Z, mais

longe o valor está da média.

 Um valor é considerado extremo se o seu escore-Z é

menor do que -3 ou maior do que +3.

Chap 3-41
Localizando Valores Extremos
Escore-Z
X X
Z
S

Em que X representa o valor do dado observado

X é a média amostral
S é o desvio-padrão amostral

Chap 3-42
Localizando Valores Extremos
Escore-Z
 Suponha que a nota média do ENEM seja de 490 e
desvio-padrão de 100.

 Calcule o Escore-Z de um aluno com nota 620.

X  X 620  490 130

Z   1.3
S 100 100

 Um escore de 620 equivale a 1.3 desvios-padrão acima

da média e portanto não seria considerado um valor
extremo.
Chap 3-43
 Formato de uma Distribuição
 Medidas de formato descrevem como os dados se distribuem;
 compreensão mais completa da distribuição de frequências;
 Medidas de forma
 Momentos, assimetria/simetria.

Assimétrica à esquerda Simétrica Assimétrica à direita

Média < Mediana < Mo Média = Mediana = Mo Mo < Mediana < Média

Chap 3-44
Formato de uma Distribuição:
Momentos
 Momentos são medidas de caráter mais geral e dão
origem às demais medidas descritivas:
 tendência central, dispersão, assimetria e curtose.

mr 

 i
X r

Mr 
 X i  X
r


 i
d r

n n n
Momentos simples Momentos centrados
 Conforme a potência, r, considerada tem-se a ordem
ou o grau do momento calculado:
 m0 =1, m1=média aritmética
 M0 = 1, M1=0, M2=variância

Chap 3-45
Medidas Numéricas Descritivas
para a População
 As estatísticas descritivas discutidas descrevem uma
amostra e não a população.

 Medidas descritivas para a população são chamadas

de parâmetros e geralmente denotadas por letras
gregas.

 Parâmetros de população importantes são a média

populacional, a variância populacional e desvio-
padrão populacional.

Chap 3-46
Média Populacional

 A média populacional é a soma dos valores na

população dividida pelo tamanho da população, N.

N

X i
X1  X 2   X N
 i 1

N N

Em que μ = média populacional

N = tamanho da população
Xi = iésimo valor da variável X

Chap 3-47
 Variância Populacional
 A variância populacional é a média do quadrado dos
desvios dos valores em relação a média populacional.

 i
( X  μ) 2

σ 2  i 1
N

Em que μ = média populacional

N = tamanho da população
Xi = iésimo valor da variável X

Chap 3-48
Desvio-Padrão Populacional
 O desvio-padrão populacional é a medida de
variação populacional mais usada.
 A raiz da variância.
 Ele tem a mesma unidade que os dados originais.

 i
( X  μ) 2

σ i 1
N
Em que μ = média populacional
N = tamanho da população
Xi = iésimo valor da variável X

Chap 3-49
 estatísticas Amostrais Versus
Parâmetros Populacionais
Medida Parâmetro estatística
Populacional Amostral
Média
 X
Variância
2 S2
Desvio -
Padrão  S

Chap 3-50
A Regra Empirica*
 A regra empírica aproxima a variação de dados com
distribuição em sino.

Aproximadamente 68% dos dados em uma distribuição

em forma de sino se encontra a mais ou menos um
desvio pardão da média.

68%
μ
μ 1σ
Chap 3-51
A Regra Empirica*
 Aproximadamente 95% dos dados em uma
distrinuição em forma de sino estão a mais ou menos
2 desvios padrão da média.
 Aproximadamente 99.7% dos dados em uma
distrinuição em forma de sino estão a mais ou menos
3 desvios padrão da média.

95% 99.7%

μ 2σ μ 3σ
Chap 3-52
Usando a Regra Empirica*
 Suponha que a nota padronizada de um teste de
matemática tem distribuição em sino com média de
500 e desvio-padrão de 90. Então:
 68% dos alunos testados tem nota entre 410 e
590 (500 +/- 90).
 95% dos alunos testados tem nota entre 320 e
680 (500 +/- 180).
 99.7% dos alunos testados tem nota entre 230 e
770 (500 +/- 270).

Chap 3-53
 A Regra de Chebyshev*
 Para qualquer conjunto de dados (com distribuição
simétrica ou assimétrica), ao menos (1 - 1/k2) dos valores
estão localizados a k desvios padrão da média (for k > 1).

 Exemplos:

Ao menos Localizados a

k=1 (1 - 1/12) = 0% ……..... (μ ± σ)

k=2 (1 - 1/22) = 75% ……..... (μ ± 2σ)
k=3 (1 - 1/32) = 89% ………. (μ ± 3σ)

Chap 3-54
análise Exploratoria de Dados:
Resumo de Cinco números
 Um Resumo de Cinco números consiste de:

 mínimo (Xmenor)
 Primeiro Quartil (Q1)
 Mediana (Q2)
 Terceiro Quartil (Q3)
 máximo (Xmaior)

Chap 3-55
análise Exploratoria de Dados:
Box-Plot
 O Box-Plot é uma apresentação grafica dos 5 nós
(resumo de 5 números).

25% 25% 25% 25%

mínimo 1° Quartil Mediana 3° Quartil máximo

Chap 3-56
análise Exploratoria de Dados:
Box-Plot
 O quadro e a linha central estão localizados no meio
dos pontos extremos se os dados forem simétricos em
torno da média.

Min Q1 Mediana Q3 Max

 Um gráfico Box-Plot pode ser apresentado tanto na
vertical quanto na horizontal.

Chap 3-57
 análise Exploratoria de Dados:
Box-Plot

Assim. à Esq Simétrica Assim. à Dir

Q1 Q2Q3 Q1Q2Q3 Q1 Q2 Q3

Chap 3-58
 Covariância Amostral
 A covariância amostral mede a força da relação linear
entre duas variáveis.

 Covariância amostral:
 ( X  X)( Y  Y )
i i
cov ( X , Y )  i1
n 1

 A covariância somente reflete a força da relação entre as

variáveis.
 Não representa um efeito de causalidade!

Chap 3-59
 Covariância Amostral

 Covariância entre duas variáveis:

 cov(X,Y) > 0 : X e Y tendem a se mover na mesma direção.

 cov(X,Y) < 0: X e Y tendem a se mover em direções opostas

 cov(X,Y) = 0 : X e Y são linearmente independentes.

Chap 3-60
 Coeficiente de Correlação
 O coeficiente de correlação mede a força relativa da
relação linear entre duas variáveis.

 Coeficiente de correlação amostral:

 ( X  X)( Y  Y )
i i
cov ( X , Y )
r i1

n n SX SY
 ( Xi  X )
i1
2
 i
(
i1
Y  Y ) 2

Chap 3-61
 Coeficiente de Correlação:
Propriedades
 Adimensional
 Varia entre -1 e 1
 Quanto mais próximo de -1 mais forte é a relação linear
negativa entre as variavies
 Quanto mais próximo de 1, mais forte é a relação linear
positiva entre as variáveis.
 Quanto mais próximo de 0, mais fraca é a relação linear
entre as variáveis.

Chap 3-62
 Coeficiente de Correlação
Y Y Y

X X X
r = -1 r = -.6 r=0

Y Y

X X
X
r = +1 r = +.3
Chap 3-63
 Coeficiente de Correlação:
Exemplo
 r = .733

Grafico de Dispersão das Notas nas

 Claramente existe uma 100 Provas
95

Nota na 2a Prova
relação linear positiva 90

entre a nota na 1a prova e 85

a nota na 2a prova. 80

75

70
70 75 80 85 90 95 100
Nota na 1a Prova
 Alunos que tiraram notas
boas na 1a prova tendem
a tirar notas boas na 2a
prova.

Chap 3-64
 Armadilhas em Medidas
Descritivas
 A análise de dados é objetiva
 Uma análise de dados sempre deve apresentar as medidas
descritivas que melhor atendem as hipóteses a respeito do
conjunto de dados.

 A Interpretação dos dados é subjetiva

 A interpretação deve ser honesta, neutra e clara.

Chap 3-65
 Considerações Éticas

Medidas Descritivas Numéricas:

 Devem documentar tanto os resultados bons quanto os
resultados ruins.

 Não deve-se usar medidas descritivas inadequadas para

distorcer os fatos.

 Ficar atento para omissões ao ler estatísticas descritivas, pois

elas podem esconder fatos que não estão de acordo com o
ponto de vista do autor.

Chap 3-66
 Considerações Éticas

Citações:

 “ Ha três tipos de mentiras: mentiras, mentiras descabeladas,

e estatísticas”
Benjamin Disraeli (ex primeiro-ministro britânico)
 “Se você torturar, os dados confessam”
Gregg Easterbrook
 “A estatística é como um biquini. O que ela revela é
interessante, mas o que ela esconde é vital”.
Aaron Levenstein

Chap 3-67
Resumo
Nesta parte, vimos:

 Medidas de tendência central

 Média, mediana, moda e média geométrica.
 Medidas separatrizes
 Medidas de variação
 Amplitude, Amplitude Interquartil, variância, desvio-
padrão e coeficiente de variação
 Formatos de distribuição
 Momentos, Distribuições simétricas, assimétricas e
diagramas Box-Plot.
Chap 3-68
Resumo
Nesta parte, vimos:

 Covariância e coeficiente de correlação.

 Armadilhas da estatística.

Chap 3-69
Questões Recapitulativas
 Quais propriedades de um conjunto de dados nós vimos
em sala de aula?
 O que significa a propriedade de tendência central?
 Quais são as diferenças entre a média aritmética, a
mediana e a moda, e quais são as vantagens e
desvantagens de cada uma delas?
 Como você interpreta o primeiro quartil, a mediana e o
terceiro quartil?
 O que significa a propriedade de variação?
 Quais são as diferenças entre as diversas medidas de
variação e quais as vantagens de cada uma delas?
 O que significa a medida de escore Z?

Chap 3-70
Questões Recapitulativas
 De que modo a regra empírica ajuda a explicar os meios
pelos quais se concentram e se distribuem as
observações em um conjunto de dados numéricos?
 De que modo diferem a regra empírica e a regra de
Chebyshev?
 O que significa a propriedade de formato?
 De que modo diferem a covariância e a correlação?

Chap 3-71