1 / 47

IV - Descrição e Apresentação dos Dados

IV - Descrição e Apresentação dos Dados. Prof. Herondino. Dados. A palavra "dados" é um termo relativo, tratamento de dados comumente ocorre por etapas, e os "dados processados" a partir de uma etapa podem ser considerados os "dados brutos" do próximo. (Wikipédia) Dados Brutos

brent
Download Presentation

IV - Descrição e Apresentação dos Dados

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. IV - Descrição e Apresentação dos Dados Prof. Herondino

  2. Dados • A palavra "dados" é um termo relativo, tratamento de dados comumente ocorre por etapas, e os "dados processados" a partir de uma etapa podem ser considerados os "dados brutos" do próximo. (Wikipédia) • Dados Brutos • Em informática dados brutos (raw data) designam os dados/valores recolhidos e estocados tal qual foram adquiridos, sem terem sofrido o menor tratamento (Wikipédia)

  3. Dados Brutos • Suponhamos o seguintes dados Brutos como sendo a idade de alunos de uma turma de informática 14 12 13 11 12 13 16 14 14 15 17 14 11 13 14 15 13 12 14 13 14 13 15 16 12 12

  4. Frequência • A frequência de uma observação é o número de repetições dessa observação no conjunto de observações, ou ainda, é o número de vezes que conjuntos de dados aparecem em uma “população”.

  5. Distribuição de Frequência Simples ( ) Dados ou variável (Idade) Frequência (nº de Alunos)

  6. Frequências Relativas • A frequência relativa é o valor da frequência absoluta dividido pelo número total de observações.

  7. Frequência Acumulada

  8. Regras de arredondamento na Numeração Decimal • Norma ABNT NBR 5891 • 1) Quando o algarismo imediatamente seguinte ao último algarismo a ser conservado for inferior a 5, o último algarismo a ser conservado permanecerá sem modificação • Exemplo: 1,333 3 arredondado à primeira decimal tornar-se-á 1,3

  9. Regras de arredondamento na Numeração Decimal • 2) Quando o algarismo imediatamente seguinte ao último algarismo a ser conservado for superior a 5, ou, sendo 5, for seguido de no mínimo um algarismo diferente de zero, o último algarismo a ser conservado deverá ser aumentado de uma unidade • Exemplo • 1,666 6 arredondado à primeira decimal tornar-se-á: 1,7.4,850 5 arredondados à primeira decimal tornar-se-ão : 4,9.

  10. Regras de arredondamento na Numeração Decimal • 3) Quando o algarismo imediatamente seguinte ao último algarismo a ser conservado for 5 seguido de zeros, dever-se-á arredondar o algarismo a ser conservado para o algarismo par mais próximo. Consequentemente, o último a ser retirado, se for ímpar, aumentará uma unidade. • Exemplo: 4,550 0 arredondados à primeira decimal tornar-se-ão: 4,6.

  11. Regras de arredondamento na Numeração Decimal 4) Quando o algarismo imediatamente seguinte ao último a ser conservado for 5 seguido de zeros, se for par o algarismo a ser conservado, ele permanecerá sem modificação. • Exemplo:4,850 0 arredondados à primeira decimal tornar-se-ão: 4,8.

  12. Atividade - III • Verificar a altura em centímetro de cada aluno da turma e construir uma sequência de Dados Brutos; • A partir dos Dados Brutos obtidos, construir a distribuição de frequência absoluta simples, a frequência relativa, frequência acumulada e frequência relativa acumulada. Para o arredondamento utilize a regra da ABNT 5891.

  13. Apresentação dos dados • Quando se dispõe de um grande número de observações, torna-se extremamente difícil a leitura de valores colocados em tabela.

  14. Histograma • Um histograma é uma representação gráfica de uma única variável que representa a frequência de ocorrências (valores dos dados) dentro de categorias de dados. • O histograma tanto pode ser representado para as frequências absolutas como para as frequências relativas.

  15. Polígono de Frequência O Polígono de frequências é obtido ligando-se os pontos médios dos topos dos retângulos de um histograma.

  16. Sobrepondo

  17. Histograma de frequência acumulada (ou ogiva) • histograma de frequência acumulada (ou ogiva) é a representação gráfica do comportamento da frequência acumulada.

  18. Gráfico de Setores É designado por um círculo, onde cada classe é representada por um setor circular, cujo ângulo é proporcional ao tamanho da amostra.

  19. Distribuição de Frequência agrupadas em Classe • Para a determinação de classes não existe uma regra pré estabelecida, sendo necessário um pouco de tentativa e erro para a solução mais adequada. • 1. Definir o número de classes • Senrepresenta o número de observações (na amostra ou na população, conforme for o caso) o número aproximado de classes pode ser calculado por Número de Classes = arredondando os resultados.

  20. Exemplo Altura em cm da Turma CA 2013 Nº de Classes = Fazendo arredondamento para 6 Fonte: Marques, 2013

  21. Distribuição de Frequência agrupadas em Classe • 2. Calcular a amplitude das classes • Essa será obtida conhecendo-se o número de classes e amplitude total dos dados. • A amplitude total dos dados é o resultado da subtração valor máximo - valor mínimo da série de dados

  22. Exemplo Rol Fonte: Vaz,2013

  23. Distribuição de Frequência agrupadas em Classe • 3. Distribui a frequência dos dados agrupados por classe • O limite superior de cada classe é aberto (e consequentemente, o limite inferior de cada classe é fechado), ou seja, cada intervalo de classe não inclui o valor de seu limite superior, com exceção da última classe. Limite Inferior Limite Superior

  24. Distribuição de Frequência agrupadas em Classe Fonte: Tillmann, 2013

  25. Medidas de posição ou tendência central 1. Média Aritmética

  26. Exemplo: • A nota final (NF) do curso será dada pela fórmula: • Em que: • AP – Avaliação Parcial • AF – Avaliação Final • Sendo AP (Avaliação Parcial) a média aritmética das atividades propostas (AT1, AT2,...,ATn) • A cada AT será atribuído valores de 1 a 5.

  27. Exemplo:

  28. Medidas de posição ou tendência central Propriedades da média aritmética • A média é um valor típico, ou seja, ela é o centro de gravidade da distribuição, um ponto de equilíbrio. Seu valor pode ser substituído pelo valor de cada item na série de dados sem mudar o total. Simbolicamente temos: • 2. A soma dos desvios das observações em relação a média é igual a zero. • A soma dos desvios elevados ao quadrado das observações em relação a média é menor que qualquer soma de quadrados de desvios em relação a qualquer outro número. Em outras palavras, • é um mínimo.

  29. Exemplo

  30. Medidas de posição ou tendência central • 2. Média Ponderada Onde é o peso da observação i

  31. 0,30 8,0 0,30 Ap peso nota Ap1 Ap2 9,0 Final 9,6 0,40 Exemplo • A universidade definiu que as avaliações parciais teriam peso de 30% e a prova final teria peso de 40% no cálculo dos rendimentos dos alunos. Veja o quadro abaixo e calcule a média do aluno.

  32. Média aritmética Ponderada em dados agrupados

  33. Média aritmética Ponderada em dados agrupados

  34. Mediana (Md) • A mediana é o valor do item central da série quando estes são arranjados em ordem de magnitude Exemplo: • 2, 4, 5, 7, 8 Md=5 • 2, 5, 6, 9, 10, 13, 15 Md=9 • 3, 5 ,8 ,10, 15 ,21 Md=9 Para o calculo da mediana, têm-se: Se a série for ímparsua posição será dada por ou se for Par a sua posição é dada por

  35. Mediana (Md) • Cálculo da mediana • Se série ímpar • Ex: Calcule a mediana da série { 1, 3, 0, 0, 2, 4, 1, 2, 5 } Md=2

  36. Mediana (Md) • Cálculo da mediana • Se a sequência for par • Ex: Calcule a mediana da série { 1, 3, 0, 0, 2, 4, 1, 3, 5, 6 }

  37. Mediana (Md) para valores agrupados • A partir da distribuição de frequência acumulada ou ogiva, inicialmente determina-se a classe que contem a mediana.

  38. Mediana (Md) para valores agrupados • mmm 17 9 158 Md 164

  39. Mediana (Md) para valores agrupados = limite de classe inferior da classe da mediana; = frequência acumulada da classe imediatamente anterior à classe da mediana; = frequência absoluta simples da classe da mediana, = amplitude (tamanho) da classe da mediana.

  40. Exemplo:

  41. Moda (Mo) • É o valor que ocorre com maior frequência em uma série de valores. Exemplos: a){ 7 , 8 , 9 , 10 , 10 , 10 , 11 , 12 } a moda é igual a 10. b){ 3 , 5 , 8 , 10 , 12 } não apresenta moda. A série éamodal. c){ 2 , 3 , 4 , 4 , 4 , 5 , 6 , 7 , 7 , 7 , 8 , 9 } apresenta duas modas: 4 e 7. A série é bimodal.

  42. Moda (Mo) – Dados agrupados • Sem intervalo de classe: é o valor da variável de maior frequência. • Exemplo:

  43. Moda (Mo) – Dados agrupados • Com intervalos de classe: A classe que apresenta a maior frequência é denominada classe modal. Nesta, é o valor dominante que está compreendido entre os limites da classe modal. O cálculo da moda consiste em tomar o ponto médio da classe modal (Moda Bruta).

  44. Moda (Mo) – Classes agrupada • Método pela fórmula de CZUBER: : limite inferior da classe modal : frequência anterior a classe modal : frequência posterior a classe moda : frequência da classe modal : amplitude da classe modal

  45. Interpretação Geométrica

  46. Atividade IV

  47. Referência • BERTHOUEX, Paul Mac; BROWN, Linfield C.. Statistics for Environmental Engineers. 2ª Boca Raton London New York Washington, D.c: Lewis Publishers, 2002. • MORETTIN, Pedro Alberto; BUSSAB, Wilton de Oliveira. Estatística básica. São Paulo: Saraiva, 2006. • TRIOLA, Mario F. Introdução à estatística. Rio de Janeiro: LTC, 1999.

More Related