ME951 - Estatística e

Probabilidade I
Parte 2
Análise Descritiva
Análise Descritiva Univariada
Na aula passada trabalhamos na análise descritiva univariada para variáveis
categóricas (nominal e ordinal) e quantitativas (discreta e contínua).

Relembrando, a análise descritiva univariada consiste em:

· classificar a variável quanto ao seu tipo

· obter tabela, gráfico e/ou medidas

resumo apropriados

Na aula de hoje, falaremos sobre

estatísticas sumárias ou medidas
resumo, tanto de posição quanto de
dispersão.

3/40
Medidas Resumo
Vimos na aula anterior como usar gráficos e tabelas de frequência para resumir
os dados.

Podemos também usar estatísticas sumárias (ou medidas resumo):

quantidades numéricas calculadas a partir dos dados.

Por exemplo, podemos estar interessados em encontrar qual seria um valor

“típico” do conjunto de dados.

Podemos então usar uma estatística que

descreva o centro da distribuição dos dados.

Objetivo: resumir os dados, através de valores

que representem o conjunto de dados em
relação à alguma característica (posição,
dispersão).

4/40
Medidas de Posição Central
Média Aritmética
Se x1 , x2 , … , xn são as n observações, a média aritmética é:
n
1
x̄ = xi
n ∑
i=1

A média pode ser interpretada como o ponto de equilíbrio de uma distribuição.

6/40
Exemplo: Cereais matinais
Temos cereias matinais de várias marcas e observamos a quantidade de calorias
e carboidratos em porções de 30g.

Calorias e Carboidratos (Porções de 30g)

Cereal Calorias Carboidratos

Sucrilhos 109 26.0

All Bran 81 13.5

Nesfit 102 21.0

Nescau 115 23.0

Snow 113 25.0

Crunch 119 23.0

Moça 113 25.0

Fibra Mais 84 15.0

Froot Loops 113 25.0

7/40
Exemplo: Cereais matinais
Calorias dos 9 cereais: 109, 81, 102, 115, 113, 119, 113, 84, 113

xi : calorias do cereal i.

n 9
1 1
x̄ = xi = xi = 105.44
n ∑ 9 ∑
i=1 i=1

No gráfico de pontos abaixo, os pontos azuis representam as observações e a

linha vermelha representa a média.

8/40
Mediana
Mediana: valor que separa os dados em dois grupos de tamanhos iguais, ou
seja, 50% das observações em cada, de acordo com seus valores ordenados.

Para determinar a mediana (também conhecida como Q2 ), ordene as n

observações: x(1) , x(2) , … , x(k) , … , x(n)

· Se n é ímpar: a mediana é o valor do meio, na sequência ordenada.

· Se n é par: a mediana, por convenção, é a média aritmética das duas

observações que caem no meio da sequência ordenada.

A fórmula da mediana pode ser escrita como:

⎧ x n+1 , se n é ímpar

⎪ ( 2 )
Q2 = ⎨ x n +x n
⎪ (2) (
2
+1
)

⎩ , se n é par
2

9/40
Exemplo: Cereais matinais
Calorias dos 9 cereais:

109, 81, 102, 115, 113, 119, 113, 84, 113

Calorias em ordem crescente:

81, 84, 102, 109, 113, 113, 113, 115, 119

A mediana é 5ª observação, ou seja, 113.

Se descartássemos o maior valor, 119, teríamos oito observações e aí a mediana

seria:

109 + 113
mediana = = 111.
2

10/40
Moda
A moda é o valor com maior número de ocorrências nos dados.

Calorias dos 9 cereais:

109, 81, 102, 115, 113, 119, 113, 84, 113

Tabela de frequências:
81 84 102 109 113 115 119

1 1 1 1 3 1 1

Portanto, a moda de calorias dos cereias

é 113.

11/40
Exemplo: Emissão de CO2
Veja a tabela com dados da emissão de CO2 per capita (em toneladas) para 8
países, em 2009.

País Emissão CO2

China 5.8
Índia 1.7
EUA 17.3
Indonésia 1.9
40.9
Brasil 1.9 Média: x̄ = ≈ 5.11
8
Rússia 11.1
Paquistão 0.9 Dados Ordenados: 0.3, 0.9, 1.7, 1.9, 1.9, 5.8, 11.1, 17.3

Mediana = 1.9
Bangladesh 0.3
Fonte: A mediana é bem menor do que a média.
http://data.worldbank.org

12/40
Exemplo: Emissão de CO2
Veja a tabela com dados da emissão de CO2 per capita (em toneladas) para 8
países, em 2009.

País Emissão CO2 Se desconsiderarmos os EUA (maior valor):

China 5.8
23.6
Índia 1.7 Média: x̄ = ≈ 3.37
7
EUA 17.3
Dados Ordenados: 0.3, 0.9, 1.7, 1.9, 1.9, 5.8, 11.1

Indonésia 1.9
Mediana = 1.9
Brasil 1.9
Mediana é menos afetada por valores muito extremos
Rússia 11.1
(muito diferentes do resto das observações) que a média.
Paquistão 0.9
Bangladesh 0.3 Dizemos que a mediana é mais robusta que a média.
Fonte:
http://data.worldbank.org

13/40
Exemplo: SleepStudy
Vamos voltar no exemplo SleepStudy: amostra de
253 alunos universitários que fizeram testes para
medir função cognitiva, além de outras informações
sobre hábitos relacionados ao sono.

Considere a variável AverageSleep, a média de

horas de sono em todos os dias.

Como são muitos valores, podemos usar

um software (R, Excel, etc) para calcular a
média e mediana:

Média = 7.97 e Mediana = 8

Será que o fato desses valores serem

próximos é uma coincidência?

14/40
Exemplo: número de casamentos
Os dados abaixo referem-se ao número de vezes que homens e mulheres se
casaram.

Número de Casamentos Mulheres Homens Você acha que existe diferença entre
homens e mulheres quanto ao número
0 5861 7074
de casamentos ?
1 2773 1561
Qual medida de posição você usaria para
2 105 43
apresentar a diferença entre homens e
Total 8739 8678 mulheres: média, mediana ou moda?

Moda

A moda entre os homens é: 0

A moda entre as mulheres é: 0

Fonte: http://www.census.gov/prod/2002pubs/p70-80.pdf

15/40
Exemplo: número de casamentos
Número de Casamentos Mulheres Homens Mediana
0 5861 7074 Para as mulheres, a amostra ordenada é:
1 2773 1561
0 0 0 … 0 1 1 1 … 1 2 2 2 … 2
2 105 43         

5861 0's 2773 1's 105 2's

Total 8739 8678

Como n = 8739 é ímpar, a observação central está na posição

(1 + 8739)/2 = 4370 e essa observação é 0. Portanto, a mediana é 0 para as

mulheres.

Para os homens, analogamente, a mediana também é 0.

Para dados discretos com poucos valores diferentes, a mediana ignora muita
informação.

16/40
Exemplo: número de casamentos
Número de Casamentos Mulheres Homens Média
0 5861 7074 Para as mulheres, a média é:
1 2773 1561
0 × 5861 + 1 × 2773 + 2 × 105
2 105 43 x̄ = = 0.34
8739

Total 8739 8678

Para os homens, a média é:

0 × 7074 + 1 × 1561 + 2 × 43
x̄ = = 0.19
8678

Nesse caso, temos que a média é a medida de posição que consegue diferenciar
homens e mulheres quanto ao número de casamentos.

17/40
Exemplo: número de casamentos
Como o número de casamentos assume apenas os valores 0, 1 e 2, podemos
apresentar os dados usando um gráficos de barra.

Número de Casamentos Mulheres Homens

0 5861 7074
1 2773 1561
2 105 43
Total 8739 8678

18/40
Mediana é resistente a observações discrepantes
Considere os três conjuntos de dados abaixo:

A : 8, 9, 10, 11, 12

B : 8, 9, 10, 11, 100

C : 8, 9, 10, 11, 1000

Para cada conjunto, calcule a média e a mediana e compare-as.

Média de A: 10 Mediana de A: 10

Média de B: 27.6 Mediana de B: 10

Média de C : 207.6 Mediana de C : 10

19/40
Exemplo: Transporte
Uma empresária cuja empresa está localizada na Av. Paulista, em São Paulo, está
preocupada com a quantidade de gasolina gasta pelos seus funcionários. Ela
quer promover o uso de transporte público entre seus funcionários. Ela decide
investigar a extensão, em km, do trajeto percorrido por cada funcionário caso
usassem transporte público durante um dia típico.

Para seus 10 funcionários, os valores são:

1, 1, 4, 1, 1, 1, 10, 1, 6, 1

Encontre a média, a mediana e a moda.

Média é 2.7.

Valores ordenados: 1,1,1,1,1,1,1,4,6,10.

Mediana e moda são iguais a 1.

20/40
Exemplo: Transporte
A empresária acabou de contratar um novo funcionário. Ele percorre 90 km em
transporte público. Recalcule a média e a mediana.

1, 1, 4, 1, 1, 1, 10, 1, 6, 1, 90

Valores ordenados: 1, 1, 1, 1, 1, 1, 1, 4, 6, 10, 90.

Mediana é 1.

Média é 10.64.

Qual medida de posição representa melhor a distância do grupo de

funcionários?

21/40
Exemplo: Acidentes com Moto
Dados: entrevistas com 60 pessoas,
em que cada uma relata o número de
acidentes com moto que sofreu no
último ano.

Por que a média seria provavelmente

mais útil do que a mediana para
resumir os dados?

22/40
Exemplo: Salários
A média salarial anual em 1998 nos EUA para pessoas com ensino superior era
$528.200.

A mediana do salário anual em 1998 nos EUA para pessoas com ensino superior
era $146.400.

Reflita sobre as estatísticas sumárias apresentadas e responda:

1. Por que a média e a mediana diferem tanto?

2. Qual medida de posição você acredita que retrata de maneira mais realística
um salário típico de pessoas com ensino superior nos EUA em 1998?

23/40
Exemplo: Sindicato
O sindicato dos trabalhadores está reivindicando aumento de salário em uma
certa fábrica.

Explique por que o sindicato poderia usar a mediana dos salários de todos os
empregados para justificar um aumento, enquanto que o gerente da fábrica
poderia usar a média para argumentar que um aumento não é necessário?

24/40
Média, mediana e a distribuição dos dados
A figura a seguir mostra gráficos para três conjuntos de dados: A, B e C.

O que você esperaria da relação entre média e mediana para esses dados?

25/40
Média, mediana e a distribuição dos dados
Para cada uma das distribuições (A, B, C), qual medida seria maior: média ou
mediana?

Gráfico A: média é 3.36, mediana é 3.

Gráfico B: média é 5, mediana é 5.

Gráfico C: média é 5, mediana é 5.

26/40
Assimetria (Caso Unimodal)

Se os dados são simétricos, a média coincide com a mediana e a moda.

Assimetria à direita (positiva): Média > Mediana > Moda

Assimetria à esquerda (negativa): Média < Mediana < Moda

27/40
Medidas de Dispersão
Exemplo: Salário professor de música
Salário anual hipotético de professores de música na Dinamarca (esquerda) e
nos EUA (direita).

Média salarial Dinamarca: 40.02. Média salarial EUA: 39.87.

29/40
Amplitude
Uma medida de dispersão é amplitude: a diferença entre o maior e o menor
valor observado na amostra.

Na Dinamarca:

· Salários variam de 27 a 52.

· Amplitude = 52 − 27=25.

Nos EUA:

· Salários variam de 9 a 75.

· Amplitude = 75 − 9 = 66.

Problema com a amplitude: utiliza apenas duas

observações (a máxima e a mínima).

30/40
Medidas de Dispersão
Considere dois conjuntos de dados:

A = {1, 2, 5, 6, 6} eB = {−40, 0, 5, 20, 35}

Ambos com média 4 e mediana 5.

No entanto, claramente temos que os valores de B são mais dispersos do que

em A.

Que medida podemos usar para considerar essa característica dos dados?

31/40
Medidas de Dispersão
Podemos observar quão afastadas de uma determinada medida de posição
estão as observações.

Desvio de uma observação xi da média x̄ é a diferença entre a observação e a

média dos dados: (xi − x̄) .

· O desvio é negativo quando a observação tem valor menor do que a média.

· O desvio é positivo quando a observação tem valor maior do que a média.

Estamos interessados nos desvios de todos os pontos xi ’s, então poderia-se

propor a seguinte medida de dispersão: ∑i=1 (xi − x̄).
n

Qual o problema?

· A média representa o ponto de balanço dos dados, então os desvios irão se

contrabalancear, ou seja: ∑i=1 (xi − x̄) = 0.
n

32/40
Medidas de Dispersão
Além do mais, uma medida de dispersão onde os desvios positivos e negativos
se cancelam, não seria útil.

Queremos que se leve em conta cada desvio, independente do sinal.

Alternativas:
n n

2
∣ xi − x̄ ∣ ou (xi − x̄)
∑ ∑
i=1 i=1

Ambas alternativas evitam que desvios iguais em módulo, mas com sinais
opostos, se anulem.
n n

Nota: Veja que

2 2 2
(xi − x̄) = x − nx̄ .
i
∑ ∑
i=1 i=1

33/40
Variância e Desvio padrão
A média dos desvios ao quadrado é denominada variância:
n
1
2 2
s = (xi − x̄)
n − 1 ∑
i=1

Desvio padrão é a raiz quadrada da variância:

‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾
n ‾
 1
2
s =  (xi − x̄)
n − 1 ∑
i=1
⎷

Interpretação: distância típica entre uma observação e a média dos dados.

Quanto maior s, maior a dispersão dos dados.

34/40
Exemplo A
Conjunto de dados A : {1, 2, 5, 6, 6} .

20
A média é x̄ = = 4.
5

Então, a variância é:

9 + 4 + 1 + 4 + 4
2
s = = 5.5,
5 − 1

e o desvio padrão:

2
s = √‾
s‾ = √5.5
‾‾‾ = 2.35.

35/40
Exemplo B
Conjunto de dados B : {−40, 0, 5, 20, 35} .

20
A média é x̄ = = 4.
5

Então, a variância é:

1936 + 16 + 1 + 256 + 961

2
s = = 792.5,
5 − 1

e o desvio padrão:

2
s = √‾
s‾ = √792.5
‾‾‾‾‾ = 28.15.

36/40
Exemplo: Salário professor de música

Salários na Dinamarca: média = 40.02 e variância= 15.76.

Salários nos EUA: média = 39.87 e variância= 99.5.

37/40
Exemplo: “Qual o número ideal de filhos?”
Homens: 0, 0, 0, 4, 4, 4, 2

Mulheres: 0, 2, 2, 2, 2, 2, 4

Média: 2 (para ambos os sexos)

Amplitude: 4 (para ambos os sexos)

Para homens, desvio típico da média parece estar em

torno de 2

Desvio padrão: s = 2

Para mulheres, desvio típico da média é menor do

que o dos homens, pois a grande maioria das
observações coincide com a própria média.

Desvio padrão: s = 1.15

38/40
Exemplo: Prova 1 de ME414
A primeira prova de ME414 teve um total de 100 pontos. Suponha que a média
tenha sido 80.

Qual seria um valor plausível para o desvio padrão das notas da classe? s: 0, 10
ou 50.

· : todos os alunos tiraram a

s = 0

mesma nota.
· s = 50 : uma nota típica da classe
estaria 50 pontos distante da média,
ou seja, 30 ou 130 pontos.
· s = 10 : notas típicas seriam de 70
ou 90.

39/40
Leitura
· Ross: seções 3.1, 3.2, 3.3, 3.4, 3.5

· Khan Academy: Por que n − 1 no cálculo de s2 ?

· Simulação mostrando o porque de usarmos n − 1 no cálculo de s2

Slides produzidos pelos professores:

· Samara Kiihl

· Tatiana Benaglia

· Benilton Carvalho

· Larissa Matos

40/40