análise descritiva de dados
DESCRIPTION
Análise Descritiva de Dados. ESTATISTICA Aula 4. CURVA NORMALIDADE. É um modelo teórico ou ideal que resulta muito mais de uma equação matemática do que de um real delineamento de pesquisa com posterior coleta de dados;. UTILIDADE. - PowerPoint PPT PresentationTRANSCRIPT
![Page 1: Análise Descritiva de Dados](https://reader036.vdocuments.com.br/reader036/viewer/2022062315/56814e78550346895dbc1237/html5/thumbnails/1.jpg)
Análise Descritiva de DadosAnálise Descritiva de Dados
ESTATISTICA
Aula 4
1PROF: CÉLIO SOUZA
![Page 2: Análise Descritiva de Dados](https://reader036.vdocuments.com.br/reader036/viewer/2022062315/56814e78550346895dbc1237/html5/thumbnails/2.jpg)
• É um modelo teórico ou ideal que resulta muito mais de uma equação matemática do que de um real delineamento de pesquisa com posterior coleta de dados;
• A curva normal pode ser usada na descrição de distribuições de escores;
• Na interpretação do desvio padrão;
CURVA NORMALIDADE
UTILIDADE
• Afirmações relacionadas com a noção de probabilidade (possibilidade, predição);
![Page 3: Análise Descritiva de Dados](https://reader036.vdocuments.com.br/reader036/viewer/2022062315/56814e78550346895dbc1237/html5/thumbnails/3.jpg)
3,1416
e = 2,7183
Y = ordenada correspondente a um dado valor de X
=π
A FÓRMULA
![Page 4: Análise Descritiva de Dados](https://reader036.vdocuments.com.br/reader036/viewer/2022062315/56814e78550346895dbc1237/html5/thumbnails/4.jpg)
100 110 120 130 140 60 70 80 90
Distribuição Hipotética
A maioria dos Q.IS situando-se entre 90 e 110 – Pouquíssimos
“gênios” > 140 e pouquíssimas criaturas menos privilegiadas > 60;
Simétrica
Forma de Sino Suave Unimodal
![Page 5: Análise Descritiva de Dados](https://reader036.vdocuments.com.br/reader036/viewer/2022062315/56814e78550346895dbc1237/html5/thumbnails/5.jpg)
Distribuição de Renda “Per Capita” (Nações do Mundo)
0
2
4
6
8
10
12
14
16
18
500 750 800 850 1000 1250 1350 1500 2000 2500
Renda (US$)
Fre
qu
ênci
aDistribuição Assimétrica
![Page 6: Análise Descritiva de Dados](https://reader036.vdocuments.com.br/reader036/viewer/2022062315/56814e78550346895dbc1237/html5/thumbnails/6.jpg)
34,17%
+ 1δ X
Porcentagem da Área Total sob a Curva Normal Limitada por X e por um Desvio Padrão acima de X;
![Page 7: Análise Descritiva de Dados](https://reader036.vdocuments.com.br/reader036/viewer/2022062315/56814e78550346895dbc1237/html5/thumbnails/7.jpg)
+ 1δ X + 2δ + 3δ
34,17%
49,87%
47,72%
Porcentagem da Área Total sob a Curva Normal Limitada por X e por
Dois Desvios Padrões acima de X;
![Page 8: Análise Descritiva de Dados](https://reader036.vdocuments.com.br/reader036/viewer/2022062315/56814e78550346895dbc1237/html5/thumbnails/8.jpg)
+ 1δ X + 2δ + 3δ
68,26%
99,74%
95,44%
Porcentagem da Área Total sob a Curva Normal Limitada por X e por
Dois Desvios Padrões acima de X;
- 1δ - 2δ - 3δ
![Page 9: Análise Descritiva de Dados](https://reader036.vdocuments.com.br/reader036/viewer/2022062315/56814e78550346895dbc1237/html5/thumbnails/9.jpg)
Observando-se um no suficiente de casos, as variáveisassumirão uma distribuição normal (Curva de Gauss)
Mede o desvio em relação à média, expresso em unidades de desvio padrão;
Curva Normal (Escore Z)
Escore “z”
Z =X - X
δ
MédiaEscoreBruto
DesvioPadrão
![Page 10: Análise Descritiva de Dados](https://reader036.vdocuments.com.br/reader036/viewer/2022062315/56814e78550346895dbc1237/html5/thumbnails/10.jpg)
Z =7.000 – 5.000
1.500+1.33=
$5.000 $7.000
Z = +1.33
![Page 11: Análise Descritiva de Dados](https://reader036.vdocuments.com.br/reader036/viewer/2022062315/56814e78550346895dbc1237/html5/thumbnails/11.jpg)
PROF: CÉLIO SOUZA 11
Atenção: Dependendo do tipo de dados com os quais estivermos trabalhando serão mais indicados, um ou outro tipo de análise estatística.
Teste de Hipótese - “O resultado antecipado de um estudo ou experimento. A solução antecipada para o problema pode ser baseada em alguma teoria, ou na experiência e observação anteriores do pesquisador” (THOMAS & NELSON, 2002)
![Page 12: Análise Descritiva de Dados](https://reader036.vdocuments.com.br/reader036/viewer/2022062315/56814e78550346895dbc1237/html5/thumbnails/12.jpg)
Hipótese nula (H0): Hipótese sobre a qual o teste é montado. Na maior parte dos casos é a hipótese de que "não
há diferença". Em geral não é a hipótese que se deseja comprovar. Hipótese alternativa (HA): Hipótese que vai ser comparada à hipótese nula. Na maior parte dos casos é a hipótese de que "há
diferença". Em geral é a hipótese que se deseja comprovar.
PROF: CÉLIO SOUZA 12
![Page 13: Análise Descritiva de Dados](https://reader036.vdocuments.com.br/reader036/viewer/2022062315/56814e78550346895dbc1237/html5/thumbnails/13.jpg)
Hipótese nula (H0): Em geral não é a hipótese que se deseja
comprovar "não estabelece padrão de
normalidade". . Hipótese alternativa (HA): "estabelece padrão de normalidade"".
PROF: CÉLIO SOUZA 13
![Page 14: Análise Descritiva de Dados](https://reader036.vdocuments.com.br/reader036/viewer/2022062315/56814e78550346895dbc1237/html5/thumbnails/14.jpg)
- Se p > = 0.1, não existe evidência contra a hipótese nula (H0), não é possível rejeitar a hipótese nula;- Se p < 0.1, fraca evidência contra a H0;- Se p < 0. 01, evidência altamente significativa contra a H0, é possível rejeitar a hipótese nula;- Se p < 0. 05, evidência significativa contra a H0, rejeita-se a hipótese nula;- Se p < 0. 001, evidência muito altamente significativa contra a H0, é possível rejeitar a hipótese nula.
PROF: CÉLIO SOUZA 14
![Page 15: Análise Descritiva de Dados](https://reader036.vdocuments.com.br/reader036/viewer/2022062315/56814e78550346895dbc1237/html5/thumbnails/15.jpg)
Definir a hipótese nula (H0) e a hipótese alternativa (H1); Decidir qual o teste a ser usado, analisando se este é
válido para o problema; Encontrar a probabilidade (p valor); Avaliar a força da evidência contra H0 (quanto menor for
p-valor, maior é a força para rejeitar a hipótese nula); Estabelecer as conclusões e interpretação dos resultados. O p-valor é a probabilidade que permite decidir sobre a
hipótese nula.
PROF: CÉLIO SOUZA 15
![Page 16: Análise Descritiva de Dados](https://reader036.vdocuments.com.br/reader036/viewer/2022062315/56814e78550346895dbc1237/html5/thumbnails/16.jpg)
É o coeficiente numérico que indica a extensão na
qual duas variáveis se relacionam ou associam. A técnica utilizada para calcular a correlação é o Coeficiente de
Correlação do Momento Produto de Person (r).
PROF: CÉLIO SOUZA 16
Valor Significado
0 Inexistente
0 < r < 0,2 Baixa
0,2 r < 0,4 Média baixa
0,4 r < 0,6 Média
0,6 r < 0,8 Média alta
0,8 r < 1,0 Alta
1,0 PerfeitaFonte: Sigmound, 1964
SIGMOUND, R. Estatística não-paramétrica. SP.McGraw-Hill, 1964.
![Page 17: Análise Descritiva de Dados](https://reader036.vdocuments.com.br/reader036/viewer/2022062315/56814e78550346895dbc1237/html5/thumbnails/17.jpg)
Escore “z” na variável X Escore “z” na variável X Número de casos Somatório dos escores de X e
Y Médias Desvios padrão
PROF: CÉLIO SOUZA 17
![Page 18: Análise Descritiva de Dados](https://reader036.vdocuments.com.br/reader036/viewer/2022062315/56814e78550346895dbc1237/html5/thumbnails/18.jpg)
PROF: CÉLIO SOUZA 18
![Page 19: Análise Descritiva de Dados](https://reader036.vdocuments.com.br/reader036/viewer/2022062315/56814e78550346895dbc1237/html5/thumbnails/19.jpg)
Qualquer dúvida, pergunte.
PROF: CÉLIO SOUZA 19