InícioCursosIntrodução à estatística

Medidas de dispersão e de variabilidade

Capítulo 2 · Estatística descritiva · lição 10 de 57
Reservado aos subscritores — eis o seu início
1. Medidas de dispersão 00:00 - 00:06 Passemos agora a outra categoria de estatísticas resumidas: as medidas de dispersão. 2. O que é a dispersão? 00:06 - 00:25 A dispersão descreve a distância entre os pontos de dados. Aqui está um histograma das infrações de trânsito nos distritos de Londres. Ao compararmos isto com um histograma dos assaltos a casas, podemos constatar que a distribuição é muito mais restrita. 3. Por que é importante a dispersão? 00:25 - 00:57 A dispersão é importante porque nos indica o grau de variabilidade dos nossos dados. Por exemplo, se as t-shirts costumam custar trinta dólares, mas podem variar em
A continuação desta lição é reservada aos subscritores Crie a sua conta gratuita para testar os exercícios de exemplo e, depois, passe para o acesso completo quando quiser.

Crie a sua conta gratuita

Sem cartão de crédito, em trinta segundos.
Continuar com o Google
ou
Inscrever-se com um e-mail
Já tem conta? Iniciar sessão
Ao continuar, aceita os termos de utilização e a política de privacidade. Os seus dados são alojados na União Europeia.

Acesso completo DATAGOZ

19 €/ mês — ou 190 € / ano
  • Todos os cursos publicados e os percursos profissionais
  • Exercícios e questionários corrigidos automaticamente
  • Treino, exame e certificado de frequência
  • Sem compromisso, cancelável online
Ver os planos
Esta lição faz parte do curso

Introdução às estatísticas

long_training6 capítulos · 57 lições
  • A plataforma de formaçãosubscritores
  • Definição e papel da estatísticaassinantes
  • Aplicações concretas da estatística no mundo realassinantes
  • Tipologia e identificação dos dadosassinantes
  • Estatística descritiva vs. estatística inferencialassinantes
  • Medidas de tendência centralassinantes
  • Estudo de caso: Análise do número de delitos por distrito em Londresassinantes
  • Critérios de seleção de uma medida centralassinantes
  • Análise dos bairros de Londres com alta criminalidadeassinantes
  • Medidas de dispersão e de variabilidadeestá aqui
  • Definição dos indicadores de dispersãoassinantes
  • Visualização da dispersão com diagramas de caixa (boxplots)assinantes
  • Estudo de caso: Identificação das infrações com alto desvio padrãoassinantes
  • Princípios fundamentais do cálculo de probabilidadesassinantes
  • Comparação e hierarquização de probabilidadesassinantes
  • Caso prático: Probabilidade de uma venda acima da médiaassinantes
  • Noção de probabilidade condicionalassinantes
  • Eventos dependentes vs. eventos independentesassinantes
  • Caso prático: análise probabilística de um carrinho de compras com mais de 10 artigossubscritores
  • Introdução às distribuições discretassubscritores
  • Identificação e classificação das distribuiçõessubscritores
  • Média empírica (amostra) vs média teórica (população)subscritores
  • Introdução às distribuições contínuassubscritores
  • Comparação: distribuições discretas vs distribuições contínuassubscritores
  • Deteção e propriedades da distribuição normalsubscritores
  • Cálculo de probabilidades numa distribuição uniformesubscritores
  • A distribuição binomialsubscritores
  • Identificação de uma lei binomialsubscritores
  • Influência das probabilidades na forma binomialsubscritores
  • Determinação dos parâmetros nn e ppassinantes
  • A distribuição normal (lei gaussiana)assinantes
  • Características de uma distribuição normalassinantes
  • Propriedades e especificidades da lei normalassinantes
  • Deteção da assimetria de uma distribuição (skewness)assinantes
  • Caracterização da curtose de uma distribuição (kurtosis)assinantes
  • O Teorema do Limite Central (TLC)assinantes
  • Visualização e comportamento das distribuições amostraisassinantes
  • Teorema do Limite Central vs Lei dos Grandes Númerosassinantes
  • Condições de aplicação do Teorema do Limite Centralassinantes
  • A distribuição de Poissonassinantes
  • Modelação e reconhecimento dos processos de Poissonassinantes
  • Interpretação do parâmetro lambda (λλ)assinantes
  • Fundamentos dos testes de hipótesesassinantes
  • Estudo de caso: Relação entre insolação e sonoassinantes
  • Abordagem metodológica de um teste de hipóteseassinantes
  • Distinção entre variáveis independentes e dependentesassinantes
  • Abordagem experimentalassinantes
  • Princípios e identificação dos ensaios controladosassinantes
  • Justificação e importância da randomizaçãoassinantes
  • Noção de correlaçãoassinantes
  • Medição da correlação entre várias variáveisassinantes
  • Interpretação e limites da correlação (causalidade)assinantes
  • Identificação dos fatores de confusão (variáveis confundentes)assinantes
  • Análise e interpretação dos resultados de um testeassinantes
  • Limiares de significância (αα) e valores-passinantes
  • Riscos estatísticos: Erros de Tipo I (αα) e de Tipo II (ββ)assinantes
  • Conclusãosubscritores
Próxima lição

Definição dos indicadores de dispersão

Ver o programa Crie uma conta para continuar