Calculadora estatística descritiva

A Estatística Descritiva corresponde a medidas e gráficos derivados de amostra e destinam-se a fornecer informações sobre a população em estudo. Dois tipos básicos de estatísticas descritivas são os medidas de tendência central e a Medidas de dispersão .

Como calcular estatísticas descritivas

A seguir estão as etapas típicas que você seguirá para calcular estatísticas descritivas:

• Passo 1 : Identifique claramente os dados da amostra e anote o tamanho da amostra n, que é o número total de dados na amostra, incluindo valores repetidos
• Passo 2 : Muitas vezes, você desejará classificar os dados em ordem crescente. Embora isso não seja necessário para calcular a média e o desvio padrão, você precisará fazer isso para calcular a mediana e os quartis
• Estágio 3 : construa classes com os dados se quiser construir um histograma. Veja o calculadora de histograma para ver em detalhes como construir essas classes
• Passo 4 : Com um conjunto de estatísticas descritivas numéricas e uma representação gráfica fornecida por um histograma, agora você está em posição de tirar algumas conclusões sobre a distribuição dos dados

Para que você usa estatísticas descritivas?

As medidas de tendência central pretendem dar uma ideia da localização da distribuição. Exemplos de medidas de tendência central são a média amostral \(\bar X\), a mediana e o modo . Exemplos de medidas de dispersão são o variância amostral \(s^2\), o desvio padrão \(s\) e o intervalo entre outros.

O média da amostra é a medida mais comum de tendência central usada, assim como o desvio padrão é a medida de dispersão mais comumente relatada.

A única possível desvantagem deles é que eles são muito sensíveis a discrepantes , o que significa que seu valor pode mudar drasticamente com um ou dois outliers fortes, se não forem detectados ou corrigidos.

Outras medidas comuns de tendência central e dispersão

Como mencionamos nos parágrafos anteriores, outliers e distribuição fortemente distorcida podem afetar dramaticamente o valor da média e do desvio padrão.

Como alternativa, para dados altamente distorcidos, você pode usar a mediana ou o intervalo médio como medidas de tendência central, e o intervalo interquartílico como medida de dispersão.

Estatística descritiva usando gráficos

Os gráficos geralmente apresentados em um relatório de estatística descritiva são os histograma e gráfico de caixa , que fornecem uma imagem muito clara da distribuição da variável que está sendo amostrada.

Diferentes medidas são mais apropriadas do que outras para determinados casos. Por exemplo, certas medidas como a média são muito sensíveis a outliers e, portanto, quando uma amostra tem fortes outliers ou é muito assimétrica, a medida de tendência central preferida seria a mediana em vez da média da amostra

Estatísticas descritivas normalmente relatadas

Normalmente, diferentes formatos são usados, dependendo do contexto dos dados de amostra. Muitas vezes, o resumo de 5 números é relatado, que consiste no Mínimo , o primeiro quartil, a mediana, o terceiro quartil e o máximo .

E se eu tiver dados agrupados

Os dados agrupados precisam ser tratados de maneira diferente, usando tabelas de frequência . Ao ter dados agrupados, principalmente o tipo de dados em que sabemos a frequência associada a um determinado intervalo de dados, precisamos proceder de forma diferente usando uma aproximação de um ponto médio para representar um intervalo de dados.

Nesse caso, você usaria isso calculadora de estatística descritiva para dados agrupados .

Estatística descritiva com tabelas e gráficos

Muitas vezes, a estimativa pontual de parâmetros populacionais cruciais, como a média e o desvio padrão, são extremamente úteis e podem dizer muito sobre a população que você está analisando.

Mas, ao mesmo tempo, é muito importante usar ferramentas visuais. Por exemplo, você pode usar este calculadora de tabela de distribuição de frequência para condensar os dados de amostra em grupos e ver como os dados são agrupados.

Ou você pode formalmente pode construir um histograma , para obter uma boa representação da distribuição da população de onde os dados da amostra são extraídos.