WEB AULA 1 ESTATÍSTICA DESCRITIVA Olá pessoal, antes de iniciarmos a nossa disciplina vou me apresentar para vocês: eu sou

o Professor Marcelo Caldeira Viegas, Graduado em Engenharia Química pela UEM (1996), Mestre em Engenharia Química pela UNICAMP (1999) e Doutor em Engenharia Química pela UNICAMP (2003), atuo há mais de oito anos como pesquisador de uma empresa multinacional, onde sempre utilizei a Estatística como ferramenta fundamental para execução do meu trabalho e tomada de decisões estratégicas, além de atuar também como professor em cursos de PósGraduação da UNOPAR na área de Gestão da Qualidade. Como temos muito trabalho pela frente, proponho a você muito estudo durante esta disciplina, a qual passamos a apresentar em seguida. Estatística Aplicada à Gestão Empresarial No moderno ambiente administrativo e econômico global, qualquer pessoa pode ter acesso a uma enorme quantidade de informações estatísticas. Os gerentes e gestores mais bem-sucedidos são aqueles capazes de entender a informação e usá-la de maneira eficaz. A direção de uma empresa, de qualquer tipo, incluindo as estatais e governamentais, exige de seu administrador a importante tarefa de tomar decisões, e o conhecimento e o uso da Estatística facilitarão seu tríplice trabalho de organizar, dirigir e controlar a empresa. Por meio de sondagens, de coleta de dados e de recenseamento de opiniões, pode conhecer a realidade geográfica e social, os recursos naturais, humanos e financeiros disponíveis, as expectativas da comunidade sobre a empresa, e estabelecer suas metas, seus objetivos com maior possibilidade de serem alcançados a curto, médio ou longo prazos. A Estatística ajudará em tal trabalho, como também na seleção e organização da estratégia a ser adotada no empreendimento e, ainda, na escolha das técnicas de verificação e avaliação da quantidade e de qualidade do produto e mesmo dos possíveis lucros e/ou perdas. 1. INTRODUÇÃO Considere as seguintes notícias de jornais e revistas: “O Comércio Varejista do país iniciou 2010 com crescimentos de 2,7% no volume de vendas e de 3,0% na receita nominal, na comparação com dezembro (ajustadas sazonalmente). Nas demais comparações, obtidas das séries originais (sem ajuste), o varejo nacional obteve, em termos de volume de vendas, acréscimos da ordem de 10,4% sobre janeiro do ano anterior e de 6,2% no acumulado dos últimos 12 meses. Para os mesmos indicadores, a receita nominal de vendas apresentou taxas de variação de 12,3% e de 10,1%, respectivamente.” (Fonte IBGE – Instituto Brasileiro de Geografia e Estatística, 11/03/10) - http://www.ibge.gov.br/home/ (acessado em 21/03/2010) “Em janeiro de 2010, o emprego industrial mostrou variação positiva de 0,3% frente ao mês anterior, já descontadas as influências sazonais, após queda de 0,6% em dezembro. Ainda na série com ajuste sazonal, o índice de média móvel trimestral manteve a trajetória ascendente iniciada em agosto último, ao registrar acréscimo de 0,3% entre os trimestres encerrados em dezembro e janeiro.” (Fonte IBGE – Instituto Brasileiro de Geografia e Estatística, 11/03/10) http://www.ibge.gov.br/home/ (acessado em 21/03/2010) Diariamente, somos expostos a uma grande quantidade de informações numéricas, semelhantes às relatadas. Dependendo das situações, ora somos consumidores destas informações, ora precisamos produzi-las. Assim, necessitamos de capacitações para compreendermos informações numéricas produzidas por outros, bem como nos habilitarmos a construí-las. O emprego dos procedimentos, técnicas e métodos estatísticos é fundamental para nos auxiliar na execução dessas tarefas.

O QUE É A ESTATÍSTICA? Vamos desvendar esta ciência? Então, vamos lá... ESTATÍSTICA: A estatística é a ciências dos dados. Ela nos fornece métodos para coleta, organização, descrição, análise e interpretação de dados para a utilização dos mesmos na tomada de decisões. É objetivo da estatística: extrair informação de um conjunto de dados para obter uma melhor compreensão das situações que representam. A Estatística é dividida basicamente em duas áreas: Estatística Descritiva e Inferencial. No nosso curso serão abrangidas estas áreas conforme veremos. Para melhor compreendermos os propósitos da Estatística, é necessário conhecermos as algumas definições: População: É a totalidade dos elementos, objetos ou pessoas que estão sendo considerados inicialmente. Amostra: É todo subconjunto de unidades retiradas de uma população para obter a informação desejada. Uma amostra tem que representar e ter as mesmas características da população original, portanto, a amostra só traz informação sobre a população da qual foi retirada. Em outras palavras, a amostra é parte da população que é selecionada para análise. A preocupação central é que a amostra seja representativa da população inicial. Amostragem: É o método de retirada de amostras de uma população. Consiste em selecionar parte de uma população, para observar, de forma que seja possível estimar algo sobre toda a população. Estatística Descritiva: Os objetivos da estatística descritiva envolvem coleta, organização e descrição de um conjunto de dados quantitativos ou qualitativos. Com a construção de gráficos, tabelas e com o cálculo de medidas com base em uma coleção de dados numéricos, poderemos compreender melhor o comportamento da variável expressa no conjunto de dados sob análise. Estatística Inferencial: È a área da estatística responsável pela análise e interpretação dos dados, associado a uma margem de incerteza. Nesta fase são empregados métodos que tornam possível a estimação de características de uma população baseadas nos resultados amostrais. Por que estudarmos a amostra e não a população? Abaixo, seguem algumas razões que nos levam a trabalhar com as amostras, e não com toda a população: • Alto custo e demora dos censos; • Em alguns casos populações muito grandes; • Impossibilidade física de se examinar toda a população; • Comprovado valor cientifico das informações coletadas por meio de amostras; A condução de uma pesquisa eleitoral ilustra o processo da inferência estatística. O pesquisador, impossibilitado de entrevistar todos os eleitores (população), seleciona uma amostra de eleitores e questiona sobre suas preferências eleitorais. Baseado nas respostas amostrais, conclui sobre todo o conjunto dos eleitores. Junto com suas conclusões, o pesquisador informa a probabilidade de confiança de que seus resultados amostrais refletem o comportamento de todos os eleitores (população). Aprofundando o conhecimento: Agora sugiro que você abra a biblioteca digital, procure pelo livro: LARSON, R.; FARBER, B. Estatística Aplicada. 2ª Edição. São Paulo: Editora Pearson, 2008 e leia o capítulo 1 da página 2 a 6. Outras Definições Básicas da Estatística Atributos: Quando os dados estatísticos apresentam um caráter qualitativo, o levantamento e os estudos necessários ao tratamento desses dados são designados genericamente de estatística de atributo.

44. • Variável Contínua: A variável contínua pode assumir qualquer valor num dado intervalo.. 58. 44. 3. 54. Dados: São os valores da variável em estudo. E). Exemplos: Tabelas do censo demográfico do . obtidos por meio de uma amostragem. • o Dados primários (coleta direta): Quando são publicados pela própria pessoa ou organização que os tenha coletados.. 58. Segue abaixo algumas perguntas que precisam ser respondidas no planejamento de um levantamento de dados estatísticos • o o o O quê? – Características a serem observadas: VARIÁVEIS Quem? – Os elementos a serem pesquisados: POPULAÇÃO / AMOSTRA Como? – O instrumento de coleta de dados: MÉTODO DE AMOSTRAGEM A SER UTILIZADO. número de estudantes em uma sala de aula. 50. Exemplo: 41. Por exemplo. Exemplo: 45. 46.Planejamento da pesquisa: Como levantar informações? Que dados deverão ser obtidos? Qual levantamento a ser utilizado? Cronograma de atividades? Custos envolvidos? Etc. 2º Fase. ROL: É a tabela obtida após a ordenação dos dados brutos (de forma crescente ou decrescente). D. e o conjunto dos resultados possui uma estrutura numérica. 50. 46. AB). uma variável discreta produz dados discretos. 60. C.Execução da Pesquisa.). As variáveis são classificadas em dois tipos: Qualitativas e Quantitativas Variáveis qualitativas ou atributos: Quando os dados são distribuídos em categorias mutuamente exclusivas. É difícil formarmos uma idéia exata do comportamento do grupo como um todo. focando o objetivo determinado inicialmente. Os dados são do mesmo do tipo que as variáveis. retirando o maior número possível das informações nelas contidas com o objetivo de utilizá-las na tomada de decisões. Coleta de Dados: Fase operacional. 58. 3º Fase. 41. 41. Seguindo este raciocínio a Estatística divide o estudo e análise dos dados em algumas fases que são descritas a seguir: 1º Fase. 58. etc. 42. 50. 46. 60. etc.. 51.50 Kg).masculino e feminino).Variável: É uma condição ou característica das unidades da população. São exemplos de variáveis quantitativas: idade. Dados Brutos: É uma tabela ou relação de elementos que não foram numericamente organizados.. tipo sanguíneo (O. 51. a idade das pessoas residentes no Brasil. Seus valores são expressos por atributos: São exemplos de variáveis qualitativas: sexo. 46. por exemplo. 52. QUESTIONÁRIO /ENTREVISTA ESTRUTURADA. 2. a partir de dados não ordenados ou dados brutos. 52. 57. 42 43. cor da pele. 50. Definir Objetivos: Saber exatamente aquilo que se pretende pesquisar é o mesmo que definir corretamente o problema inicial. • Ordinal (exemplo: classe social: A. 42. estatura. taxa de colesterol. etc. cidade de nascimento. 41. Estas variáveis são classificadas em dois tipos: • Nominal (exemplo: gênero . A.Definição do Problema. 54. É o registro sistemático de dados. Exemplo de variável contínua: peso de uma pessoa (60. 42 43. Organização de Dados Estatísticos (Fases do Método Estatístico) A Estatística Descritiva tem por objetivos planejar uma pesquisa. 45. 60. São exemplos de variáveis discretas: número de filhos (0. 41. Variáveis quantitativas ou numéricas: Quando os dados são de caráter nitidamente quantitativo. As variáveis quantitativas ou numéricas são classificadas em dois tipos: • Variável Discreta: A variável discreta só pode assumir apenas valores inteiros. 57. 41. B. etc. coletar informações. descrever e analisar dados. 60. B. 1. ou classe social são variáveis. ETC.

construídas segundo normas técnicas citadas pela Fundação Instituto Brasileiro de Geografia e Estatística (IBGE. todavia. deverá ser colocada na parte inferior. precedida da palavra Fonte ou Fontes (IBGE. O cabeçalho da tabela especifica o conteúdo das colunas. 5º Fase.o IBGE. Aprofundando o conhecimento: Agora sugiro que você abra a biblioteca digital. em função dos objetivos práticos desta web aula. Tabela 01. 2009 e leia o capítulo 1 (itens 1. cuja finalidade principal é descrever a variável estudada.É uma apresentação numérica dos dados em linhas e colunas distribuídas de modo ordenado. Uma tabela deve apresentar a seguinte estrutura: • Cabeçalho. As notas esclarecem aspectos relevantes do levantamento dos dados A Tabela 01 apresenta um exemplo de tabela que obedece às normas técnicas. A fonte dos dados é a entidade responsável pelos dados numéricos.Interpretação dos Dados e Conclusões Obtidas a partir dos dados (estatística inferencial): A última fase do trabalho estatístico é a mais importante e delicada. por extenso. segundo o sexo. Exemplo: Quando determinado jornal publica estatísticas referentes ao censo demográfico extraídas do IBGE. 4º Fase. bem como para registro e identificação da fonte de dados. “Estatística para Administração e Economia”. O uso de dados secundários traz o grande risco de erros de transcrição. 10º Edição. o que se deve buscar são representações simples que possibilitem ao leitor a compreensão do fenômeno sem muito esforço. WEB AULA 2 APRESENTAÇÃO DE DADOS EM TABELAS Existem regulamentações para construção de tabelas estatísticas. • Rodapé.Apuração dos Dados: Resumo dos dados através de sua contagem e agrupamento. uma empresa realiza uma pesquisa para saber a preferência dos consumidores pela sua marca. Observação: É mais seguro trabalhar com dados primários. 1993).constitui uma apresentação gráfica permitindo uma visão rápida e clara da variável estudada.Análise e Apresentação dos Dados: Há duas formas de apresentação. Está ligada essencialmente ao cálculo de medidas e coeficientes. sem abreviações. 6º Fase. 1993) Apresentação gráfica dos dados numéricos . É a condensação e tabulação de dados. População residente no Brasil. de acordo com o censo demográfico de 2000 . • Corpo. que não se excluem mutuamente: • o o Apresentação de dados em tabelas . O rodapé é reservado para observações pertinentes à tabela. São Paulo: Pearson Prentice Hall. com palavras claras e concisas. procure pelo livro MCCLAVE. não serão adotadas normas rígidas para elaboração de tabelas. Temos que ter em mente que a tabela deverá ser uma forma objetiva de se demonstrar o comportamento de variáveis.3) da página 2 a 8. Deve conter o suficiente para que sejam respondidas as questões: O que está representado (fato)? Onde ocorreu (local)? Quando ocorreu (tempo)? O corpo da tabela é representado por colunas e subcolunas dentro das quais serão registrados os dados numéricos e informações. Dados secundários (coleta indireta): Quando são publicados por outra organização.1 a 1.

varia o fato e permanece constante a época e o local. Vendas da Companhia Alfa – 2004 . a) Série Cronológica É a série estatística em que todos os dados são observados segundo a época de ocorrência. Nesta série a variável é o tempo. Exemplo (Tabela 04) Tabela 04. sendo que o fato e o local permanecem fixos. Tabela 03. ou seja.Tabela 03. Neste tipo de série a variável é o local e são fixos o fato e a época. Exemplo . Tabela 02. A Tabela 02 apresenta um exemplo de tabela que descreve uma série cronológica.2008 Fonte: Departamento e Marketing da Companhia Alfa (Dados Fictícios) b) Série Geográfica ou de Localização É a série estatística em que os dados são observados segundo a localidade de ocorrência. Regime de Trabalho dos Professores de Química – 2010 (Londrina – Jd Piza) Fonte: Coordenadoria de Recursos Humanos (Unopar) d) Distribuição de Frequências . Vendas de Computadores por Empresa – 2006 (Alagoinhas – Bahia) Fonte: Dados Fictícios c) Série Específica É a série estatística em que os dados são agrupados segundo a modalidade de ocorrência.Fonte: IBGE (2003) Conforme critério de agrupamento as tabelas. podem representar diversas séries estatísticas que são descritas a seguir.

Tabela 06. então. é mais indicado efetuar o agrupamento dos valores em vários intervalos de classe. conforme veremos a seguir. A idéia é resumir as informações na forma de uma tabela que mostre as contagens (frequências) em cada categoria. Tabelas com grande número de dados não oferecem ao leitor visão rápida e global do fenômeno. desde que em grande número. obtendo. já que exige muito espaço. uma tabela de distribuição de frequência. Distribuição de frequência com intervalos de classe: Quando o tamanho da amostra é elevado. Distribuição de frequência sem intervalos de classe: É a simples condensação dos dados conforme as repetições de seus valores. Opinião dos consumidores sobre determinado produto Fonte: Dados Fictícios Apresentação de Dados Quantitativos: Os dados numéricos são apresentados na ordem em que são coletados. Exemplo . A frequência relativa é dada por: Apresentação de Dados Qualitativos: Quando observamos dados qualitativos. Para construir . Para uma amostra de tamanho razoável esta distribuição de frequência é inconveniente. A Tabela 05 apresenta um exemplo de distribuição de frequência de dados qualitativos. classificamos cada unidade da amostra em uma dada categoria. é usual fornecer a proporção (frequência relativa) de unidades que caem em cada categoria.É uma série estatística em que os dados são agrupados com suas respectivas frequências absolutas. Tabela 05. Por esta razão. Distribuição do número de faltas de 30 empregados de uma determinada empresa no semestre. tanto dados discretos quanto contínuos.Tabela 06. devem ser apresentados em tabelas de distribuição de frequência com intervalos de classes. Nas tabelas de distribuição de frequências. Dados numéricos podem ser apresentados em tabelas de distribuição de frequências (com ou sem intervalos de classe) conforme veremos a seguir.

O primeiro elemento das classes seguintes sempre será formado pelo último elemento da classe anterior. Que é definido por: Assim como no caso do número de classes (K).7. se K=6. Observação: O cálculo de K por meio de fórmulas pode servir como referência. usa-se h=2 5º Passo) Organize as classes. a amplitude das classes (h) deve ser aproximada para o maior valor inteiro. que é a diferença entre os valores máximo e mínimo.uma tabela de distribuição de frequência com intervalos de classe siga os procedimentos a seguir. usa-se K=7.4. sendo os mais usuais: Onde: K é o número de classes. e h=1. Dados Brutos: 1º Passo) A partir dos dados brutos construir o ROL (ordenação dos dados em ordem crescente) . 4º Passo) Decidido o número de classes. 3º Passo) Calcule o número de classes (K): O número de classes de uma representação será um número inteiro próximo de K. calcule então o tamanho do intervalo de classe (h). O indicado é sempre o arredondamento do valor de K obtido para um valor mais alto. 2º Passo) Encontre o valor máximo e mínimo do conjunto de dados e calcule a Amplitude Total (A). mas não deve ser entendido como obrigatório. Exemplo (Construção de uma tabela de distribuição de frequência com intervalos de classe): Vamos construir uma tabela de distribuição de frequências das idades dos funcionários de uma amostra de 50 elementos selecionados de uma empresa. portanto: A = Maior Medida – Menor Medida. 1º Passo) Organize os dados brutos em um ROL. e n é o número de dados (tamanho da amostra). que pode ser obtido por vários métodos. de maneira que a primeira contenha o menor valor observado. Assim.

Nesta etapa. . é preciso escolher o número de classes (K): Pela Regra de Sturges temos que: que n=50. sendo 4º Passos) Cálculo do Tamanho do intervalo de classe (h): Quanto aos limites das classes. APRESENTAÇÃO DE DADOS EM GRÁFICOS Gráficos ajudam a visualizar a distribuição das variáveis. Gráficos de Linhas/Dispersão Os gráficos de linhas e dispersão exibem uma série como um conjunto de pontos conectados por uma única linha. Tabela 07. As linhas dos gráficos são usadas para representar grandes quantidades de .Menor Valor A = 65 . sugiro que você abra a biblioteca digital. seguindo as normas nacionais. 2009. São Paulo: Editora: Pearson Education do Brasil. As escalas devem ser crescentes da esquerda para a direita e de baixo para cima.18 = 47 3º Passo) Como os dados serão agrupados em classes. R. Todo gráfico deve apresentar título e escala. Estatística.UNOPAR. portanto: . procure pelo livro GARCIA. A Tabela 07 mostra um exemplo de uma tabela de distribuição de frequência para variável contínua. ditadas pela Fundação Instituto Brasileiro de Geografia e Estatística (IBGE). O título deve ser colocado abaixo do gráfico.Maior Valor . utilizaremos o seguinte critério a |— b (incluiremos nesta classe todos os elementos maiores ou iguais a a e menores do que b). e leia o capítulo 2 da página 33 a 40. trataremos das formas de apresentar dados em gráficos. Distribuição de frequências que representa a idade dos funcionários de certa empresa (n=50) Aprofundando o conhecimento: Agora.2º Passo) Determinar a Amplitude Total (A): A .

A Figura 01 mostra um gráfico de linhas que contém três séries. . Opinião dos consumidores sobre determinado produto (Gráfico de Colunas) No gráfico de barras. É o gráfico que melhor representa a evolução conjunta de duas variáveis quantitativas. serão utilizados os dados apresentados na Tabela 05. Figura 02. Figura 01: Gráfico de Linhas (Exemplo) Gráficos de Colunas / Barras No gráfico de colunas as barras são apresentadas na posição vertical. as barras são apresentadas na posição horizontal. Para ilustrar o gráfico de colunas. sendo que X é considerada a variável independente e Y a variável dependente. como apresentado na Figura 03. originando assim a Figura 02 (gráfico de colunas com linhas auxiliares – grades e rótulos).dados que ocorrem em um período de tempo contínuo.

Figura 04. Opinião dos consumidores sobre determinado produto (Gráfico de Barras) Gráficos de Setores É a representação gráfica de uma série estatística. É utilizado quando se pretende comparar cada valor da série com o total. por meio de setores.2008 (Gráfico se setores) Histograma .Figura 03. foi obtido o gráfico de setores apresentado na Figura 04. Vendas da Companhia Alfa – 2004 . em um círculo. A partir dos dados apresentados na Tabela 02.

nosso objetivo aqui é a determinação de medidas que ofereçam o posicionamento da distribuição dos valores de uma variável que desejamos analisar. isto é. moda e mediana. fica fácil perceber que a maior quantidade de funcionários tem idade entre 32 e 38 anos. As medidas de tendência central mais utilizadas são: média aritmética. O histograma é a representação gráfica de uma distribuição de frequência. Para ilustrar o histograma serão utilizados os dados apresentados na Tabela 07. agrupar os dados em classes e a partir desta desenhar um histograma. Observar: O histograma contém as mesmas informações da tabela de distribuição de frequências. WEB AULA 1 MEDIDAS DE TENDÊNCIA CENTRAL Como o próprio título sugere. Quando os dados são contínuos e a amostra é grande é mais conveniente condensar os dados. São os cálculos estatísticos que representam uma série de dados orientando-nos quanto à posição da distribuição em relação ao eixo horizontal do gráfico da curva de frequência (histograma). São representações que buscam a organização e sintetizarão de grupos de dados quantitativos. cujas bases se localizam sobre o eixo horizontal.É o gráfico que melhor apresenta as frequências de uma variável quantitativa contínua agrupada em classes. obtendo-se assim a Figura 05. Média Aritmética ( ) . organizar uma tabela de distribuição de frequências. Histograma para idade de 50 funcionários de certa empresa O histograma dispõe de informações de modo que seja possível a visualização da forma de distribuição do conjunto de dados e também a percepção do valor central e da dispersão dos dados em torno deste valor central. Figura 05. formado por um conjunto de retângulos justapostos. Pelos dados da Figura 04. de tal modo que seus pontos médios coincidam com os pontos médios dos intervalos de classe.

.. A média aritmética amostral de um conjunto de dados é o quociente entre a soma dos valores do conjunto e o número total dos valores. x2. x3. Uma maneira prática para resolvermos este problema é a composição da seguinte tabela (lembre-se que ΣFi=n): Aplicando a equação acima. podem ocorrer valores repetidos. determinar a média.xn. 4. é razoável organizar os dados em uma tabela de distribuição de frequências e trabalharmos com dados agrupados. ponderados pelas respectivas frequências absolutas: F1. Quando os dados estiverem agrupados numa distribuição de freqüência.. Fn. 6.. obtemos: . 2.A medida de tendência central mais comum para um conjunto de dados é a média aritmética. Assim: Exemplo (Cálculo da média sem intervalos de classe): Dada a seguinte distribuição de frequência. então: Quando a amostra é muito grande e os dados são discretos. Nesse caso como vimos anteriormente (web aula 2). usaremos a média aritmética dos valores x1. F2.. Exemplo 1: Encontrar a média aritmética para um conjunto de observações: 5. Onde: xi são os valores da variável e n o número de valores.. F3... Solução: Temos cinco observações: n=5. 1.

Portanto. 15}. 6}. É o caso de conjuntos com dados discrepantes. 13. 6. convencionamos que todos os valores incluídos em um determinado intervalo de classe coincidem com o seu ponto médio. a medida melhor descreve a tendência central dos dados. 10. m = 2. Quando o número de elementos da série estatística for par. isto é. Dada a seguinte distribuição de frequência: Aplicando a equação anterior temos que: Mediana (Md) A mediana é o valor que ocupa a posição central do conjunto de dados ordenados (ROL). portanto está localizada na posição central. 13. 65} a média = 20 e a mediana = 10 A média do segundo conjunto de valores é maior do que a do primeiro. e esse valor será a mediana. 15} a média = 10 e a mediana = 10 Em {5. O valor que divide a esta série em duas partes iguais é igual a 9. onde xi é o ponto médio da classe. Por exemplo: Em {5. 4. Neste caso existirá um único valor de posição central. 10. 7. é o bastante identificar a frequência acumulada imediatamente superior à metade da .50. 13. e determinamos a média aritmética ponderada por meio da fórmula anterior. dados que têm um ou mais valores bem maiores ou menores que os demais. logo a mediana é 9. 0. 5. Por exemplo. haverá coincidência da mediana com um dos elementos da série. 1.Em algumas circunstâncias. tal que 50% dos valores são menores que a mediana. 3. o conjunto de dados {0. 5. por influência dos valores extremos. 1. ao passo que a mediana permanece a mesma. Por exemplo. a mediana será = (2+3) / 2.Exemplo (Cálculo da média com intervalos de classe): Neste caso. Cálculo da mediana em dados agrupados e sem intervalos de classe (variável discreta): Neste caso. ou seja. nunca haverá coincidência da mediana com um dos elementos da série de dados. e os demais 50% são maiores. 7. a mediana no exemplo será a média aritmética do 5º e 6º termos da série. A mediana será sempre a média aritmética dos 2 elementos centrais da série de dados. 3. depois de ordenada a amostra de n elementos dispostos segundo uma ordem (crescente ou decrescente): Quando o número de elementos (n) da série estatística for ímpar. 10. o conjunto de dados {2. 2. 9. Para a sua determinação utiliza-se a seguinte regra.

a mediana corresponde à média: (4º elemento + 5º elemento) / 2 = (15 + 16) / 2 = 15. Exemplo (n = par): Dada a distribuição de frequência: Neste caso n=8. portanto. total de elementos. n=11 é impar. logo a mediana (m) será o elemento de ordem . Assim. Por meio das frequências acumuladas. Neste exemplo. ou seja. ou seja: . A mediana será aquele valor da variável (x) que corresponde a tal frequência acumulada. será o valor 3. . logo a mediana (m) será a média entre os valores de ordem . Observe: será o xi correspondente à classe que contiver a ordem calculada. encontra-se o valor de xi correspondente a mediana. fi=frequência acumulada • Quando o somatório das frequências (n) for par a mediana será a média entre os elementos de ordem Exemplo (n = impar): Dada a distribuição de frequência: Neste caso. • Quando o somatório das frequências (n) for ímpar o valor mediano será o termo de ordem dado pela fórmula: Onde: n= nº. é par.5 Cálculo da mediana em dados agrupados e com intervalos de classe (variável contínua): Devemos seguir os seguintes passos: .soma das frequências. a mediana =3.

como a variável é contínua. 1º Passo: Calcula-se . n = tamanho da amostra ou número de elementos. FAA= 17. h = 10. Neste caso a classe mediana é a 3º. n = 58. FAA = é a frequência acumulada da classe anterior à classe mediana.1º Passo) Determinamos as frequências acumuladas (∑fi = n). calcular a mediana. FMd = 18. não se preocupe se n é par ou ímpar. Exemplo: Dada a distribuição amostral. 3º Passo) Marcamos a classe correspondente à frequência acumulada imediatamente superior à ∑fi/2 . h = é a amplitude do intervalo da classe mediana. 4º Passo) Calculamos a Mediana pela seguinte fórmula: Onde: lMd = limite inferior da classe mediana. 2º Passo) Calculamos . Logo: . Tal classe será a classe mediana (classe Md). FMd = é a frequência da classe mediana. Como n=58. temos que 2º Passo: Identifica-se a classe mediana (Md) pela frequência acumulada. 3º Passo: Aplica-se a fórmula: Neste caso: lMd = 55.

é o valor dominante que está compreendido entre os limites da classe modal. ou seja. Neste caso a série é bimodal. Distribuições Simples: Quando uma tabela de distribuição de frequência apresenta grande quantidade de dados.frequência da classe anterior à da classe modal d2 = frequência da classe modal . o conjunto de dados {3. 3. 2º Passo) Aplicar a fórmula: Onde: l = limite inferior da classe modal d1 = frequência da classe modal . 7. procurar o valor que mais se repete. isto é. destaca-se a Moda. podemos afirmar que a moda. o conjunto de dados {2. Essa classe mostra a área em que os dados estão concentrados. 11. 5. para a distribuição: A moda será 248 (maior frequência). 7. valor que ocorre com maior frequência. Há séries nas quais não exista valor modal. 10. Pela definição. que a série tem dois ou mais valores modais. 12} a moda é igual a 10. 10. A série é amodal. neste caso. 8. Por exemplo. 6. 10. 5. 4. Um dos métodos para determinação da moda é a aplicação da fórmula de CZUBER: 1º Passo) Identifique a classe modal (aquela que possuir maior frequência). Indica-se Mo=248 (moda) Valores Agrupados com intervalos de classe: A classe que apresenta a maior frequência é denominada classe modal. 8. É o valor da amostra que mais se repete. 10. Assim. pode haver dois ou mais valores de concentração. 9} apresenta duas modas: 4 e 7. a chamada classe modal. nas quais nenhum valor apareça mais vezes que outros. A Moda quando os dados não estão agrupados: A moda é facilmente reconhecida: basta. 4. Por exemplo. então. no conjunto de dados {7. 12} não apresenta moda. 8. de acordo com definição. 4.Moda (Mo) Dentre as principais medidas de posição. 7. Em outros casos. Por exemplo.frequência da classe posterior à da classe modal h = amplitude da classe modal Exemplo: Determinar a moda para a seguinte distribuição de frequência: . É importante destacar a classe de maior frequência. 9. Dizemos.

70} 72} Podemos observar que os três conjuntos apresentam a mesma média aritmética = 350/5 = 70 Entretanto. 70. é fácil notar que o conjunto X é mais homogêneo que os conjuntos Y e Z.1º Passo) Identifica-se a classe modal. pois há menor diversificação entre cada um de seus valores e a média representativa. Estatística Aplicada. As medidas de tendência central são tanto mais descritivas de um conjunto de dados quanto menor for a variabilidade. 120. 69. ainda que consideradas como números que têm a faculdade de representar uma série de dados. desvio-médio.A seguir. WEB AULA 2 MEDIDAS ESTATÍSTICAS Por causa da variabilidade as medidas de tendência central. por sua vez. Y e Z: X = {70.. trata-se da 3¿ classe 2 I. já que todos os valores são iguais à média. R. quando apresentamos medidas de tendência central para descrever um conjunto de dados. 50. são apresentadas as principais medidas de dispersão da estatística: amplitude. não podem por si mesma destacar o grau de homogeneidade ou heterogeneidade que existe entre os valores que compõem o conjunto e. é mais homogêneo que o conjunto Z. Portanto. 15. 71. 2008 e leia o capítulo 2 da página 47 a 57.3. 160} 70. Aplica-se a fórmula dada acima: Aprofundando o conhecimento: Agora sugiro que você abra a biblioteca digital. Medidas de Dispersão Absoluta: Amplitude Total (A) É a diferença entre o maior e o menor valor observado no conjunto de dados. conforme segue: Amplitude = Valor máximo — Valor mínimo Exemplo: . 2ª Edição. 2º Passo) Sabendo que: l = 2. Neste caso. MEDIDAS DE DISPERSÃO São medidas estatísticas utilizadas para avaliar o grau de variabilidade ou dispersão. Z = {5. 70. Consideremos os seguintes conjuntos de valores das variáveis X. h = 1. portanto. São Paulo: Editora Pearson. Y = {68. concluímos então que o conjunto X apresenta DISPERSÃO NULA e que o conjunto Y apresenta uma DISPERSÃO MENOR que o conjunto Z. desvio-padrão e variância. d1 = 17-10=7. 70. Então. não bastam para descrever um conjunto de dados. devemos indicar também uma medida de variabilidade ou dispersão. d2 = 17-8=9. procure pelo livro: LARSON. FARBER. B. dos valores em torno da média. O conjunto Y.

2. é instável. pois. Isto é: O desvio médio (DM) é a média aritmética dos valores absolutos dos desvios tomados em relação à média. x = média amostral. pela fórmula acima podemos perceber que o desvio em relação à média (di) é a diferença entre cada elemento de um conjunto de valores e a média aritmética. é interessante a análise dos desvios em torno da média. evitando-se assim que a soma fosse nula. é conveniente o uso da seguinte fórmula: . Fi = frequência. a amplitude total é dada por: Amplitude = 38 — 10 = 28 Observação: A utilização da amplitude total como medida de dispersão é muito limitada. σ2 indica variância populacional e lê-se sigma ao quadrado. Isto é: Portanto. Variância populacional (σ2) e amostral (S2) A variância é uma medida que tem pouca utilidade como estatística descritiva.12.25. Onde: n= número de elementos.20. Porém. Veja que os desvios foram considerados em módulo. é extremamente importante na inferência estatística e em combinações de amostras. 3. A definição de variância populacional (σ2) é dada por: Observações: 1.38.22.Para a série: 10.33. X= média da população (populacional) Fi = frequência N = tamanho da população Para o caso do cálculo da variância amostral (S2). sendo uma medida que depende apenas dos valores externos. Mas a soma de todos os desvios é igual a zero. Desvio-Médio (DM) Quando desejamos medir a dispersão dos dados em relação à média. não sendo afetada pela dispersão dos valores internos. 4.

Observando-se a fórmula original para o cálculo da variância. • Multiplicando-se (ou dividindo-se) todos os valores de uma variável por uma constante (diferente de zero). OBS. dentre as quais destacamos: • Somando-se (ou subtraindo-se) uma constante a todos os valores de uma variável. nota-se que a é uma soma de quadrado. temos que: 1º) Cálculo do Desvio-Médio (DM) Para o cálculo do DM deverão ser abertas novas colunas. Desvio Padrão populacional (σ) e amostral (S) O desvio padrão é a medida de dispersão mais geralmente empregada. que é a raiz quadrada da variância – o desvio padrão. o desvio padrão não se altera. Exemplo: Calcular o desvio-médio (DM). conforme segue: . por exemplo.: O desvio padrão tem a mesma dimensão de unidades dos valores da média. necessita-se definir outra medida de dispersão. em seguida. Resolução: Primeiramente. conforme vimos anteriormente na web aula 3.Onde: x = média amostral. o desvio padrão fica multiplicado (ou dividido) por essa constante. metro (m) teremos como resultado metro ao quadrado (m2). Para se ter a unidade original. n = tamanho da amostra. se a unidade da variável for. extrair a raiz quadrada desse resultado. O desvio padrão possui algumas propriedades. É um indicador de variabilidade bastante estável. Dessa forma. Assim temos: Resumindo: para o cálculo do desvio-padrão deve-se primeiramente determinar o valor da variância e. precisamos do valor da média. a variância (S2) e o desvio-padrão (S) da seguinte distribuição amostral. pois leva em consideração a totalidade dos valores da variável em estudo.

Para tanto. medido pelo desvio-padrão. uma nova coluna deverá ser considerada na tabela anterior: 3º) Cálculo desvio-padrão Amostral (S) Como Resumindo: A distribuição possui média 8. medido pelo desvio-médio.20. É dado por: .06.2º) Cálculo da Variância Amostral (S2) Para calcularmos a variância amostral (S2). é preciso encontrar o valor de ∑di2Fi. e de 1. Medida de Dispersão Relativa: Coeficiente de Variação (CV) Trata-se de uma medida relativa de dispersão útil para comparação em termos relativos do grau de dispersão em torno da média de séries distintas.06 e seu grau de dispersão é de 1.69. seus valores estão em torno de 8. Isto é.

Então: Logo. Nota Excelente Uma parte ou subconjunto da população selecionada para análise denomina-se: Sua resposta Amostra. Nota Questão 2 Excelente O número de funcionários de uma empresa é uma variável: Sua resposta Quantitativa Discreta. o salário médio dos homens é de R$ 4000.00. portanto. Resposta gabarito Amostra.00. Resposta gabarito Quantitativa Discreta. S= desvio-padrão amostral X = média populacional. que é selecionada para análise estatística (Estatística Descritiva). x = média amostral Exemplo: Numa empresa. a amostra é uma parte ou subconjunto da população. podemos concluir que nesta empresa os salários das mulheres apresentam maior dispersão relativa que os dos homens.00 com desvio-padrão de R$ 1200. e os das mulheres é em média de R$ 3000. uma variável quantitativa discreta. Comentário do gabarito O número de funcionários de uma empresa trata-se de uma variável que só pode assumir apenas valores inteiros.Onde: σ = desvio-padrão populacional.00 com desvio-padrão de R$ 1500. Comentário do gabarito Conforme vimos anteriormente. Questão 1 .

3*log (64) = 6. III) C é bimodal. Nota Questão 5 Excelente Assinale a alternativa que melhor apresenta gráfico usualmente empregado para representar a evolução conjunta de duas variáveis quantitativas. 4. Nota Não gerada Dados os conjuntos de valores: A = {1. 11. 4. Portanto. 9. 4. representada pela tabela abaixo. 5.3 = 48. ou seja. Sua resposta Gráfico de Dispersão. construídas conforme os procedimentos formais da estatística. 5. Resposta gabarito Gráfico de Dispersão. 10. número de classes (K): K= 1 + 3. 2. Resposta gabarito 21. 9. C = {1. afirmamos que: I) A é unimodal. tamanho do intervalo das classes (h) é dado por: h=A/K. h=48/7=6.85 %. é CORRETO afirmar que: Questão 1 .Questão 3 Nota Excelente Considerando a pesquisa de opinião dos consumidores de certo produto. em relação às afirmativas. e as modas são 4 e 9. 4. Sua resposta 7 Resposta gabarito 7 Comentário do gabarito Amplitude total (A)= 51 . 10}. e variaram de 3 a 51 defeitos. 9. Então. 7. Calcule o tamanho do intervalo de cada classe (h). 8. Comentário do gabarito Cálculo da porcentagem de consumidores que preferem o produto C = (Frequência Relativa) *100%: (600/2745)*100 = 21. A quantidade de defeitos contidas em cada produto foi contada. sendo que o número de classes foi obtido segundo a regra de Sturges. h=7. determine a porcentagem de consumidores que preferem o produto “C”. Os resultados obtidos foram tabulados em classes de frequências. 8. 9. 2.85 ~ 7(arredondar para o maior valor inteiro). 9. 8. 4. 5. Sua resposta 21. e a moda é 10. 3. Comentário do gabarito O gráfico que é usualmente empregado para representar a evolução conjunta de duas variáveis quantitativas. 8.96 ~ 7 classes (arredondar para o maior valor inteiro). 10}. sendo que X é considerada a variável independente e Y a variável dependente. Em relação à moda.85 %. sendo que X é considerada a variável independente e Y a variável dependente é o gráfico de dispersão. 9. II) B é unimodal.85 % Nota Questão 4 Excelente A gerência industrial de certa empresa coletou uma amostra formada 64 produtos produzidos. e a moda é 9. 12}. B = {6. 9. 1. 8.

Nota Não Questão 3 gerada Dada a distribuição de frequência. nestes cinco meses. a receita média mensal do ano e o desvio-padrão amostral respectivamente são: Sua resposta 8.65%. Os resultados obtidos foram: Sua resposta Média = 2.61 Questão 5 Nota Não gerada Dadas as receitas mensais de certa empresa. respectivamente. dado pelo desvio padrão amostral (s). foram calculados o rendimento médio (retomo esperado) e o risco.80 e 3. (-1%). 5%.66 . em US$ milhões.85 Questão 4 Calcular a média para distribuição de frequência: Nota Não gerada Sua resposta 10.40% e desvio padrão = 3. qual o valor da mediana: Questão 2 Sua resposta 21. (-2%) e 6%. os rendimentos da bolsa de valores foram iguais a 4%. Nota Não gerada Durante cinco meses consecutivos. Com base.Sua resposta Somente II e III são verdadeiras.

Sign up to vote on this title
UsefulNot useful