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.

QUESTIONÁRIO /ENTREVISTA ESTRUTURADA.. 51. As variáveis quantitativas ou numéricas são classificadas em dois tipos: • Variável Discreta: A variável discreta só pode assumir apenas valores inteiros. 42. 42 43. cidade de nascimento. descrever e analisar dados.. 60. 50. cor da pele. 42. 46. 50. 45. por exemplo. 3. obtidos por meio de uma amostragem. É difícil formarmos uma idéia exata do comportamento do grupo como um todo. 3º Fase. D. É o registro sistemático de dados. 58. 58. 54. etc. 50. As variáveis são classificadas em dois tipos: Qualitativas e Quantitativas Variáveis qualitativas ou atributos: Quando os dados são distribuídos em categorias mutuamente exclusivas. 41. 52. Exemplos: Tabelas do censo demográfico do . 1. 41. 46.). retirando o maior número possível das informações nelas contidas com o objetivo de utilizá-las na tomada de decisões. etc.Execução da Pesquisa. 41. taxa de colesterol. Exemplo: 45. número de estudantes em uma sala de aula. estatura. 2º Fase.Definição do Problema. E). 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. Variáveis quantitativas ou numéricas: Quando os dados são de caráter nitidamente quantitativo. • Ordinal (exemplo: classe social: A. 58. 57. 44. coletar informações. Os dados são do mesmo do tipo que as variáveis. São exemplos de variáveis discretas: número de filhos (0. focando o objetivo determinado inicialmente. B.. • Variável Contínua: A variável contínua pode assumir qualquer valor num dado intervalo. ou classe social são variáveis.masculino e feminino). Organização de Dados Estatísticos (Fases do Método Estatístico) A Estatística Descritiva tem por objetivos planejar uma pesquisa. 51. Dados Brutos: É uma tabela ou relação de elementos que não foram numericamente organizados. 42 43. 57. Definir Objetivos: Saber exatamente aquilo que se pretende pesquisar é o mesmo que definir corretamente o problema inicial. 54. Coleta de Dados: Fase operacional. C. 60. 46.50 Kg). uma variável discreta produz dados discretos. 44. Exemplo: 41. Exemplo de variável contínua: peso de uma pessoa (60. 41. a partir de dados não ordenados ou dados brutos. A. B. AB). 50. etc. 60. Dados: São os valores da variável em estudo.Planejamento da pesquisa: Como levantar informações? Que dados deverão ser obtidos? Qual levantamento a ser utilizado? Cronograma de atividades? Custos envolvidos? Etc. ETC. São exemplos de variáveis quantitativas: idade. Estas variáveis são classificadas em dois tipos: • Nominal (exemplo: gênero . 52. ROL: É a tabela obtida após a ordenação dos dados brutos (de forma crescente ou decrescente). • o Dados primários (coleta direta): Quando são publicados pela própria pessoa ou organização que os tenha coletados. 58. etc. 60. 46. 41. Seus valores são expressos por atributos: São exemplos de variáveis qualitativas: sexo. e o conjunto dos resultados possui uma estrutura numérica.Variável: É uma condição ou característica das unidades da população.. a idade das pessoas residentes no Brasil. Por exemplo. tipo sanguíneo (O. 2. Seguindo este raciocínio a Estatística divide o estudo e análise dos dados em algumas fases que são descritas a seguir: 1º Fase.

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

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

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

se K=6.4.7. 4º Passo) Decidido o número de classes. de maneira que a primeira contenha o menor valor observado. 1º Passo) Organize os dados brutos em um ROL. portanto: A = Maior Medida – Menor Medida. Observação: O cálculo de K por meio de fórmulas pode servir como referência. que é a diferença entre os valores máximo e mínimo. 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. Dados Brutos: 1º Passo) A partir dos dados brutos construir o ROL (ordenação dos dados em ordem crescente) . mas não deve ser entendido como obrigatório.uma tabela de distribuição de frequência com intervalos de classe siga os procedimentos a seguir. que pode ser obtido por vários métodos. usa-se K=7. a amplitude das classes (h) deve ser aproximada para o maior valor inteiro. O primeiro elemento das classes seguintes sempre será formado pelo último elemento da classe anterior. sendo os mais usuais: Onde: K é o número de classes. Assim. 3º Passo) Calcule o número de classes (K): O número de classes de uma representação será um número inteiro próximo de K. 2º Passo) Encontre o valor máximo e mínimo do conjunto de dados e calcule a Amplitude Total (A). O indicado é sempre o arredondamento do valor de K obtido para um valor mais alto. e h=1. e n é o número de dados (tamanho da amostra). calcule então o tamanho do intervalo de classe (h). Que é definido por: Assim como no caso do número de classes (K). usa-se h=2 5º Passo) Organize as classes.

é preciso escolher o número de classes (K): Pela Regra de Sturges temos que: que n=50.18 = 47 3º Passo) Como os dados serão agrupados em classes.UNOPAR. portanto: . sendo 4º Passos) Cálculo do Tamanho do intervalo de classe (h): Quanto aos limites das classes. ditadas pela Fundação Instituto Brasileiro de Geografia e Estatística (IBGE).2º Passo) Determinar a Amplitude Total (A): A . São Paulo: Editora: Pearson Education do Brasil. utilizaremos o seguinte critério a |— b (incluiremos nesta classe todos os elementos maiores ou iguais a a e menores do que b). APRESENTAÇÃO DE DADOS EM GRÁFICOS Gráficos ajudam a visualizar a distribuição das variáveis.Menor Valor A = 65 . . Estatística. Gráficos de Linhas/Dispersão Os gráficos de linhas e dispersão exibem uma série como um conjunto de pontos conectados por uma única linha. R. A Tabela 07 mostra um exemplo de uma tabela de distribuição de frequência para variável contínua. 2009. sugiro que você abra a biblioteca digital. e leia o capítulo 2 da página 33 a 40. procure pelo livro GARCIA. Nesta etapa. 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. Todo gráfico deve apresentar título e escala. As escalas devem ser crescentes da esquerda para a direita e de baixo para cima. O título deve ser colocado abaixo do gráfico. As linhas dos gráficos são usadas para representar grandes quantidades de . Tabela 07.Maior Valor . seguindo as normas nacionais.

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

por meio de setores. Vendas da Companhia Alfa – 2004 . A partir dos dados apresentados na Tabela 02. foi obtido o gráfico de setores apresentado na Figura 04.Figura 03. É utilizado quando se pretende comparar cada valor da série com o total. Figura 04.2008 (Gráfico se setores) Histograma . em um círculo. Opinião dos consumidores sobre determinado produto (Gráfico de Barras) Gráficos de Setores É a representação gráfica de uma série estatística.

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

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

m = 2. onde xi é o ponto médio da classe. 1. 15}. 3. haverá coincidência da mediana com um dos elementos da série. Neste caso existirá um único valor de posição central. 2. isto é. Portanto. portanto está localizada na posição central.Exemplo (Cálculo da média com intervalos de classe): Neste caso. Para a sua determinação utiliza-se a seguinte regra. 6. 10. o conjunto de dados {0. a mediana no exemplo será a média aritmética do 5º e 6º termos da série. 10. 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). 5. ao passo que a mediana permanece a mesma. logo a mediana é 9. 6}. Quando o número de elementos da série estatística for par. nunca haverá coincidência da mediana com um dos elementos da série de dados. 7.50. Cálculo da mediana em dados agrupados e sem intervalos de classe (variável discreta): Neste caso. O valor que divide a esta série em duas partes iguais é igual a 9. 13. dados que têm um ou mais valores bem maiores ou menores que os demais. 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. 9. Por exemplo. 15} a média = 10 e a mediana = 10 Em {5. por influência dos valores extremos. 0. e os demais 50% são maiores. 3. é o bastante identificar a frequência acumulada imediatamente superior à metade da . Por exemplo: Em {5. 5. o conjunto de dados {2. Por exemplo. 13. ou seja. 4. 7. É o caso de conjuntos com dados discrepantes. 65} a média = 20 e a mediana = 10 A média do segundo conjunto de valores é maior do que a do primeiro. convencionamos que todos os valores incluídos em um determinado intervalo de classe coincidem com o seu ponto médio. 1. e determinamos a média aritmética ponderada por meio da fórmula anterior. e esse valor será a mediana. 10. tal que 50% dos valores são menores que a mediana. A mediana será sempre a média aritmética dos 2 elementos centrais da série de dados. 13. a mediana será = (2+3) / 2.Em algumas circunstâncias. a medida melhor descreve a tendência central dos dados.

Por meio das frequências acumuladas. portanto. total de elementos. a mediana =3. é par. ou seja. logo a mediana (m) será a média entre os valores de ordem . . será o valor 3. 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. a mediana corresponde à média: (4º elemento + 5º elemento) / 2 = (15 + 16) / 2 = 15.5 Cálculo da mediana em dados agrupados e com intervalos de classe (variável contínua): Devemos seguir os seguintes passos: . Neste exemplo. ou seja: . Observe: será o xi correspondente à classe que contiver a ordem calculada.soma das frequências. encontra-se o valor de xi correspondente a mediana. Exemplo (n = par): Dada a distribuição de frequência: Neste caso n=8. Assim. • Quando o somatório das frequências (n) for ímpar o valor mediano será o termo de ordem dado pela fórmula: Onde: n= nº. A mediana será aquele valor da variável (x) que corresponde a tal frequência acumulada. n=11 é impar. logo a mediana (m) será o elemento de ordem .

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

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

procure pelo livro: LARSON. conforme segue: Amplitude = Valor máximo — Valor mínimo Exemplo: . 15. As medidas de tendência central são tanto mais descritivas de um conjunto de dados quanto menor for a variabilidade. B. 120. ainda que consideradas como números que têm a faculdade de representar uma série de dados. 2ª Edição. não podem por si mesma destacar o grau de homogeneidade ou heterogeneidade que existe entre os valores que compõem o conjunto e. 50. por sua vez. não bastam para descrever um conjunto de dados.3. concluímos então que o conjunto X apresenta DISPERSÃO NULA e que o conjunto Y apresenta uma DISPERSÃO MENOR que o conjunto Z. desvio-médio.. 70} 72} Podemos observar que os três conjuntos apresentam a mesma média aritmética = 350/5 = 70 Entretanto. FARBER. 70. Portanto. 160} 70. 70. R. 2008 e leia o capítulo 2 da página 47 a 57. já que todos os valores são iguais à média. 71. portanto. Y e Z: X = {70.A seguir. Consideremos os seguintes conjuntos de valores das variáveis X.1º Passo) Identifica-se a classe modal. Medidas de Dispersão Absoluta: Amplitude Total (A) É a diferença entre o maior e o menor valor observado no conjunto de dados. devemos indicar também uma medida de variabilidade ou dispersão. Y = {68. dos valores em torno da média. WEB AULA 2 MEDIDAS ESTATÍSTICAS Por causa da variabilidade as medidas de tendência central. Neste caso. Então. são apresentadas as principais medidas de dispersão da estatística: amplitude. pois há menor diversificação entre cada um de seus valores e a média representativa. é fácil notar que o conjunto X é mais homogêneo que os conjuntos Y e Z. desvio-padrão e variância. Z = {5. d2 = 17-8=9. 69. trata-se da 3¿ classe 2 I. 70. MEDIDAS DE DISPERSÃO São medidas estatísticas utilizadas para avaliar o grau de variabilidade ou dispersão. é mais homogêneo que o conjunto Z. São Paulo: Editora Pearson. Aplica-se a fórmula dada acima: Aprofundando o conhecimento: Agora sugiro que você abra a biblioteca digital. quando apresentamos medidas de tendência central para descrever um conjunto de dados. O conjunto Y. Estatística Aplicada. 2º Passo) Sabendo que: l = 2. d1 = 17-10=7. h = 1.

Isto é: O desvio médio (DM) é a média aritmética dos valores absolutos dos desvios tomados em relação à média. Desvio-Médio (DM) Quando desejamos medir a dispersão dos dados em relação à média. a amplitude total é dada por: Amplitude = 38 — 10 = 28 Observação: A utilização da amplitude total como medida de dispersão é muito limitada. é instável. não sendo afetada pela dispersão dos valores internos.Para a série: 10.12. Mas a soma de todos os desvios é igual a zero.20.22. Isto é: Portanto. sendo uma medida que depende apenas dos valores externos. 3. 2. Veja que os desvios foram considerados em módulo. x = média amostral. Fi = frequência. é conveniente o uso da seguinte fórmula: .38.25. evitando-se assim que a soma fosse nula. X= média da população (populacional) Fi = frequência N = tamanho da população Para o caso do cálculo da variância amostral (S2). A definição de variância populacional (σ2) é dada por: Observações: 1. é interessante a análise dos desvios em torno da média. Variância populacional (σ2) e amostral (S2) A variância é uma medida que tem pouca utilidade como estatística descritiva. Onde: n= número de elementos.33. é extremamente importante na inferência estatística e em combinações de amostras. σ2 indica variância populacional e lê-se sigma ao quadrado. Porém. 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. pois. 4.

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

06 e seu grau de dispersão é de 1.06. Isto é. medido pelo desvio-médio.69. Para tanto. medido pelo desvio-padrão. seus valores estão em torno de 8. uma nova coluna deverá ser considerada na tabela anterior: 3º) Cálculo desvio-padrão Amostral (S) Como Resumindo: A distribuição possui média 8.2º) Cálculo da Variância Amostral (S2) Para calcularmos a variância amostral (S2). É dado por: . 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.20. e de 1. é preciso encontrar o valor de ∑di2Fi.

x = média amostral Exemplo: Numa empresa. Questão 1 . Comentário do gabarito Conforme vimos anteriormente. uma variável quantitativa discreta. a amostra é uma parte ou subconjunto da população.Onde: σ = desvio-padrão populacional. Comentário do gabarito O número de funcionários de uma empresa trata-se de uma variável que só pode assumir apenas valores inteiros. Então: Logo. que é selecionada para análise estatística (Estatística Descritiva). e os das mulheres é em média de R$ 3000. Nota Excelente Uma parte ou subconjunto da população selecionada para análise denomina-se: Sua resposta Amostra.00 com desvio-padrão de R$ 1500. portanto. Nota Questão 2 Excelente O número de funcionários de uma empresa é uma variável: Sua resposta Quantitativa Discreta. Resposta gabarito Quantitativa Discreta. Resposta gabarito Amostra.00 com desvio-padrão de R$ 1200. podemos concluir que nesta empresa os salários das mulheres apresentam maior dispersão relativa que os dos homens.00.00. o salário médio dos homens é de R$ 4000. S= desvio-padrão amostral X = média populacional.

Comentário do gabarito Cálculo da porcentagem de consumidores que preferem o produto C = (Frequência Relativa) *100%: (600/2745)*100 = 21. 8. 8. Em relação à moda. Resposta gabarito Gráfico de Dispersão. sendo que X é considerada a variável independente e Y a variável dependente é o gráfico de dispersão.85 ~ 7(arredondar para o maior valor inteiro). A quantidade de defeitos contidas em cada produto foi contada. 5. 10}. II) B é unimodal.3 = 48. Portanto. afirmamos que: I) A é unimodal. B = {6.96 ~ 7 classes (arredondar para o maior valor inteiro). Comentário do gabarito O gráfico que é usualmente empregado para representar a evolução conjunta de duas variáveis quantitativas. Resposta gabarito 21. 5. 9. Sua resposta 21. 9.85 % Nota Questão 4 Excelente A gerência industrial de certa empresa coletou uma amostra formada 64 produtos produzidos. ou seja. sendo que o número de classes foi obtido segundo a regra de Sturges. 4. 4. construídas conforme os procedimentos formais da estatística. 2. em relação às afirmativas. 1. C = {1. 4. 9. Então.Questão 3 Nota Excelente Considerando a pesquisa de opinião dos consumidores de certo produto. representada pela tabela abaixo. 9. número de classes (K): K= 1 + 3. é CORRETO afirmar que: Questão 1 . sendo que X é considerada a variável independente e Y a variável dependente. 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.85 %. 8. 9. 10. 4. Os resultados obtidos foram tabulados em classes de frequências. 4. Nota Não gerada Dados os conjuntos de valores: A = {1. determine a porcentagem de consumidores que preferem o produto “C”. 8. e as modas são 4 e 9. 9. 12}. 10}. 2. e a moda é 10. h=48/7=6. Sua resposta 7 Resposta gabarito 7 Comentário do gabarito Amplitude total (A)= 51 . tamanho do intervalo das classes (h) é dado por: h=A/K. 11. h=7. 9. 3. 8. e variaram de 3 a 51 defeitos. e a moda é 9.3*log (64) = 6. Calcule o tamanho do intervalo de cada classe (h). Sua resposta Gráfico de Dispersão. 5. 7.85 %.

66 . a receita média mensal do ano e o desvio-padrão amostral respectivamente são: Sua resposta 8. foram calculados o rendimento médio (retomo esperado) e o risco. respectivamente.85 Questão 4 Calcular a média para distribuição de frequência: Nota Não gerada Sua resposta 10. dado pelo desvio padrão amostral (s). Os resultados obtidos foram: Sua resposta Média = 2.80 e 3. Nota Não gerada Durante cinco meses consecutivos. em US$ milhões. qual o valor da mediana: Questão 2 Sua resposta 21.65%. (-1%). (-2%) e 6%.Sua resposta Somente II e III são verdadeiras. Nota Não Questão 3 gerada Dada a distribuição de frequência.61 Questão 5 Nota Não gerada Dadas as receitas mensais de certa empresa. os rendimentos da bolsa de valores foram iguais a 4%. 5%. nestes cinco meses.40% e desvio padrão = 3. Com base.