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.

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

que não se excluem mutuamente: • o o Apresentação de dados em tabelas . 1993). O uso de dados secundários traz o grande risco de erros de transcrição. O cabeçalho da tabela especifica o conteúdo das colunas. 2009 e leia o capítulo 1 (itens 1. não serão adotadas normas rígidas para elaboração de tabelas. com palavras claras e concisas. o que se deve buscar são representações simples que possibilitem ao leitor a compreensão do fenômeno sem muito esforço.3) da página 2 a 8.1 a 1. 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. bem como para registro e identificação da fonte de dados. uma empresa realiza uma pesquisa para saber a preferência dos consumidores pela sua marca. Uma tabela deve apresentar a seguinte estrutura: • Cabeçalho. 5º Fase. precedida da palavra Fonte ou Fontes (IBGE. Tabela 01. WEB AULA 2 APRESENTAÇÃO DE DADOS EM TABELAS Existem regulamentações para construção de tabelas estatísticas.Apuração dos Dados: Resumo dos dados através de sua contagem e agrupamento. construídas segundo normas técnicas citadas pela Fundação Instituto Brasileiro de Geografia e Estatística (IBGE. cuja finalidade principal é descrever a variável estudada. 1993) Apresentação gráfica dos dados numéricos . • Rodapé. segundo o sexo. As notas esclarecem aspectos relevantes do levantamento dos dados A Tabela 01 apresenta um exemplo de tabela que obedece às normas técnicas. procure pelo livro MCCLAVE. É a condensação e tabulação de dados. Está ligada essencialmente ao cálculo de medidas e coeficientes. em função dos objetivos práticos desta web aula. Dados secundários (coleta indireta): Quando são publicados por outra organização. deverá ser colocada na parte inferior. 10º Edição. São Paulo: Pearson Prentice Hall. 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. Aprofundando o conhecimento: Agora sugiro que você abra a biblioteca digital.Interpretação dos Dados e Conclusões Obtidas a partir dos dados (estatística inferencial): A última fase do trabalho estatístico é a mais importante e delicada. 6º Fase. Observação: É mais seguro trabalhar com dados primários. População residente no Brasil. 4º Fase.o IBGE. sem abreviações. A fonte dos dados é a entidade responsável pelos dados numéricos. O rodapé é reservado para observações pertinentes à tabela.Análise e Apresentação dos Dados: Há duas formas de apresentação. por extenso. de acordo com o censo demográfico de 2000 .É uma apresentação numérica dos dados em linhas e colunas distribuídas de modo ordenado. todavia. • Corpo. Temos que ter em mente que a tabela deverá ser uma forma objetiva de se demonstrar o comportamento de variáveis. “Estatística para Administração e Economia”.

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

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

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

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

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

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

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

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

m = 2.Em algumas circunstâncias. 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). 7. a medida melhor descreve a tendência central dos dados. ao passo que a mediana permanece a mesma. a mediana no exemplo será a média aritmética do 5º e 6º termos da série. 2. 13. 9. 13. onde xi é o ponto médio da classe. logo a mediana é 9. 10. portanto está localizada na posição central. 13. 7. 5. é o bastante identificar a frequência acumulada imediatamente superior à metade da . 3. 1. 1. 6}. O valor que divide a esta série em duas partes iguais é igual a 9. 5. e os demais 50% são maiores. o conjunto de dados {2. tal que 50% dos valores são menores que a mediana. 4. ou seja. A mediana será sempre a média aritmética dos 2 elementos centrais da série de dados. 10. 6. Por exemplo: Em {5.50. Cálculo da mediana em dados agrupados e sem intervalos de classe (variável discreta): Neste caso. 10. dados que têm um ou mais valores bem maiores ou menores que os demais.Exemplo (Cálculo da média com intervalos de classe): Neste caso. Neste caso existirá um único valor de posição central. convencionamos que todos os valores incluídos em um determinado intervalo de classe coincidem com o seu ponto médio. haverá coincidência da mediana com um dos elementos da série. 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. Por exemplo. 0. a mediana será = (2+3) / 2. Quando o número de elementos da série estatística for par. o conjunto de dados {0. 3. nunca haverá coincidência da mediana com um dos elementos da série de dados. É o caso de conjuntos com dados discrepantes. Para a sua determinação utiliza-se a seguinte regra. 15} a média = 10 e a mediana = 10 Em {5. 15}. por influência dos valores extremos. e esse valor será a mediana. Por exemplo. 65} a média = 20 e a mediana = 10 A média do segundo conjunto de valores é maior do que a do primeiro. Portanto. e determinamos a média aritmética ponderada por meio da fórmula anterior. isto é.

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

como a variável é contínua. 4º Passo) Calculamos a Mediana pela seguinte fórmula: Onde: lMd = limite inferior da classe mediana. FAA= 17. 2º Passo) Calculamos . Logo: . Tal classe será a classe mediana (classe Md). 3º Passo) Marcamos a classe correspondente à frequência acumulada imediatamente superior à ∑fi/2 . h = é a amplitude do intervalo da classe mediana. temos que 2º Passo: Identifica-se a classe mediana (Md) pela frequência acumulada. n = 58. FMd = 18. 1º Passo: Calcula-se . FAA = é a frequência acumulada da classe anterior à classe mediana. h = 10.1º Passo) Determinamos as frequências acumuladas (∑fi = n). não se preocupe se n é par ou ímpar. Exemplo: Dada a distribuição amostral. Como n=58. calcular a mediana. FMd = é a frequência da classe mediana. Neste caso a classe mediana é a 3º. 3º Passo: Aplica-se a fórmula: Neste caso: lMd = 55. n = tamanho da amostra ou número de elementos.

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

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

3. σ2 indica variância populacional e lê-se sigma ao quadrado.25. Porém.33. evitando-se assim que a soma fosse nula. pois. é conveniente o uso da seguinte fórmula: . Desvio-Médio (DM) Quando desejamos medir a dispersão dos dados em relação à média. Fi = frequência.12. é instável. 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. Mas a soma de todos os desvios é igual a zero. sendo uma medida que depende apenas dos valores externos. não sendo afetada pela dispersão dos valores internos. Isto é: Portanto.38. Variância populacional (σ2) e amostral (S2) A variância é uma medida que tem pouca utilidade como estatística descritiva. 4. é extremamente importante na inferência estatística e em combinações de amostras. Veja que os desvios foram considerados em módulo. a amplitude total é dada por: Amplitude = 38 — 10 = 28 Observação: A utilização da amplitude total como medida de dispersão é muito limitada.22. é interessante a análise dos desvios em torno da média. x = média amostral. X= média da população (populacional) Fi = frequência N = tamanho da população Para o caso do cálculo da variância amostral (S2).Para a série: 10.20. Onde: n= número de elementos. A definição de variância populacional (σ2) é dada por: Observações: 1. Isto é: O desvio médio (DM) é a média aritmética dos valores absolutos dos desvios tomados em relação à média. 2.

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

Isto é. uma nova coluna deverá ser considerada na tabela anterior: 3º) Cálculo desvio-padrão Amostral (S) Como Resumindo: A distribuição possui média 8. e de 1. medido pelo desvio-padrão.20.06. É dado por: .69. é preciso encontrar o valor de ∑di2Fi.06 e seu grau de dispersão é 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. Para tanto. seus valores estão em torno de 8.2º) Cálculo da Variância Amostral (S2) Para calcularmos a variância amostral (S2). medido pelo desvio-médio.

a amostra é uma parte ou subconjunto da população. que é selecionada para análise estatística (Estatística Descritiva).00. Nota Questão 2 Excelente O número de funcionários de uma empresa é uma variável: Sua resposta Quantitativa Discreta.00. portanto. e os das mulheres é em média de R$ 3000.00 com desvio-padrão de R$ 1500.Onde: σ = desvio-padrão populacional. Questão 1 . x = média amostral Exemplo: Numa empresa. Comentário do gabarito O número de funcionários de uma empresa trata-se de uma variável que só pode assumir apenas valores inteiros. Então: Logo. Resposta gabarito Quantitativa Discreta. Comentário do gabarito Conforme vimos anteriormente. S= desvio-padrão amostral X = média populacional. Resposta gabarito Amostra. uma variável quantitativa discreta. podemos concluir que nesta empresa os salários das mulheres apresentam maior dispersão relativa que os dos homens. o salário médio dos homens é de R$ 4000. Nota Excelente Uma parte ou subconjunto da população selecionada para análise denomina-se: Sua resposta Amostra.00 com desvio-padrão de R$ 1200.

Em relação à moda. e a moda é 10. determine a porcentagem de consumidores que preferem o produto “C”. construídas conforme os procedimentos formais da estatística. 3. representada pela tabela abaixo. Os resultados obtidos foram tabulados em classes de frequências. 9. Nota Não gerada Dados os conjuntos de valores: A = {1. sendo que X é considerada a variável independente e Y a variável dependente. h=48/7=6. número de classes (K): K= 1 + 3. A quantidade de defeitos contidas em cada produto foi contada. 5. Nota Questão 5 Excelente Assinale a alternativa que melhor apresenta gráfico usualmente empregado para representar a evolução conjunta de duas variáveis quantitativas. e as modas são 4 e 9. 9. 8. 4.3*log (64) = 6. B = {6. C = {1. 10. ou seja. Portanto.85 %. 9. Comentário do gabarito O gráfico que é usualmente empregado para representar a evolução conjunta de duas variáveis quantitativas. Comentário do gabarito Cálculo da porcentagem de consumidores que preferem o produto C = (Frequência Relativa) *100%: (600/2745)*100 = 21. Então. sendo que o número de classes foi obtido segundo a regra de Sturges. 8.85 ~ 7(arredondar para o maior valor inteiro). 4. 9.85 %. em relação às afirmativas. sendo que X é considerada a variável independente e Y a variável dependente é o gráfico de dispersão. Resposta gabarito 21. 12}. Resposta gabarito Gráfico de Dispersão. 2.85 % Nota Questão 4 Excelente A gerência industrial de certa empresa coletou uma amostra formada 64 produtos produzidos. 9. 10}.Questão 3 Nota Excelente Considerando a pesquisa de opinião dos consumidores de certo produto. 10}. 4. 9. 1. II) B é unimodal. 5. Sua resposta 7 Resposta gabarito 7 Comentário do gabarito Amplitude total (A)= 51 . Calcule o tamanho do intervalo de cada classe (h). 7. III) C é bimodal. 9. tamanho do intervalo das classes (h) é dado por: h=A/K.96 ~ 7 classes (arredondar para o maior valor inteiro). 11. Sua resposta Gráfico de Dispersão. Sua resposta 21.3 = 48. e variaram de 3 a 51 defeitos. 8. 5. 8. afirmamos que: I) A é unimodal. 4. h=7. e a moda é 9. 2. 8. 4. é CORRETO afirmar que: Questão 1 .

65%. foram calculados o rendimento médio (retomo esperado) e o risco. 5%.Sua resposta Somente II e III são verdadeiras. respectivamente.66 . Nota Não gerada Durante cinco meses consecutivos. dado pelo desvio padrão amostral (s). (-2%) e 6%. qual o valor da mediana: Questão 2 Sua resposta 21.61 Questão 5 Nota Não gerada Dadas as receitas mensais de certa empresa.80 e 3. Os resultados obtidos foram: Sua resposta Média = 2. os rendimentos da bolsa de valores foram iguais a 4%. Nota Não Questão 3 gerada Dada a distribuição de frequência. Com base. nestes cinco meses.85 Questão 4 Calcular a média para distribuição de frequência: Nota Não gerada Sua resposta 10.40% e desvio padrão = 3. a receita média mensal do ano e o desvio-padrão amostral respectivamente são: Sua resposta 8. (-1%). em US$ milhões.

Sign up to vote on this title
UsefulNot useful