WEB AULAS + EXERCÍCIOS ESTATÍSTICA

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.

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

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

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

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

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

A Tabela 07 mostra um exemplo de uma tabela de distribuição de frequência para variável contínua. As escalas devem ser crescentes da esquerda para a direita e de baixo para cima.UNOPAR. portanto: . procure pelo livro GARCIA. Todo gráfico deve apresentar título e escala. Estatística. seguindo as normas nacionais. 2009.2º Passo) Determinar a Amplitude Total (A): A . O título deve ser colocado abaixo do gráfico. e leia o capítulo 2 da página 33 a 40.Menor Valor A = 65 . . R. trataremos das formas de apresentar dados em gráficos. São Paulo: Editora: Pearson Education do Brasil. As linhas dos gráficos são usadas para representar grandes quantidades de . Nesta etapa. Distribuição de frequências que representa a idade dos funcionários de certa empresa (n=50) Aprofundando o conhecimento: Agora.Maior Valor .18 = 47 3º Passo) Como os dados serão agrupados em classes. sendo 4º Passos) Cálculo do Tamanho do intervalo de classe (h): Quanto aos limites das classes. Tabela 07. APRESENTAÇÃO DE DADOS EM GRÁFICOS Gráficos ajudam a visualizar a distribuição das variáveis. utilizaremos o seguinte critério a |— b (incluiremos nesta classe todos os elementos maiores ou iguais a a e menores do que b). ditadas pela Fundação Instituto Brasileiro de Geografia e Estatística (IBGE). sugiro que você abra a biblioteca digital. é preciso escolher o número de classes (K): Pela Regra de Sturges temos que: que n=50. Gráficos de Linhas/Dispersão Os gráficos de linhas e dispersão exibem uma série como um conjunto de pontos conectados por uma única linha.

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

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

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

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

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

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

não se preocupe se n é par ou ímpar. 3º Passo: Aplica-se a fórmula: Neste caso: lMd = 55. Logo: . 2º Passo) Calculamos . calcular a mediana. 1º Passo: Calcula-se . Tal classe será a classe mediana (classe Md). FAA = é a frequência acumulada da classe anterior à classe mediana. Exemplo: Dada a distribuição amostral. h = 10. n = 58. FAA= 17.1º Passo) Determinamos as frequências acumuladas (∑fi = n). n = tamanho da amostra ou número de elementos. como a variável é contínua. 4º Passo) Calculamos a Mediana pela seguinte fórmula: Onde: lMd = limite inferior da classe mediana. 3º Passo) Marcamos a classe correspondente à frequência acumulada imediatamente superior à ∑fi/2 . FMd = 18. h = é a amplitude do intervalo da classe mediana. Neste caso a classe mediana é a 3º. Como n=58. temos que 2º Passo: Identifica-se a classe mediana (Md) pela frequência acumulada. FMd = é a frequência da classe mediana.

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

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

25. pois. A definição de variância populacional (σ2) é dada por: Observações: 1. não sendo afetada pela dispersão dos valores internos. 3.38.22. Isto é: Portanto. 4. σ2 indica variância populacional e lê-se sigma ao quadrado.33. X= média da população (populacional) Fi = frequência N = tamanho da população Para o caso do cálculo da variância amostral (S2). Onde: n= número de elementos. 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. sendo uma medida que depende apenas dos valores externos. Mas a soma de todos os desvios é igual a zero. Veja que os desvios foram considerados em módulo. Fi = frequência. x = média amostral. evitando-se assim que a soma fosse nula. é extremamente importante na inferência estatística e em combinações de amostras. Isto é: O desvio médio (DM) é a média aritmética dos valores absolutos dos desvios tomados 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. 2.12. é instável. é interessante a análise dos desvios em torno da média.20.Para a série: 10. Porém. Desvio-Médio (DM) Quando desejamos medir a dispersão dos dados em relação à média. é conveniente o uso da seguinte fórmula: . Variância populacional (σ2) e amostral (S2) A variância é uma medida que tem pouca utilidade como estatística descritiva.

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

É dado por: . medido pelo desvio-médio. uma nova coluna deverá ser considerada na tabela anterior: 3º) Cálculo desvio-padrão Amostral (S) Como Resumindo: A distribuição possui média 8. Para tanto. é preciso encontrar o valor de ∑di2Fi. Isto é.2º) Cálculo da Variância Amostral (S2) Para calcularmos a variância amostral (S2). e de 1.06.20. medido pelo desvio-padrão. 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.

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

e a moda é 9. sendo que X é considerada a variável independente e Y a variável dependente é o gráfico de dispersão. 5. Portanto. III) C é bimodal. 4. Resposta gabarito Gráfico de Dispersão. 9. 10}. 10}. 9. 4. tamanho do intervalo das classes (h) é dado por: h=A/K. determine a porcentagem de consumidores que preferem o produto “C”. 5. em relação às afirmativas. 5. 11. h=48/7=6. Calcule o tamanho do intervalo de cada classe (h). A quantidade de defeitos contidas em cada produto foi contada. 9. 7. 8. e variaram de 3 a 51 defeitos. Nota Não gerada Dados os conjuntos de valores: A = {1. 9. número de classes (K): K= 1 + 3. sendo que o número de classes foi obtido segundo a regra de Sturges. Nota Questão 5 Excelente Assinale a alternativa que melhor apresenta gráfico usualmente empregado para representar a evolução conjunta de duas variáveis quantitativas. Em relação à moda. Os resultados obtidos foram tabulados em classes de frequências. 10. é CORRETO afirmar que: Questão 1 .3 = 48.96 ~ 7 classes (arredondar para o maior valor inteiro).85 % Nota Questão 4 Excelente A gerência industrial de certa empresa coletou uma amostra formada 64 produtos produzidos. 4. e as modas são 4 e 9. 4. 8.3*log (64) = 6.85 ~ 7(arredondar para o maior valor inteiro). Comentário do gabarito Cálculo da porcentagem de consumidores que preferem o produto C = (Frequência Relativa) *100%: (600/2745)*100 = 21. Comentário do gabarito O gráfico que é usualmente empregado para representar a evolução conjunta de duas variáveis quantitativas. 9. afirmamos que: I) A é unimodal. representada pela tabela abaixo. 8.85 %. ou seja. 8. 8. Sua resposta 7 Resposta gabarito 7 Comentário do gabarito Amplitude total (A)= 51 . 1. Resposta gabarito 21. Então. 2.Questão 3 Nota Excelente Considerando a pesquisa de opinião dos consumidores de certo produto. construídas conforme os procedimentos formais da estatística. 12}. 9. Sua resposta Gráfico de Dispersão. h=7. 3. 9. II) B é unimodal.85 %. 4. 2. Sua resposta 21. e a moda é 10. C = {1. B = {6. sendo que X é considerada a variável independente e Y a variável dependente.

65%. Com base. dado pelo desvio padrão amostral (s). (-1%). Os resultados obtidos foram: Sua resposta Média = 2. 5%.40% e desvio padrão = 3. (-2%) e 6%. em US$ milhões. Nota Não gerada Durante cinco meses consecutivos.66 . qual o valor da mediana: Questão 2 Sua resposta 21.Sua resposta Somente II e III são verdadeiras. Nota Não Questão 3 gerada Dada a distribuição de frequência. a receita média mensal do ano e o desvio-padrão amostral respectivamente são: Sua resposta 8.61 Questão 5 Nota Não gerada Dadas as receitas mensais de certa empresa.80 e 3. foram calculados o rendimento médio (retomo esperado) e o risco.85 Questão 4 Calcular a média para distribuição de frequência: Nota Não gerada Sua resposta 10. os rendimentos da bolsa de valores foram iguais a 4%. nestes cinco meses. respectivamente.

Sign up to vote on this title
UsefulNot useful