Você está na página 1de 35

Estatstica Descrittiva Prof Celso Brazil

Estatstica Descrittiva Prof Celso Brazil 1


Definies:

Estatstica: parte da Matemtica Aplicada que fornece mtodos para a coleta, organizao,
descrio, anlise e a interpretao de dados. O objetivo da Estatstica transformar
dados em informaes que auxiliem na tomada de decises.

Populao: define-se populao como o conjunto formado por todos os elementos que
desejamos coletar dados e que apresentam pelo menos uma caracterstica em comum.
Uma populao pode ser classificada como finita ou infinita.

Populao finita: o nmero de elementos no muito grande, a entrevista e a anlise das
informaes podem envolver todos os elementos do conjunto.
Ex: alunos de uma instituio de ensino de pequeno porte.

Populao infinita: o nmero de elementos elevado, sendo considerado infinito.
Ex: populao do Estado do RJ.

Amostra: parte de uma populao selecionada atravs de tcnicas de amostragem.A
amostra deve ser representativa da populao, isto , deve possuir as mesmas
caractersticas bsicas da populao.


Tipos de Variveis

Uma varivel poder ser qualitativa ou quantitativa.
A varivel ser qualitativa quando resultar de uma classificao por tipos ou atributos.

Exs:
Populao: alunos de uma universidade.
Varivel: sexo (masculino ou feminino).

Populao: moradores de uma cidade.
Varivel: tipo de habitao (casa, apartamento, barraco, etc.).

Populao: peas produzidas por uma mquina.
Varivel: qualidade (perfeita ou defeituosa).

Populao: bitos em um hospital, nos ltimos cinco anos
Varivel: causa mortis (molstia cardiovasculares, cnceres, etc).

A varivel ser quantitativa quando seus valores forem expressos em nmeros. Pode ser
subdivida em:
- quantitativa discreta: pode assumir apenas valores pertences a um conjunto
enumervel. So resultantes de contagens.
- quantitativa contnua: pode assumir qualquer valor em um certo intervalo de variao.
So resultantes de medies.

Alguns exemplos de variveis quantitativas discretas so:
Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 2

Populao: habitaes de uma cidade.
Varivel: nmero de banheiros.

Populao: casais residentes em uma cidade.
Varivel: nmero de filhos.

Populao: aparelhos produzidos em uma linha de montagem.
Varivel: nmero de defeitos por unidade.

Populao: Bolsa de valores de So Paulo.
Varivel: nmero de aes negociadas.

Alguns exemplos de variveis quantitativas contnuas so:

Populao: estao meteorolgica de uma cidade.
Varivel: precipitao pluviomtrica durante um ms.

Populao: pregos produzidos por uma mquina.
Varivel: comprimento.

Populao: propriedades agrcolas do Brasil.
Varivel: produo de algodo.

Populao: pessoas residentes em uma cidade.
Varivel: idade.

Grfico Estatstico

O grfico estatstico uma forma de apresentao dos dados estatsticos que visa tornar
mais rpida e clara a compreenso do resultado do fenmeno estudado. Os grficos
devem ser simples, claros e trazer informaes verdicas.

Tipos de grficos:

Grficos de colunas

Dados que estejam organizados em colunas ou linhas em uma planilha podem ser
plotados em um grfico de colunas. Grficos de colunas so teis para mostrar as
alteraes de dados em um perodo de tempo ou para ilustrar comparaes entre itens.

Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 3


Grficos de linha

Grficos de linhas podem exibir dados contnuos ao longo do tempo, definidos em relao
a uma escala comum e so, portanto, ideais para mostrar tendncias em dados a
intervalos iguais.



Grficos de pizza

Grficos de pizza mostram o tamanho de itens em uma srie de dados, de modo
proporcional soma dos itens. Os pontos de dados em um grfico de pizza so exibidos
como um percentual de toda a pizza.



Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 4
Grficos de barras

Grficos de barras ilustram comparaes entre itens individuais.



Grficos de rea

Grficos de rea enfatizam a magnitude da mudana no decorrer do tempo e podem ser
usados para chamar ateno para o valor total ao longo de uma tendncia. Por exemplo,
os dados que representam o lucro no decorrer do tempo podem ser plotados em um
grfico de rea para enfatizar o lucro total.

Exibindo a soma dos valores plotados, o grfico de rea mostra tambm a relao das
partes com um todo.



Grficos de disperso (XY)

Grficos de disperso mostram as relaes entre os valores numricos em vrias
seqncias de dados ou plotam dois grupos de nmeros como uma seqncia de
coordenadas XY.
Um grfico de disperso tem dois eixos de valores, mostrando um conjunto de dados
numricos ao longo do eixo horizontal (eixo X) e outro ao longo do eixo vertical (eixo Y).
Ele combina esses valores em pontos de dados nicos e os exibe a intervalos irregulares,
Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 5
ou agrupamentos. Grficos de disperso costumam ser usados para exibir e comparar
valores numricos, como dados cientficos, estatsticos e de engenharia.




Outros tipos de grfico:

Grficos de aes
Grficos de superfcie
Grficos de rosca
Grficos de bolhas
Grficos de radar

Distribuies de Freqncia

Definies:

Freqncia simples (
i
f )

Definimos como freqncia de um valor de uma varivel (qualitativa ou quantitativa)
como sendo o nmero de vezes que aquele valor se repete no conjunto de dados.

= n f
i


onde,

n = tamanho da amostra.


Exemplo
Nmero de filhos de 50 funcionrios de uma empresa

N
i
f
Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 6
0 10
1 20
2 5
3 7
4 8
50

Tipos de freqncia

Freqncia relativa simples (
r
f )

a razo entre a freqncia simples de cada valor observado e a freqncia total.


n
f
f
i
r
= , onde

= % 100 1ou f
r


Freqncia acumulada (
i
F )

A freqncia acumulada igual soma da freqncia simples (
i
f ) deste valor com todos
as freqncias simples (
i
f ) dos valores anteriores.




Freqncia relativa acumulada (
r
F )

A freqncia relativa acumulada igual soma da freqncia relativa (
r
f ) deste valor
com todos as freqncias relativas (
r
f ) dos valores anteriores. Tambm pode ser obtida
atravs da razo entre a freqncia acumulada at um valor e a freqncia total.

n
F
F
i
r
=


n de filhos
i
f
i
F
r
f
r
F
0 10 10 0,20 0,20
1 20 30 0,40 0,60
2 5 35 0,10 0,70
3 7 42 0,14 0,84
4 8 50 0,16 1,0
50 1,0


Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 7
Histograma

O histograma uma forma grfica de apresentar a distribuio de freqncias de uma
varivel. O histograma um grfico de barras verticais construdo com os resultados de
uma tabela de freqncias.

Histograma de freqncia simples (
i
f )

10
20
5
7
8
0
5
10
15
20
25
0 1 2 3 4
N de Filhos
F
r
e
q
u

n
c
i
a

(
f
i
)









Histograma de freqncia relativa (
r
f )
0,2
0,4
0,1
0,14
0,16
-
0,05
0,10
0,15
0,20
0,25
0,30
0,35
0,40
0,45
0 1 2 3 4
N de Filhos
F
r
e
q
u

n
c
i
a

r
e
l
a
t
i
v
a

(
f
r
)


Histograma de freqncia acumulada (
i
F )

Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 8
10
30
35
42
50
0
10
20
30
40
50
60
0 1 2 3 4
N de Filhos
F
r
e
q
u

n
c
i
a

A
c
u
m
u
l
a
d
a

(
F
i
)


Histograma de freqncia relativa acumulada (
r
F )

0,2
0,6
0,7
0,84
1
-
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1,00
0 1 2 3 4
N de Filhos
F
r
e
q
u

n
c
i
a

r
e
l
a
t
i
v
a

a
c
u
m
u
l
a
d
a

(
F
r
)


Distribuio de freqncias e sua representao grfica para variveis
quantitativas contnuas

As variveis quantitativas contnuas diferem um pouco das discretas na sua forma
de representao grfica. Para entender essa diferena temos que nos lembrar que as
variveis contnuas, por definio, tm os seus valores definidos num intervalo contnuo
dos nmeros reais. Portanto, no tem sentido falar em freqncia de repetio de um
determinado valor, pois os valores raramente se repetem.


Dados Brutos

So dados coletados que ainda no foram numericamente organizados.

ESTATURAS DE 40 ALUNOS DA FACULDADE A
166 160 161 150 162 160 165 167 164 160
162 168 161 163 156 173 160 155 164 168
155 152 163 160 155 155 169 151 170 164
154 161 156 172 153 157 156 158 158 161


Rol
Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 9

So dados classificados em ordem crescente ou decrescente

ESTATURAS DE 40 ALUNOS DA FACULDADE A
150 154 155 157 160 161 162 164 166 169
151 155 156 158 160 161 162 164 167 170
152 155 156 158 160 161 163 164 168 172
153 155 156 160 160 161 163 165 168 173


Tabela de freqncias

uma tabela onde os valores so apresentados associados as suas respectivas
freqncias (nmero de repeties). Mas o processo dado ainda inconveniente, j que
exige muito mais espao, mesmo quando o nmero de valores da varivel (n) de
tamanho razovel. Sendo possvel, a soluo mais aceitvel, pela prpria natureza da
varivel contnua, o agrupamento dos valores em vrios intervalos.



ESTATURAS
(cm)
FREQ
150
151
152
153
154
155
156
157
158
160
161
162
163
164
165
166
167
168
169
170
172
173
1
1
1
1
1
4
3
1
2
5
4
2
2
3
1
1
1
2
1
1
1
1
Total 40

Assim, se um dos intervalos for, por exemplo, 154 158 ( um intervalo fechado
esquerda e aberto direita, tal que: 154 x < 158), em vez de dizermos que a estatura
Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 10
de 1 aluno de 154 cm; de 4 alunos, 155 cm; de 3 alunos, 156 cm; e de 1 aluno, 157
cm, dizemos que 9 alunos tm estaturas entre 154, inclusive, e 158 cm.



i
ESTATURAS
(cm)
f
i
pm fr F
i
Fr

1
2
3
4
5
6
150 154
154 158
158 162
162 166
166 170
170 174
4
9
11
8
5
3
152
156
160
164
168
172
0,100
0,225
0,275
0,200
0,125
0,075
4
13
24
32
37
40
0,100
0,325
0,600
0,800
0,925
1,000

40 1,000




Histograma de freqncia simples (
i
f )

4
9
11
8
5
3
0
2
4
6
8
10
12
152 156 160 164 168 172
Altura
F
r
e
q
u

n
c
i
a

(
f
i
)


Histograma de freqncia relativa (
r
f )

0,100
0,225
0,275
0,200
0,125
0,075
-
0,05
0,10
0,15
0,20
0,25
0,30
152 156 160 164 168 172
Altura
F
r
e
q
u

n
c
i
a

r
e
l
a
t
i
v
a

(
f
r
)


Histograma de freqncia acumulada (
i
F )

Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 11
4
13
24
32
37
40
-
5
10
15
20
25
30
35
40
45
152 156 160 164 168 172
Altura
F
r
e
q
u

n
c
i
a

A
c
u
m
u
l
a
d
a

(
F
i
)

Histograma de freqncia relativa acumulada (
r
F )


0,100
0,325
0,600
0,800
0,925
1,000
-
0,10
0,20
0,30
0,40
0,50
0,60
0,70
0,80
0,90
1,00
152 156 160 164 168 172
Altura
F
r
e
q
u

n
c
i
a

r
e
l
a
t
i
v
a

A
c
u
m
u
l
a
d
a

(
F
r
)



Elementos de uma Distribuio de Freqncia

1) Classes de freqncia ou, simplesmente, classes so intervalos de variao da varivel.

As classes so representadas simbolicamente por i, sendo i = 1, 2, 3, ..., k (onde k o
nmero total de classes da distribuio).

Assim, em nosso exemplo, o intervalo 154 158 define a segunda classe (i = 2). Como
a distribuio formada de seis classes, podemos afirmar que k = 6.


2) Denominamos limites de classe os extremos de cada classe.

O menor nmero o limite inferior da classe (
i
l ) e o maior nmero, o limite superior
da classe (
s
L ).

Na segunda classe, por exemplo, temos:

2
l = 154 e
2
L = 158

Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 12


Nota:

Os intervalos de classe devem ser escritos, de acordo com a Resoluo 886/66 do
IBGE, em termos desta quantidade at menos aquela, empregando, para isso, o smbolo
(incluso de li e excluso de Li). Assim, o indivduo com uma estatura de 158 cm est
includo na terceira classe (i = 3) e no na segunda.


3) Amplitude de um intervalo de classe, ou, simplesmente, intervalo de classe a medida
do intervalo que define a classe.

Ela obtida pela diferena entre os limites superior e inferior dessa classe e indicada por
i
h . Assim:

i i i
l L h =

No exemplo, temos: cm l L h 4 154 158
2 2 2
= = =


4) Amplitude total da distribuio (AT) a diferena entre o limite superior da ltima
classe (limite superior mximo) e o limite inferior da primeira classe (limite inferior
mnimo):

min max
l L AT =
Em nosso exemplo, temos: cm l L AT 24 150 174
min max
= = =


5) Amplitude amostral (AA) a diferena entre o valor mximo e o valor mnimo da
amostra:

AA = x(mx) x(mn)

Em nosso exemplo, temos: AA = 173 - 150 = 23 cm

Observe que a amplitude total da distribuio jamais coincide com a amplitude amostral.

6) Ponto mdio de uma classe (xi) , como o prprio nome indica, o ponto que divide o
intervalo de classe em duas partes iguais.

2
i s
l L
pm
+
=

Assim, o ponto mdio da segunda classe, em nosso exemplo, :

Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 13
156
2
312
2
154 158
2
= =
+
=
+
=
i s
l L
pm

Nmero de Classes Intervalos de Classe
A primeira preocupao que temos, na construo de uma distribuio de freqncia, a
determinao do nmero de classes e, conseqentemente, da amplitude e dos limites dos
intervalos de classe.
Para a determinao do nmero de classes de uma distribuio podemos lanar mo da
regra de Sturges, que nos d o nmero de classes em funo do nmero de valores da
varivel: i 1 + 3,3 . log n
onde:
i o nmero de classe; n o nmero total de dados.

Regra da raiz

n i =

Amplitude de classe (h)
i
AA
h =
Quando o resultado no exato, devemos arredond-lo para mais.

Medidas de Tendncia Central

As medidas de tendncia central recebem este nome porque seus valores tendem para o
centro da distribuio de valores. As principais medidas de tendncia central so: mdia,
mediana, moda.

Mdia aritmtica

Dados no agrupados
Exemplo:
X = {2, 3, 4, 5, 6, 7} n = 6
Frmula:
n
x
x
n
i
i
=
=
1


5 , 4
6
27
6
7 6 5 4 3 2
1
= =
+ + + + +
= =

=
n
x
x
n
i
i


Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 14
Dados agrupados sem intervalos de classe
xi fi xifi
0 10 0
1 20 20
2 5 10
3 7 21
4 8 32
50 83


Frmula:
n
f x
x
n
i
i i
=
=
1


66 , 1
50
83
1
= = =

=
n
f x
x
n
i
i i


Dados agrupados com intervalos de classe

ESTATURAS
i
(cm)
f
i
pm fipm
1 150 154 4 152 608
2 154 158 9 156 1404
3 158 162 11 160 1760
4 162 166 8 164 1312
5 166 170 5 168 840
6 170 174 3 172 516
40

6440


Frmula:
n
pm f
x
n
i
i
=
=
1


161
40
6440
1
= = =

=
n
pm f
x
n
i
i


Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 15
Mediana (Me)

Dados no agrupados ou agrupados sem intervalos de classe

A mediana de um conjunto de nmeros, classificados em ordem crescente ou decrescente,
o valor central (N impar) ou a mdia aritmtica dos dois valores centrais (N par).

Exemplos:

{3, 4, 4, 5, 6, 8, 8, 8, 10} n = 9 (mpar)

5
2
10
2
1 9
2
1
,
6
5
= =
+
=
+
=
= = =
n
p
onde
E E Me
p

A mediana ser o valor central Me = 6

{5, 6, 7, 9, 11, 12, 13, 17} n = 8 (par)
A mediana ser a mdia aritmtica entre os dois valores centrais.
5 1
2
8
1
2
4
2
8
2
,
10
2
20
2
11 9
2 2
2
1
5 4
2 1
= + = + =
= = =
= =
+
=
+
=
+
=
n
p
n
p
onde
E E
E E
Me
p p


xi fi Fi
0 10 10
1 15 25
2 10 35
3 7 42
4 8 50
50

Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 16
n = 50 (par)

26 1
2
50
25
2
50
,
5 , 1
2
3
2
2 1
2 2
2
1
26 25
2 1
= + =
= =
= =
+
=
+
=
+
=
p
p
onde
E E
E E
Me
p p


Dados agrupados com intervalos de classe

h x
f
F P
li Me
me
ant

+ =

onde,
i
l =limite inferior da classe que contm a mediana.
ant
F =freqncia acumulada (Fi) at a classe anterior classe que contm a mediana.
me
f =freqncia simples (fi) da classe que contm a mediana.
h = amplitude de classe.

Classe que contm a mediana a 1 classe com freqncia acumulada P F
i
, tal que
n
n
P =
2
.

para todo.

Exemplo:

ESTATURAS
i
(cm)
f
i
F
i

1 150 154 4 4
2 154 158 9 13
3 158 162 11 24
Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 17
4 162 166 8 32
5 166 170 5 37
6 170 174 3 40
40 40

20
2
40
= = P

55 , 160 4
11
13 20
158 =

+ =

+ = x h x
f
F P
li Me
me
ant

Moda (Mo)

A moda o valor que ocorre com mais freqncia. Um conjunto pode ser:

Amodal: quando no apresentar moda, isto , todos os valores do conjunto apresentam a
mesma freqncia.

Exemplos:
{3, 3, 4, 4, 5, 5 , 8, 8, 10, 10} Mo = { }
{3, 4, 5, 10} Mo = { }

Xi Fi
0 10
1 10
2 10
3 10
4 10
50

Mo = { }
Unimodal: quando apresentar um nico valor modal.

Exemplos:
{3, 3, 3, 4, 5, 5 , 8, 8, 10, 10} Mo = {3}
{3, 4, 5, 5, 10} Mo = {5}

Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 18
Xi Fi
0 10
1 15
2 5
3 10
4 10
50

Mo = {1}

Bimodal: quando apresentar dois valores modais.

Exemplos:
{3, 3, 3, 4, 5, 5 , 5, 8, 8, 10, 10} Mo = {3, 5}
{3, 4, 4, 5, 5, 10} Mo = {4, 5}

Xi Fi
0 10
1 15
2 15
3 5
4 5
50

Mo = {1, 2}
Multimodal ou Plurimodal: quando apresentar trs ou mais valores modais.

Exemplos:
{3, 3, 3, 4, 5, 5, 5, 8, 8, 8, 10, 10} Mo = {3, 5, 8}
{3, 4, 4, 5, 5, 10, 10} Mo = {4, 5, 10}

Xi Fi
0 12
1 12
2 12
3 4
Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 19
4 10
50

Mo = {0, 1, 2}

Moda para dados agrupados com intervalos de classe.

h x
f f f
f f
li M
ipost iant mo
iant mo
o
) ( 2 +

+ =
i
l = limite inferior da classe que contm o valor modal;
mo
f = frequncia simples da classe que contm o valor modal
iant
f = frequncia simples da classe anterior a classe modal
ipost
f = frequncia da classe posterior a classe modal
h = amplitude do intervalo de classe

Exemplo:

ESTATURAS
i
(cm)
f
i
F
i

1 150 154 4 4
2 154 158 9 13
3 158 162 11 24
4 162 166 8 32
5 166 170 5 37
6 170 174 3 40
40 40


4 , 158 4 , 0 158
) 17 ( 22
2
158
) 8 9 ( 11 2
9 11
158
) ( 2
= + =

+ =
+

+ =
+

+ =
x
h x
f f f
f f
li M
ipost iant mo
iant mo
o


Medidas separatrizes
Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 20
As principais separatrizes so: quartil, decil e centil (ou percentil). A Mediana divide o
conjunto em duas partes iguais. J o Quartil, separa o conjunto em quatro partes iguais; o
Decil, em dez partes e o Centil (ou Percentil) em cem partes iguais.
!-------------------!-------------------!
Md

!---------!---------!---------!---------!
Q1 Q2 Q3

!---!---!---!---!---!---!---!---!---!---!
D1 D2 D3 D4 D5 D6 D7 D8 D9

!---!---!---!---!---!---!---!---!---!---!
C10 C20 C30 C40 C50 C60 C70 C80 C90

Md = Q2 = D5 = C50

Frmulas

Mediana

h x
f
F
n
li Me
i
ant
|

\
|
+ =
2


Quartil

h x
f
F
kn
li Q
i
ant
k
|

\
|
+ =
4


Decil

h x
f
F
kn
li D
i
ant
k
|

\
|
+ =
10


Centil ou Percentil
Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 21

h x
f
F
kn
li P
i
ant
k
|

\
|
+ =
100


onde,
i
l =limite inferior da classe que contm a separatriz.
ant
F =freqncia acumulada (Fi) at a classe anterior classe que contm a separatriz.
i
f =freqncia simples (fi) da classe que contm a separatriz.
h = amplitude de classe.
Classe que contm a separatriz a 1 classe com freqncia acumulada P F
i
.
k ndice da medida separatriz que desejamos calcular. Ex: C
25
k = 25.

Exemplo:



ESTATURAS
i
(cm)
f
i
F
i

1 150 154 4 4
2 154 158 9 13
3 158 162 11 24
4 162 166 8 32
5 166 170 5 37
6 170 174 3 40
40 40

67 , 156 67 , 2 154 4
9
6
154 4
9
4
4
40 1
154
1
= + = + =
|

\
|
+ = x x
x
Q

Medidas de disperso ou variabilidade

Disperso ou Variabilidade:

Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 22
a maior ou menor diversificao dos valores de uma varivel em torno de um valor de
tendncia central (mdia ou mediana) tomado como ponto de comparao.
A mdia - ainda que considerada como um nmero que tem a faculdade de representar
uma srie de valores - no pode, por si mesma, destacar o grau de homogeneidade ou
heterogeneidade que existe entre os valores que compem o conjunto.

Consideremos os seguintes conjuntos de valores das variveis X, Y e Z:
X = {70, 70, 70, 70, 70}
Y = {68, 69, 70 ,71 ,72}
Z = {5, 15, 50, 120, 160}
Observamos ento que os trs conjuntos apresentam a mesma mdia aritmtica = 350/5 =
70.
Entretanto, fcil notar que o conjunto X mais homogneo que os conjuntos Y e Z, j que
todos os valores so iguais mdia. O conjunto Y, por sua vez, mais homogneo que o
conjunto Z, pois h menor diversificao entre cada um de seus valores e a mdia
representativa.
Conclumos ento que o conjunto X apresenta disperso nula e que o conjunto Y apresenta
uma disperso menor que o conjunto Z.

MEDIDAS DE DISPERSO ABSOLUTA

Amplitude total (At) : a nica medida de disperso que no tem na mdia o ponto de
referncia. Quando os dados no esto agrupados a amplitude total a diferena entre o
maior e o menor valor observado: AA = x mximo - x mnimo.
Exemplo: Para os valores 40, 45, 48, 62 e 70 a amplitude total ser: At = 70 - 40 = 30
Quando os dados esto agrupados sem intervalos de classe ainda temos : At = x mximo -
x mnimo.

Com intervalos de classe a amplitude total a diferena entre o limite superior da ltima
classe e o limite inferior da primeira classe. Ento At =
smx
L -
min i
l .
A amplitude total tem o inconveniente de s levar em conta os dois valores extremos da
srie, descuidando do conjunto de valores intermedirios. Faz-se uso da amplitude total
quando se quer determinar a amplitude da temperatura em um dia, no controle de
qualidade ou como uma medida de clculo rpido sem muita exatido.

Desvio mdio (DM)

a mdia aritmtica do valor absoluto dos desvios em relao mdia.

Dados no agrupados

Exemplo:
x = {2, 3, 4, 5, 6, 7} n = 6
5 , 4
6
27
6
7 6 5 4 3 2
1
= =
+ + + + +
= =

=
n
x
x
n
i
i


Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 23
Frmula:
n
x x
DM
n
i
i
=

=
1

Xi
x x
i

x x
i

2 -2,5 2,5
3 -1,5 1,5
4 -0,5 0,5
5 0,5 0,5
6 1,5 1,5
7 2,5 2,5
9,0
5 , 1
6
9
6
1
= =

=
n
x x
DM
i
i


Dados agrupados sem intervalos de classe
Xi Fi Xifi
x x
i

x x
i
x x fi
i

0 10 0 -1,66 1,66 16,6
1 20 20 -0,66 0,66 13,2
2 5 10 0,34 0,34 1,7
3 7 21 1,34 1,34 9,38
4 8 32 2,34 2,34 18,72
50 83 59,6


n
f x
x
n
i
i i
=
=
1
66 , 1
50
83
1
= = =

=
n
f x
x
n
i
i i


Frmula: 49 , 1
40
6 , 59 1
= =

=
n
x x fi
DM
n
i
i


Dados agrupados com intervalos de classe

ESTATURAS
i
(cm)
f
i
pm fipm
x pm
x pm x pm fi
Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 24
1 150 154 4 152 608 -9 9 36
2 154 158 9 156 1404 -5 5 45
3 158 162 11 160 1760 -1 1 11
4 162 166 8 164 1312 3 3 24
5 166 170 5 168 840 7 7 35
6 170 174 3 172 516 11 11 22
40

6440 184


n
pm f
x
n
i
i
=
=
1
161
40
6440
1
= = =

=
n
pm f
x
n
i
i


Frmula: 6 , 4
40
184 1
= =

=
n
x pm fi
DM
n
i


Desvio padro
a medida de disperso mais geralmente empregada, pois leva em considerao a
totalidade dos valores da varivel em estudo. um indicador de variabilidade bastante
estvel. O desvio padro baseia-se nos desvios em torno da mdia aritmtica e a sua
frmula bsica pode ser traduzida como : a raiz quadrada da mdia aritmtica dos
quadrados dos desvios e representada por (populacional) ou s (amostral).

O desvio padro apresenta algumas propriedades, dentre as quais destacamos:
1) Somando-se (ou subtraindo-se) uma constante a todos os valores de uma varivel, o
desvio padro no se altera.
2) Multiplicando-se (ou dividindo-se) todos os valores de uma varivel por uma constante
(diferente de zero), o desvio padro fica multiplicado ( ou dividido) por essa constante.

Dados no agrupados

Exemplo:
x = {2, 3, 4, 5, 6, 7} n = 6
5 , 4
6
27
6
7 6 5 4 3 2
1
= =
+ + + + +
= =

=
n
x
x
n
i
i


Frmulas:
desvio padro amostral :
( )
1
2
1

=

=
n
x x
s
n
i
i

Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 25

Processo Breve:
(
(

|
|

\
|

=

2
2
1 n
x
n
x
n
n
s
i i


desvio padro populacional:
( )
n
x x
n
i
i
2
1

=
Xi
x x
i

( )
2
x x
i

2 -2,5 6,25
3 -1,5 2,25
4 -0,5 0,25
5 0,5 0,25
6 1,5 2,25
7 2,5 6,25
17,5

( )
87 , 1 5 , 3
5
5 , 17
1
2
1
= = =

=

=
n
x x
s
n
i
i


Dados agrupados sem intervalos de classe
Xi Fi Xifi
x x
i

( )
2
x x
i
( )
2
x x fi
i

0 10 0 -1,66 2,756 27,56
1 20 20 -0,66 0,436 8,712
2 5 10 0,34 0,116 0,578
3 7 21 1,34 1,796 12,57
4 8 32 2,34 5,476 43,8
50 83 93,22


n
f x
x
n
i
i i
=
=
1
66 , 1
50
83
1
= = =

=
n
f x
x
n
i
i i


Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 26
Frmula:
( )
379 , 1 90 , 1
49
22 , 93
1
2
1
= = =

=

=
n
x x fi
s
n
i
i


Dados agrupados com intervalos de classe

ESTATURAS
i
(cm)
f
i
pm Fipm
x pm ( )
2
x pm ( )
2
x pm fi
1 150 154 4 152 608 -9 81 324
2 154 158 9 156 1404 -5 25 225
3 158 162 11 160 1760 -1 1 11
4 162 166 8 164 1312 3 9 72
5 166 170 5 168 840 7 49 245
6 170 174 3 172 516 11 121 363
40

6440 1240


n
pm f
x
n
i
i
=
=
1
161
40
6440
1
= = =

=
n
pm f
x
n
i
i


Frmula:
( )
64 , 5 79 , 31
39
1240
1
2
1
= = =

=

=
n
x pm fi
s
n
i



Varincia
o desvio padro elevado ao quadrado.
varincia populacional
s varincia amostral

Observao: O desvio padro tem a unidade de medida igual a unidade de medida original
da varivel, entretanto a varincia apresentar a unidade de medida elevada ao quadrado.
Quando se deseja comparar a variabilidade de duas ou mais distribuies, mesmo quando
essas se referem a diferentes fenmenos e sejam expressas em unidades de medidas
distintas, podemos utilizar o Coeficiente de Variao de Pearson (medida de disperso
relativa).

Coeficiente de variao de Pearson

Notao: CV = coeficiente de variao de Pearson ou apenas coeficiente de variao.
Na estatstica descritiva o desvio padro por si s tem grandes limitaes. Assim, um desvio
Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 27
padro de 2 unidades pode ser considerado pequeno para uma srie de valores cujo valor
mdio 200; no entanto, se a mdia for igual a 20, o mesmo no pode ser dito.
Alm disso, o fato de o desvio padro ser expresso na mesma unidade dos dados limita o
seu emprego quando desejamos comparar duas ou mais sries de valores, relativamente
sua disperso ou variabilidade, quando expressas em unidades diferentes.
Para contornar essas dificuldades e limitaes, podemos caracterizar a disperso ou
variabilidade dos dados em termos relativos a seu valor mdio, medida essa denominada
de CV: Coeficiente de Variao de Pearson ( a razo entre o desvio pado e a mdia
referentes a dados de uma mesma srie).

100 .
x
s
CV =

se,

disperso alta CV
disperso mdia CV
disperso baixa CV

<
<
% 30
% 30 % 15
% 15 % 0


Exemplo:

Exemplo:
x = {2, 3, 4, 5, 6, 7} n = 6
5 , 4
6
27
6
7 6 5 4 3 2
1
= =
+ + + + +
= =

=
n
x
x
n
i
i


Xi
x x
i

( )
2
x x
i

2 -2,5 6,25
3 -1,5 2,25
4 -0,5 0,25
5 0,5 0,25
6 1,5 2,25
7 2,5 6,25
17,5

( )
87 , 1 5 , 3
5
5 , 17
1
2
1
= = =

=

=
n
x x
s
n
i
i


% 56 , 41 100 .
5 , 4
87 , 1
100 . = = =
x
s
CV alta disperso.
Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 28
Exerccios

Questes

Prova: CESGRANRIO - 2008 - CAPES - Assistente em Cincia e Tecnologia

Para responder s questes abaixo, utilize os dados do grfico a seguir, relativos
Avaliao Trienal dos cursos e programas de ps-graduao realizada pela
Capes em 2007.

O nmero total de programas, na rea, avaliados pela Capes foi

(a) 7
(b) 17
(c) 20
(d) 49
(e) 68

O conceito mdio atribudo aos programas avaliados nesse perodo

(a) 1,7
(b) 2,8
(c) 3,8
(d) 4,0
(e) 7,0

O percentual de programas que tiveram conceito mnimo igual a 4,0

(a) 15,0%
Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 29
(b) 28,5%
(c) 32,0%
(d) 34,6%
(e) 65,3%

Prova: CESPE - 2008 - TJ-DF - Analista Judicirio - rea Administrativa


A tabela acima apresenta a distribuio de freqncia absoluta das notas dadas por 125
usurios de um servio pblico, em uma avaliao da qualidade do atendimento.
Considerando essas informaes, julgue os prximos itens.

A mdia, a moda e a mediana dos valores apresentados na tabela so superiores a 2,8 e
inferiores a 3,3.

( ) Certo ( ) Errado

O desvio-padro das notas apresentadas na tabela superior a 1,1.

( ) Certo ( ) Errado

Prova: FUNDAO SOUSNDRADE - 2007 - BNB - Analista Bancrio

A tabela a seguir indica a distribuio de freqncia das estaturas das crianas de um
acampamento infantil.


A altura mdia das crianas desse acampamento :

(a) 145 cm
(b) 143 cm
Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 30
(c) 147 cm
(d) 153 cm
(e) 138 cm

Prova: CESGRANRIO - 2010 - BACEN - Analista do Banco Central - rea 4

A viabilidade financeira do projeto de uma microempresa leva em considerao dados
histricos de 100 projetos semelhantes. A tabela abaixo mostra a distribuio de
freqncias do VPL - Valor Presente Lquido (valores em milhes de reais) de um conjunto
de microempresas similares.



Um projeto alternativo para o investidor apresenta um VPL esperado, em reais, de 6
milhes e um risco (desvio padro) de 2 milhes. Pela tica do risco relativo, qual o
melhor investimento, a microempresa ou o projeto alternativo?

(a) A microempresa, pois apresenta um Coeficiente de Variao maior.
(b) A microempresa, pois apresenta um Coeficiente de Variao menor.
(c) O projeto alternativo, pois apresenta um Coeficiente de Variao maior.
(d) O projeto alternativo, pois apresenta um Coeficiente de Variao menor.
(e) indiferente, pois os investimentos apresentam Coeficientes de Variao iguais.

Utilizando os dados histricos acima, o valor esperado para o VPL da microempresa, em
milhes de reais,

(a) -10
(b) 0
(c) 5
(d) 10
(e) 20

Segundo os dados histricos, o valor, em milhes de reais, que mais se aproxima do
desvio padro do VPL da microempresa
(a) 1 (b) 2 (c) 2,5 (d) 4 (e) 4,5

Prova: CESGRANRIO - 2010 - IBGE - Analista de Sistemas - Desenvolvimento de
Aplicaes

A tabela abaixo apresenta a distribuio de freqncias das idades de um grupo de
crianas.
Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 31


A mediana da distribuio de freqncias apresentada

(a) 5,5
(b) 5,6
(c) 5,7
(d) 5,8
(e) 5,9

A mdia das idades dessas crianas, em anos,

(a) 5,0
(b) 5,2
(c) 5,4
(d) 5,6
(e) 5,8

Prova: FCC - 2009 - TRT - 3 Regio (MG) - Analista Judicirio - Estatstica


A tabela abaixo apresenta a distribuio conjunta das freqncias das variveis "tipo de
processo" (Y) e "setor" (X), referente aos processos autuados, em um perodo analisado,
numa repartio pblica:


A porcentagem dos processos autuados no Setor B ou que no so do tipo III

(a) 92,5%
(b) 87,5%
Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 32
(c) 62,5%
(d) 37,5%
(e) 32,5%

Para responder s questes abaixo considere a distribuio de freqncias relativas
acumuladas abaixo,correspondente aos salrios dos 400 empregados de uma empresa no
ms de setembro de 2009 (K > 0):


Calculando a mdia aritmtica dos salrios dos empregados da empresa, considerando
que todos os valores includos num certo intervalo de classe so coincidentes com o ponto
mdio deste intervalo, observa-se que seu valor pertence ao intervalo de classe que
contm

(a) 5% dos empregados.
(b) 10% dos empregados.
(c) 20% dos empregados.
(d) 25% dos empregados.
(e) 40% dos empregados


O valor da mediana dos salrios dos empregados, obtido pelo mtodo da interpolao
linear, igual a

(a) R$ 3.250,00
(b) R$ 3.375,00
(c) R$ 3.450,00
(d) R$ 3.600,00
(e) R$ 3.750,00

O nmero de empregados que ganham menos de R$ 4.200,00, utilizando o mtodo da
interpolao linear,

(a) 316
(b) 324
(c) 328
(d) 332
(e) 336

A distribuio dos salrios dos 200 funcionrios, em R$ 1.000,00, de determinada carreira
profissional em um rgo pblico est representada pelo histograma abaixo. No eixo
vertical esto assinaladas as respectivas densidades de freqncias, em (R$ 1.000,00) .
Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 33
Define-se densidade de freqncia de um intervalo de classe como sendo o quociente da
diviso da respectiva freqncia relativa pela correspondente amplitude do intervalo.



Considerando todos os intervalos de classe fechados esquerda e abertos direita, tem-
se que a quantidade de funcionrios que possuem salrios maiores ou iguais a R$
4.000,00 e inferiores a R$ 8.000,00

(a) 60
(b) 80
(c) 90
(d) 140
(e) 160

Prova: CESGRANRIO - 2011 - Petrobrs - Administrador Jnior




No histograma acima, os pontos mdios das classes inicial e final so 40 e 80,
respectivamente. Sabendo-se que todas as classes tm a mesma amplitude, a estimativa
adequada para a mdia e para a mediana dessa distribuio so, respectivamente,
Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 34
(a) 59,5 e 59,5
(b) 59,5 e 60
(c) 60 e 59
(d) 60 e 59,5
(e) 60 e 60

Prova: CESGRANRIO - 2008 - CAPES - Assistente em Cincia e Tecnologia


O nmero mdio de bolsas de mestrado oferecidas, por ano, nesse perodo foi
(a) 5.631,8.
(b) 6.158,0.
(c) 8.150,7.
(d) 11.942,2.
(e) 18.100,2.

Prova: Prova: CESGRANRIO 2010 - PETROBRS Engenheiro de Petrleo Jr
Considere a amostra de uma varivel aleatria, cujos valores esto todos expressos em
uma mesma unidade.
Amostra : 36 38 26 40 40 28 46 40 38 28

Sobre essa amostra, tem-se que

(A) a mdia igual mediana.
(B) a mdia maior que a moda.
(C) se retirarmos um dos valores da amostra, a mdia, necessariamente, ser alterada.
(D) a mediana maior que a moda.
Estatstica Descrittiva Prof Celso Brazil
Estatstica Descrittiva Prof Celso Brazil 35
(E). a mediana maior que a mdia.

Dada a amostra, tem-se que

(A) o desvio padro menor que 6.
(B) o desvio padro igual a 6.
(C) a varincia no ser alterada, se retirarmos o valor igual a 36 da amostra.
(D). a varincia aumentar, se retirarmos o valor igual a 36 da amostra.
(E) apenas dois valores da amostra esto afastados da mdia mais do que um desvio
padro.