Você está na página 1de 116

CÁSSIO MAGALHÃES

ESTATÍSTICA
1ª edição

Universidade Braz Cubas - UBC


Mogi das Cruzes
2014
Av. Francisco Rodrigues Filho, 1233 - Mogilar

CEP 08773-380 - Mogi das Cruzes - SP

Reitor: Prof. Maurício Chermann

EQUIPE DE PRODUÇÃO CORPORATIVA

Gerência: Adriane Aparecida Carvalho

Orientação Pedagógica: Karen de Campos Shinoda

Coordenação de Produção: Diego de Castro Alvim

Revisão de Textos: Adrielly Rodrigues, Taciana da Paz

Coordenação de Edição e Arte: Michelle Carrete

Diagramação: Amanda Holanda

Ilustração: Everton Arcanjo

Impressão: Grupo VLS / Infotec / Jet Cópias

Imagens: Fotolia / Acervo próprio

1ª edição 2014

Foi feito o depósito legal.

O autor dos textos presentes neste material didático assume total


responsabilidade sobre os conteúdos e originalidade.

Proibida a reprodução total e/ou parcial.

© Copyright UBC 2014

M165e
Magalhães, Cássio
Estatística / Cássio Magalhães. - 2014. - Mogi das Cruzes,
SP. 116p.

Bibliografia

ISBN - 978-85-65148-28-3

1. Estatística. 2. Matemática.

CDU-519.22

Jan/2016
Prof. Cássio Magalhães 1*

* Com mais de 20 anos de experiência no setor de energia elétrica (concessionárias) atuo na área de gerenciamento
de projetos e portfólio de projetos e planejamento da expansão do sistema elétrico. Mestre em engenharia elétrica
pela USP MBA em Gestão Empresarial pela FGV e leciono em cursos de Engenharia Administração Produção
e Qualidade. Os últimos trabalhos em destaque foram como palestrante no 5 Congresso Internacional (IEEE) e
publicação de artigo em periódicos Revista Eletricidade Moderna com redução do orçamento em R$ 45 milhões.
Desenvolvo diversos trabalhos de P&D e melhoria contínua (PDCA). Por meio da pesquisa Thomas obtive ótimas
notas nas nove áreas de competência gerencial.
SUMÁRIO

APRESENTAÇÃO  9

INTRODUÇÃO  11

UNIDADE I

INTRODUÇÃO 13

1.1  PANORAMA HISTÓRICO  14

1.2 ESTATÍSTICA 14

1.3  FASES DO MÉTODO ESTATÍSTICO 16

1.3.1  COLETA DE DADOS 16

1.3.2  CRÍTICA DE DADOS 17

1.3.3  APURAÇÃO DE DADOS 20

1.3.4  EXPOSIÇÃO DE DADOS 20

1.3.5  ANÁLISE DE DADOS 21

1.4  POPULAÇÃO E AMOSTRA 25

1.4.1 VARIÁVEL 25

1.4.2 QUALITATIVA 26

1.4.3 QUANTITATIVA 28

1.4.4 POPULAÇÃO 30

1.4.5 AMOSTRA 30

1.4.6 AMOSTRAGEM 31

1.5  CONSIDERAÇÕES DA UNIDADE I 35

UNIDADE II

SÉRIES ESTATÍSTICAS 37

2.1  SÉRIES ESTATÍSTICAS 38

5 SUMÁRIO 5
2.2 PORCENTAGEM 42

2.3  ÍNDICES, COEFICIENTES E TAXAS 45

2.4 GRÁFICOS 46

2.5  CONSIDERAÇÕES DA UNIDADE II 56

UNIDADE III

DISTRIBUIÇÃO DE FREQUÊNCIAS  59

3.1  DISTRIBUIÇÃO DE FREQUÊNCIA 60

3.1.1  TABELA PRIMITIVA – ROL  60

3.2  ELEMENTOS DA DISTRIBUIÇÃO DE FREQUÊNCIA 62

3.3  ELEMENTOS DE UMA DISTRIBUIÇÃO DE FREQUÊNCIA 64

3.4  TIPOS DE FREQUÊNCIAS 72

3.5  CONSIDERAÇÕES DA UNIDADE III 78

UNIDADE IV

MEDIDAS DE POSIÇÃO 81

4.1 MODA 82

4.1.1  MODA PARA DADOS BRUTOS: 82

4.1.2  MODA PARA TABELA SIMPLES 83

4.1.3  MODA PARA DADOS AGRUPADOS 83

4.2  MEDIANA  84

4.2.1  MEDIANA PARA ROL DE DADOS 84

4.2.2  MEDIANA PARA TABELA SIMPLES 86

4.2.3  MEDIANA PARA DADOS AGRUPADOS 87

4.3  MÉDIA ARITMÉTICA 88

4.3.1  MÉDIA PARA TABELA SIMPLES 89

4.3.2  MÉDIA DE DADOS AGRUPADOS 90

4.4  MÉDIA GEOMÉTRICA 91

6 SUMÁRIO
4.5  MÉDIA PONDERADA 92

4.6  MEDIDAS SEPARATRIZES 93

4.6.1 QUARTIS 93

4.6.2 QUINTIS 93

4.6.3 DECIS 94

4.6.4 PERCENTIS 94

4.7  MEDIDAS DE VARIABILIDADE OU DISPERSÃO 96

4.8  DESVIO PADRÃO DOS DADOS BRUTOS 96

4.9  COEFICIENTE DE VARIAÇÃO (CV) 99

4.10  DISTRIBUIÇÃO NORMAL 100

4.10.1  DISTRIBUIÇÃO ACUMULADA 104

4.10.2  ESCORES PADRONIZADOS 107

4.11  CONSIDERAÇÕES UNIDADE IV 109

REFERÊNCIAS 111

7 SUMÁRIO 7
APRESENTAÇÃO

Seja muito bem-vindo à disciplina de Estatística. Este livro didático tem como
principal objetivo, embasar os estudos da disciplina, sendo complementar as teleaulas
e ao material disponível na Plataforma.

O livro didático foi organizado em quatro unidades, que abrangem a introdução


à Estatística Aplicada, as definições e fases do método estatístico, as tabelas e os
gráficos, os elementos de distribuição de frequências, as medidas de posição
separatrizes e de dispersão.

Cada uma das unidades corresponde a uma teleaula, e sugiro que os estudos se
iniciem pelo livro didático. Com uma leitura atenta de cada uma das unidades antes de
assistir as teleaulas, o desempenho será otimizado e o aprendizado será mais efetivo.

Ao final de cada uma das unidades, você encontrará uma lista de exercícios,
com o gabarito correspondente, para que você possa testar o aprendizado. Na
Plataforma, teremos quatro atividades, que serão liberadas após cada teleaula e que
corresponderão a cada unidade do livro didático. Por meio da plataforma, teremos um
canal aberto de comunicação.

Acesse a plataforma e reveja detalhadamente as teleaulas depois de assisti-las


no polo. Dessa maneira, você terá a oportunidade de esclarecer todas as dúvidas e de
se preparar muito bem para a avaliação.

9 APRESENTAÇÃO 9
INTRODUÇÃO

A Estatística trata desde o planejamento para a obtenção dos dados, até a


coleta, tratamento, processamento, interpretação e apresentação dos mesmos. Desde
a previsão do tempo, as pesquisas de opiniões pré-eleitorais até a análise de estatísticas
de gols por partida de futebol ou de arremessos durante um jogo de basquete.

O dicionarista Aurélio Buarque de Holanda Ferreira definiu estatístico como


sendo “parte da matemática em que se investigam os processos de obtenção,
organização e análise de dados sobre uma população ou sobre uma coleção de seres
quaisquer, e os métodos de tirar conclusões e fazer ilações ou predições com base
nesses dados”.

A administração e a gestão de negócios vêm utilizando fortemente a estatística


nos últimos cinquenta anos, com uma abordagem quantitativa. Esta ciência auxilia
os administradores e gestores no processo de tomada de decisão, e, por isso, é tão
importante e vem sendo tão difundida atualmente.

Com o avanço dos recursos tecnológicos, principalmente com o desenvolvimento


da informática, o estudo estatístico tornou-se muito mais fácil e muito mais rápido,
pois após o planejamento e a coleta dos dados, contamos com vários softwares que
nos auxiliam no tratamento e na apresentação dos dados.

A estatística aplicada nos ajuda a responder vários porquês do nosso dia a dia,
e a descoberta para a resposta desses porquês é uma importante ajuda na arte de
administrar e gerir um negócio.

O estudo da estatística aplicada tem o objetivo de fazer com que você seja
capaz de planejar o processo de coleta de dados e, após coletá-los, consiga processar,
analisar e apresentar os mesmos de forma clara e objetiva.

11 INTRODUÇÃO 11
Para o profissional que atua com a gestão ou administração de negócios, é
imprescindível que além de aprender como utilizar os diversos instrumentos da
estatística, seja possível entender como as informações obtidas podem auxiliá-lo no
processo decisório. Os nossos objetivos em relação aos dados estatísticos são:

• Planejamento da obtenção de dados;

• Coleta dos dados;

• Processamento dos dados;

• Organização dos dados;

• Análise do resultado;

• Apresentação dos resultados por meio de tabelas;

• Apresentação dos resultados por meio de gráficos.

Podemos afirmar, portanto, que o nosso principal objetivo nesta disciplina


é capacitar os alunos para que tenham mais uma ferramenta que os auxiliará no
processo decisório, tornando o mesmo mais assertivo.

12 INTRODUÇÃO
1 UNIDADE I

INTRODUÇÃO

OB JET IVOS D A UN ID A D E

• Conhecer os objetivos da estatística aplicada, os seus principais


conceitos e entender como a estatística deve ser utilizada no processo
decisório.

HAB IL IDADE S E C O MP E T Ê N C IA S

• Conhecimento dos principais conceitos da Estatística Aplicada e as


fases do método estatístico;

• Compreensão da estatística descritiva e, a partir da coleta de dados


brutos, classificar as variáveis, definir população e amostra, e
identificar os tipos de amostragem.

13 UNIDADE I - INTRODUÇÃO 13
1.1  PANORAMA HISTÓRICO

A palavra estatística é derivada do latim status, que significa “estado”. Os


primeiros usos da estatística envolviam compilação de dados e gráficos que descreviam
vários aspectos de um estado ou país, como nascimentos, mortes, número de
habitantes e casamentos.

Em 1662, John Graunt publicou informações sobre esses aspectos sociais, os


quais foram seguidos por diversos estudos.

A partir desse ponto, a Estatística deixa de ser apenas coleta de dados e


passa a ser uma ferramenta para tomada de decisão. Os cálculos de probabilidade
demonstravam que a partir de uma parte dos dados (amostra) era possível entender
o todo (população).

População e amostra são temas que iremos ver ao longo da disciplina.

1.2  ESTATÍSTICA

Atualmente, é quase impossível uma empresa tomar decisão com base no


bom senso ou suposições. Isso poderia ser fatal para o negócio. É necessário que as
empresas definam suas estratégias baseadas em fatos e dados, ou ainda, em estudos
estatísticos que direcionem e forneçam o suporte necessário para tomada de decisão.

Alguns exemplos:

• Taxas de desemprego;

• Taxas de inflação;

• Índice de desenvolvimento humano (IDH).

14 UNIDADE I - INTRODUÇÃO
Famílias, governos e empresas se apoiam fortemente nos dados estatísticos
para orientação Esses dados estatísticos são cuidadosamente compilados de modo
regular, e os dados resultantes são utilizados para tomar decisões que afetam futuras
contratações, níveis de produção, investimentos em educação e saneamento básico.

Portanto, a estatística pode ser definida como uma parte da matemática que
fornece métodos para coleta, organização, análise e interpretação de dados, com o
objetivo final de facilitar a tomada de decisão.

Nesse contexto, é importante o entendimento de algumas definições, como:

• Dados são observações (medidas, sexo etc.) que tenham sido coletados;

• Estatística é uma coleção de métodos para o planejamento de experimentos,


obtenção de dados e, consequentemente organização, apresentação,
análise, interpretação e elaboração de conclusões baseadas em dados;

• Uma população é a coleção completa de todos os elementos (pessoas,


medidas) a serem estudados. Inclui todos os sujeitos a serem estudados;

• Um censo é o conjunto de dados obtidos de todos os membros da população;

• Uma amostra é um subconjunto de membros selecionados de uma


população.

Exemplos

Uma pesquisa foi feita com 108 alunos de uma universidade, com a seguinte pergunta:
“Você faz o uso de bebidas alcoólicas antes de entrar em sala de aula”?

Trata-se de uma amostra, pois a universidade tem uma população muito maior
do que a entrevistada.

Quando trabalhamos com a população inteira ou com uma amostra, temos a


seguinte definição:

Parâmetro – Medida numérica que descreve alguma característica de uma


população. Ex.: O presidente foi eleito com 60% dos votos válidos.

15 UNIDADE I - INTRODUÇÃO 15
Estatística – Medida numérica que descreve alguma característica de uma
amostra. Ex.: Com base em uma amostra, 50% dos professores de do ensino
fundamental erraram a conta zero dividida por um.

Exemplo:

Determine se o valor dado é uma estatística ou um parâmetro.

O número de dirigentes envolvidos na administração de um determinado


segmento empresarial no Brasil é composto por 87 homens e 13 mulheres.

Parâmetro

Uma amostra de estudantes é selecionada e a média de tempo de espera na fila


para comprar livros é 0,65 h.

Estatística

Em um estudo com todos os 2223 funcionários de uma empresa de logística,


verificou-se que 706 estão totalmente satisfeitos com o plano de cargos e
salários proposto pelo sindicato.

1.3  FASES DO MÉTODO ESTATÍSTICO

1.3.1  COLETA DE DADOS

Para a coleta de dados é necessário definirmos o fenômeno que desejamos


estudar e então planejar como estes dados serão coletados.

Neste contexto, a coleta de dados, na sua etapa de planejamento, será dividida


em dois modelos básicos.

• Coleta Direta;

• Coleta Indireta.

16 UNIDADE I - INTRODUÇÃO
Coleta Direta

Realizada em elementos obrigatórios, como: nascimentos, mortalidade,


casamentos, ou ainda, com base no foco do próprio pesquisador, como:
consumo de energia, número de falhas, itens de estoque, entre outros.

A coleta direta é classificada a partir do tempo, ou seja, a ocorrência da coleta


de acordo com a frequência que ocorre define suas classificação.

Portanto, a coleta direta de dados é classificada em:

• Contínua – normalmente ocorre com uma frequência elevada. Como exemplo,


a coleta diária da frequência dos alunos em uma determinada disciplina;

• Periódica – ocorre de acordo com um período preestabelecido, como o


censo, que ocorre de dez em dez anos;

• Ocasional – ocorre quando algum fenômeno inesperado ou desconhecido


surge, e o entendimento do fenômeno deve estar baseado em números.
Exemplo: surto de meningite.

Coleta Indireta

A coleta direta é definida como um estudo “aprofundado” de algum fenômeno


identificado na coleta direta, ou seja, a coleta indireta deve estar apoiada em
uma coleta direta,

Exemplo: mortalidade infantil, ausência dos alunos em uma determinada discipli-


na, hábito de consumo de energia nos dias de jogo do Brasil na Copa do Mundo.

1.3.2  CRÍTICA DE DADOS

Uma vez recolhidos os dados, é necessário realizar a revisão crítica, de modo a


suprimir valores estranhos ou eliminar erros capazes de provocar enganos na análise
e conclusão dos resultados.

17 UNIDADE I - INTRODUÇÃO 17
Algumas frases para reflexão:

• Benjamin Disraeli – Há três tipos de mentiras: mentiras, mentiras horríveis e


estatísticas;

• Andrew Lang – Pessoas usam a estatística como bêbado, usam postes para
apoio mais do que para iluminação;

• Comic Dictionary (Evan Esar) – Estatístico é um especialista que coleciona


números e depois os desvirtua.

Esses exemplos mostram quando a estatística não é bem utilizada, tornando os


números enganosos. Há duas fontes principais de enganos:

• Má intenção (estatística mal utilizada);

• Erros dos profissionais (coleta ou análise).

Independente do tipo de engano, é necessário o desenvolvimento da percepção


em distinguir o resultado confiável do resultado questionável.

Exemplo: Foi realizada uma pesquisa sobre a renda média mensal de homens e
mulheres, com os seguintes resultados:

18 UNIDADE I - INTRODUÇÃO
A pergunta é: “Qual estado tem menor desequilíbrio na média salarial quando
comparados homens e mulheres?”

Nesse caso, é normal “pensarmos” que o estado do Rio de Janeiro está em melhor
condição, pois há uma diferença de altura das barras entre os homens e a mulheres.

No gráfico do estado de São Paulo, a diferença de altura é significativamente


maior quando comparada a diferença de altura entre as barras do Rio de Janeiro.

Adicionado a isto, temos a pergunta que “sugere” que você encontre uma diferença.

Na verdade, os gráficos relatam o mesmo desempenho. A diferença é a escala


no início da escala.

Note que no gráfico do Rio de Janeiro, a escala iniciou em 0 (zero), e em São Paulo,
a escala do gráfico iniciou em 500 (quinhentos).

Se pensarmos que esse tipo de gráfico seja apresentado em um programa de


televisão, em que a velocidade não permite olharmos o gráfico com cuidado, as conclusões
e a tomada de decisão podem ser comprometidas, ou ainda, totalmente erradas.

19 UNIDADE I - INTRODUÇÃO 19
1.3.3  APURAÇÃO DE DADOS

Tem por finalidade, realizar o processamento dos dados obtidos, conhecendo a


frequência dos elementos em cada uma das modalidades, ou seja, é ver o que aconteceu.

Um exemplo é a apuração dos votos em uma eleição, em que os votos são


contados de acordo com cada candidato.

A apuração pode ser realizada manualmente, em que, até pouco tem atrás, as
eleições no Brasil eram realizadas dessa forma, embora ainda exista este modelo de
apuração em outros segmentos. Este tipo de apuração ainda é utilizado em larga escala.

Atualmente, os votos na eleição são apurados eletronicamente, em que há


um desenvolvimento tecnológico elevado em função da complexidade da coleta, da
necessidade de sigilo e de evitar as possíveis fraudes.

Esse modelo é denominado de coleta eletrônica. Muitos países considerados


desenvolvidos, ainda não possuem no seu formato de coleta de dados das eleições, o
modelo eletrônico. Os Estados Unidos da América são exemplos, onde a maior parte
da coleta dos dados das eleições é realizada manualmente.

1.3.4  EXPOSIÇÃO DE DADOS

Após a coleta de dados, o objetivo é demonstrar o que realmente aconteceu.


Entretanto, essa demonstração requer alguns cuidados, pois a quantidade de
informação pode ser tão eleva que inviabiliza a exposição dos dados.

Portanto, exposição de dados significa utilizar os dados coletados e representá-


los em gráficos ou tabelas, sintetizando a informação.

Sintetizar significa unir os dados. Essa união que iremos transformar em tabelas ou
gráficos para facilitar e agilizar a interpretação do fenômeno que está sendo estudado.

20 UNIDADE I - INTRODUÇÃO
1.3.5  ANÁLISE DE DADOS

Essa fase, talvez, seja a mais importante de todas, pois é aqui que tiramos as
conclusões e iniciamos o processo de tomada de decisão.

Lembrando que, a conclusão está baseada em uma amostra em que o objetivo


final é entender o que ocorre com o todo (população).

Quando pensamos no mundo empresarial, é nessa etapa de análise dos dados


que as empresas definem suas estratégias, identificam seus talentos, competem no
mercado, entre outras decisões.

Portanto, realizadas as fases anteriores, que chamamos de Estatística Descritiva,


fazemos uma análise dos resultados, utilizando a Estatística Indutiva que está associada
ao raciocínio e a lógica.

Como estamos tratando com a fase mais importante, cabem algumas perguntas:
“Qual a qualidade desta pesquisa? Como ela foi feita? O que ela está querendo demonstrar?”

Embora todas essas perguntas devam ser pensadas na fase de coleta de dados,
a análise dos resultados deve atentar para elas. A diferença é que na coleta de dados
ainda não possuímos os resultados. Com a posse dos resultados e sabendo qual a
motivação da pesquisa, podemos aferir a qualidade do processo de forma global.

Existem algumas questões que afetam as pesquisas:

• Questões Direcionadas – Objetivo é formular uma pergunta que a resposta


tenha um resultado esperado ou desejado, sem que o entrevistado perceba.
O exemplo da diferença salarial entre o estado do Rio de Janeiro e o estado
de São Paulo, pode ser enquadrado no modelo de questão direcionada.

Seguem outros exemplos de questões direcionadas.

21 UNIDADE I - INTRODUÇÃO 21
Os exemplos abaixo foram perguntas realizadas à população, sendo que
foram obtidos os seguintes resultados:

99 “O Presidente deve ter o poder de veto para eliminar gastos?” 97% sim;

99 “O Presidente deve ter o poder de veto, ou não?” 57% sim;

99 “Pouco dinheiro está sendo gasto com assistência social?” 19%;

99 “Pouco dinheiro está sendo gasto com assistência aos pobres?” 63%.

Veja que, na primeira pergunta, ambas as respostas foram positivas, porém


com resultados porcentuais significativamente diferentes. Na segunda
questão, o mesmo fenômeno ocorre em relação ao porcentual da população
que concorda com a afirmação.

• Ordem das Questões – Nesse exemplo, a ideia seria em comparar dois


tipos de causa para um único problema, com o objetivo de identificar a
relação entre a ordem da pergunta e o resultado da resposta.

A pesquisa trata da poluição do ar, em que busca aferir, na opinião dos


entrevistados, qual seria o segmento entre trânsito e a indústria com maior
grau de participação.

As perguntas elaboradas foram:

99 Pergunta I – Você diria que o tráfego contribui mais ou menos do que


a indústria para a poluição do ar?

45% dos entrevistados acusaram o tráfego como o maior causador da


poluição, e 27% acusaram a indústria.

99 Pergunta II – Você diria que a indústria contribui mais ou menos do que


o tráfego para a poluição do ar?

24% dos entrevistados acusaram o tráfego como maior causador da


poluição, e 57%, a indústria.

22 UNIDADE I - INTRODUÇÃO
Note que a diferença da pergunta está na ordem em que os motivos
causadores foram inseridos na pesquisa.

A grande conclusão, nesse caso, é que a alteração tem um impacto grave


no resultado, pois além de ocorrer uma alteração no porcentual dos itens,
houve uma alteração no resultado da pesquisa.

Na primeira pergunta, em que o tráfego foi inserido no início da frase, o


trânsito acabou sendo o mais votado, com 45%.

Na segunda pergunta, em que a indústria foi inserida no início da frase, a


indústria acabou sendo a mais votada, com 57%.

• Correlação e Causalidade – O objetivo para essa condição é provar que


existe uma relação entre dois fatores, ou ainda, indicar que duas variáveis
estão diretamente relacionadas.

Em algumas situações, realmente, existe tal relação, porém a incidência de


outros fatores sempre deve ser considerada.

É muito comum em jornais, revistas e televisão, a associação entre o QI


(coeficiente de inteligência) e o nível social, mencionado na seguinte frase.

Sabemos que pode haver uma relação entre os fatores, mas sabemos, também,
que há uma série de fatores que podem influenciar a relação QI e nível social.

• Estudo de Interesse Próprio – Esse item é o mais perigoso de todos.


Estudos realizados com objetivo de provar estatisticamente a realidade de
algum fenômeno, podem ocasionar em resultados perigosos.

Exemplo: Uma empresa do setor de calçados publicou que sapatos gastos


era a razão mais comum para um homem que procura emprego não causar
uma boa primeira impressão.

23 UNIDADE I - INTRODUÇÃO 23
O objetivo dessa declaração é incentivar as pessoas a comprarem sapatos
ao participarem de processos seletivos em empresas, com isso, ela estaria
alavancando suas vendas.

Imagine uma empresa de remédios adotando a mesma postura. O resultado


dessa atitude poderia ser catastrófico.

Para o exemplo dos sapatos, podemos considerar como um caso de


“correlação e casualidade”, ou seja, quem não vai de sapatos novos a uma
entrevista, dificilmente, consegue o emprego.

Novamente, pode haver uma relação entre sapatos e boa impressão em


entrevistas de emprego, porém, sabemos que não são apenas esses dois
fatores que irão diferenciar o sucesso do fracasso nas entrevistas.

• Cenários Parciais – Pesquisas realizadas, a partir de cenários parciais, são


as mais difíceis de serem identificadas, pois os dados na sua totalidade não
são publicados.

O objetivo de não utilizar os dados na sua totalidade, é de utilizar apenas uma


amostra em que o resultado do estudo seja de acordo com as expectativas
de quem está realizando a pesquisa.

99 A seguinte frase foi publicada em um jornal de grande circulação: “90%


de todos os nossos carros vendidos nesse país nos últimos 10 anos ainda
estão nas ruas”.

A afirmação é tecnicamente correta, mas enganosa. Quando a totalidade


da amostra foi analisada, verificou-se que 80% dos carros foram vendidos
nos últimos três anos.

Para entender melhor o resultado, vamos pensar que a população de carros


vendidos nos últimos 10 anos foi de 1 milhão de carros.

Como a pesquisa publica que 90% dos carros vendidos nos últimos 10 anos
ainda estão nas ruas, concluímos que há 900 mil, e apenas 100 mil estão
fora de circulação.

24 UNIDADE I - INTRODUÇÃO
Continuando a análise que dos 90%, 80% foram nos últimos três anos,
temos que 720 mil carros têm menos que três anos, ou seja, acima de três
anos e até 10 anos, temos apenas 180 mil carros.

A diferença na conclusão é bastante significativa, pois saímos de uma percepção


de uma frota antiga de 900 mil carros para uma realidade de 180 mil carros.

PAR A R EFLE T IR
Uma pesquisa realizada na região sul do país, mediu o índice de massa corporal
(IMC) dos caminhoneiros, em que faz uma relação peso e altura. O resultado
da pesquisa foi que 95% dos caminhoneiros estavam acima do peso.

“Qual a conclusão: Dirigir caminhão no sul do país engorda.”

1.4  POPULAÇÃO E AMOSTRA

Antes de definirmos população e amostra, iremos conhecer um item importante


para este aprendizado: A Variável.

1.4.1  VARIÁVEL

Conjunto de resultados possíveis de um fenômeno. Exemplo:

• Para o fenômeno ‘sexo’ podemos ter dois resultados possíveis: sexo feminino
e sexo masculino;

• Para o fenômeno ‘número de filhos’, os resultados possíveis são expressos


em números naturais. Exemplo: 1, 2, 3 etc.;

• Para o fenômeno ‘altura’ podemos ter uma quantidade infinita de resultados


dentro de um intervalo. Exemplo: 1,4; 1,53; 1,65; 1,7, 1,77, 1,9, 2,1 etc.

25 UNIDADE I - INTRODUÇÃO 25
Esta série de possibilidades referente às variáveis, nos condiciona a dividi-las em
dois grandes grupos:

• Variáveis qualitativas;

• Variáveis quantitativas.

Qualitativas

Oriunda da palavra ‘qualidade’, em que a variável é expressa por atributos e


tem características não numéricas. Exemplo:

• Sexo (masculino e feminino);

• Etnia (amarelos, brancos, indígenas, pardos e pretos)1;

• Classe social (A, B, C, D e E).

Quantitativas

Oriunda da palavra ‘quantidade’, em que a variável é expressa por números,


contagens ou medidas. Exemplo:

• Idade;

• Salário;

• Quantidade de carros;

• Peso.

1.4.2  QUALITATIVA

As variáveis qualitativas podem ser divididas em dois grupos:

1 Fonte: IBGE.

26 UNIDADE I - INTRODUÇÃO
Ordinal

Os elementos podem ser colocados em uma ordem, mas a diferença entre os


valores dos dados não podem ser determinados ou não são significativos. Exemplo:

• Altura, quando classificada em alta, média e baixa;

• Resultado em uma competição quando classificados em primeiro, segundo,


terceiro lugar.

Nominal

A ordem dos elementos não faz sentido, ou ainda, a hierarquia dos elementos
não tem significado. Exemplo:

99 Carros, quando classificados por tipos: sedan, compacto, utilitário;

99 Região de trabalho quando classificadas por zonas: Zonal sul, Zona Leste.

Exemplos: Determine qual o tipo da variável qualitativa (nominal ou ordinal) é


mais apropriada.

99 Números nas camisetas das jogadoras de futebol.

Ordinal.

99 Classificação dos livros lançados em 2009: “Melhor comprar, recomendado,


não recomendado”.

Nominal.

99 O número de respostas “sim” recebidas quando se perguntou a 1250


motoristas se alguma vez tinham usado o telefone celular enquanto dirigiam.

Nominal.

27 UNIDADE I - INTRODUÇÃO 27
1.4.3  QUANTITATIVA

As variáveis quantitativas também são distribuídas em dois grupos:

Discreta

Formada por números naturais, ou seja, o elemento não pode ser fracionado,
tendo de ser um número inteiro. Exemplo:

• Número de pessoas - 1, 2, 3, 4, 5, 6 etc. Não há 4,5 pessoas;

• Quantidade de salas de aula.

Contínua

Cobre um intervalo de valores sem vazios, interrupções ou saltos. Exemplo:

99 Leite, quando classificados por litros: 1,5 litros, 3,4 litros etc.;

99 Fios, quando classificados pelo comprimento em metros;

99 Altura;

99 Peso.

Exemplo:

Determine se os valores dados são de um conjunto de dados discreto ou contínuo.

99 O salário de presidente de um determinado país era de R$250 mil por ano,


e o valor atual do salário anual do presidente é de R$400 mil.

Contínuo. Embora o exemplo não tenha vírgula, mas é possível que a variável
salário, expressa em reais, venha a ter.

99 Em uma pesquisa com 1059 adultos, verificou-se que 39% deles tinham
armas em suas casas.

Discreto. O resultado da pesquisa sugere que seja uma variável contínua,


mas sabemos que a quantidade de adultos é uma variável discreta.

28 UNIDADE I - INTRODUÇÃO
C ONHEÇ A MA IS

Classifique as variáveis em qualitativas e quantitativas.

Cor do cabelo dos funcionários de uma escola.

Escolaridade, quando expressa em 1ª série, 2ª série.

Número de filhos por casal.

Nível de maturidade profissional, expressa em júnior, pleno e sênior.

Ponto obtido em cada jogada de um dado.

Resposta sim, não e indeciso de uma pesquisa.

Quantidade de computadores por sala de aula.

Classe social, quando classificada em A, B, C, D.

Região quando classificada por Norte, Sul, Leste e Oeste.

Estado de saúde quando classificado em sadio e doente.

29 UNIDADE I - INTRODUÇÃO 29
1.4.4  POPULAÇÃO

É a coleção completa de todos os elementos (pessoas, medidas) a serem estudados.


A coleção é completa, no sentido de que inclui todos os sujeitos a serem estudados.

O censo, pesquisa realizada em períodos de dez anos, é um conjunto de dados


obtidos a partir de todos os membros da população.

Outro exemplo seria um estudo sobre a faixa etária dos alunos da universidade,
ou seja, a população de dados seriam todos os alunos. Agora, se no mesmo segmento,
o objetivo fosse estudar apenas a faixa etária dos alunos em EaD, a população seria
apenas os alunos em EaD e não mais todos os alunos da universidade.

1.4.5  AMOSTRA

É um subconjunto de membros selecionados de uma população. Então, qual


seria o intuito de realizar o estudo em uma amostra?

• Tempo – realizar uma pesquisa em uma amostra acarreta em uma redução


no tempo. Em uma empresa com 500 funcionários (população), a pesquisa
poderia ser feita em 100 funcionários (amostra);

• Custo – Nos tempos atuais, tudo é movido pelo custo. Portanto, trabalhar
com uma amostra, quantidade menor de dados, reduz o custo da pesquisa.

Com este cenário, podemos concluir que a função dos estudos, baseados
em amostras, tem o objetivo de relacionar a amostra com a população, ou seja, as
conclusões obtidas na amostra representa a população.

Um exemplo comum, são as intenções de votos realizadas nas eleições. Com


base em uma amostra, é possível concluir quem serão os eleitos. Nesse caso, os órgãos
de pesquisa selecionam alguns eleitores (amostra) do total de eleitores (população).

30 UNIDADE I - INTRODUÇÃO
1.4.6  AMOSTRAGEM

São as técnicas utilizadas para coletar a amostra. Porém, antes de mencionarmos


as técnicas, vamos definir algumas regras de arredondamento de números, quais serão
bastante úteis deste ponto em diante.

Arredondamento

• Regra I - Se o algarismo a ser excluído for um número menor que cinco,


elimine-o mantendo o valor à esquerda deles;

• Regra II - Se o algarismo a ser excluído for um número maior que cinco,


elimine-o adicionando uma unidade ao primeiro algarismo à esquerda;

Se o algarismo a ser excluído for um número igual a cinco, temos, então,


dois caminhos a seguir:

• Regra III - Se o primeiro algarismo à esquerda for par, elimina-se os


algarismos desejados e se mantém o valor à esquerda;

• Regra IV - Se o primeiro algarismo à esquerda for ímpar, elimina-se os


algarismos desejados e se adiciona uma unidade ao algarismo à esquerda.

Exemplo: Arredonde para duas casas após a vírgula.

99 125,683 = 125,68 (regra I);

99 15,346 = 15,35 (regra II);

99 1,445 =1,44 (regra III);

99 1121,555 = 1121,56 (regra IV);

31 UNIDADE I - INTRODUÇÃO 31
C ONHEÇ A MAIS

1. Arredonde os números para duas casas após a vírgula e informe


o número da regra que está utilizando.

a) 53,672.
b) 4,914.
c) 68,937.
d) 334,786.
e) 38,545
f) 44,485.
g) 2,77555.
h) 55,5555.

2. Em uma escola, onde a nota de aprovação é cinco e o aluno ficou


com 4,5 de média, utilizando a regra de arredondamento, o aluno é
aprovado? Por quê?

Voltando a trabalhar com amostragem, podemos citar alguns exemplos de


amostragens aleatórias:

• Simples;

• Sistemática;

• Estratificada.

Amostragem aleatória simples

A seleção dos elementos é feita ao acaso. Todos os elementos da população


têm a mesma probabilidade de ser selecionado.

32 UNIDADE I - INTRODUÇÃO
Exemplo: Temos 80 pessoas e queremos entrevistar 10% da população.
Anotamos os 80 nomes em partes semelhantes e sorteamos oito. Quando a população
é muito grande, o sorteio fica inviável, então utilizamos uma tabela de dados aleatórios.

Amostragem aleatória sistemática

Técnica em que a seleção dos elementos que irão compor a amostra é feita por
meio de um sistema pré-estabelecido. Considerando o exemplo anterior, a amostra
seria a cada 10 (80/8) elementos, ou seja:

10 - 20 - 30 - 40 - 50 - 60 - 70 – 80.

Nesse caso, seria possível adotar uma posição inicial como a posição três. Os
elementos sorteados seriam:

3 – 13 – 23 – 33 – 43 – 53 – 63 – 73.

Exemplo gráfico

Amostragem aleatória estratificada

A amostra é feita por meio da escolha de elementos que pertencem a dois ou


mais grupos. Tendo como base o exemplo anterior, porém considerando que dos 80
alunos, 54 sejam mulheres e 26 sejam homens e o sorteio para 10% dos alunos.

Amostragem
Sexo População Amostra
(10%)

Feminino 54 5,4 5

Masculino 26 2,6 3

Total 80 8,0 8

Note que outro critério poderia ser adotado. Como a amostra é de oito alunos,
seriam escolhidos quatro alunos de cada sexo.

33 UNIDADE I - INTRODUÇÃO 33
Essa técnica, embora válida, seria injusta, pois o público masculino teria maior
chance de ser escolhido, pois estão em menor número.

• Chance do público masculino – 4 alunos em 26, ou seja, 15,38%;

• Chance do público feminino – 4 alunas em 54, ou seja, 7,4%.

Repare que a chance cairia, aproximadamente, pela metade quando comparados


em porcentagem.

C ONHEÇ A MAIS

Uma empresa de produção de eletrodomésticos registrou um núme-


ro excessivo de falhas em seus produtos, conforme tabela abaixo.
O funcionário distraído não preencheu toda a tabela. Calcule as quanti-
dades ou as porcentagens de cada produto.

Equipamento Quantidade Amostra (%)


Micro-ondas 132 ?
Liquidificador ? ?
Mixer ? 17%
Geladeira 157 ?
Fogão ? 16%
Batedeira 174 ?
Freezer ? 13%
Total 1130 100%

34 UNIDADE I - INTRODUÇÃO
1.5  CONSIDERAÇÕES DA UNIDADE I

Nesta unidade, vimos diversas definições da estatística, tendo como ponto de


atenção a análise dos resultados e a tomada de decisão.

Vimos também os conceitos de população e amostra, suas características e a


importância de escolher o modelo de amostragem. Lembrando que as técnicas de
arredondamento ajudaram neste conceito.

Na próxima unidade, iremos ver séries e gráficos estatísticos, em que os dados serão
apresentados em forma de tabelas ou gráficos e as melhores maneiras de representação.

A seguir, teste seus conhecimentos praticando alguns exercícios. No gabarito


temos a resolução comentada dos exercícios.

Lembrando que, você deve assistir à teleaula e participar do nosso Ambiente


Virtual de Aprendizagem (AVA). Se tiver dúvidas, entre no nosso Fórum!

35 UNIDADE I - INTRODUÇÃO 35
TESTE SEU CONHECIMENTO

36 UNIDADE I - INTRODUÇÃO
2 UNIDADE II

SÉRIES ESTATÍSTICAS

OB JET IVOS D A UN ID A D E

• Conhecer os itens de uma tabela e suas características;

• Identificar os tipos de tabela, de acordo com o segmento de atuação;

• Conhecer os gráficos mais utilizados em estatísticas, entendendo


suas características e modos de aplicação;

• Conhecer as regras de arredondamento;

• Cálculos de porcentagem para compreensão de gráficos e tabelas.

HAB ILIDADE S E C O MP E T Ê N C IA S

• Desenvolvimento da análise de gráficos e tabelas, com interpretação


das variáveis e seus desdobramentos;

• Utilização da informação de gráficos e tabelas para auxílio no pro-


cesso decisório;

• Utilização das técnicas de arredondamento para atender as caracte-


rísticas da variável.

37 II - SÉRIES ESTATÍSTICAS
UNIDADE 37
2.1  SÉRIES ESTATÍSTICAS

Objetivo é sintetizar os valores que uma ou mais variáveis pode assumir para
termos uma visão global e, assim, facilitar a análise.

Os valores irão fornecer informações rápidas e confiáveis para auxílio na tomada


de decisão, que será baseada em fatos e dados.

• Tabelas

Conjunto de quadros que resume um conjunto de observações.

As tabelas são compostas por:

99 Corpo

Conjunto de linhas e colunas.

99 Cabeçalho

Parte superior que especifica o conteúdo da tabela.

99 Coluna Indicadora

Conteúdo das linhas.

99 Coluna Numérica

Conteúdo das frequências.

99 Linhas

Onde são inseridos os dados nos cruzamentos com as colunas.

99 Título

Informações da tabela (o quê?, quando?, onde?).

38 UNIDADE II - SÉRIES ESTATÍSTICAS


Exemplo:

Indicadores Econômicos de Inflação Título


Cabeçalho
São Paulo - 2012

Índice Valor
Coluna Coluna
Indicadora IPCA 0,4% Numérica
IGP-M 0,66%

INPC 0,43%

Fonte: Fundação Getúlio Vargas

• Tabelas históricas ou temporais

Descreve a variável de acordo com intervalos de tempo.

Média Final de Estatística

Ano Médias

2008 5,0

2009 6,0

2010 6,0

2011 5,0

2012 7,0

Tabelas geográficas

39 II - SÉRIES ESTATÍSTICAS
UNIDADE 39
Descreve as variáveis de acordo com a localização.

Índice de Desenvolvimento Humano


- IDH

País IDH

Austrália 0,938

Chile 0,783

China 0,663

Quênia 0,470

Brasil 0,699

• Tabela de dupla entrada

É a representação de uma variável em duas séries, ou ainda, em duas classificações.


Nesse tipo de tabela, temos duas ou mais colunas numéricas, como segue:

Quantidade de Alunos por Curso

Curso Homem Mulher

Psicologia 80 95

Direito 102 120

Marketing 110 92

Matemática 134 228

Contábeis 150 130

Administração 300 290

Total 876 955

40 UNIDADE II - SÉRIES ESTATÍSTICAS


• Tabela de frequência ou dados agrupados

Esse tipo de tabela faz uma distribuição dos valores em um intervalo de variação,
ou seja, agrupamos em um intervalo, a partir de uma lista de números. Na primeira
linha da tabela, temos alunos de 18 anos e alunos menores que 21 anos.

Outro ponto de atenção é na coluna indicadora. Alisando a primeira linha da


tabela, 18|---- 21, o limite superior, idade 21 anos, é o limite inferior da segunda
classe, que também começa em 21 anos.

Na segunda linha da tabela, 21|---- 24, o limite superior passa a ser de 24 anos,
que é o limite inferior da segunda classe, que também começa em 24 anos. E assim
sucessivamente.

Podemos observar que este tipo de representação gera algumas dúvidas e,


ainda, deve obedecer a uma série de regras na montagem da tabela. Portanto, tabela
de dados agrupados é um tema que iremos voltar a trabalhar na próxima unidade.

Exemplo:

Idade dos Alunos Ingressantes

Idade Frequênca

18 |---- 21 20

21 |---- 24 40

24 |---- 27 70

27 |---- 30 35

30 |---- 33 15

41 II - SÉRIES ESTATÍSTICAS
UNIDADE 41
2.2  PORCENTAGEM

Iremos ver alguns princípios chaves a serem usados, quando trabalhamos com
porcentagem. Todos esses princípios usam a noção básica que % ou por cento significa
dividir por 100.

• Regra I - Porcentagem de: Para achar alguma porcentagem de uma


quantidade, despreze o símbolo de % e divida o valor da porcentagem por
100 e, então, multiplique. Este exemplo mostra que 6% de 1200 são 72:

6
6% de 1200 = × 1200 = 72
100

• Regra II - Relação de dois números em porcentagem: Para converter


dois números, divida o numerador pelo denominador para obter um número
decimal equivalente, multiplique por 100 e acrescente o símbolo de %.

Exemplo: Em uma sala de 80 alunos, 12 alunos foram reprovados, que


representam 15% de reprovação.

12
= 0,15 → 0,15 ×100%=15%
80

• Regra III - Decimal para porcentagem: Para converter um decimal em


porcentagem, multiplique por 100%. Este exemplo mostra que 0,2345 são
equivalentes a 23,45%:

0,2345 = 0,2345 × 100% = 23,45%

42 UNIDADE II - SÉRIES ESTATÍSTICAS


• Regra IV - Porcentagem para Decimal: Para converter uma porcentagem
em um número decimal, despreze o símbolo % e divida por 100. Este
exemplo mostra que 85% são equivalentes a 0,85:

85
85%= =0,85
100

Exemplos:

Transforme a fração 17/25 em uma porcentagem equivalente.

17
= =0,68 = 68%
25

Transforme 35,2% em um decimal equivalente.

35,2%
= =0,352
100%

Quantos são 57% de 1500?

57%
= ×1500=855
100

Transforme 0,486 em uma porcentagem equivalente.

=0,486 ×100%=48,6%

Quantos são 26% de 950?

26%
= × 950 = 247
100

43 II - SÉRIES ESTATÍSTICAS
UNIDADE 43
Transforme 5% em um decimal equivalente.

5%
= = 0,05
100%

Transforme 0,01 em uma porcentagem equivalente.

=0,01 ×100%=1%

Transforme a fração 527/1200 em uma porcentagem equivalente.

527
= × 100% = 43,92%
1200

Em um estudo da droga para colesterol, 270 pacientes receberam um placebo,


e 19 desses 270 pacientes queixaram-se de dor de cabeça. Qual porcentagem desse
grupo de placebo que se queixou de dor de cabeça?

19
= = 0,07037 = 7,04%
270

Dentre os 270 pacientes do grupo do placebo, 3,0% queixaram-se de dor nas


costas. Qual o número real de pacientes que se queixou de dor nas costas?

3%
= × 270 = 8,1
100

44 UNIDADE II - SÉRIES ESTATÍSTICAS


2.3  ÍNDICES, COEFICIENTES E TAXAS

Índices

São razões entre duas grandezas, em que uma não está associada à outra.

Exemplo:

valor total de vendas


Vendas por funcionário =
total de funcionários

valor total de vendas


Densidade Demográfica =
total de funcionários

Coeficientes

É a relação entre o número de ocorrências e o número total.

número de nascimentos
Coeficiente de natalidade=
população total

número de óbitos
Coeficiente de mortalidade =
população total

número de peças com falhas


Coeficiente de falhas =
total de peças produzidas

Taxas

São os coeficientes escritos de uma maneira de fácil entendimento.

Taxa de natalidade = Coeficiente de natalidade x 100

Taxa de falhas = Coeficiente de falhas x 1.000.000

45 II - SÉRIES ESTATÍSTICAS
UNIDADE 45
2.4  GRÁFICOS

O gráfico tem por objetivo, apresentar dados estatísticos que exiba uma visão
rápida e fácil do estudo. Nos dias atuais, não se monta mais gráficos à mão. Os
softwares disponíveis no mercado facilitam muito o trabalho, pois oferecem uma
diversidade muito grande de modelos.

Mas não adianta montar os gráficos e não saber o que ele está demonstrando.
Para algumas representações de dados por meio de gráfico, dependendo do tipo
adotado, a visualização não fica agradável e algumas das vezes o software não
consegue montar o gráfico.

Vamos ver os tipos de gráficos mais utilizados:

Linha ou curva

Este tipo de gráfico é muito utilizado quando queremos mostrar uma evolução
em função do tempo. Vamos utilizar os dados da tabela das médias de estatísticas e
inserir mais uma disciplina – Teoria geral da administração.

Média Final

Ano Estatística TGA

2008 5,0 9,0

2009 6,0 8,0

2010 6,0 7,0

2011 5,0 6,0

2012 7,0 6,0

46 UNIDADE II - SÉRIES ESTATÍSTICAS


De acordo com as tabelas, temos o seguinte gráfico de linhas:

Colunas ou barras

São representados por retângulos na vertical (colunas) ou na horizontal (barras).

Analisando o gráfico, verificamos que a disciplina de estatística, embora em


2008 tenha um baixo desempenho, vem demonstrando uma tendência de evolução,
migrando de um patamar de nota 5, na média, para um patamar de 7.

Por outro lado, a disciplina de TGA vem mostrando uma queda no seu
desempenho, migrando da média 9 para a média 6.

Lembrando que neste ponto, já é possível a tomada de decisão, ou seja, o


responsável pelas disciplinas pode pensar:

“O que a disciplina de estatística vem fazendo para melhorar o seu rendimento?”

“Será que a ações que a disciplina de estatística vem realizando para melhorar
o seu rendimento, são possíveis de aplicá-las na disciplina de TGA?”

47 II - SÉRIES ESTATÍSTICAS
UNIDADE 47
“O que será que a disciplina de TGA deixou de fazer certo e começou a fazer
de errado para cair seu desempenho?”

Veja como é possível iniciar o processo decisório com os dados bem demonstrados
e com fácil visualização.

Vamos ver o gráfico das médias, montado em colunas.

O objetivo de demonstrar a comparação da evolução das médias entre as


disciplinas, não fica tão claro.

Alterando o gráfico em formato de barras, teríamos:

48 UNIDADE II - SÉRIES ESTATÍSTICAS


Repare que a visualização não aparenta ser tão clara quando em forma de
colunas, a qual já tinha uma desvantagem em relação ao gráfico de linhas.

Concordam?

Normalmente, utilizamos este tipo de gráfico quando tratamos do mesmo


assunto, mas com segmentos diferentes.

Exemplo:

49 II - SÉRIES ESTATÍSTICAS
UNIDADE 49
Análise gráfica

Podemos afirmar que as três maiores reclamações correspondem a


aproximadamente 70% dos problemas?

Resposta: Sim. Como?

Vamos somar os três maiores tipos de reclamações, os quais são oriundos da


documentação (101), do atraso (76) e da falta de informação (57). Somando os três
itens, vamos chegar ao valor de 234 reclamações.

Somando todas as reclamações, temos um total de 334 reclamações. Portanto


temos:
3 maiores itens 234
= = = 0,7006 = 70,06%
total de itens 334

Podemos perceber que, com a simples leitura do gráfico e alguns cálculos de


porcentagem, o nível de conhecimento sobre o problema foi muito maior.

Agora, vamos ver este mesmo gráfico em dois modelos diferentes.

Primeiro, vamos ver em formato de linhas.

50 UNIDADE II - SÉRIES ESTATÍSTICAS


Como ficou a interpretação dos dados do gráfico? Facilitou ou dificultou?
E a estética?

Aparentemente, o caráter estético perdeu muito quando transformamos o


gráfico de colunas para barras.

Concordam?

Agora, vamos ver o mesmo gráfico em setores. Este tipo de gráfico é o próximo
a ser estudado.

A visualização ficou bastante agradável, em que o tamanho de cada setor


representa a participação de cada item em relação ao todo.

Então, vamos entender um pouco mais sobre este tipo de gráfico, que chamamos
de gráfico de setores.

Setores

Este gráfico é conhecido como “pizza”, em função do seu formato circular e


das “fatias” representarem a participação das variáveis em função do todo.

O exemplo demonstra a participação por segmento nas vendas de uma padaria:

51 II - SÉRIES ESTATÍSTICAS
UNIDADE 51
Eixo principal e secundário

É um gráfico em que representamos dois modelos de gráficos em apenas um.


Este tipo de gráfico é muito utilizado pelos setores de qualidade e controle de estoque
das empresas, que utilizam o seu formato em colunas e linhas, sendo as colunas as
frequências e as linhas em porcentagem acumulada.

Este gráfico é denominado de diagrama de Pareto (Homenagem a Vilfredo Pareto).

O gráfico abaixo representa a relação entre avaliação de desempenho dos


funcionários de uma empresa, expressa em porcentagem (linha vermelha) e a
quantidade das pessoas que saíram da empresa (coluna azul).

Podemos ver que 5% de todos os funcionários obtiveram o conceito máximo


(excede os padrões) e desses 5%, 20 deixaram a empresa.

Supondo que esta empresa tenha 1000 funcionários, podemos concluir que
eles estão retendo os funcionários “problemáticos” e dispensando os talentos.

52 UNIDADE II - SÉRIES ESTATÍSTICAS


45
Talentos: 20% de 1000 = 200 → × 100% = 22,5% saíram da empresa
200

25
Problemáticos: 20% de 1000 = 200 → × 100% = 12,5% saíram da empresa
200

Outra conclusão que podemos ter, é que 80% dos funcionários da empresa
estão de acordo ou superam o que a empresa espera do seu desempenho.

Vimos que este tipo de gráfico carrega uma grande quantidade de informação,
em que a análise é fundamental para entendimento e tomada de decisão.

Diagrama de Pareto

Para conhecer o Pareto, vamos imaginar uma empresa que produz camisas
sociais. Essa empresa vem recendo um elevado número de reclamações em relação à
qualidade da camisa.

Verificando um lote de camisas, foram encontrados os seguintes defeitos:

Item defeituoso Quantidade

Botão solto 45

Colarinho costurado torto 38

Mancha 19

Bolso sem acabamento 7

Manga com fios soltos 2

Rasgo 1

Sem etiqueta 1

Transformando a tabela em um diagrama de Pareto, temos a seguinte


representação:

53 II - SÉRIES ESTATÍSTICAS
UNIDADE 53
Verificamos que três itens, como: botão solto, colarinho costurado torto e
mancha, correspondem a 90% dos problemas encontrados nas camisas.

Portanto, esses três itens são chamados de “itens vitais para o negócio”.

Como conclusão, o diagrama de Pareto tem como objetivo, separar as causas


vitais das triviais. A quantidade de itens vitais ou triviais fica sob o critério de quem
está estudando o assunto, não tendo uma regra definida.

Neste caso, foram adotadas três causas vitais, ou seja, o responsável pela
melhoria iniciaria seus trabalhos por estes itens, pois agir nos demais itens poderia
levar muito tempo, muito esforço e a quantidade de problemas não é tão significativa,
em torno de 10%.

Pictogramas

São gráficos representados por figuras. Este tipo de gráfico é muito utilizado
em revistas e jornais por ser atraente e sugestivo.

54 UNIDADE II - SÉRIES ESTATÍSTICAS


Vimos que o gráfico traz uma grande quantidade de informações, em que a
interpretação, análise e a realização de algumas simulações mudam o patamar de
conhecimento sobre o assunto.

Durante a leitura de um jornal, revista, ou até mesmo assistindo televisão,


quando se deparar com um gráfico, realize algumas simulações, compare se a
informação escrita está de acordo com o gráfico.

É comum que as pessoas, quando estão lendo a reportagem e nela existe um


gráfico, pulem o gráfico e continuem lendo a matéria.

A partir desse momento, estamos aptos a interpretar as informações dos


gráficos. Essa atitude deve ser exercitada, criando o hábito de entender graficamente
o que está sendo estudado. Com o tempo e a repetição, a leitura gráfica irá ficar cada
vez mais fácil e prazerosa.

55 II - SÉRIES ESTATÍSTICAS
UNIDADE 55
2.5  CONSIDERAÇÕES DA UNIDADE II

Nesta unidade, vimos os tipos de tabelas e gráficos.

As tabelas são maneiras de sintetizar os dados, de acordo como o objetivo de


estudo. Já os gráficos têm suas funções diferenciadas.

Dependendo do tipo de dado, ou ainda, o tipo de estudo que queira realizar,


cada gráfico irá representar melhor o seu trabalho. Nesta disciplina, não iremos
“montar gráficos à mão” e nem com a utilização de softwares.

Lembre que, o mais importante do gráfico é a informação que ele quer passar
e para isso a análise é fundamental.

Na próxima unidade, iremos ver como os dados podem ser distribuídos e os


tipos de frequência. Essa técnica irá nos auxiliar para montarmos tabelas simples e de
dados agrupados.

A seguir, teste seus conhecimentos praticando alguns exercícios. No gabarito,


temos a resolução comentada dos exercícios.

E claro, não deixe de assistir à teleaula e de participar do Ambiente Virtual de


Aprendizagem (AVA). Você, também, pode deixar as suas dúvidas, no nosso Fórum!

56 UNIDADE II - SÉRIES ESTATÍSTICAS


TESTE SEU CONHECIMENTO

57 II - SÉRIES ESTATÍSTICAS
UNIDADE 57
3 UNIDADE III

DISTRIBUIÇÃO DE FREQUÊNCIAS

OB JET IVOS D A UN ID A D E

• Elaborar tabelas simples e de dados agrupados;

• Conhecer as formas de representar a frequência de um fenômeno.

HAB ILIDADE S E C O MP E T Ê N C IA S

• Analisar tabelas simples e as frequências quando agrupados em


intervalos de classe;

• Capacidade de elaborar uma tabela de frequência e de analisar os


resultados.

59
UNIDADE III - DISTRIBUIÇÃO DE FREQUÊNCIAS 59
3.1  DISTRIBUIÇÃO DE FREQUÊNCIA

3.1.1  TABELA PRIMITIVA – ROL

A exploração e comparação de dados devem ser precedidas da organização


desses dados, para facilitar a leitura e a interpretação deles.

Isso nos permite apurar parâmetros com maior nível de qualidade e


conhecermos as seguintes definições:

Vamos imaginar que fizemos uma coleta de dados relativa à idade dos alunos
de uma determinada sala, resultando nos dados:

Idade
25
21
23
23
30
18
25
25
26
24
32
19
29
24
25

Observando os dados, é difícil termos alguma conclusão sobre a idade dos alunos,
pois eles foram coletados aleatoriamente, sem obedecer a uma ordem ou sequência.
Esse tipo de dados, chamamos de tabela primitiva ou dados brutos. Ou seja:

60 UNIDADE III - DISTRIBUIÇÃO DE FREQUÊNCIAS


• Dados Brutos – É o nome que atribuímos aos dados que foram coletados
aleatoriamente e que ainda não foram organizados.

Para resolver este problema, devemos organizar os dados, ou ainda, colocar os


dados em uma ordem crescente ou decrescente.

Isto, chamamos de rol de dados.

Idade
18
19
21
23
23
24
24
25
25
25
25
26
29
30
32

Portanto, Rol é a organização dos dados em ordem crescente ou decrescente.

Agora, verificaremos algumas informações básicas da coleta, porém importantes, como:

99 O aluno mais novo da amostra dos dados;

99 O aluno mais velho da amostra dos dados;

99 A diferença entre o mais velho e o mais novo é de 14 anos.

Essas informações são bastante simples, e para verificar tais conclusões, não
seria um estudo aprofundado sobre estatística.

61
UNIDADE III - DISTRIBUIÇÃO DE FREQUÊNCIAS 61
Na verdade, essas definições de aluno mais novo, aluno mais velho e diferença
entre o mais velho e o mais novo aluno, quando transformamos estas informações em
estudos estatísticos, temos as seguintes definições:

99 Limite inferior da rol (aluno mais novo);

99 Limite superior da rol (aluno mais velho);

99 Amplitude de variação da rol (diferença do mais velho e o mais) novo.

Resumindo em uma tabela, teríamos:

Linguagem Básica Informação Estatística


O aluno mais novo da amostra dos dados Limite inferior da rol (aluno mais novo)
O aluno mais velho da amostra dos dados Limite superior da rol (aluno mais velho)
A diferença entre o mais velho e o mais Amplitude de variação da rol (diferença
novo é de 14 anos do mais velho e do mais novo)

3.2  ELEMENTOS DA DISTRIBUIÇÃO DE FREQUÊNCIA

Quando trabalhamos com grande quantidade de dados, pode ser útil organizar
e resumir os dados com a construção de uma tabela que liste diferentes valores com
suas frequências.

Denominamos frequência, o número de alunos que se enquadra em um


determinado valor da variável.

Portanto, podemos criar uma tabela com essas frequências, o que chamamos
de distribuição de frequência.

Lembrando que a tabela tem o objetivo de sintetizar os dados de uma variável.

62 UNIDADE III - DISTRIBUIÇÃO DE FREQUÊNCIAS


Idade Frequência
18 1
19 1
21 1
23 2
24 2
25 4
26 1
29 1
30 1
32 1

Esse tipo de tabela, denominamos de tabela simples. Embora seja simples sua
montagem, quando há uma grande quantidade de dados, pode ficar trabalhosa.

Para reduzir esse tipo de problema, montamos uma tabela de dados agrupados,
em que as frequências são atribuídas a intervalos de classe da variável.

Na tabela simples, cada linha representa uma idade e uma frequência. Na tabela de
dados agrupados, cada linha representa um intervalo de classe e a respectiva frequência.

Intervalos de classe das idades Frequência


18 |---- 21 2
21 |---- 24 3
24 |---- 27 7
27 |---- 30 1
30 |---- 33 2
Total 15

Essa representação deixa a tabela com maior grau de simplicidade na visualiza-


ção, apesar de que, algumas informações acabam sendo perdidas.

Um exemplo: No último intervalo de classe, temos 2 alunos entre 30 e 33 anos,


porém não sabemos com precisão qual a real idade dos alunos. Isso é possível apenas
se verificarmos a informação na tabela simples.

63
UNIDADE III - DISTRIBUIÇÃO DE FREQUÊNCIAS 63
Dica:

Quando for montar a tabela de dados agrupados, é aconselhável que crie uma
terceira coluna, que chamamos de coluna auxiliar.

O objetivo da coluna auxiliar é atribuir os valores a cada intervalo de classe,


utilizando traços, sem necessariamente cria a rol.

Para cada valor, atribuímos um traço de maneira tal que a sequência de traços
forme um quadrado cortado ao meio. Um quadrado cortado ao meio corresponde a
cinco valores.

Intervalos de classe das idades Frequência Auxiliar


18 |---- 21 2
21 |---- 24 3
24 |---- 27 7
27 |---- 30 1
30 |---- 33 2
Total 15

3.3  ELEMENTOS DE UMA DISTRIBUIÇÃO DE FREQUÊNCIA

Classes

São representadas pela letra “i” e representa a quantidade de linhas da tabela.


Na tabela anterior, temos cinco classes, ou seja, i = 5.

Limite de classes

Em cada classe, temos dois números, sendo o primeiro número o limite inferior
da classe (Li) e o segundo número o limite superior da classe (Ls).

64 UNIDADE III - DISTRIBUIÇÃO DE FREQUÊNCIAS


Para terceira classe, temos:

24 |--- 27

Neste exemplo, o limite inferior da classe é 24 (Li = 24) e o limite superior da


classe é 27 (Ls = 27).

Note que em todas as classes temos uma representação de uma barra com três traços.

Essa barra determina qual o número que deve estar na classe, ou ir para outra,
quando este número é igual ao limite inferior ou limite superior da classe.

No exemplo 24 |--- 27, a barra está no lado do limite inferior. Significa que a idade 24
deve ser considerada na terceira classe, porém a idade 27 deve ser considerada na quarta
classe, 27 |--- 30. Esse tipo de representação, chamamos de intervalo aberto à direita.

Se o exemplo estivesse com a barra no lado do limite superior da classe, 24 ---| 27,
a idade 24 deveria ser considerada na classe anterior, 21 ---|24, e a idade 27 seria considerada
na terceira classe. Esse tipo de representação, chamamos de intervalo aberto à esquerda.

O objetivo é não repetir os números que estão na “fronteira entre as classes”:

Tipo de Intervalo Significado Representação


Aberto a direita a≤x<b A |--- B
Aberto a esquerda a < x ≤b A ---| B

A grande maioria das tabelas são representadas com o intervalo aberto a direita “|----“.

Intervalo da classe (h)

É a diferença entre o limite superior e inferior da classe.

Note que este valor deve ser igual para todas as classes.

65
UNIDADE III - DISTRIBUIÇÃO DE FREQUÊNCIAS 65
Intervalos de classe das
Intervalo de Classe
idades
18 |---- 21 = 21 – 18 = 3
21 |---- 24 = 24 – 21 = 3
24 |---- 27 = 27 – 24 = 3
27 |---- 30 = 30 – 27 = 3
30 |---- 33 = 33 – 30 = 3

Amplitude Geral (H)

É a diferença entre o limite superior da rol (maior valor) e limite inferior da rol
(menor valor).

Amplitude Geral (H) = Maior valor – Menor valor

Para o exemplo:

Amplitude Geral (H) = 32 – 18 = 14

Número de classe

O número de classes, ou ainda, o número de linhas que irá ter na tabela, será
fornecido pela regra de Sturges (k), o qual é calculado em função da quantidade de dados.

Em que:

n é o número total de dados;

k é o número de classes da tabela.

Para o exemplo:

k = 1 + [3,3 ×log(14) ] ≅ 4,8811

66 UNIDADE III - DISTRIBUIÇÃO DE FREQUÊNCIAS


Nota importante:

Para calcular a fórmula de Sturges, obedeça a seguinte ordem:

Primeiro – Calcule o log(n);

Segundo – Multiplique o resultado do log(n) por 3,3;

Terceiro – Some 1 ao resultado do segundo passo.

Qualquer ordem diferente dessa, o resultado estará incorreto.

Vimos a definição do intervalo da classe (h), porém para calculá-lo, iremos


utilizar a seguinte fórmula:

H
h=
k

Para o exemplo:

15
h= ≅ 3,073 = 3
4,8811

Cabe ressaltar que, embora o cálculo seja feito, o intervalo da classe é definido
por quem está elaborando a tabela.

Usualmente, o valor do intervalo de classe é definido pela classificação da


variável em contínua ou discreta.

Se a variável é discreta, ou seja, apenas números inteiros, o valor do intervalo


de classe (h) deverá ser discreto.

O mesmo raciocínio é utilizado para variável contínua, ou seja, se a variável é


contínua, o valor do intervalo de classe (h) deve ser contínuo.

Cabe ressaltar que, quando temos na coluna indicadora da tabela números


“quebrados”, a visualização da tabela será comprometida, bem como o entendimento.

67
UNIDADE III - DISTRIBUIÇÃO DE FREQUÊNCIAS 67
C ONHEÇ A MAIS

1. Uma empresa de fraldas verificou, por meio de amostra, a quantidade


de falhas no seu produto, por dia. Monte as tabelas simples e dados
agrupados. Em ambas, qual a frequência que mais ocorre?

37 37 38 38 38
26 32 33 34 34
36 36 36 36 36
34 35 35 35 35
35 36 36 36 36
38 39 39 39 40
40 40 41 42 43

Tabela Simples

Falhas por dia Frequência


26 1
32 1
33 1
34 3
35 5
36 9
37 2
38 4
39 3
40 3
41 1
42 1
43 1

A quantidade de falhas que mais ocorre ao dia é de 36 falhas, com 9


ocorrências.

68 UNIDADE III - DISTRIBUIÇÃO DE FREQUÊNCIAS


Tabela de dados agrupados

Li = 26

Ls = 43

H = 43 – 26 = 17

N = 35

K = 1 + [3,3 x log (N)] = 1 + [3,3 x log (35)] = 6,0954

17
h= ≅ 2,7889 ≅ 3
6,0954


Classe Falhas por dia Frequência
1 26 |--- 29 1
2 29 |--- 32 0
3 32 |--- 35 5
4 35 |--- 38 16
5 38 |--- 41 10
6 41 |--- 44 3

A frequência que mais ocorre é na 4a classe, com 16 ocorrências de


falhas no intervalo 35 |--- 38.

2. Uma residência tem consumo de energia registrado, conforme tabela abaixo.


Monte a tabela de dados agrupados para cada ano e compare os resultados.

Consumo
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
(kWh/mês)
2011 510 532 421 401 358 348 258 269 357 319 456 491
2012 524 554 427 439 321 351 246 289 384 323 489 406

2011

Li = 258

Ls = 532

H = 274

K = 1+( 3,3 x log (12)) = 4,5612

H = 274/4,5612 = 60

69
UNIDADE III - DISTRIBUIÇÃO DE FREQUÊNCIAS 69
Consumo (kWh) Frequência
258 |--- 318 2
318 |--- 378 4
378 |--- 438 2
438 |--- 498 2
498 |--- 558 2
Total 12

2012

Li = 246

Ls = 554

H = 308

K = 1+( 3,3 x log (12)) = 4,5612

H = 274/4,5612 = 68

Consumo (kWh) Frequência


246 |--- 314 2
314 |--- 382 3
382 |--- 450 4
450 |--- 518 1
518 |--- 586 2
Total 12

Podemos ver que, embora os consumos registrados sejam semelhantes, o


intervalo de classe entre os dois anos são significativamente diferentes.

Para o ano de 2011, o intervalo de classe de maior ocorrência é 318 |---


378, com 4 ocorrências. Para o ano de 2012, a terceira classe é a que
mais ocorre, com valores 382 |--- 450.

Com isso, podemos concluir que houve um aumento do consumo de


energia de um ano para o outro.

3. Uma empresa de cosméticos registra os seguintes acidentes, na sua


linha de produção:

Monte as tabelas simples e dados agrupados.

Acidentes – 29 33 24 29 27 33 36 22 25 24 31 31 27 23 30 35 26 31 32 24

70 UNIDADE III - DISTRIBUIÇÃO DE FREQUÊNCIAS


Tabela Simples

Acidente Frequência
22 1
23 1
24 3
25 1
26 1
27 2
29 2
30 1
31 3
32 1
33 2
35 1
36 1
Total 20

Li = 22

Ls = 36

H = 14

K = 1+( 3,3 x log (12)) = 5,2934

H = 14/5,2934 = 2,6448

Acidentes Frequência
22 |--- 25 5
25 |--- 28 4
28 |--- 31 3
31 |--- 34 6
34 |--- 37 2
Total 20

Um ponto de atenção é que independente do tipo de tabela, o número


de itens deverá ser o mesmo. Para esse exemplo, são 20 itens. Caso
existam diferenças entre as tabelas, significa que o exercício está errado.

4. Um escritório fez uma apuração dos relatórios emitidos aos clientes e


verificou os seguintes erros de ortografia:

Monte as tabelas simples e dados agrupados

71
UNIDADE III - DISTRIBUIÇÃO DE FREQUÊNCIAS 71
Erros de Ortografia 9 7 1 7 5 5 1 9 1 2 8 7 6 3 1 6 7 2 4 7 5 5 5 2 1 4 4
9945331925682

Li = 1

Ls = 9

H=8

K = 1+( 3,3 x log (40)) = 6,2868

H = 8/6,2868 = 1,2725 = 1,5

Consumo (kWh) Frequência


1 |--- 2,5 11
2,5 |--- 4 7
4 |--- 5,5 7
5,5 |--- 7 8
7 |--- 8,5 2
8,5 |--- 10 5
Total 40

5. Segue abaixo a altura (em metros) das crianças da educação infantil.


Monte as tabelas simples e dados agrupados

Altura – 1,20 1,35 1,37 1,39 1,29 1,22 1,34 1,29 1,28 1,42 1,36 1,33 1,42
1,31 1,50 1,41 1,45 1,40 1,34 1,28 1,42 1,52 1,38 1,32 1,40 1,48 1,37
1,36 1,49 1,38 1,38 1,3 1,44 1,36 1,46 1,31 1,42 1,35 1,45 1,48 1,44 1,33
1,45 1,51 1,38 1,36 1,41 1,39 1,35 1,43 1,42 1,41 1,34 1,45 1,31

3.4  TIPOS DE FREQUÊNCIAS

Frequência Absoluta (f)

Até o momento, vimos as frequências de acordo com os dados obtidos das


amostras. Essa frequência é denominada de frequência absoluta (f), pois são os valores
que realmente representam os dados da classe.

72 UNIDADE III - DISTRIBUIÇÃO DE FREQUÊNCIAS


Matematicamente, temos:

f = Σfi

Sendo Σ, letra grega sigma maiúscula, representando o somatório das


frequências individuais.

Frequência relativa (fr)

É obtida pela relação da frequência absoluta de cada classe e do somatório das


frequências:
f
fr =
Σfi
Exemplo:

Utilizando a segunda classe, temos o intervalo 21 |--- 24, com frequência


absoluta de 3, e sabendo que somatório dos alunos é 15, temos:

f 3
fr2 = = 0,2
Σfi 15

Frequência relativa percentual (frp)

É a frequência relativa em porcentagem, obtida a partir da relação:

frp = 100% x fr

Para o exemplo anterior, temos:

frp2 = fr2 × 100% = 0,2 × 100% = 20%

73
UNIDADE III - DISTRIBUIÇÃO DE FREQUÊNCIAS 73
Frequência acumulada (fa)

É a soma das frequências absolutas de todos os valores anteriores até a classe


desejada.

fak = f1 + f2 + f3 + f4 + ... fn

Calcular a frequência acumulada até a terceira classe.

Intervalos de classe
Classe Frequência
das idades
1 18 |---- 21 2
2 21 |---- 24 3
3 24 |---- 27 7
4 27 |---- 30 1
5 30 |---- 33 2

Portanto, a frequência acumulada da terceira classe é 12.

Frequência acumulada relativa (far)

É obtida pela relação da frequência acumulada e o somatório das frequências.

74 UNIDADE III - DISTRIBUIÇÃO DE FREQUÊNCIAS


Frequência acumulada percentual (fap)

É a frequência acumulada em porcentagem.

Para o exemplo:

C ONHEÇ A MA IS

1. De acordo com a tabela abaixo calcule as frequências.

Classe Itens em Estoque Frequência


1 00 |--- 20 6
2 20 |--- 40 12
3 40 |--- 60 21
4 60 |--- 80 15
5 80|--- 100 6

Insira as colunas de acordo com cada frequência que se deseja calcular.

Itens em Frequên-
Classe Fr Frp (%) Fa far Fap(%)
Estoque cia
1 00 |--- 20 6 0,1 10% 6 0,1 10%
2 20 |--- 40 12 0,2 20% 18 0,3 30%
3 40 |--- 60 21 0,35 35% 39 0,65 65%
4 60 |--- 80 15 0,25 25% 54 0,9 90%
5 80|--- 100 6 0,1 10% 60 1 100%

75
UNIDADE III - DISTRIBUIÇÃO DE FREQUÊNCIAS 75
2. Dada a distribuição de frequência dos níveis de nicotina de fumantes,

monte a tabela de cálculo das frequências.

Nicotina Frequência
0 |--- 100 110
100 |--- 100 120
200 |--- 100 140
300 |--- 100 70
400 |--- 100 50
Total

Frequên-
Nicotina Fr Frp (%) Fa far Fap(%)
cia
0 |--- 100 110 0,2245 22,45% 110 0,2245 22,45%
100 |--- 100 120 0,2449 24,49% 230 0,4694 46,94%
200 |--- 100 140 0,2857 28,57% 370 0,7551 75,51%
300 |--- 100 70 0,1429 14,29% 440 0,8980 89,80%
400 |--- 100 50 0,1020 10,20% 490 1,0000 100,00%
Total 490

3. Dada a distribuição de frequência da pressão sanguínea dos homens,


monte a tabela de cálculo das frequências.

Pressão Frequência Fr
70 |--- 100 0,1549
100 |--- 130 0,2535
130 |--- 160 0,4225
160 |--- 190 0,1267
190 |--- 210 0,0422
Total 71

Neste caso, como o valor fornecido foi a frequência relativa e o total de


itens, precisamos multiplicar as frequências de cada classe pelo total de
dados. Com isso, obtemos as frequências absolutas.
A partir das frequências absolutas, a resolução passa a ser semelhante as
resoluções anteriores.

76 UNIDADE III - DISTRIBUIÇÃO DE FREQUÊNCIAS


Frequên-
Pressão Fr Frp (%) Fa far Fap(%)
cia
70 |--- 100 11 0,1549 15,49% 11 0,1549 15%
100 |--- 130 18 0,2535 25,35% 29 0,4085 41%
130 |--- 160 30 0,4225 42,25% 59 0,8310 83%
160 |--- 190 9 0,1268 12,68% 68 0,9577 96%
190 |--- 210 3 0,0423 4,23% 71 1,0000 100%
Total 71  

4. Dada a distribuição de frequência das notas de estatística, monte a

tabela de cálculo das frequências.

Notas Fa
0 |--- 20 4
20 |--- 40 19
40 |--- 60 51
60 |--- 80 79
80 |--- 100 99

Nesse exemplo, temos a frequência acumulada. Para termos as frequências


absolutas, precisamos subtrair as frequências acumuladas de cada classe.
A frequência absoluta da primeira é a própria frequência acumulada.
A frequência absoluta da segunda classe é a frequência acumulada da
segunda classe subtraída da frequência acumulada da primeira classe.


Repetindo essa operação até a última classe, obtemos todas as frequências
absolutas.

Notas Fa f fp Frp (%) far Fap(%)


0 |--- 20 4 4 0,0404 4,04% 0,0404 4,04%
20 |--- 40 19 15 0,1515 15,15% 0,1919 19,19%
40 |--- 60 51 32 0,3232 32,32% 0,5152 51,52%
60 |--- 80 79 28 0,2828 28,28% 0,7980 79,80%
80 |--- 100 99 20 0,2020 20,20% 1,0000 100,00%
Total 99

77
UNIDADE III - DISTRIBUIÇÃO DE FREQUÊNCIAS 77
3.5  CONSIDERAÇÕES DA UNIDADE III

Nesta unidade, vimos como distribuir os dados em tabelas simples e de dados


agrupados.

A tabela simples, embora seja fácil a montagem, quando existe uma grande
quantidade de dados, tem sua estética comprometida, ou seja, a visualização dos
dados e a leitura da tabela ficam maçantes.

A alternativa é a tabela de dados agrupados, em que a regra utilizada para


montagem foi o modelo de Sturges. Nesse modelo, vimos as definições das classes,
dos intervalos de classe e as amplitudes.

Outro tema abordado nesta unidade foi os diversos tipos de frequências.


Frequências absolutas, relativas e acumuladas foram as definições estudadas, bem
como o cálculo e a interpretação dos dados.

Para finalizar a unidade, assista à teleaula e entre no Ambiente Virtual de


Aprendizagem (AVA). No caso de dúvidas, deixe-as no nosso Fórum!

78 UNIDADE III - DISTRIBUIÇÃO DE FREQUÊNCIAS


TESTE SEU CONHECIMENTO

79
UNIDADE III - DISTRIBUIÇÃO DE FREQUÊNCIAS 79
4 UNIDADE IV

MEDIDAS DE POSIÇÃO

OB JET IVOS D A UN ID A D E

• Conhecer as medidas de posição com tendência central, como: moda,


média e mediana;

• Calcular e interpretar os resultados da moda, média e mediana,


quando aplicados em rol de dados e tabelas;

• Conhecer medidas de tendência não central;

• Calcular e interpretar desvios, coeficientes de variação e curva normal.

HAB ILIDADE S E C O MP E T Ê N C IA S

• Aplicação dos cálculos de medidas de posição central, desvios e


probabilidades da curva normal nos mais variados tipos de problemas;

• Entendimento para a análise, conclusão e tomada de decisão, com


base nos resultados obtidos nas diferentes maneiras de interpretar
uma amostra.

81 IV - MEDIDAS DE POSIÇÃO
UNIDADE 81
Uma medida de centro é um valor no centro ou meio do conjunto de dados,
em que existem diversas maneiras de determiná-lo, de modo que temos diferentes
definições de medidas de centro, incluindo a Moda (MO), mediana (MD) e Média (M).

4.1  MODA

A moda de um conjunto de dados é o valor que ocorre com mais frequência.


Quando dois valores ocorrem com a mesma frequência, chamamos o conjunto de
dados de bimodal.

Quando isso ocorre com mais valores, chamamos o conjunto de dados de


multimodal. E ainda, quando não há repetição de valores, dizemos que para o conjunto
de dados não existe modal.

4.1.1  MODA PARA DADOS BRUTOS:

Seja o conjunto: 8 2 18 8 10 8 12 10 6 8 11.

A moda é 8 (MO = 8), com frequência 4.

Para facilitar a identificação, monte a rol. A rol facilita a visualização da moda.

2 6 8 8 8 8 10 10 11 12 18

82 UNIDADE IV - MEDIDAS DE POSIÇÃO


4.1.2  MODA PARA TABELA SIMPLES

Dada a tabela:

Notas Frequência
0 1
1 3
2 4
3 5
4 7
5 2
6 1
8 1
Total 24

A moda neste caso é a nota 4 (MO = 4), pois está relacionada à maior frequência,
que é 7.

4.1.3  MODA PARA DADOS AGRUPADOS

Para este caso, a moda é o ponto médio da classe de maior frequência. O


cálculo do ponto médio da classe é dado pela fórmula:

Em que:

Li – limite inferior da classe;

Ls – limite superior da classe.

83 IV - MEDIDAS DE POSIÇÃO
UNIDADE 83
Dada a tabela, vamos calcular a moda.

Classe Notas Frequências


1 0 |--- 2 3
2 2 |--- 4 4
3 4 |--- 6 4
4 6 |--- 8 9
5 8 |--- 10 3
Total 23

A classe de maior frequência é 6l---8, com valor 9. Portanto, a moda é a nota 7:

4.2  MEDIANA

É a medida de centro que é o valor do meio quando os dados estão arranjados


em ordem crescente ou decrescente, ou ainda o valor que deixa antes e depois de si a
mesma quantidade de dados.

4.2.1  MEDIANA PARA ROL DE DADOS

É obtida a partir do termo médio ou dos termos médios da sequência.

• Se o total de dados (N) for ímpar, a mediana está associada ao termo médio;

• Se o total de dados (N) for par, a mediana está associada à média dos
termos médios.

84 UNIDADE IV - MEDIDAS DE POSIÇÃO


O termo médio é calculado com a seguinte fórmula:

Em que “n” é a quantidade total de dados.

Exemplo para quantidade de dados ímpar

Dados: 2 5 9 15 21 26 31 44 50.

Portanto, o termo médio é o 5º termo, deste modo a mediana é 21.

1º 2º 3º 4º 5º 6º 7º 8º 9º
Termo Termo Termo Termo Termo Termo Termo Termo Termo

2 5 9 15 21 26 31 44 50

Exemplo para quantidade de dados par

Dados: 2 5 9 15 21 26 31 44 52.

10 + 1
n=10 (par) → Tm = = 5,5
2

85 IV - MEDIDAS DE POSIÇÃO
UNIDADE 85
O Termo Médio está entre o 5º e 6º termo, portanto a mediana é:

1º 2º 3º 4º 5º 6º 7º 8º 9º 10º
Termo Termo Termo Termo Termo Termo Termo Termo Termo Termo

2 5 9 15 21 26 31 44 50 52

A mediana é 23,5.

4.2.2  MEDIANA PARA TABELA SIMPLES

É obtida com auxílio da frequência acumulada. Para isso, basta inserir uma coluna
na tabela, calculando a frequência acumulada, e encontrar a posição do termo médio.

Notas Frequência Frequência Acumulada


0 1 1
1 3 1+3= 4
2 4 4 + 4= 8
3 5 5 + 8 = 13
4 7 7 + 13 = 20
5 2 2 + 20 = 22
6 1 1 + 22 = 23
8 1 1 + 23 = 24
Total 24

86 UNIDADE IV - MEDIDAS DE POSIÇÃO


Portanto, o termo médio está entre o 12º e 13º termo. Com isso, a mediana é:

A mediana é 3.

4.2.3  MEDIANA PARA DADOS AGRUPADOS

A mediana é dada pela seguinte fórmula:

Em que:

Li – Limite inferior a classe de maior frequência;

faa – Frequência acumulada da classe inferior à classe de maior frequência;

f – Frequência absoluta da classe da Mediana;

h – Amplitude da classe;

N – Total de dados.

87 IV - MEDIDAS DE POSIÇÃO
UNIDADE 87
Notas Frequência Frequência Acumulada
0 |--- 2 3 3
2 |--- 4 4 7
4 |--- 6 4 11
6 |--- 8 9 20
8 |--- 10 3 23
Total 23

Portanto, a mediana é 6,11.

4.3  MÉDIA ARITMÉTICA

É o quociente da divisão da soma dos valores da variável pelo número total de


dados. A média aritmética é uma das mais utilizadas de todas as medidas numéricas,
e é representada por .

A média aritmética é dada pela fórmula:

Em que:

xi - os valores da variável;

n é o número total de dados.

88 UNIDADE IV - MEDIDAS DE POSIÇÃO


Exemplo:

Calcule a média dos dados: 2 5 8 13 14 15 20 30 46 47.

4.3.1  MÉDIA PARA TABELA SIMPLES

Neste caso, a média é obtida pela fórmula:

Em que f. xi é o produto da frequência pela variável x da distribuição.

Exemplo:

Notas Frequência f . xi
0 1 0x1=0
1 3 3x1=3
2 4 2x4=8
3 5 3 x 5 = 15
4 7 4 x 7 = 28
5 2 5 x 2 = 10
6 1 6x1=6
8 1 8x1=8
Total 24 78

89 IV - MEDIDAS DE POSIÇÃO
UNIDADE 89
A média é:

4.3.2  MÉDIA DE DADOS AGRUPADOS

É calculada de acordo com a seguinte fórmula:

Em que f x pmi é o produto da frequência pelo ponto médio correspondente.

Notas Frequência PM f x pmi


0 l--- 2 3 1 3
2 l--- 4 4 3 12
4 l--- 6 4 5 20
6 l--- 8 9 7 63
8 l--- 10 5 9 45
25 143

A média é

90 UNIDADE IV - MEDIDAS DE POSIÇÃO


C ONHEÇ A MA IS

Calcule a moda, a mediana e a média.

3, 5, 2, 6, 5, 9, 5, 2, 8, 6.

51,6 48,7 50,3 49,5 48,9 51,6 49.

Idade Frequência
50 8
60 5
80 4
90 3

Salário (R$) F
0 |--- 1000 18
1000 |--- 2000 31
2000 |--- 3000 15
3000 |--- 4000 13
4000 |--- 5000 11

4.4  MÉDIA GEOMÉTRICA

É raiz do produto dos dados. A formula utilizada é:

Em que:

Π é o produtório;

Π xi é o produto dos dados;

N é a quantidade de dados.

‘‘

91 IV - MEDIDAS DE POSIÇÃO
UNIDADE 91
Exemplo:

Calcule a média ponderada de 1, 5 e 10.

4.5  MÉDIA PONDERADA

É utilizada quando os valores variam no grau de importância, ou seja, valores


diferentes associados a pesos diferentes.

O cálculo da média ponderada é dada pela seguinte fórmula:

Exemplo:

Um aluno fez três provas e cada prova tem um peso para cálculo da média final.
De acordo com o quadro de notas, qual a média do aluno?

Prova Nota Peso


P1 8,5 20%
P2 9,0 30%
P3 7,5 50%

92 UNIDADE IV - MEDIDAS DE POSIÇÃO


4.6  MEDIDAS SEPARATRIZES

Vimos que a mediana separa os valores em dois grupos iguais. Porém, existem
demais modelos ligados à mediana, que não são medidas de tendência central. Essas
medidas chamaram de quartis, percentis e decis.

4.6.1  QUARTIS

Nesta série, dividimos os dados em quatro partes, sendo que cada parte fica
com 25% dos dados.

• O primeiro quartil (Q1) separa 25% dos dados à esquerda e 75% dos dados
para a direita;

• O segundo quartil (Q2) separa 50% dos dados à esquerda e 50% dos dados
para a direita (mediana);

• O terceiro quartil (Q3) separa 75% dos dados à esquerda e 25% dos dados
para a direita.

4.6.2  QUINTIS

Nesta série, dividimos os dados em cinco partes, sendo que cada parte fica com
20% dos dados.

• O primeiro quintil (K1) separa 20% dos dados à esquerda e 80% dos dados
para a direita;

• O segundo quintil (K2) separa 40% dos dados à esquerda e 60% dos dados
para a direita;

93 IV - MEDIDAS DE POSIÇÃO
UNIDADE 93
• O terceiro quintil (K3) separa 60% dos dados à esquerda e 40% dos dados
para a direita;

• O quarto quintil (K4) separa 80% dos dados à esquerda e 20% dos dados
para a direita.

4.6.3  DECIS

Nesta série, dividimos os dados em dez partes, sendo que cada parte fica com
10% dos dados.

• O primeiro decil (D1) separa 10% dos dados à esquerda e 90% dos dados
para a direita;

• O segundo decil (D2) separa 20% dos dados à esquerda e 80% dos dados
para a direita;

• O terceiro decil (D3) separa 30% dos dados à esquerda e 70% dos dados
para a direita;

• O quarto decil (D4) separa 40% dos dados à esquerda e 60% dos dados
para a direita.

• O quinto decil (D5) separa 50% dos dados à esquerda e 50% dos dados
para a direita (mediana).

E assim sucessivamente.

4.6.4  PERCENTIS

Nesta série, dividimos os dados em 100 partes, sendo que cada parte fica com
1% dos dados.

94 UNIDADE IV - MEDIDAS DE POSIÇÃO


• O primeiro percentil (P1) separa 1% dos dados à esquerda e 99% dos dados
para a direita;

• O segundo percentil (P2) separa 2% dos dados à esquerda e 98% dos dados
para a direita

E assim sucessivamente.

Exemplo:

Dados: 2 5 9 15 21 26 31 44 50 52 55 56.

1) Calcular o primeiro quatril.

Q1=P25

25% de 12 dados = 3 (terceira posição)

Portanto Q1 = 9

2) Calcular o terceiro quintil.

K3=P60

60% de 12 dados = 7,2 (entre a sétima e oitava posição)

Portanto K3 = 37,5

95 IV - MEDIDAS DE POSIÇÃO
UNIDADE 95
4.7  MEDIDAS DE VARIABILIDADE OU DISPERSÃO

Como vimos, a moda, a mediana e a média podem ser usadas para resumir em um
único número aquilo que é médio. Porém, quando empregada sozinha, qualquer medida
de tendência central fornece apenas uma visão parcial, e, desse modo, incompleta.

Para termos uma visão mais realista do que realmente acontece, precisamos
de outro parâmetro, que chamamos de medida de dispersão ou variabilidade. Dos
diversos parâmetros, iremos estudar o Desvio Padrão.

Desvio Padrão é uma medida de variação em torno da média, ou ainda, um


desvio médio em relação à média que pode aumentar muito quando um dos dados
está muito distante dos demais.

4.8  DESVIO PADRÃO DOS DADOS BRUTOS

É calculado a partir da seguinte expressão:

Em que:

(sigma minúsculo) é o desvio padrão;

x é o dado;

é a média aritmética dos dados;

X2 é dado elevado ao quadrado;

é o número de dados.

96 UNIDADE IV - MEDIDAS DE POSIÇÃO


Exemplo I

Vamos calcular o desvio padrão das notas dos alunos, conforme dados.

Notas: 1, 4, 4, 5, 5, 6, 8, 9, 9, 10.

Primeiro, iremos calcular a média aritmética.

Agora, iremos utilizar uma tabela de apoio para calcular a soma dos quadrados.

x
1 1 – 6,1 = - 5,1 26,01
4 4 – 6,1 = - 2,1 4,41
4 4 – 6,1 = - 2,1 4,41
5 5 – 6,1 = - 1,1 1,21
5 5 – 6,1 = - 1,1 1,21
6 6 – 6,1 = - 0,1 0,01
8 8 – 6,1 = 1,9 3,61
9 9 – 6,1 = 2,9 8,41
9 9 – 6,1 = 2,9 8,41
10 10 – 6,1 = 3,9 15,21
∑= 72,9

Sabendo que o número de dados é 10, temos que N-1 será igual a 9. Portanto,
o desvio será:

Lembrando que, sempre iremos trabalhar com no mínimo 4 casas após a vírgula.

97 IV - MEDIDAS DE POSIÇÃO
UNIDADE 97
Exemplo II

Vamos calcular o desvio padrão das notas dos alunos, conforme dados.

Notas: 1, 3, 5, 6, 6, 6, 6, 7, 7, 9.

Primeiro, iremos calcular a média.

Utilizando a tabela de apoio, temos:

x
1 1 – 5,6 = - 4,6 21,16
3 3 – 5,6 = - 2,6 6,76
5 5 – 5,6 = - 0,6 0,36
6 6 – 5,6 = 0,4 0,16
6 6 – 5,6 = 0,4 0,16
6 6 – 5,6 = 0,4 0,16
6 6 – 5,6 = 0,4 0,16
7 7 – 5,6 = 1,4 1,96
7 7 – 5,6 = 1,4 1,96
9 9 – 5,6 = 3,4 11,56
∑ = 44,4

Sabendo que o número de dados é 10, temos que N-1 será igual a 9. Portanto,
o desvio será:

Lembrando que, sempre iremos trabalhar com no mínimo 4 casas após a vírgula.

98 UNIDADE IV - MEDIDAS DE POSIÇÃO


Conclusão: A classe I teve uma média e desvio percentual maior que a classe II,
com isso pode afirmar que a classe I alguns alunos “desgarraram”. Na classe II o professor
não conseguiu transmitir o conhecimento, pois a média foi baixa e o desvio também, ou
seja, todos os alunos da sala II entenderam a mesma coisa.

4.9  COEFICIENTE DE VARIAÇÃO (CV)

Nos conjuntos de dados amostrais ou populacionais, expresso em porcentagem,


é descrito o desvio padrão em relação à média, e é representado pela seguinte fórmula:

Em que:

CV é o coeficiente de variação em %;

(sigma minúsculo) é o desvio padrão;

é a média aritmética dos dados.

Exemplo I

• Vamos calcular o coeficiente de variação para as duas classes que vimos no


exemplo anterior.

Desvio
Média CV (%)
Padrão
Sala I 6,1 2,8460 46,66%
Sala II 5,6 2,2211 39,66%

99 IV - MEDIDAS DE POSIÇÃO
UNIDADE 99
Agora, podemos entender com maior clareza, comprovada por números,
a conclusão que tivemos ao compararmos as duas salas. A variação do desvio em
função da média é menor na sala 2, ou seja, o aprendizado foi mais homogêneo
quando comparado com a sala 1.

C ONHEÇ A MAIS

1. Foram registrados os tempos de espera em dois consultórios que


prestam o mesmo tipo de atendimento.

• Consultório I: 8, 10, 12, 11, 15, 22, 26, 30, 16.

• Consultório II: 20, 18, 20, 22, 21, 25, 22, 26, 30, 16.

Comparando a média, desvio e o coeficiente de variação, responda: Em


sua opinião, qual consultório é melhor? Considerando que a qualidade
do atendimento é semelhante.

4.10  DISTRIBUIÇÃO NORMAL

A área da curva normal corresponde a 100% dos dados. A natureza simétrica


da curva normal permite concluir que a distância medida em desvios padrões, acima
ou abaixo da média, contém a mesma porção da área sob a curva.

100 UNIDADE IV - MEDIDAS DE POSIÇÃO


• O percentual da média até 1σ ou -1 σ é de 34%, com área (intervalo de
confiança) de 68%;

• O percentual da média até 2 σ ou -2 σ é de 47,5% (34% + 13,5%), com


área (intervalo de confiança) de 95%;

• O percentual da média até 3 σ ou -3 σ é de 49,9% (34% + 13,5% + 2,4%),


com área (intervalo de confiança) de 99,7%.

Supondo que o QI médio dos homens seja de 100, com um desvio padrão de 10.
Com isso, podemos concluir que:

• Aproximadamente, 68% dos homens têm QI entre 90 e 110;

• Aproximadamente, 95% dos homens têm QI entre 80 e 120;

• Aproximadamente, 99% dos homens têm QI entre 70 e 130.

101IV - MEDIDAS DE POSIÇÃO


UNIDADE 101
Vimos os valores dos desvios em números inteiros, porém, precisamos de uma
variação maior desses valores, pois representar todos no gráfico seria inviável.

Para isso, utilizamos uma tabela em que os valores dos desvios já estão
calculados, com duas casas após a vírgula.

Para localização do desvio padrão e sua respectiva porcentagem na tabela, devemos:

• Localizar o desvio na coluna Z (conhecido como escore padronizado) com


uma casa após a vírgula;

• “Corremos” na linha até encontrar o número da segunda casa após a vírgula;

• Encontramos, então, o valor dado em porcentagem.

102 UNIDADE IV - MEDIDAS DE POSIÇÃO


Exemplo:

Qual a porcentagem de Z = 2,05 desvios?

1. Primeiro localizamos o número 2,0;

2. Corre na linha até encontrar o valor 0,05;

3. Portanto, o valor encontrado é 47,98%.

103IV - MEDIDAS DE POSIÇÃO


UNIDADE 103
C ONHEÇ A MAIS

Encontre as porcentagens dos seguintes desvios:

Z = 0,42 desvios =

Z = 0,84 desvios =

Z = 2,3 desvios =

Z = 2,4 desvios =

Z = 2,98 desvios =

4.10.1  DISTRIBUIÇÃO ACUMULADA

Devido a assimetria da curva normal, cada lado equivale a 50% do total de


dados, ou seja, para o cálculo da porcentagem (área da curva normal), normalmente
utilizamos o valor 50% como referência. No caso dos QIs, podemos afirmar que:

• Aproximadamente, 84% dos homens têm QI até 110 —> (50% + 34%).

104 UNIDADE IV - MEDIDAS DE POSIÇÃO


É muito importante para determinar as porcentagens, a representação do que
está sendo pedido.

Neste caso, os 50% é a região em vermelho e 34% é a primeira parte em cinza.


Essas duas partes representam a solicitação do problema, que deseja identificar o QI
até 110, ou seja, do QI 110 para trás.

Exemplo:

Calcule e represente graficamente:

P(Z ≤ 1,71)

Solução

Essa representação está solicitando qual a probabilidade, representada pela


letra P, que o desvio tem de ser até (símbolo de menor ou igual “≤” ) 1,71. Portanto,
se é “até”, sabemos que devemos considerar 50% da curva e adicionar o 1,71.

Procurando 1,71 na tabela, temos 45,54%.

Representando graficamente:

105IV - MEDIDAS DE POSIÇÃO


UNIDADE 105
Portanto, a resposta é:

P(Z ≤ 1,71) = 45,54% + 50% = 95,54%

Exemplo

Calcule e represente graficamente:

P(-1,32 ≤ Z ≤ 1,79)

Neste exemplo, a solicitação do problema é qual a probabilidade entre -1,32


desvios e 1,79 desvios. Veja que o desvio 1,32 está na parte negativa da curva.

Representando graficamente:

Para 1,32 desvios, Z = 40,66%, e para 1,79 desvios, Z = 46,33%.

Portanto, a resposta é:

P(-1,32 ≤ Z ≤ 1,79) = 40,66% + 46,33% = 86,99%

106 UNIDADE IV - MEDIDAS DE POSIÇÃO


4.10.2  ESCORES PADRONIZADOS

Escore Padronizado, ou escore Z, é o numero de desvios padrões a que se situa de-


terminado valor Y acima ou abaixo da média. É encontrado utilizando à seguinte expressão:

Em que é a média.

é o desvio padrão (em valor).

Utilizando o exemplo dos QI, em que a média de QI é 110 e o desvio é 10, vamos
imaginar que o pesquisador queira saber qual a probabilidade do QI ser inferior a 115.

Vimos que QI 110 equivale a 1 desvio e QI 120 equivale a 2 desvios. Neste


exemplo, fica fácil de perceber que o QI 115 está entre o QI 110 e QI 120. Portanto,
ele seria equivalente a 1,5 desvios.

Utilizando a fórmula para este exemplo, temos:

P(z ≤ 115)

Localizando 1,5 desvios na tabela, temos:

P(z=1,5) = 43,32%

Como precisamos do QI menor ou igual a 115, representando graficamente,


temos:

107IV - MEDIDAS DE POSIÇÃO


UNIDADE 107
Portanto, a resposta é:

P(Z ≤ 115) = 50% + 43,32% = 83,32%

A probabilidade de termos QIs inferiores a 115 é de 83,32%.

C ONHEÇ A MAIS

1. Suponha que uma loja de roupas tenha um consumo médio mensal de


energia elétrica de 1550 kWh/mês, com desvio padrão de 200 kWh/mês.
Sabendo que a distribuição é normal, determinar:

a) A probabilidade de consumir até 1800 kWh/mês;

b) A probabilidade de consumir entre 1500 e 1600 kWh/mês.

2. Os tempos de entrega de pizzas de uma lanchonete têm uma média


de 26 minutos, com um desvio padrão de 5 minutos. Se a empresa faz
propaganda de que se uma entrega demorar mais de 30 minutos, os
clientes não pagam, responda:

a) Qual a probabilidade do cliente receber a pizza de graça?

108 UNIDADE IV - MEDIDAS DE POSIÇÃO


4.11  CONSIDERAÇÕES UNIDADE IV

Vimos nesta unidade, as diversas maneiras de calcular as medidas de tendência


central, como: moda, média e mediana.

Observamos, também, uma variação da mediana, ou seja, uma medida de


tendência não central, que chamamos de separatrizes.

Outro ponto importante foi o estudo do desvio, sua variação percentual


em relação à média e a utilização em fenômenos baseados em uma curva normal.
Todos esses elementos são fundamentais para análise dos resultados da amostra e,
consequentemente, na tomada de decisão.

É fato que os cálculos de média e desvio padrão são os mais utilizados no


mundo empresarial, pois conseguem identificar as variações dos processos e o quanto
eles estão distantes ou próximos das melhores práticas.

Caro aluno, finalizamos a nossa quarta unidade. Com isso, peço para que assista
à teleaula para complementar os seus estudos, bem como participar do Ambiente
Virtual de Aprendizagem (AVA). E lembre-se: em caso de dúvida, procure o Fórum.

109IV - MEDIDAS DE POSIÇÃO


UNIDADE 109
TESTE SEU CONHECIMENTO

110 UNIDADE IV - MEDIDAS DE POSIÇÃO


REFERÊNCIAS

ANDERSON, D.R., SWEENEY, D.J., WILLIAMS, T.A., Estatística Aplicada à


Administração e Economia. 2ª ed. – São Paulo: Thomson Learning, 2007

BARBETTA, Pedro. Estatística Aplicada às Ciências Sociais. Florianópolis: Ed. UFSC,


1994.

BRAULE, Ricardo. Estatística Aplicada com Excel: para cursos de Administração


e Economia. Rio de Janeiro: Campus, 2001.

CRESPO, Antonio. Estatística Fácil. 18ª Edição. São Paulo: Saraiva, 2002.

LEVINE, David M. et. al. Estatística - Teoria e Aplicações. Rio de Janeiro: LTC, 2008.

MILONE, Giuseppe. Estatística Geral e Aplicada. São Paulo: Pioneira Thomson


Learning, 2004.

MORETTIN, L. G. Estatística Básica: Probabilidade. São Paulo: Makron Books, 1999.

VIRGILITTO, S. B. Estatística Aplicada – Técnicas básicas e avançadas para todas as


áreas do conhecimento. São Paulo: Alfa-Omega, 2003.

111IV - MEDIDAS DE POSIÇÃO


UNIDADE 111
RESPOSTAS COMENTADAS

UNIDADE I

1. Classifique em variável quantitativa ou qualitativa:


a) Qualitativa é o tipo de variável para o nível de maturidade dos funcionários de uma empresa
classificados em inicial, intermediário e avançado.
b) Quantitativa é o tipo de variável para o número de carros no estacionamento da universidade.

2. Arredonde os números para duas casas após a vírgula.


a) 35,762 – 35,76 (regra I).
b) 8,937 – 8,94 (regra II).
c) 83,325 – 83,32 (regra III).
d) 2,775 – 2,78 (regra IV).

3. Amostragem Estratificada

Inicialmente, vamos montar a tabela.

Área Funcionários

Almoxarifado 18

Montagem 55

Produção 82

Comercial 38

Marketing 7

Engenharia 22

Vendas 30

Serviços Gerais 48

Total 300

113 RESPOSTAS COMENTADAS 113


Sabendo que a quantidade da amostra é de 50 funcionários, iremos fazer essa relação para cada área,
adotando uma casa após a vírgula.

Área Funcionários Amostragem

Almoxarifado 18 18 x (50/300) = 3,0

Montagem 55 55x (50/300) = 9,2

Produção 82 82 x (50/300) = 13,7

Comercial 38 38 x (50/300) = 6,3

Marketing 7 7 x (50/300) = 1,2

Engenharia 22 22 x (50/300) = 3,7

Vendas 30 30 x (50/300) = 5

Serviços Gerais 48 48 x (50/300) = 8,0

Total 300

Agora, iremos definir a quantidade de funcionários por área, utilizando as regras de arredondamento
sem casas após a vírgula, pois número de funcionários é uma variável quantitativa discreta.

Área Funcionários Amostragem Funcionários por área

Almoxarifado 18 3,0 3

Montagem 55 9,2 9

Produção 82 13,7 14

Comercial 38 6,3 6

Marketing 7 1,2 1

Engenharia 22 3,7 4

Vendas 30 5,0 5

Serviços Gerais 48 8,0 8

Total 300 50 50

114 RESPOSTAS COMENTADAS


UNIDADE II

1. a)
Utilização da regra I.

52
52% de 1038 = × 1038 = 539,76 ≅ 540 adultos
100

2. Verdadeiro.
A classe A e B, quando somadas, correspondem a 11% dos clientes, que geram uma receita, também
quando somadas, a 68% do total da receita.

3. Falso.
A classe D corresponde a maior quantidade de clientes, 48%, porém gera uma receita de, apenas, 11%.

UNIDADE III

1. b) 4
Justificativa: intervalo de classe é a diferença entre o limite superior e inferior da classe.

2. c) 0,075
Justificativa: a frequência relativa da 6a classe é a relação entre frequência absoluta da sexta classe e o
total de dados.

3. c) 37
Justificativa: a frequência acumulada da 5a classe é a soma da frequência acumulada da 4a classe com
a frequência absoluta da 5a classe.

UNIDADE IV

1. a) 40
A idade que mais acontece na contratação, é 40 anos.

2. a) 40
Como a quantidade de dados é par, temos a definição da mediana pelo termo médio.

115 RESPOSTAS COMENTADAS 115


3. c) 39,1.
A média é dada pela fórmula:

116 RESPOSTAS COMENTADAS