Rosani Brune de Almeida Dias

Diretoria Interdisciplinar de Tecnologias na Educação - DINTE

Estatística Descritiva
INTRODUÇÃO
❑ Geralmente a quantidade de informação é grande, assim fica
difícil captar, intuitivamente, as informações que os dados
contêm;

❑ É necessário reduzir as informações até o ponto em que se

possa interpretá-las mais claramente.
Papel da Estatística Descritiva
❑ Coleta de dados;

❑ Organização e classificação destes dados;

❑ Apresentação através de gráficos e tabelas;

❑ Cálculo de coeficientes (estatísticos), que permitem

descrever resumidamente os fenômenos.
Inferência Estatística
❑ Consiste em obter e generalizar conclusões; ou seja,
inferir propriedades para o todo com base na parte,
no particular.

❑ É tratada através de técnicas e métodos que se

fundamentam na Teoria de Probabilidades.

❑ Em estatística utilizaremos extensivamente os termos

população e amostra.
Fases do Trabalho Estatístico
Estatística Descritiva

População
Amostra

Inferência Estatística
População e Amostra
População

Amostra

Inferência Estatística:
• Estimação de quantidades desconhecidas
• Extrapolação dos resultados
• Teste de hipóteses
Classificação das Variáveis
Classificação das Variáveis
Variáveis Quantitativas
Continua – assume valores em um intervalo do conjunto dos Reais.
Resulta normalmente de mensurações.

Ex: altura, peso, temperatura, etc.

Discreta - Pertencem ao conjunto finito ou enumerável. Resulta de

um processo de contagem.

Ex: Número de alunos, numero de filhos, etc.

Classificação das Variáveis
Variáveis Qualitativas
Ordinal - os valores representam atributos ou qualidades mas
incluem uma relações de ordem.

Ex: classe social, grau de instrução, etc.

Nominal - os valores representam atributos ou qualidades mas

não tem uma relação de ordem entre eles.
Ex: sexo, grupo sanguíneo, raça, etc.
 Tipos de Séries Estatística

Série estatística é uma sucessão de dados

estatísticos que medem a intensidade do
fenômeno, segundo suas características
qualitativas ou quantitativas.
Tipos de Séries Estatística

❑ Série Histórica, cronológica ou temporal: dia, mês,

ano.
Tipos de Séries Estatística
❑ Série Geográfica ou territorial: estados, municípios,
cidades.
Tipos de Séries Estatística
❑ Série Específica ou qualitativa: fato, espécie.
Tipos de Séries Estatística

❑ Série Mista: Mistura duas ou os três tipos de séries.

Tipos de Séries Estatística
❑ Série Mista: Mistura duas ou os três tipos de séries.
Apresentação de Dados
❑ Após a apuração dos dados, há necessidade de os dados e os
resultados obtidos a partir daqueles serem dispostos de uma forma
ordenada e resumida, a fim de auxiliar o pesquisador na análise e
facilitar a compreensão das conclusões apresentadas ao leitor.

❑ A tabela geralmente é utilizada para organizar esses dados, além

da tabela podemos utilizar outra forma de apresentação, os
gráficos.
Tabela
❑ Uma tabela é elaborada obedecendo à Resolução nº 886, de 26
de outubro de 1966, do Conselho Nacional de Estatística.
❑ Os elementos de uma tabela são:

Essenciais Complementares
❑ Título
❑ Corpo da tabela
❑ Fonte
❑ Notas
❑ Cabeçalho
❑ Chamadas
❑ Coluna Indicadora
Tabela
Tabela
❑ Algumas observações:

1. Nenhuma casa da tabela deve ficar me branco

2. As tabelas devem ser fechadas no alto e embaixo por linhas
horizontais, não sendo fechadas à direito ou à esquerda por
linhas verticais. É facultativo o emprego de traços verticais para
a separação de colunas do corpo da tabela
3. Em publicações com muitas tabelas, estas devem ser
numeradas
4. Os totais e subtotais devem ser descartados
5. Deverá ser mantida a uniformidade da unidade decimal.
 Tabela
❑ Como montar uma tabela:
❑ Exemplo: Votos do sociograma

❑ Dados Brutos

0, 2 ,3, 7, 0, 2, 1, 3, 3, 2,
5, 6, 3, 2, 2, 0, 3, 1, 4, 3,
7, 6, 2, 1, 2 ,3 ,2, 4, 3, 5, 6
❑ Ordenando (ROL)

0, 0, 0, 1, 1, 1, 2, 2, 2, 2, 2,
2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3,
4, 4, 5, 5, 6, 6, 6, 7, 7
Tabela
Tabela
Gráficos
❑ Os mesmos elementos essenciais e complementares utilizados na
tabela devem ser usados para os gráficos.
❑Veremos alguns tipos de gráficos:

❑ Linha ❑ Setores (pizza)

❑ Barras ❑ Histograma

❑ Colunas ❑ Pictogramas

❑ Colunas agrupadas
Gráfico de Linha
Gráfico de Linha
Gráfico de Barras
Gráfico de Coluna
Gráfico de Barras e Colunas Agrupadas
Gráfico de Colunas Sobrepostas
Gráfico de Pizza
Histograma
Gráfico Pictorial - Pictograma
Pictograma
Pictograma
Pictograma
Pictograma

Mês de aniversário de meninos e meninas do curso

 Tabela
❑ Como montar uma tabela:
❑ Exemplo: Votos do sociograma

❑ Dados Brutos

0, 2 ,3, 7, 0, 2, 1, 3, 3, 2,
5, 6, 3, 2, 2, 0, 3, 1, 4, 3,
7, 6, 2, 1, 2 ,3 ,2, 4, 3, 5, 6
❑ Ordenando (ROL)

0, 0, 0, 1, 1, 1, 2, 2, 2, 2, 2,
2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3,
4, 4, 5, 5, 6, 6, 6, 7, 7
Frequência
❑Frequência Absoluta Simples (fi): é o número de vezes em que
um elemento se repete na amostra.

i Classe fi
1 Ruim 12
2 Médio 27
3 Bom 15
4 Ótimo 6
Total 60
Frequência
❑ Frequência Relativa (fri): expressa a proporção de elementos na
classe i, ou seja
fri = fi/n
sendo n o total de elementos da amostra.
fr1 = f1/n = 12/60 = 0,20

i Classe fi fri
1 Ruim 12 0,20
2 Médio 27 0,45
3 Bom 15 0,25
4 Ótimo 6 0,10
Total 60 1
Frequência
❑ Frequência Absoluta Acumulada (fai): é o número de elementos
acumulados até a classe i

i Classe fi fri fai

1 Ruim 12 0,20 12
2 Médio 27 0,45 39
3 Bom 15 0,25 54
4 Ótimo 6 0,10 60
Total 60 1
Frequência
❑ Frequência Relativa Acumulada (frai): é o número de elementos
acumulados da frequência relativa até a classe i

Classe fi fri fai frai

Ruim 12 0,20 12 0,20
Médio 27 0,45 39 0,65
Bom 15 0,25 54 0,90
Ótimo 6 0,10 60 1,00
Total 60 1
Tabela com Intervalo de Classe
1. Por que utilizar o intervalo de classe?
2. Quando a tabela é muito grande e com poucas frequências,
devemos utilizar o intervalo de classe.
Exemplo: considere o seguinte rol sobre o total de pontos (acertos)
obtidos em um teste de 175 questões por 40 alunos
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
Se colocarmos em uma tabela sem intervalo de classe teríamos:
Tabela com Intervalo de Classe
Pontos Freqüência

150 1
151 1
152 1 Total de pontos (acertos) obtidos em
153 1
154 1 um teste de 175 questões por 40 alunos
155 4
156 3 Total de pontos Freqüência
157 1
150 |- 154 4
158
160
2
5
A apresentação
161 4 154 |- 158 9
162 2 ideal seria
163 2 158 |- 162 11
164 3 assim
165 1
162 |- 166 8
166 1
167 1
166 |- 170 5
168 2 170 |- 174 3
169 1
170 1 Total 40
172 1
173 1
total 40
Tabela com Intervalo de Classe
1. Ordenar os dados, ou seja, colocar os dados brutos em rol
2. Determinar o número de classes (k) da tabela.
3. Classes de frequência: são os intervalos de variação da variável,
representados por i, sendo i = 1,2,3,4,...,k, onde k é o número
total de classes.
❑ De modo geral, este valor não deverá ser inferior a 5 e nem

superior a 15.
❑ Existem dois métodos:

❑ k = 1 + 3,32 x log n (Fórmula de Sturgues)

❑
Tabela com Intervalo de Classe
1. Voltando ao exemplo teremos:

Exemplo: considere o seguinte rol sobre o total de pontos

(acertos) obtidos em um teste de 175 questões por 40 alunos
De acordo com os dois métodos, teríamos:
❑ k = 1 + 3,32 x log n

❑ k = 1 + 3,32 x log 40 = 6,318

e
❑

Ou seja k = 6 classes
Tabela com Intervalo de Classe
2. Determinar a amplitude do intervalo h
❑ No próximo passo teremos que determinar a amplitude
total (At)
❑ At = Ls – Li
onde Ls é o maior valor da amostra e Li o menor valor da
amostra
❑ Com a amplitude total podemos calcular a amplitude do
intervalo (h)
❑ h = At/k
Tabela com Intervalo de Classe
Do exemplo teremos que:
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

Ls será igual a 173 e Li será igual a 150

Assim a amplitude total (At), será:
❑ At = Ls – Li
❑ At = Ls – Li = 173 – 150 = 23
❑ Com a amplitude total podemos calcular a amplitude do
intervalo (h)
❑ h = At/k = 23/6 = 3,83; ou seja; aproximadamente 4
Tabela com Intervalo de Classe
4. Construindo a tabela de intervalos de classe:
❑ O limite inferior da classe da primeira classe será sempre o
menor valor do conjunto de dados.
❑ O limite superior da classe será o limite inferior acrescido
do valor da amplitude do intervalo de classe (h)
❑ A Simbologia para construção da tabela
❑ Limites da classe: são os extremos de cada classe.
Limite superior ls Limite inferior li

O símbolo li |- ls significa inclusão de li e exclusão de Li

Tabela com Intervalo de Classe
4. Construindo a tabela de intervalos de classe:
❑ Do exemplo, teremos:
❑ O limite superior da classe será o limite inferior acrescido
do valor da amplitude do intervalo de classe (h)
❑ li = 150 e ls = 150 + 4 = 154
❑ Assim a primeira classe seria:
❑ h1 = 150 l- 154
❑ Assim essa classe vai incluir todas as frequências de 150 a
153, o 154 entra na próxima classe.
 Exemplo

Primeiramente vamos determinar o número de classes (k)

Como o número de classes deve ser interiro, vamos considerar k = 7

 Exemplo

Com k = 7, vamos determinar o tamanho do intervalo da classe (h)

At = 39 – 16 = 23
Assim h será
h = 23/7 = 3,2857
Exemplo
Exemplo

i Classe fi fri fai frai

1 16,0 |- 19,3 7 0,12 7 0,12
2 19,3 |- 22,6 9 0,15 16 0,27
3 22,6 |- 25,9 15 0,25 31 0,52
4 25,9 |- 29,2 12 0,20 43 0,72
5 29,2 |- 32,5 9 0,15 52 0,87
6 32,5 |- 35,8 6 0,10 58 0,97
7 38,8 |- 39,1 2 0,03 60 1,00
Total 60 1
MEDIDAS DE POSIÇÃO
• Representam a tendência de concentração dos dados

• Devemos estar atentos ao comportamento dos dados para saber qual

a medida mais adequada

• As três medidas de tendência central mais utilizadas são: média

aritmética, moda e mediana.
MÉDIA ARITMÉTICA
• A média aritmética é a medida mais utilizada para descrever um
conjunto de dados

• É obtida somando todos os valores e dividindo o valor encontrado

pelo número de dados de um conjunto

• Pode ser simples, onde todos os valores possuem a mesma

importância, ou ponderada, quando considera pesos diferentes aos
dados
 MÉDIA ARITMÉTICA
• Fórmula média aritmética • Fórmula média aritmética
simples (dados não agrupados) ponderada (agrupados em tabela
com e sem intervalo de classes)

σ𝑛𝑖=1 𝑥𝑖 σ𝑛𝑖=1 𝑥𝑖 . 𝑝𝑖
𝑥ҧ = 𝑥ҧ = 𝑛
𝑛 σ𝑖=1 𝑝𝑖

𝑥1 + 𝑥2 + ⋯ + 𝑥𝑛 𝑥1 . 𝑝1 + 𝑥2 . 𝑝2 + ⋯ + 𝑥𝑛. 𝑝𝑛
𝑥ҧ = 𝑥ҧ =
𝑛 𝑝1 + 𝑝2 + ⋯ + 𝑝𝑛

• Sendo n o tamanho da amostra • Sendo que 𝑝1 + 𝑝2 + ⋯ + 𝑝𝑛 é

igual a n
 EXEMPLO MÉDIA ARITMÉTICA SIMPLES
• Temos uma amostra de 10 crianças de 5 anos de idade, com dados referentes a seus
pesos (em kg): 23,0; 20,0; 22,0; 19,0; 25,0; 28,2; 24,0; 21,0; 27,0; 21,0

• Temos que n = 10, sendo assim

23,0 + 20,0 + 22,0 + 19,0 + 25,0 + 28,2 + 24,0 + 21,0 + 27,0 + 21,0
𝑥ҧ =
10

230
𝑥ҧ = = 23,0
10
 EXEMPLO MÉDIA ARITMÉTICA SIMPLES
• Lembrando que a amostra se trata de pesos (em kg) de 10 crianças de 5 anos de idade

• Sendo assim o valor encontrado de 23,0 é interpretado como a média de peso dessas
crianças, ou seja, o peso médio dessas crianças é de 23,0 kg

• Quando estamos calculando o valor da média temos sempre que ter em foco a
variável de estudo, pois o resultado deve ser interpretado

• As média é calculada para variáveis quantitativas

 EXEMPLO MÉDIA ARITMÉTICA PONDERADA
• Considere o número de cáries em crianças de 7 anos, apresentada na
tabela abaixo:

• Nesse exemplo os valores de x são a da variável (número de dentes

careados) e os pesos será o número de crianças, sendo assim
calcularemos da seguinte maneira:
 EXEMPLO MÉDIA ARITMÉTICA PONDERADA
• Considere o número de cáries em crianças de 7 anos, apresentada na
tabela abaixo:

𝑥ҧ =
0.3+1.2+2.4+3.2+4.1+5.1
13
𝑥 = 25
ഥ 13
= 1,923 ≈ 2

• Assim a média de cárie de crianças de 7 anos dessa amostra é de 2 cáries

 EXEMPLO MÉDIA ARITMÉTICA PONDERADA
• Esse exemplo considera a tabela com intervalo de classes, sendo assim
teremos que calcular o ponto médio da classe antes.
• Considere o número de pessoas com HIV, segundo a faixa etária

• Lembrando que para calcular o ponto médio será a soma dos limites dividido
por 2, ou seja, o ponto médio da primeira linha será (15+25)/2 que será 20
 EXEMPLO MÉDIA ARITMÉTICA PONDERADA
• Considere o número de pessoas com HIV, segundo a faixa etária

• O cálculo da média será dada da seguinte maneira:

20.25+30.30+15.40+10.50 2500
𝑥ҧ = 𝑥ҧ = = 31,25 ≈ 31
80 80
• Assim a idade média de pessoas com HIV dessa amostra é de 31 anos
MEDIANA
• É definida como o valor que divide uma série ordenada de tal forma que
pelo menos a metade dos itens sejam iguais ou maiores do que ela, e que
a outra metade dos itens sejam menores do que ela.

• Colocados em ordem crescente, a mediana é o elemento que ocupa a

posição central.

• Como a mediana divide os dados ordenados ao meio, ela não é sensível a

valores discrepantes.

• A depender de como estejam os dados, deve-se diferenciar a forma como

encontra-se a mediana.
MEDIANA
• Para determinar dados não-tabulados devemos ter os seguintes passos:

1. Devemos ordenar os dados brutos, ou seja, determinar o rol dos dados.

2. Observar se o tamanho da amostra (n) é ímpar ou par.

3. Após determinar se é par ou ímpar devemos determinar a ordem em que

se encontra a mediana na série, através do elemento mediano (Emd)

4. O passo seguinte será localizar a mediana na lista de valores, de acordo

com o resultado obtido no cálculo do Emd
MEDIANA NÚMERO ÍMPAR
1. Ordenar os dados
2. Determinar o Emd, através do cálculo:

𝑛+1
𝐸𝑚𝑑 =
2

• O passo seguinte será localizar a mediana na lista de valores, de acordo

com o resultado obtido no cálculo do Emd

• Nesse caso teremos um único valor representando a mediana

EXEMPLO MEDIANA NÚMERO ÍMPAR
Um programa de televisão registrou as medidas de audiência
alcançadas ao longo de uma semana.
Dias Segunda-feira Terça-feira Quarta-feira Quinta-feira Sexta-feira Sábado Domingo

Audiência 19 pontos 18 pontos 12 pontos 20 pontos 17 pontos 21 pontos 15 pontos

1. Definir o n, no caso desse exemplo n = 7

2. Ordenar

12 15 17 18 19 20 21
EXEMPLO MEDIANA NÚMERO ÍMPAR
Audiência registrada pela emissora

12 15 17 18 19 20 21
Após ordenar devemos localizar a media através do cálculo:𝐸𝑚𝑑 = 𝑛+1
2
7+1 8
𝐸𝑚𝑑 = = =4
2 2
• Ou seja a mediana está localizada na posição de número 4
12 15 17 18 19 20 21

Sendo assim a mediana é 18. Conclusão: A mediana é de 18 pontos

MEDIANA NÚMERO PAR
1. Ordenar os dados
2. Determinar o Emd, através dos cálculos:

𝑛 𝑛
𝐸𝑚𝑑 = e 𝐸𝑚𝑑 = +1
2 2

• O passo seguinte será localizar a mediana na lista de valores, de acordo

com o resultado obtido no cálculo dos Emd
• Nesse caso teremos dois valores representando a mediana
• Sendo assim para determinar a mediana para número par, teremos que
fazer a média dos dois valores centrais.
EXEMPLO MEDIANA NÚMERO PAR
João vende picolés em sua casa. Ele registrou a quantidade de picolés
vendida em dez dias apresentada a seguir:

15 10 12 20 14 13 18 14 15 19

1. Definir o n, no caso desse exemplo n = 10

2. Ordenar

10 12 13 14 14 15 15 18 19 20
EXEMPLO MEDIANA NÚMERO PAR
Quantidade de picolés vendida em dez dias
10 12 13 14 14 15 15 18 19 20 20

Após ordenar devemos localizar a media através do cálculo dos Emds

10 10
𝐸𝑚𝑑 = 2
=5 e 𝐸𝑚𝑑 = 2
+ 1= 5+1= 6

• Ou seja a mediana está localizada nas posições de 5 e 6

10 12 13 14 14 15 15 18 19 20

Sendo assim a mediana dada pela média (14+15)/2=14,5

Conclusão: A mediana é de 14,5 picolés
MEDIANA
• Determinação da Mediana de Valores tabulados

• Os dados geralmente já estão ordenados na tabela então o processo para os

dados agrupados em tabelas sem intervalo de classe será o mesmo para dados
não agrupados em tabelas

• Será utilizada a medida de frequência acumulada para ajudar na localização da

mediana na tabela
 EXEMPLO MEDIANA TABELA SEM INTERVALO DE CLASSE
• Considere o número de cáries em crianças de 7 anos, apresentada na
tabela abaixo:

• Como n = 13, devemos localizar a media através do cálculo:𝐸𝑚𝑑 = 𝑛+1

2
13 + 1 14
𝐸𝑚𝑑 = = =7
2 2
A mediana está na 7ª posição
 EXEMPLO MEDIANA TABELA SEM INTERVALO DE CLASSE
• Para localizar na 7ª posição na tabela devemos considerar a frequência
acumulada

• Considerando a tabela acima temos que a 7ª posição está na 3ª Classe

• Sendo assim a mediana é de 2 cáries
Na primeira classe estão as 3 primeiras posição, na segunda as 5 primeiras e na terceira classe se
encontram da 5ª à 9ª posição, assim a 7ª posição está na 3ª classe
MEDIANA PARA INTERVALO DE CLASSE
• Determinação da Mediana de Valores tabulados com intervalo de classe

• Neste caso, encontramos o elemento mediano através da fórmula

𝑛
𝐸𝑚𝑑 =
2

• não se fazendo distinção entre número par ou ímpar de observações

MEDIANA PARA INTERVALO DE CLASSE
• A partir daí, determinaremos a classe mediana, através da seguinte expressão:

𝐸𝑚𝑑 − 𝐹𝑎𝑛𝑡
𝑀𝑑 = 𝑙 + .ℎ
𝑓𝑚𝑑
EXEMPLO MEDIANA PARA INTERVALO DE CLASSE
• Considere o número de pessoas com HIV, segundo a faixa etária

80
• Primeiro encontrar o elemento mediano 𝐸𝑚𝑑 = = 40, com o elemento mediano vamos
2
localizar na tabela a classe da mediana
• A localização é feita da mesma forma em que é realizada na tabela sem intervalo de classe,
sendo assim a 40ª posição se encontra na segunda classe
EXEMPLO MEDIANA PARA INTERVALO DE CLASSE

• Assim temos que os elementos da fórmula serão:

80
• 𝐸𝑚𝑑 = = 40
2 𝐸𝑚𝑑 −𝐹𝑎𝑛𝑡 40−25
• l = 25 𝑀𝑑 = 𝑙 + .ℎ = 𝑀𝑑 = 25 + . 10 = 30
𝑓𝑚𝑑 30
• h = 10
• Fant = 25 Assim a mediana dos dados é de 30 anos.
• fmd = 30
MODA
• A moda é outra medida de tendência central, sendo, no entanto a menos
importante. Sua vantagem é que pode ser usada para variáveis qualitativas.
Genericamente, pode-se definir a moda como o valor mais frequente da
distribuição.
MODA
• Considerando um conjunto ordenado de valores, a moda será o valor predominante, o
valor mais frequente desse conjunto.

• A Moda é determinada da mesma maneira para dados não agrupados em tabelas e

para dados agrupados em tabelas sem intervalo de classe.

• Nem sempre a moda existe (distribuição amodal) e nem sempre é única.

• Se apresentar apenas uma moda diremos que é unimodal;

• se possuir duas modas diremos que é bimodal;

• se tiver várias modas (mais que duas) diremos que é multimodal.

EXEMPLO MODA
• A Moda é determinada da mesma maneira para dados não agrupados em
tabelas e para dados agrupados em tabelas sem intervalo de classe, assim o
exemplo pode ser interpretado para as duas formas de apresentação

Considere a temperatura de uma localidade registrada na tabela abaixo

Como a moda leva em consideração a maior frequência, temos que a moda desses
dados é de 2⁰ C
MODA PARA INTERVALO DE CLASSE
• Determinação da Moda de Valores tabulados com intervalo de classe
• Para dados agrupados em tabelas com intervalo de classe, calcularemos
através da seguinte expressão:
f mo - f ant
Mo = l + .h
2f mo - (f an + f post )
Onde
• l = limite inferior da classe modal
• fmo = frequência simples da classe modal
• fant = frequência simples da classe anterior à da classe modal
• fpost = frequência simples da classe posterior à da classe modal
• h = amplitude da classe modal
EXEMPLO MODA PARA INTERVALO DE CLASSE
• Como a moda é determina pela expressão apresentada no slide anterior, temos que
determinar primeiro a classe da moda, que considera a maior frequência

• Assim temos que os elementos da fórmula serão:

• l = 58 f mo - f ant 11 - 9
• fmo = 11 Mo = l + . h = 58 + . 4 = 59,6
2f mo - (f an + f post ) 2.11 - (9 + 8)
• fant = 9
• fpost = 8 Sendo assim a moda é de 59,6 cm
• h=4
MEDIDAS DE DISPERSÃO
• As medidas de posição apresentadas fornecem a informação dos
dados apenas a nível pontual, sem ilustrar outros aspectos referentes
à forma como os dados estão distribuídos na amostra.

• As medidas de dispersão são utilizadas para avaliar o grau de

variabilidade, ou dispersão, dos valores em torno da média.
EXEMPLO DE MEDIDAS DE DISPERSÃO
• Considerando três turmas de
Cálculo das Probabilidades
• Observações importantes
i) As três turmas possuem a mesma média
ii) As notas estão distribuídas sob diferentes
formas
iii) A média resume o conjunto de dados
apenas posição central
iv) A média não fornece informações sobre
a variabilidade dos dados
Solução: Apresentar junto da média uma
medida que sumarize a variabilidade do
conjunto de dados
MEDIDAS DE DISPERSÃO
• Visam descrever os dados no sentido de informar o grau de dispersão
ou afastamento dos valores observados em torno de um valor central
(média).

• Elas indicam se um conjunto é homogêneo (pouca ou nenhuma

variabilidade) ou heterogêneo (muita variabilidade).

• A descrição do conjunto de dados é mais completa quando se

considera além de uma medida de tendência central, uma medida de
dispersão ou variação.
VARIÂNCIA
• Visam descrever os dados no sentido de informar o grau de dispersão
ou afastamento dos valores observados em torno de um valor central
(média).
• Simbologia:
σ² = população
S² = amostra
VARIÂNCIA
• Fórmula da variância para dados não agrupados

σ𝑛 2
2
(𝑥
𝑖=1 𝑖 − 𝑥)
ҧ
𝑠 =
𝑛−1
 EXEMPLO DE VARIÂNCIA
Se realizarmos a soma dos 𝑑𝑖𝑠 temos que essa some será
• dados não agrupados sempre zero, por isso devemos elevar ao quadrado, ou
seja, (𝑥𝑖 − 𝑥)ҧ 2
Considere o conjunto de dados A = 10, 12, 13, 20, 25,
34, 45 (𝑑1 )2 = (−12,714)2 = 161,643
• A média dos dados é de 22,71 (𝑑2 )2 = (−10,714)2 = 114,790
• Para saber a variância teremos que saber os desvios (𝑑3 )2 = (−9,714)2 = 94,362
𝑑𝑖 dosdados em relação a média, ou seja, 𝑥𝑖 − 𝑥.ҧ (𝑑4 )2 = (−2,714)2 = 7,366
𝑑1 = 10 − 22,71 = -12,714 (𝑑5 )2 = (2,286)2 = 5,226
𝑑2 = 12 − 22,71 = -10,714 (𝑑6 )2 = (11,286)2 = 127,374
𝑑3 = 13 − 22,71 = -9,714 (𝑑7 )2 = (22,286)2 = 496,666
𝑑4 = 20 − 22,71 = -2,714 Somando esses valores teremos, σ𝑛𝑖=1(𝑥𝑖 − 𝑥)ҧ 2 = 1.007,43
𝑑5 = 25 − 22,71 = 2,286 Assim,
𝑑6 = 34 − 22,71 = 11,286
𝑛 2
𝑑7 = 45 − 22,71 = 22,286 σ𝑖=1(𝑥𝑖 − 𝑥)
ҧ 1.007,43
𝑠2 = = = 167,905
𝑛 6
 EXEMPLO DE VARIÂNCIA
• Outra maneira de calcular a variância para o conjunto de dados A = 10, 12, 13, 20, 25, 34 e 45, seria aplicando direto
na fórmula, considerando a média de 22,71

σ𝑛 ҧ 2 (10−22,71)2 +(12−22,71)2 +(13−22,71)2 +(20−22,71)2 +(25−22,71)2 +(34−22,71)2 +(45−22,71)2

𝑖=1(𝑥𝑖 −𝑥) 1.007,43
𝑠2 = = = = 167,905
𝑛−1 6 6

Lembrando que todas as vezes que calculamos a variância elevamos os valores ao quadrado, sendo assim, a medida de
variação não estará na mesma unidade em estudo, por isso, o desvio padrão é mais utilizado para uma interpretação
direta.
VARIÂNCIA
• Fórmula da variância para dados agrupados

σ𝑛 2𝑓
2
(𝑥
𝑖=1 𝑖 − 𝑥)
ҧ 𝑖
𝑠 =
𝑛−1
 EXEMPLO DE VARIÂNCIA
• Dados agrupados em tabelas
• A variância é calculada da mesma maneira para tabelas com e sem intervalo de classes
Considere o consumo de energia elétrica em Kwh apresentado na tabela

• Primeiro temos que

determinar os valores de xi ,
para isso temos que
calcular a média das
classes, ou seja, o valor de x
da primeira classe será:
(5+25)/2 =15

Com os valores de xi estabelecidos podemos calcular a variância, direto na aplicação da fórmula

 EXEMPLO DE VARIÂNCIA
Considere a fórmula da variância, teremos: (A média é de 79,5)

σ𝑛 2𝑓
2 = 𝑖=1(𝑥𝑖 − 𝑥)
ҧ 𝑖 80.780
Assim, o cálculo da variância será dada por: 𝑠 = = 1.022,53
𝑛−1 79
Outra maneira de calcular é:
15 − 79,5 2 . 4 + 35 − 79,5 2 . 6 + 55 − 79,5 2 . 14 + 75 − 79,5 2 . 26 + 95 − 79,5 2 . 14 + 115 − 79,5 2 . 8 + 135 − 79,5 2 . 6 + 155 − 79,5 2 . 2
𝑠2 = = 1.022,53
79
DESVIO PADRÃO
• Visam descrever os dados no sentido de informar o grau de dispersão
ou afastamento dos valores observados em torno de um valor central
(média).
• Simbologia:
σ = população
S = amostra
• É uma das medidas mais úteis da variação de um grupo de dados.
• A vantagem do desvio padrão sobre a variância, é que este permite uma
interpretação direta da variação do grupo, pois o mesmo é expresso na
mesma unidade de medida em que estão expressas as variáveis
amostradas.
DESVIO PADRÃO
• O desvio padrão é a raiz quadrada da variância
• Para determinar o desvio padrão passa primeiramente pelo cálculo da
variância
• Depois de calculada a variância devemos tirar a raiz quadrada, assim
teremos o desvio padrão
Dados não agrupados Dados agrupados em tabelas
com e sem intervalo de classe
σ𝑛𝑖=1(𝑥𝑖 − 𝑥)ҧ 2 σ𝑛𝑖=1(𝑥𝑖 − 𝑥)ҧ 2 𝑓𝑖
𝑠= 𝑠=
𝑛−1 𝑛−1
DESVIO PADRÃO
• Comparação do desvio padrão
Amostra A Amostra B Amostra C
Média =15,5 Média =15,5 Média =15,5
s = 3,338 s = 0,9258 s = 4,57

Observando os dados acima, a média é igual

para os conjuntos de dados diferentes, mas isso
só pode ser percebido através do desvio
padrão. Outra medida que ajuda a
compreender melhor a variação é o coeficiente
de variação
COEFICIENTE DE VARIAÇÃO
• É uma medida de dispersão relativa, utilizada quando se deseja
comparar a variação de conjunto de dados que apresentem diferentes
unidades de medição e ou tamanhos diferentes, pois o coeficiente de
variação independe da unidade de medida dos dados.
• É expresso sempre em porcentagem (100%)
• Fórmula:
𝑆
𝐶𝑉 = . 100
𝑋ത
EXEMPLO COEFICIENTE DE VARIAÇÃO
• É uma medida de dispersão relativa, utilizada quando se deseja comparar a variação de
conjunto de dados que apresentem diferentes unidades de medição e ou tamanhos
diferentes, pois o coeficiente de variação independe da unidade de medida dos dados.
• Ação A:
5
Preço médio do último ano = 50 u.m 𝐶𝑉 = . 100 = 10%
50
Desvio padrão = 5 u.m
• Ação B:
5
Preço médio do último ano = 100 u.m 𝐶𝑉 = . 100 = 5%
100
Desvio padrão = 5 u.m.

Sendo assim a Ação B possui maior regularidade do que a Ação A, ou seja, o

percentual de variação de B é menor do que A.
EXEMPLO COEFICIENTE DE VARIAÇÃO
• Comparação do desvio padrão
Amostra A Amostra B Amostra C
Média =15,5 Média =15,5 Média =15,5
s = 3,338 s = 0,9258 s = 4,57
CV=21,5% CV=5,97% CV=29,48%
Nesse caso, como a média é igual em todas as
amostras já poderíamos concluir que a amostra
B tem menor variação, mas com o auxílio do CV
conseguimos saber o percentual dessa
variação, ou seja, a diferença de variação da B
em relação as outras é muito diferente.
Obrigada!