INSTITUTO SUPERIOR DE CONTABILIDAD E AUDITORIA DE MOÇAMBIQUE

Introdução à Estatística Aplicada

Evolução do papel da Estatística

Todas as ciências têm suas raízes na história do homem. A Matemática que é considerada como “a ciência que
une à clareza do raciocínio a síntese da linguagem”, originou-se do convívio social, das trocas, da contagem,
com carácter prático, utilitário, empírico. A Estatística, ramo da Matemática Aplicada, teve origem semelhante.
Desde a Antiguidade vários povos já registavam o número de habitantes, de nascimentos, de óbitos, faziam
estimativas da riqueza individual e social, distribuíam equitativamente as terras ao povo, cobravam impostos e
até realizavam inquéritos quantitativos por processos que, hoje, chamaríamos de “estatísticas”.

A história da Estatística está indissociavelmente ligada à Economia e à administração dos Estados. A palavra
Estatística tem origem na expressão latina “Statisticum Collegium” (Conselho de Estado) e na palavra italiana
“statista” que significa estadista ou político. Assim, o propósito original da Statistik era fornecer os dados a
serem usados pelo governo e outras organizações. A colecta de dados sobre estados e localidades continua, em
grande parte através de órgãos estatísticos nacionais e internacionais. Em particular, os censos fornecem
informação regular sobre as populações.

Desde a Antiguidade, uma preocupação dos governantes foi conhecer com razoável rigor a dimensão e
composição das populações que dirigiam, o valor das terras sob o seu domínio, os rendimentos que estas
produziam, as receitas em impostos que podiam auferir, etc.. Não esqueçamos que Jesus Cristo nasceu num
estábulo, porque Maria e José tiveram de se deslocar de Nazaré a Belém, terra natal de José, pois segundo
Mateus, o imperador Octávio Augusto ordenou o recenseamento de todos os habitantes do mundo romano,
tendo estes que se alistar nas respetivas cidades.

Estatística é uma ciência exacta que visa fornecer subsídios ao analista para colectar, organizar, resumir,
analisar e apresentar dados. A estatística fornece-nos as técnicas para extrair informação de dados, na medida
em que nos dão informação útil sobre o problema em estudo, sendo assim, é objectivo da Estatística extrair
informação dos dados para obter uma melhor compreensão das situações que representam para uma melhor
tomada de decisões.

1
Quando se aborda um problema que envolve métodos estatísticos, estes devem ser utilizados mesmo antes da
recolha dos dados, isto é, deve-se planificar a experiência que vai permitir recolher os dados, de modo que,
posteriormente, se possa extrair o máximo de informação relevante para o problema em estudo.

A Estatística é importante em muitos aspetos da gestão empresarial como, por exemplo, a gestão de carteiras
de investimentos financeiros ou a gestão de risco. A Estatística está a transformar a Gestão de Marketing,
através do Marketing Analítico e Relacional ou CRM (Customer Relationship Management) em que métodos
estatísticos e técnicas de bases de dados permitem uma gestão de clientes mais eficiente e bem-sucedida. Pode-
se dizer, sem risco de exagero, que a Estatística é a mais social das ciências exactas.

A estatística ajuda o profissional de Marketing a encontrar oportunidades de mercado, faz com que o público-
alvo seja selecionado de acordo com o produto ou serviço, transforma números em Informações úteis para a
tomada de decisões. As previsões de procura são possíveis pela utilização da estatística. O mercado fornece
dados que apontam um rumo certo, quantifica e avalia as possibilidades de sucesso. A capacidade de produzir
Informações é praticamente infinita, a criatividade do profissional de Marketing e da organização devem ter
foco, produzir um novo produto é fácil, mas colocá-lo corretamente no mercado exige inúmeros estudos.
Enquanto o profissional de Marketing puder efectuar estudos, a transformação dos dados coletados em
informações estatísticas tangíveis, o produto ou serviço terá um rumo traçado e conhecido. Com a estatística há
a possibilidade de segmentar o mercado e direcionar a sua organização para o consumidor ideal, com menos
riscos e de maneira muito mais competente que a concorrência.

O conhecimento de Estatística é fundamental para uma melhor identificação e compreensão de situações

problemáticas através da análise do clima organizacional e auxiliar no processo de tomada de decisões. Na área
de Contabilidade e Auditoria a Estatística pode ajudar a transformar os registos e factos ocorridos na empresa
em informação útil a ser usada na compreensão da situação real da empresa e no processo de tomada de
decisões. Igualmente, para que o auditor possa emitir com segurança o seu parecer de forma independente e
segura sobre as demonstrações contábeis publicadas pela empresa espelhem a sua real situação econômica,
financeira e patrimonial da empresa, muitas vezes utiliza amostras probabilísticas de um universo que
permitam refletir a situação real conjunto total

A estatística no plural (estatísticas) – como informação – indica qualquer colecção consistente de dados,
reunidos com a finalidade de fornecer informações de uma actividade qualquer ou fenómeno (estatísticas da
produção, estatísticas demográficas, estatísticas sociais, etc.)

2
A estatística no singular (estatística) – como ciência - refere-se a um conjunto de métodos, ou melhor, uma
metodologia tendo em vista a recolha, a classificação, a apresentação, a análise e interpretação de dados, bem
como a obtenção de conclusões válidas e tomada de decisões

A Estatística geralmente é dividida em duas partes: Estatística Descritiva e Estatística Inferencial ou Indutiva.
A estatística descritiva tem por objectivo, a observação de fenómenos da mesma natureza, a recolha de dados
numéricos desses fenómenos, a organização e classificação dos dados recolhidos e a suaapresentação através
de gráficos e quadros, além do cálculo de parâmetros (estatísticas) que permitem descrever resumidamente os
fenómenos. Ou seja, a Estatística descritiva não se preocupa em generalizar. Analisa e descreve o que está ao
dispor. Ela envolve a colecta, a organização, o processamento, análise e interpretação de coeficientes
coeficientes. Esta parte está associada a cálculos de médias, variâncias, estudo de gráficos, tabelas, etc.

A Estatistica indutiva ou inferencial envolve a análise e a interpretação dos dados (associados a uma margem
de incerteza) cujos métodos que se fundamentam na teoria da probabilidade. Nela encontramos a Estimação de
Parâmetros, Testes de Hipóteses, Modelagens, etc. Portanto, a estatística indutiva (inferencial) refere-se a um
processo de generalização a partir de resultados particulares. Consiste em obter e generalizar conclusões, ou
seja, inferir propriedades para o todo com base numa parte do universo de referência. Por se basear numa parte
do universo (população), a ela está associada uma medida da incerteza que é tratada mediante técnicas e
métodos que se fundamentam na Teoria de Probabilidades. A inferência estatística permite chegar a conclusões
amplas (gerais, sobre o universo estudado) a partir de uma série mais restrita (amostra) de informações (dados
estatísticos). Na vida existem vários eventos que não temos certeza que acontecerão, mas sabemos que existe
uma chance (probabilidade) de acontecer. A estatística ajuda a modelar estas situação por meio de variáveis
aleatórias (estocásticas, sujeitas ao acaso) obedecendo certas distribuições de probabilidade. Então, onde
houver risco, a estatística estará presente para modelar a situação. Grande parte das nossas decisões e
questionamentos envolvem riscos . Por isso, precisamos estudar, e bem, a estatística para enfrentarmos
racionalmente as situações sujeitas a incertezas

População é o conjunto de elementos com pelo menos uma característica comum e de interesse.
Amostra: é um subconjunto da população. A amostra pode ser representativa ou enviesada (distorcida ou
tendenciosa). A amostra é considerada representativa quando apresenta as principais caracteristicas da
populacao de origem, por isso, é estudada com o propósito tirar conclusões válidas sobre a essa população. A
amostra representativa também é conhecida como amostra probabilística por envolver processos aleatórios
(estocásticos) e estar associada a uma margem de erro conhecida no processo de recolha.
O processo de obtenção ou extracção de amostras designa-se por amostragem. De um modo geral deve ter-se
os seguintes cuidados na formação de uma amostra:

3
 1. Imparcialidade – Todos os elementos devem ter a mesma oportunidade de fazer parte da amostra

2. Representatividade – Deve conter em proporção as principais características que a população possui,

qualitativa e quantitativamente

3. Tamanho – A amostra deve ser suficientemente grande de modo que as suas características se
aproximem tanto quanto possível das características da população

Parâmetros: são valores singulares que existem na população e que servem para caracterizá-la. para definirmos
um parâmetro devemos examinar toda a população. Os parâmetros, normalmente, são representasdos por letras
do alfabeto grego (exemplo: media -  ; desvio padrao -  ).
Estimativa ou estatística: é um valor aproximado do parâmetro e é calculado com o uso da amostra. As
estimativas (estatísticas) normalmente são representadas por letras do alfabeto latino. (exemplo: media - x ;
desvio padrao -s)

Chama-se unidade estatística a cada um dos elementos que compõem a população. Cada estudo estatístico é
feito para atingir um certo objectivo. Dependendo do objectivo do estudo, observa-se cada unidade estatística
em relação a um atributo ou atributos determinados. Os atributos observados podem ser qualitativos ou
quantitativos
Um atributo é qualitativo, quando as modalidades não são numéricas ou não são passíveis de medição, mas
podem ser apenas constatadas; uma variável estatística é qualitativa quando se classifica em diversas
modalidades ou categorias e quantitativa quando tem uma modalidade com intensidades diferentes, ou seja é
quantitativa quando for passível de medição. De um modo geral, os atributos observados quando são
qualitativos revestem-se em várias modalidades, e quando são quantitativos apresentam uma modalidade com
diferentes intensidades ou valores.
Variáveis estatísticas - como conceito o termo “variável” é um substantivo que representa classes de
objectos, por exemplo: sexo, grau de escolaridade, renda mensal, participação política, etc. Evidentemente
existem variáveis fáceis de identificar suas modalidades como sexo, mas existem outras mais complexas como
participação política. Uma variável estatística pode ser contínua ou discreta.

Variável estatística discreta - Quando só pode tomar valores isolados num certo intervalo finito ou finito.
Ex. X1; X2; X3;...Xn
Exemplo : O número de crianças numa família, número de blocos utilizados na construção de uma casa,
número de viaturas na cidade de Maputo

4
Variável estatística contínua – Quando pode tomar qualquer valor dentro de um intervalo finito ou infinito.
Ou dado um intervalo a;b com a  b, existe um valor x tal que x  a, e x  b, isto é a  x  b. Exemplo, altura
de uma pessoa, distância entre dois pontos.

ESCALAS DE MEDIDA

Conforme a natureza dos atributos, existem quatro escalas principais usadas para medí-los.
Escalas Nominais - são aquelas que separam os atributos em categorias diferentes onde não existe uma
ordenação em termos de hierarquia. Na utilização destas escalas é preciso que se obedeçam as seguintes
condições:

a) A divisão deve ser coerente de acordo com um único critério

b) A divisão deve ser completa
c) As categorias que participam na divisão devem ser mutuamente exclusivas.
Exempo: sexo, nacionalidade, etc
1. Escalas Ordinais – baseiam-se numa classificação hierárquica. Através desta escala os atributos são
colocados em determinada ordem conforme o critério adoptado. Exemplo: nível académico, classe social, etc.

2. Escalas de intervalo – colocam as categorias a distâncias iguais. Uma propriedade importante nesta escala é
a de adoptar um zero arbitrário (não absoluto). Exemplo, temperatura em graus celcius; tempo do calendário,
etc..
3. Escalas de Razão - a escala de razão são também uma escala de intervalos adoptando um zero absoluto,
pelo que, admitem as quatro operações. Por exemplo, saldo da conta bancária, idade, peso, etc.
Os dados nercessários para a análise estatística podem ser obtidos através de um CENSO (pesquisa de toda a
população), ou através de uma AMOSTRA (subconjunto finito) da população.

Amostragem

A Necessidade da Amostragem nos Levantamentos

Em muitas situações, os levantamentos abrangem um universo de elementos tão grandes que se torna
impossível considerá-los em sua totalidade.  Por essa razão o mais frequente é trabalhar com uma amostra, ou
seja, com uma pequena parte dos elementos que compõem o universo. Quando essa amostra é rigorosamente
seleccionada, os resultados obtidos nos levantamentos tendem a aproximar-se daqueles que seriam obtidos
caso fosse possível pesquisar todos os elementos do universo.  E, com o auxílio de procedimentos estatístico,
torna-se possível calcular a margem de segurança dos resultados obtidos.

Há várias razões para usar amostragem, pelas vantagens associadas.

5
Economia
Logicamente é muito mais barato levantar as características de uma pequena parcela da população do que de
todos os seus integrantes, especialmente para grandes populações.

Rapidez de processamento

Como a quantidade de dados recolhida é muito menor do que a produzida num censo, especialmente para
grandes populações, o seu processamento é mais rápido. Os resultados ficam disponíveis em pouco tempo,
permitindo tomar decisões atempadas. Esta característica é especialmente importante em pesquisas de opinião
eleitoral.

Confiabilidade
Novamente, como menos elementos são pesquisados, é possível dar atenção aos casos individuais, reduzindo
as possibilidades de erros de resposta ou codificação dos dados. Além disso, devido à menor escala da pesquisa
a sua execução torna-se mais simples.

Testes destrutivos
Se para realizar a pesquisa precisamos realizar testes destrutivos (de resistência, tempo de vida útil, entre
outros), o censo torna-se impraticável, exigindo a utilização de amostragem.

População pequena

Quando é utilizada uma amostra probabilística (aleatória) e a população é pequena (menos de 100 elementos) o
tamanho mínimo de amostra para obter bons resultados será quase igual ao próprio tamanho da população.
Vale a pena então realizar um censo.

Característica de fácil medição

A característica pode não precisar de mecanismos sofisticados de medição, um questionário para descobrir
atitudes ou crenças, mas simplesmente resume-se em uma opinião directa: a favor ou contra uma proposta.
Neste caso a coleta dos dados seria bastante simples, possibilitando avaliar todos os elementos da população.

Necessidades políticas
Muitas vezes há propostas que podem afectar dramaticamente todos os elementos da população, por exemplo,
como a adopção de um novo regime ou forma de governo, o que pode tornar desejável a realização de um
censo, para que todos manifestem sua opinião.

6
Necessidades de alta precisão
Porque as informações sócio-económicas têm que ser o mais precisas possível, para orientar políticas
governamentais, e somente dessa maneira esse objetivo pode ser atingido, os governos regularmente realizam
censos para apurar indicadores sociais e económicos.

Técnicas de Amostragem
Amostragem probabilistica
Na amostragem toma-se em consideração a determinação do tamanho da amostra e a escolha das técnicas
apropriadas para a amostragem Uma amostragem probabilística é uma metodologia de amostragem pela qual
cada unidade (por exemplo ‘pessoa’, ‘agregado familiar’ ou ‘empresa/estabelecimento’) duma população-alvo
definida, tem uma possibilidade conhecida e não zero de ser seleccionada, ou seja, é o procedimento em que
todos os elementos da População têm uma probabilidade conhecida e superior a zero de integrar a amostra.
A chance - ou a probabilidade - de seleccionar uma unidade para inclusão na pesquisa/inquérito deve ser
matematicamente calculável
A amostragem probabilistica permite inferir os resultados à população, isto é, as conclusões podem ser
generalizadas para a população inteira (universo), permitindo a apresentação dos resultados numa base
científica fundamentada.

Amostragem não probabilística (não aleatória) - Não se conhece a probabilidade de um elemento da população
ser escolhido para participar da amostra.
Ao usar a amostragem não probabilistica o pesquisador não sabe qual é a probabilidade de que um elemento da
população tem de pertencer à amostra. Portanto, os resultados da amostra não podem ser estatisticamente
generalizados para a população, porque não se pode estimar o erro amostral.

Técnicas de Amostragem Probabilística

- Amostragem Aleatória Simples
- Amostragem Aleatória Sistemática
- Amostragem Aleatória Estratificada
- Selecção com probabilidade proporcional ao tamanho (PPS)
- Amostragem Aleatória por Clusters (conglomerados)
- Amostragem Multi-Etapa

Tipos de Amostragem não probabilistica

- Amostragem acidental.
- Amostragem por julgamento (intencional).

7
- Amostragem por cotas

Distribuição de frequência

É um tipo de tabela que condensa uma colecção de dados conforme as frequências (repetições de seus valores).
Tabela primitiva ou dados brutos: É uma tabela ou relação de elementos que não foram numericamente
organizados. É difícil formarmos uma ideia exacta do comportamento do grupo como um todo, a partir de
dados não ordenados.
Ex : 45, 41, 42, 41, 42 43, 44, 41 ,50, 46, 50, 46, 60, 54, 52, 58, 57, 58, 60, 51
Rol:É a tabela obtida após a ordenação dos dados (crescente ou decrescente).
Ex : 41, 41, 41, 42, 42 43, 44, 45 ,46, 46, 50, 50, 51, 52, 54, 57, 58, 58, 60, 60
Distribuição de frequência sem intervalos de classe: É a simples condensação dos dados conforme as
repetições dos seu valores. Para um ROL de tamanho razoável esta distribuição de frequência é inconveniente,
já que exige muito espaço. Veja exemplo abaixo:

Dados 41 42 43 44 45 46 50 51 52 54 57 58 60 Total
Frequência 3 2 1 1 1 2 2 1 1 1 1 2 2 20
Distribuição de frequência com intervalos de classe: Quando o tamanho da amostra é elevado é mais racional
efectuar o agrupamento dos valores em vários intervalos de classe.

Classes 41 |------- 45 45 |------- 49 49 |------- 53 53 |------- 57 57 |------- 61 Total

Freqências 7 3 4 1 5 20

Elementos de uma distribuição de frequência (com intervalos de classe):

Classe: são os intervalos de variação da variável e é simbolizada por i e o número total de classes simbolizada
por k. Ex: na tabela anterior k=5 e 49 |------- 53 é a 3ª classe, onde i=3.
Limites de classe: são os extremos de cada classe. O menor número é o limite inferior de classe (li) e o maior
número, limite superior de classe(Li). Ex: em 49 |------- 53... l3= 49 e L3= 53. O símbolo |------- representa um
intervalo fechado à esquerda e aberto à direita. O dado 53 do ROL não pertence a classe 3 e sim a classe 4
representada por 53 |------- 57.
Amplitude do intervalo de classe: é obtida através da diferença entre o limite superior e inferior da classe e é
simbolizada por hi = Li - li. Ex: na tabela anterior hi= 53 - 49 = 4.
Amplitude total da distribuição: é a diferença entre o limite superior da última classe e o limite inferior da
primeira classe. AT = L(max) - l(min). Ex: na tabela anterior AT = 61 - 41= 20.
Amplitude total da amostra (rol): é a diferença entre o valor máximo e o valor mínimo da amostra (ROL).
Onde AA = Xmax - Xmin. Em nosso exemplo AA = 60 - 41 = 19.
Obs: AT sempre será maior que AA.

8
Ponto médio de classe: é o ponto que divide o intervalo de classe em duas partes iguais. .......Ex: em 49 |-------
53 o ponto médio x3 = (53+49)/2 = 51, ou seja x3=(l3+L3)/2.
fi Fi
fr  Fr 
A frequência relativa é dada pela fórmula n (I) e a Acumulada n (II)
Se n é tamanho da amostra, considera-se que a amostra é grande se n  30 e pequena se n  30 ;

Se k for o número de classes que pretendemos, então k  5 se n  30 e k  n se n  30 ;

Se  é amplitude total, será obtido através da diferença entre o maior e o menor valores da amostra.

c
Se c é o intervalo de cada classe, será obtido pela fórmula k ;

Representação gráfica de dados

A representação gráfica é um complemento da representação tabular (em tabelas). Normalmente, contém menos
informação que as tabelas, mas são de mais fácil leitura. A principal vantagem da representação gráfica em relação a
representação em tabelas é o facto de ela permitir que se consiga ter uma visualização imediata da distribuição dos
valores observados.
Os gráficos propiciam uma idéia mais satisfatória da concentração e dispersão dos valores, uma vez que os dados
estatísticos se apresentam em termos de grandezas visualmente interpretáveis. Por outro lado, os factos essenciais que
poderiam ser difíceis de reconhecer em massas de dados estatísticos (dados brutos) podem ser observados mas
claramente através dos gráficos.

2.3.1 Tipos de gráficos

Existem vários tipos de gráficos tais como: o gráfico de barras, gráficos circulares (Pie charts),
Histogramas e gráficos circulares e mais.

O tipo de gráfico a usar depende da variável em questão. Contudo, os elementos simplicidade, clareza e
veracidade devem ser considerados, aquando da elaboração de um gráfico.

 Simplicidade – o gráfico deve ser destituído de detalhes de importância secundária, assim

como de traços desnecessários que possam levar o observador a uma análise morosa ou sujeita
a erros.
 Clareza – o gráfico deve possibilitar uma correcta interpretação dos valores representativos do
fenómeno em estudo.
 Veracidade – o gráfico deve expressar a verdade sobre o fenómeno em estudo.

9
2.3.1.1 Gráficos de barras
Estes gráficos têm por objectivo comparar grandezas (variáveis) por meio de rectângulos de igual
largura e alturas proporcionais às respectivas grandezas. Este gráfico é utlizado para representar a
distribuição de frequências de variáveis nominais e ordinais.

Características
 Todas as barras devem ter a mesma largura diferindo somente no comprimento;
 Devem existir espaços iguais entre as barras, o qual esse espaço deve ser suficente para que as
inscrições que identificam as diferentes barras não tragam confusão ao leitor.

Regras a ter em conta ao construir um gráfico de barras

 Podemos considerar o espaço entre as barras como aproximadamente a metade ou dois terços da
largura das barras.
 As barras devem ser desenhadas observando a sua ordem de grandeza, para facilitar a leitura e
análise comparativa dos valores.

Normalmente a ordem é decrescente, onde a barra superior representa o maior valor da variável.
Categorias gerais que costumam vir como ´´outros´´, aparecem representados na barra inferior, mesmo
que o seu cumprimento exceda o de alguma outra categoria, pois, ela representa o agrupamento de
classes relativamente pouco importantes.

Exemplo 1: Consideremos a tabela abaixo que se refere a produção de milho nas três regiões do país.
Região do país Produção de milho (Toneladas)
Norte 17350
Centro 12530
Sul 14550

Total 44430

10
 Exemplo de Interpretação: a região Norte apresenta a maior produção de milho com 17350
toneladas, sendo que a região Centro do país é a que produz menos milho apresentado uma produção
de 12530 toneladas.

Nota: para interpretação foi feita uma combinação dos dados que a tabela nos apresenta (para a leitura
dos valores) e o histograma.

2.3.1.2 Gráficos de barras Múltiplas

São gráficos que fazem a análise conjunta de duas ou mais variáveis por população
Exemplo 2: Importação de frango e peixe provenientes de vários países-2007

País Importação (em 1000 toneladas)

Frango Peixe
Angola 1570 2800
Portugal 1040 950
Brasil 3500 1540
China 450 850

11
Exemplo de Interpretação: a China é o país que menos importa Frango e Peixe, sendo que Portugal
encontra-se em 2º lugar na lista dos países que menos importam esses produtos. O Brasil é o maior
importador de frango e 2º maior importador de Peixe, enquanto que, Angola que se encontra no 1º
lugar dos países que mais importam peixe encontra-se em 2º lugar na lista dos países que mais
importam frango.

Gráficos circulares ou de sectores (Pie Charts)

Estes gráficos são também usados para representar a distribuição de frequências de variáveis nominais
e ordinais, como o gráfico de barras. No entanto, é mais usado quando as categorias da variável em
estudo são menores ou guais a 6, para permitir uma melhor leitura, sem correr risco de distorcer a
informação que o gráfico nos apresenta, como também, quando se pretende dar ênfase à comparação
das percentagens de cada categoria.

A construção do gráfico de sectores segue uma regra de 3 simples, onde as frequências de cada classe
correspondem ao ângulo que se deseja representar,em relação a frequência total que representa o total
de 100% que corresponde a 360° da área total do gráfico circular.
Total___________100%
Parte ___________ Xº

Características:
 A área do gráfico equivale á totalidade de casos (360° = 100%)
 Cada “fatia” representa a percentagem de cada categoria

12
Exemplo 3: Considerando o exemplo da produção de milho nas três regiões do país podemos
representar a informação da tabela num gráfico circular.
Norte Centro Sul
44430______100% 44430______100% 44430______100%
17350______ X° 12530______ X° 14550______ X°
X=39% X=28% X=33%

Exemplo de Interpretação: o que foi verificado na interpretação do histograma no ponto 2.3.1.1, pode ser
confirmado também através do gráfico circular acima representado. A região do país que mais produziu milho
foi a região Norte ocupando 39% da produção, seguido da região Sul com 33%, sendo que a região centro
apresentou a menor produção de milho com 28% da produção total que o país teve.

Histogramas:
É formado por um conjunto de rectângulos justapostos, cujas bases se localizam sobre o eixo horizontal, de tal
modo que seus pontos médios coincidam com os pontos médios dos intervalos de classe. A área de um
histograma é proporcional à soma das frequências simples ou absolutas. Na linha horizontal (eixo das abscissas)
colocamos os valores da variável e na linha vertical (eixo das ordenadas), as frequências. Este gráfico é utlizado
para representar a distribuição de frequências de varíaveis contínuas.

Características:
 Cada barra representa a frequência do intervalo respectivo;
 Os intervalos devem ter a mesma amplitude;
 As barras devem estar todas juntas.

13
 Polígono de Frequência

Polígono de frequência é um gráfico no qual as frequências das classes são localizadas sobre perpendiculares
levantadas nos pontos médios das classes.
E pode ser obtido pela simples união dos pontos médios dos topos dos rectângulos de um histograma.

Exemplo 4: Consideremos o exemplo da aula anterior sobre o tempo (T) em minutos que consumidores (C) de
uma determinada operadora de telefonia móvel utilizariam em um mês.

I Classe Ponto Médio f i (consumidores) Fi Fi (acima de)

(abaixo de)
1 69.2|---94.8 82 3 3 40
2 94.8|---120.4 107.6 8 11 37
3 120.4|---146.0 133.2 16 27 29
4 146.0|---171.6 158.8 7 34 13
5 171.6|---197.2 184.4 4 38 6
6 197.2|---222.8 210 2 40 2
Total ------- 40

Histograma

Exemplo de Interpretação: dos clientes entrevistados cerca de 16 gastam em média 133.2 minutos (valor
observado a partir do histograma) por mês ou gastam entre 120.4 a 146.0 minutos (valor retirado a partir da
tabela de frequências) por mês numa determinada operadora de telefonia móvel, sendo que somente 2 clientes
gastam em média 210 minutos por mês.

Polígono de Frequência correspondente ao histograma do exemplo anterior

14
 Ogivas ou polígonos de frequências acumuladas
Os gráficos chamados de ogivas correspondem a um polígono de frequências acumuladas, nas quais, estas
frequências são localizadas sobre perpendiculares levantadas nos limites inferiores ou superiores das classes,
dependendo se a ogiva representar as frequências acumuladas “abaixo de” ou “acima de” respectivamente.
Exemplo 5: Consideremos o exemplo anterior. As duas últimas colunas representam frequências acumuladas
“abaixo de” e “acima de” respectivamente. A partir delas podemos representar duas ogivas.

15
 Gráficos de Linhas1
São usados para representar séries temporais, principalmente quando a série cobrir um grande número de
períodos de tempo.
Exemplo 6: Considere a série temporal da tabela abaixo, referente ao número de toneladas de trigo e de milho
produzidos no distrito PQR, durante os anos de 1970 a 1980.

Anos 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980
Toneladas de trigo 200 185 225 250 240 195 210 225 250 230 235
Toneladas de milho 75 90 100 85 80 100 110 105 95 110 100

Gráfico de linhas

Gráficos de Linhas comparativas (múltiplas)

São utilizadas para estabelecer comparações entre duas ou mais séries temporais.

1
Este tipo de gráfico não será aplicado nas nossas aulas, por não estar contemplado no programa de Estatística I. Aparece
aqui por mera informação

16
 Exemplo 7: Considerando as duas séries, de trigo e milho, do exercício anterior podem ser apresentadas
graficamente no mesmo sistema de coordenadas cartesianas.
Gráfico de linhas comparativas

Exercícios Propostos
1. Considere os resultados finais, na disciplina de Estatística I, obtidos por 49 estudantes de uma
Universidade
6 11 12 14 14 15 18
6 11 12 14 14 15 18
8 11 12 14 14 16 19
8 11 12 14 14 16 19
8 11 12 14 14 16 20
9 11 12 14 15 16 20
9 12 12 14 15 18 20

a) Represente os dados numa tabela de freqüências com intervalos de classe e num histograma.

17
2. Admita que um grupo de 300 analistas financeiros efectuou uma previsão do ganho por
acção, em unidades monetárias, de uma empresa no próximo ano, sendo os resultados apresentados
em 9 classes de igual amplitude, na tabela seguinte:

Ponto
Classes fi Medio Fac Fr
56 - 59 57.5 6 0.02
59 - 62 12 60.5
62 - 65 63.5 0.06
65 - 68 66.5 84 0.16
68 - 71 42 69.5
71 - 74 72.5
74 - 77 63 75.5
77 - 80 78.5 0.15
80 - 83 81.5 300 0.1
Total 1

18