Medidas Estatísticas

UNIDADE 03
Medidas Estatísticas
1 − Introdução ........................................................................................................................... 3
2 − Medida de Posição Central................................................................................................. 6
2.1 − Medida de posição central para dados brutos ............................................................ 6
2.2 − Medidas de posição central para dados agrupados em tabelas de freqüência........ 14

2.2.1 − Dados agrupados em tabelas de freqüência sem classe .................................. 14
2.2.2 − Dados agrupados em tabelas de freqüência com classe .................................. 17
2.3 - Exercícios propostos .................................................................................................. 21
3 − Medidas de Variabilidade.................................................................................................. 25
3.1 − Introdução.................................................................................................................. 25
3.2 − Medida de variabilidade para dados brutos .............................................................. 26
3.3 − Medidas de variabilidade para dados agrupados em tabelas de freqüência ............ 34

3.4 − Algumas aplicações do desvio-padrão...................................................................... 36
4 − Medida Separatrizes, de Assimetria e de Curtose ........................................................... 41
4.1 − Introdução.................................................................................................................. 41
4.2 − Medidas separatrizes para dados brutos .................................................................. 41
4.3 − Medidas Separatrizes para dados agrupados em tabelas de freqüência ................. 46

4.4 – Cálculo do percentil usando gráfico de freqüência acumulada (Ogiva de Galton) ... 49
4.5 – Construção do Boxplot (gráfico de caixa) ................................................................. 50
4.6 − Medida de Assimetria ................................................................................................ 53
4.7 − Medida de Curtose .................................................................................................... 56
4.9 - Exercícios resolvidos.................................................................................................. 59
5 - Anexo................................................................................................................................. 67
6 - Bibliografia ......................................................................................................................... 69
Unidade 03 – Medidas estatísticas
1 − Introdução
Na unidade anterior, o nosso esforço foi tentar organizar e resumir os dados coletados de
forma a facilitar o trabalho de quem está analisando os dados. Com a ajuda das tabelas de
freqüência e dos gráficos, vistos anteriormente, podemos ver como é a distribuição dos valores
assumidos por uma variável, ou seja, podemos ver quais os valores que ocorrem com mais
freqüência e quais os valores que ocorrem com menos freqüência. O Gráfico 3.1 mostra a
1
distribuição do PIB per capita dos municípios brasileiros. Neste gráfico podemos observar que
a maioria dos municípios brasileiros apresenta PIB per capita abaixo de 45 mil reais. É ainda
possível observar uma pequena minoria de municípios com PIB per capita acima de 90 mil
reais.
GRÁFICO 3.1 – Distribuição do PIB per capita dos municípios brasileiros em 2004.
2500
2000
Quantidade de municípios
1500
10
0
1000 90 135 180 225 270 315
500
zoom
0
10 45 90 135 180 225 270 315
PIB per capita (em mil reais)
Pelo Gráfico 3.1, podemos notar que há outras características da distribuição que devem ser
consideradas em uma análise estatística. Uma das características que devemos destacar é o
valor típico da distribuição e uma outra é a dispersão dos valores em torno desse valor típico. O
valor típico e a dispersão dos valores quando expressos em números torna-se mais fácil fazer
comparações entre as diversas distribuições. Por exemplo, podemos comparar as distribuições
do PIB per capita dos municípios ano a ano ou mesmo entre estados.
1
O Produto Interno Bruto per capita de cada município foi estimado pelo quociente entre o valor do PIB
do município por sua população residente.
Estatística Básica −3− prof. José Aguinaldo

EXEMPLO 01 - Uma pequena empresa trabalha com apenas quatro máquinas de

encher pacotes de café de 500 gramas. Os pesos de 40 pacotes selecionados de cada
2
máquina estão mostrados no gráfico de pontos abaixo . Descreva os quatros gráficos de
pontos.
Esse pacote pesou

480 gramas
Máquina A
média
Máquina B
média
Máquina C
média
Máquina D
480 485 490 495 500 505 510 515 520 525
média
Peso dos pacotes (em gramas)
Solução ------------------------------------------------------------------------------------------------------------------
Os pacotes de café enchidos pela máquina “A” apresentam um peso típico em torno de 490
gramas (10 gramas a menos do especificado), enquanto que, na máquina B, os pacotes
apresentam um peso típico em torno de 510 gramas (10 gramas a mais). Quanto à dispersão
(ou variabilidade) dos pesos, parece que eles estão igualmente dispersos em torno dos valores
3
típicos. Podemos ainda destacar a presença de um pacote com peso considerado extremo na
máquina “A” (peso de 480 gramas).
Na máquina “C”, os pesos dos pacotes giram em torno de 500 gramas (igual ao especificado),
mas a dispersão dos pesos é muito grande, indicando alguma instabilidade na máquina (os
pesos estão variando de 481 gramas a 520 gramas).
Na máquina “D”, encontramos uma situação que podemos dizer ideal, os pesos giram em torno
do valor especificado (de 500 gramas) e com uma pequena dispersão dos pesos.
As medidas que ajudam a descrever uma distribuição são:

• Medidas de posição central;
• Medidas de variabilidade (ou dispersão);
• Medidas separatrizes (posição não-central)
• Medidas de assimetria e de curtose.
2
No gráfico de ponto, cada ponto representa o peso de um pacote de café.
3
Em estatística, costumamos chamar esse valor extremo de outlier.

Medidas de
Posição Central
2 − Medida de Posição Central
É a medida estatística que “melhor” representa um conjunto de dados, ela tende a ser o valor
mais típico ou o mais representativo do conjunto de dados. As medidas de posição central
usuais são: média simples, média ponderada, mediana e a moda.
2.1 − Medida de posição central para dados brutos
As medidas abaixo se referem aos dados brutos, ou seja, dados não agrupados em tabelas de
freqüência.
• Média
A média de um conjunto de valores é o somatório destes valores dividido pela quantidade de

números no conjunto. Note que a média é simplesmente a média aritmética simples dos
valores.
Quando trabalhamos com os dados de uma amostra, a média é denominada de média
amostral e é denotada pelo símbolo x (leia-se x barra).
n
∑x i =1
i
x1 + x 2 + L + x n
x= =
n n
onde
xi = i-ésimo valor da variável
n = tamanho da amostra (quantidade de valores na amostra)
EXEMPLO 02 - A empresa XYZ selecionou uma amostra de 5 funcionários e registrou

a distância (em km) que esses funcionários percorrem até chegar à empresa. Os valores
obtidos foram 12, 4, 12, 9 e 3. Calcule média amostral dos valores (ou seja, a distância média
percorrida por esses funcionários amostrados).
Solução ------------------------------------------------------------------------------------------------------------------
n
∑x
i =1
i
12 + 4 + 12 + 9 + 3 40
x= = = = 8,0 km
n 5 5
média
3 4 5 6 7 8 9 10 11 12
Distância percorrida
A distância média percorrida até a empresa pelos funcionários amostrados é de 8,0 km.

Caso particular: Média Populacional
Por outro lado, quando trabalhamos com os dados de uma população (o que não é tão comum
assim na prática), a média passa a ser denominada de média populacional e é denotada pela
letra grega µ (leia-se mi). Na realidade, o cálculo é igual ao da média amostral.
N
∑x
i =1
i
x1 + x 2 + L + x N
µ= =
N N
onde
xi = i-ésimo valor da variável X
N = tamanho da população (quantidade de valores na população)
EXEMPLO 03 - Imagine uma pequena região fictícia com apenas 8 famílias. Abaixo
estão listados as renda (em reais) destas famílias.
450 560 550 300 620 400 500 580
Assumindo que esta região é a sua população de interesse, calcule a renda média
populacional destas famílias.
Solução ------------------------------------------------------------------------------------------------------------------
∑x
i =1
i
450 + 560 + L + 580 3960
µ= = = = 495 reais
N 8 8
A renda média populacional é 495 reais por família
• Mediana
A mediana de um conjunto de dados é o valor que está exatamente no centro deste conjunto
de valores ordenados. A mediana, portanto, “deixa” metade dos valores abaixo dela e a outra
metade acima. A mediana pode ser denotada por Md ou ~ x (leia-se x til).
Dependendo se n é ímpar ou par, a mediana poderá ter um único valor central ou a média
dos dois valores centrais.
Se n é par
Se n é ímpar
A mediana será a média dos dois valores
A mediana será o único valor central.
centrais.
10 + 15
x = {8, 10, 15} → Md = 10 x = {8, 10, 15, 30} → Md = = 12,5
2

EXEMPLO 04 - A empresa XYZ selecionou uma amostra de 5 funcionários e registrou

a distância (em km) que esses funcionários percorrem até chegar à empresa. Os valores
obtidos foram 12, 4, 12, 9 e 3. Calcule mediana dos valores (ou seja, a distância mediana
percorrida pelos funcionários).
Solução ------------------------------------------------------------------------------------------------------------------
Dados ordenados: 3 4 9 12 12
Como n é ímpar, o conjunto ordenado só tem um único valor central, que é o 9. Portanto, a
mediana amostral será o Md = 9 km. Veja o gráfico e pontos abaixo.
mediana
Cerca da metade (50%) dos funcionários
percorrem menos de 9 km para ir até a
3 4 5 6 7 8 9 10 11 12 empresa.
Podemos formalizar um procedimento para obter a mediana da seguinte maneira:
• Ordene o conjunto de dados em ordem crescente e calcule pos = n 2 que é a posição da

mediana no conjunto ordenado;
• Se pos não for inteiro, arredonde pos para cima (maior inteiro mais próximo) e a mediana
será o valor central que está na posição pos.
• Se pos for inteiro, então a mediana será a média entre os valores centrais que estão na
posição pos e pos +1.
No EXEMPLO anterior, a posição da mediana é pos = 5/2 = 2,5. Como esse valor não é inteiro,
deverá ser arredondado para cima (pos = 3). Portanto, a mediana está na 3ª posição (na série
ordenada), que é Md = 9 km.
Comparação entre a média e a mediana

Por usar todos os valores do conjunto de dados, a média acaba sendo bastante influenciada
4
pelos valores atípicos ou extremos , enquanto que a mediana é menos sensível a estes
valores.
EXEMPLO 05 - Suponha que no EXEMPLO 02, a distância de 12 km foi registrada

erradamente como 120 km. Calcule a média e a mediana da distância percorrida pelos
funcionários.
Solução ------------------------------------------------------------------------------------------------------------------
Média amostral
n
∑x
i =1
i
12 + 4 + 120 + 9 + 3 140
x= = = = 28,0 km
n 5 5
O valor alto de 120 km fez com a média pulasse de 8 km para 28 km. O cálculo matemático da
média está correto, mas uma média de 28 km não está representando bem as distâncias
percorridas pelos funcionários. Com a exceção de um, todos os valores são menores do que
28 km.
4
Denominados de outliers em estatística.

Mediana amostral
Dados ordenados: 3 4 9 12 120
A mediana está na posição pos = 5/2 = 2,5 ≈ 3 (3ª posição), portanto Md = 9.
Mesmo com o valor alto de 120 km, a mediana permaneceu em 9 km. Dizemos, então, que a
mediana foi pouco influenciada pelo valor atípico.
• Moda
A moda, denotada por Mo, é o valor que ocorre com mais freqüência no conjunto de dados. Em
uma empresa, por exemplo, o salário modal dos empregados seria o salário mais comum, isto
é, o salário recebido pelo maior número de empregados.
No EXEMPLO 02, só temos uma moda (Mo = 12 km), mas algumas vezes podemos ter
conjuntos de dados com mais de uma moda:
3, 4, 4, 4, 9, 10, 12, 12, 12 → Mo = 4 e 12 (bimodal)

3, 4, 4, 4, 9, 10, 10, 10, 12, 12, 12 → Mo = 4, 10 e 12 (trimodal)
ou mesmo não ter moda

3, 4, 9, 10, 12 → amodal (não tem moda)
• Média aparada de k%
É a média simples dos dados que permanecem, quando k% das observações ordenadas são
removidas (aparadas) de cada extremidade. A média aparada, denotada por x ap , é uma
medida de posição central que procura ser menos sensível aos valores atípicos (tal como era a
mediana).
O procedimento formal para obter a média aparada de k% é:

• Ordene o conjunto de dados em ordem crescente;
• Calcule T = k⋅⋅n/100, quantidade de valores a serem retirados de cada extremidade;
• Arredonde o valor de T para um número inteiro;
• Retire os T menores valores e também os T maiores valores;
• Calcule a média aritmética simples dos valores que permaneceram
EXEMPLO 06 - Os dados abaixo são as idades de vinte alunos de uma sala de aula.
8, 75, 21, 19, 18, 21, 19, 20, 21, 19, 19, 20, 22, 21, 21, 20, 19, 19, 21, 19
Vamos considerar que de fato há um aluno com 75 anos e que o valor 8 foi erro de digitação.
Calcule a média aparada de 10%.
Solução ------------------------------------------------------------------------------------------------------------------
Dados ordenados:
8, 18, 19, 19, 19, 19, 19, 19, 19, 20, 20, 20, 21, 21, 21, 21, 21, 21, 22, 75
Como queremos média aparada de 10%, a quantidade de valores que devem ser retiradas de
cada extremidade é
T = 10⋅20/100 = 2 valores (= 10% de 20)

Os valores retirados são: 8, 18, 22 e 75.
19 + 19 + L + 21 319
A média aparada é x ap = = = 19,9 anos
16 16
• Média ponderada
É a média das observações x1, x2, ..., xn levando em consideração seus respectivos pesos w1,
w2, ..., wn. A média ponderada, denotado por x p , é dada por:
n
∑w xi =1
i i
w 1x 1 + w 2 x 2 + L + w n x n
xp = =
n w1 + w 2 + L + w n
∑w
i =1
i
EXEMPLO 07 - Um professor aplicou quatro avaliações com os seguintes pesos 1, 2, 4

e 8. Um aluno tirou as seguintes notas nessas avaliações 20, 25, 28 e 10. Qual a média das
notas ponderadas pelos pesos das provas?
Solução ---------------------------------------------------------------------------------------------
Nota (xi) 20 25 28 10
Peso (wi) 1 2 4 8
∑w x
i =1
i i
1 ⋅ 20 + 2 ⋅ 25 + 4 ⋅ 28 + 8 ⋅ 10
Média ponderada: x p = = = 17,47 pontos
n 1+ 2 + 4 + 8
∑w
i =1
i
Sem levar em consideração os pesos de cada prova, a nota média seria igual a 20,75 pontos,
maior que os 17,47 pontos obtidos pela ponderação. O motivo dessa queda é que o aluno tirou
uma nota muito baixa em uma prova com maior peso.
Uma maneira mais prática de calcular a média ponderada é trabalhar com os dados dispostos
em uma tabela.
(1) (2) (3)

wi⋅xi
n
xi wi
20 1 20 ∑w x
i =1
i i
262
25 2 50 x p == n
= = 17,47 pts
15
28
10
4
8
112
80 ∑wi =1
i
- ∑wi = 15 ∑wi⋅xi = 262
Observação:
Se os pesos (wi) forem todos iguais, então a média ponderada será igual a média aritmética
simples. Por exemplo, se wi = k, então:
kx + kx 2 + L + kx n k (x 1 + x 2 + L + x n ) x 1 + x 2 + L + x n
∑x i =1
i
xp = 1 = = = =x
k + k +L+ k n⋅k n n
Estatística Básica − 10 − prof. José Aguinaldo

• Média geométrica
A média geométrica dos n valores (positivos) x1, x2, ..., xn é a raiz n-ésima do produtos destes n
valores. A média geométrica, denotada por x g , é calculada algebricamente por:
xg = n x1 ⋅ x 2 ⋅L ⋅ x n
Por exemplo, a média geométrica dos valores 8, 5, 3, 6 é
xg = 4 8⋅5⋅3⋅6 = 4
720 = 5,18
Aplicação:
A média geométrica mede a taxa média de variação de uma variável ao longo do tempo, por
exemplo, um crescimento médio de juros compostos com taxas variáveis ao longo de um
período ou uma taxa média de retorno de um investimento ao longo do tempo.
EXEMPLO 08 - O faturamento de uma empresa cresceu 30% em 2005, 26% em 2006,

48% em 2007 e 15% em 2008. Em média, cresceu quanto por ano? Use a média geométrica
para obter esta taxa média de crescimento do faturamento.
Solução ------------------------------------------------------------------------------------------------------------------
Se houve crescimento de 30%, 26%, 48% e 15% nos faturamentos, então os faturamentos de
cada ano foram multiplicados por 1,30, 1,26, 1,48 e 1,15, respectivamente. Vamos calcular,
então, a média geométrica dos valores 1,30, 1,26, 1,48 e 1,15.
x g = 4 1,30 ⋅ 1,26 ⋅ 1,48 ⋅ 1,15 = 4 2,78788 = 1,2922
A média geométrica da taxa de crescimento do faturamento no período estudado (2005 – 2008)

é de 29,22%.
A tabela a seguir mostra a evolução dos faturamentos ao longo do período para o exemplo
anterior, partindo de um faturamento de R$ 100 antes de 2005,
Evolução dos faturamentos partindo de um valor

inicial de R$ 100
Ano Taxa Faturamento
100 reais
2005 30% 100 * 1,30 = 130,0
2006 26% 130,0 * 1,26 = 163,8
2007 48% 163,8 * 1,48 = 242,4
2008 15% 242,4 * 1,15 = 278,8
Se usássemos a média geométrica obtida (29,22%) para cada ano teríamos o mesmo
faturamento em 2008
F2008 = 100 * (1,2922 ) * (1,2922 ) * (1,2922 ) * (1,2922 ) = 100 * (1,2922 ) 4 = 278,8 reais

Note que chegamos aos mesmos 278,8 em 2008 na tabela anterior. Esta é a finalidade das
médias - obter o mesmo efeito produzido pelos valores individuais. Caso usássemos a média
aritmética simples das taxas, a taxa média seria de 29,75% (ligeiramente maior que a média
geométrica).
30 + 26 + 48 + 15
x= = 29,75 %
4
Estes 29,75% produziriam um faturamento de R$ 283,4 em 2008, diferente dos R$ 278,8
esperados.
F2008 = 100 * (1,2975 ) 4 = 283, 4
• Média harmônica
A média harmônica equivale ao inverso da média aritmética dos inversos de n valores. Se

temos n valores x1, x2, ..., xn, a média harmônica, denotada por x h , é calculada
algebricamente por:
n 1
xh = = n
1 1 1
+ +L+
∑
1
x1 x 2 xn x i =1 i
Por exemplo, a média harmônica dos valores 8, 5, 3, 6 é
4 4
xh = = = 4,848
1 1 1 1 0,8250
+ + +
8 5 3 6
5
Aplicação :
Problemas envolvendo média de velocidades, vazões, taxas e freqüências são, em geral,
resolvidos com a média harmônica. Por exemplo, ao percorrer um mesmo trajeto a 60 km/h na
ida e a 40 km/h na volta, sua velocidade média no percurso não será a média aritmética entre
as velocidades (50 km/h), mas sim a média harmônica, que é igual a 48 km/h.
Algumas observações
a) Comparação entre as médias aritmética, geométrica e harmônica.
É importante destacar que em todas as médias o resultado sempre estará entre o maior e o
menor número dado no conjunto e que para ara os mesmos valores, a média aritmética terá o
maior valor, seguida da média geométrica e depois a média harmônica. Resumidamente, se
xmin e xmax é, respectivamente, o menor e maior valor do conjunto de dados, então temos que:
x mi ≤ x h ≤ x g ≤ x ≤ x max
b) Propriedades da média aritmética simples

Suponha que os dados do conjunto x = {x1, x2,..., xn} têm uma média x:
(1) Somando-se (ou subtraindo-se) uma constante a de todos os valores de uma variável, a
média do conjunto fica aumentada (ou diminuída) dessa constante.
Se y i = xi ± a ⇒ y = x±a
5
José Luiz Pastore Mello, mestre em ensino de matemática pela USP e professor do Colégio Santa Cruz
em especial para folha de São Paulo.

(2) Multiplicando-se (ou dividindo-se) todos os valores de uma variável por uma constante b,
a média do conjunto fica multiplicada (ou dividida) dessa constante.
Se yi = bxi ⇒ y = bx
(3) Combinando as propriedades (1) e (2), temos:
Se yi = bxi ± a ⇒ y = bx ± a
(4) A soma dos desvios de cada valor xi em torno da média é sempre zero, ou seja,
n
∑ d i = 0 , onde d i = x i − x .
i =1
EXEMPLO 09 - Considere o conjunto X = {1, 2, 3, 3, 4, 5}, cuja média é x = 3.

a) Qual a soma dos desvios de cada valor xi em relação à média x ?
b) Se cada valor xi for somado o valor 6, qual será a média dos ‘novos’ valores?
c) Se cada valor xi for multiplicado pelo valor 4, qual será a média dos ‘novos’ valores?
Solução ------------------------------------------------------------------------------------------------------------------
Vamos aplicar as propriedades vistas acima.
a) A soma dos desvios de cada valor xi em relação à média é SEMPRE zero. Se di é o

desvio, então Σdi = 0 (veja a coluna 2 da tabela abaixo).
b) Se yi = xi + 6, então y = x + 6 = 3 + 6 = 9 (veja a coluna 3 da tabela abaixo).
c) Se yi = 4*xi, então y = 4 * x = 4*3 = 12 (veja a coluna 4 da tabela abaixo).
(1) (2) (3) (4)

xi di = xi − x yi = xi + 6 yi = 4*xi
1 -2 7 4
2 -1 8 8
3 0 9 12
3 0 9 12
4 1 10 16
5 2 11 20
média = 3 soma = 0 média = 9 média = 12
EXEMPLO 10 - O salário médio de 20 funcionários é 800 reais. Cada funcionário

recebeu um aumento de 20%, determine o salário médio após o aumento.
Solução ------------------------------------------------------------------------------------------------------------------
Se cada funcionário recebeu um aumento de 20%, então seu salário foi multiplicado por 1,20.
Portanto, o salário médio após o aumento é de 960 reais (= 800 * 1,20) pela propriedade 3.

2.2 − Medidas de posição central para dados agrupados em tabelas de

freqüência
2.2.1 − Dados agrupados em tabelas de freqüência sem classe
• Média
Em tabelas de freqüência sem intervalos de classe, as freqüências (absoluta ou relativa) de

cada valor xi da variável funcionam como fatores de ponderação, já que elas podem ser vistas
como indicadores da intensidade de cada valor da variável.
Por esse motivo, o cálculo de uma média amostral é bem parecido com o cálculo da média
ponderada, tendo as freqüências como pesos dos valores.
[x i f i ] ∑
x=
fi ∑
onde xi = i-ésimo valor da variável
fi = freqüência de xi
Σ fi = n tamanho da amostra
EXEMPLO 11 - A tabela abaixo mostra a distribuição do o número de filhos para uma

amostra de 20 funcionários. Calcule o número médio de filhos desses funcionários.
Quantidade de
Número de
funcionários
Filhos
(fi)
0 5
1 7
2 5
3 2
4 1
Solução ------------------------------------------------------------------------------------------------------------------
Para facilitar o cálculo da média, vamos acrescentar coluna xifi que é o produto de cada valor xi
pela sua respectiva freqüência fi.
xi fi xifi Da tabela ao lado temos: ∑fi = 20 e ∑[xifi] = 27.

Portanto,
0 5 0
1 7 7 ∑ [xi f i ] 27
x= = = 1,35 filho
2
3
5
2
10
6 ∑ fi 20
4 1 4
Obs: Pode parecer estranho dizer 1,35 filho, mas esse valor é uma
Total ∑fi = 20 ∑xifi = 27 média. Seria estranho dizer que uma família, em específico, tem
1,35 filho.

• Mediana
O cálculo da mediana para dados agrupados é bem semelhante àquele utilizado em dados
não-agrupados. Só vamos acrescentar a freqüência acumulada (Fi) para agilizar a localização
da mediana na tabela.
Procedimento
• Determine a freqüência absoluta acumulada (Fi);

• Calcule pos = n 2 que é a posição da mediana (lembre-se: n = Σfi)
• Localize a mediana como sendo o valor, cuja com freqüência acumulada (Fi) é
imediatamente superior à posição pos da mediana;
Observação:
No caso de existir uma freqüência acumulada Fi exatamente igual a pos = n/2, a mediana será
igual a média entre dois valores da variável. Um destes valores corresponderá ao Fi e o outro
valor corresponderá ao Fi seguinte.
EXEMPLO 12 - Volte ao exemplo anterior e calcule a mediana do número de filhos dos

funcionários.
Solução ------------------------------------------------------------------------------------------------------------------
xi fi Fi A posição da mediana é pos = n/2 = 20/2 = 10

0 5 5
Da tabela vemos que a mediana é o valor 1 (um),
1 7 12
visto que a freqüência absoluta acumulada é 12
2 5 17
(imediatamente superior a pos =10).
3 2 19
4 1 20
Portanto, a mediana é Md = 1 filho
Total ∑ fi = 20 --
EXEMPLO 13 - Calcule a mediana da variável X na tabela abaixo.
Solução ------------------------------------------------------------------------------------------------------------------
xi fi Fi
0 4 5 A posição da mediana é pos = n/2 = 20/2 = 10
1 6 10 Como existe uma Fi = 10, então
2 7 17
3 2 19 Md = (1+2)/2 = 1,5 filho
4 1 20
Total ∑fi = 20 -- Portanto, a mediana é Md = 1,5 filho

• Moda
A moda é o valor da variável com maior freqüência (absoluta ou relativa).
EXEMPLO 14 - Volte ao EXEMPLO 11 e obtenha a moda do número de filhos desses

funcionários.
Solução ------------------------------------------------------------------------------------------------------------------
xi fi Da tabela vemos que a moda é o valor 1 (um), visto que ele

0 5 apresenta uma freqüência absoluta (fi = 7)
1 7
2 5 Portanto, a moda é Mo = 1 filho.
3 2
4 1
Total ∑fi = 20

2.2.2 − Dados agrupados em tabelas de freqüência com classe
• Média
Em tabelas de freqüência com intervalos de classe, as freqüências (absoluta ou relativa)

também funcionam como fatores de ponderação dos valores da variável. Mas é aí que está o
problema, qual valor do intervalo deverá ser usado?
Como estamos trabalhando com intervalos, temos de decidir qual valor usar para a variável em
cada classe. Se optar por trabalhar com o limite inferior das classes, a média tende a ser
subestimada (ser menor do que realmente é), por outro lado, se optar por trabalhar com o limite
superior das classes, a média tende a ser superestimada (ser maior do que realmente é). Para
evitar a subestimação e superestimação da média, assumimos que os valores estão
distribuídos de forma uniforme dentro da classe e calculamos o ponto médio xi de cada classe.
O cálculo da média é:
[x i f i ]∑
x=
fi ∑
onde: xi e fi são o ponto médio e a freqüência absoluta da classe i
Σ fi = n é o tamanho da amostra
EXEMPLO 15 - A tabela abaixo mostra a distribuição dos salários (em salários-

mínimos) para uma amostra de 20 funcionários. Calcule o salário médio desses funcionários.
TABELA - Salários dos funcionários

Quantidade de
Salários
funcionários
(em SM)
fi
4,0 | 8,0 5
8,0 | 12,0 7
12,0 | 16,0 4
16,0 | 20,0 3
20,0 | 24,0 1
Solução ------------------------------------------------------------------------------------------------------------------
Complete a tabela acrescentando uma coluna com o ponto médio de cada classe (xi) e uma
coluna com o produto x i f i .
Salários xi fi xifi Da tabela ao lado temos:

4,0 | 8,0 6 5 30 ∑fi = 20 e ∑[xifi] = 232.
8,0 | 12,0 10 7 70
12,0 | 16,0 14 4 56 Portanto,
16,0 | 20,0 18 3 54 ∑ [x i f i ] 232
20,0 | 24,0 22 1 22 x= = = 11,6 SM
Total --- ∑ = 20 ∑ = 232 ∑ fi 20

• Mediana
Para obter a mediana em dados agrupados com classe, o procedimento é o seguinte:

• Calcule pos = n 2 que é a posição da mediana (lembre-se: n = Σ fi)
• Localize a classe mediana como sendo a classe com a freqüência acumulada (Fi)
imediatamente superior à posição pos da mediana;
• Calcule a mediana usando um dos dois métodos abaixo:
l+L
Mediana bruta Md = (ponto médio da classe mediana)
2
n 
 − Fant 
2 
Método da interpolação linear Md = l + ⋅ (L − l )
fi
onde,
fi , l e L = freqüência absoluta, limite inferior e superior da classe mediana,
respectivamente.
Fant = freqüência absoluta acumulada anterior à classe mediana.
classes fi Fi
...
f ant Fant
l 
| L fi Fi
classe mediana ...
f pos Fpos
Observação:
No caso de existir uma freqüência acumulada Fi exatamente igual a pos = n 2 , a mediana
será o limite superior da classe correspondente.
EXEMPLO 16 - Volte ao exemplo anterior e calcule a mediana dos salários dos

funcionários. Use a mediana bruta e a mediana por interpolação linear.
Solução ------------------------------------------------------------------------------------------------------------------
Vamos completar a tabela obtendo a freqüência acumulada (Fi).
Salários fi Fi A posição da mediana é pos = n/2 = 20/2 = 10. A

4,0 | 8,0 5 5 classe mediana é a classe 8 | 12, pois a sua
8,0 | 12,0 7 12 freqüência acumulada é 12 (imediatamente
12,0 | 16,0 4 16 superior a pos =10). Então, da tabela temos:
16,0 | 20,0 3 19
20,0 | 24,0 1 20 l = 8, L = 12, f i = 7 e Fant = 5
Total ∑ = 20 --
Mediana bruta Método da interpolação linear
Md =
8 + 12
= 10 SM Md = 8 +
(10 − 5) ⋅ (12 − 8) = 10,86 SM
2 7

• Moda
A moda em uma tabela de freqüência com classe provavelmente está dentro da classe com a
maior freqüência. Essa classe é denominada de classe modal.
Identificar a classe modal e calcule a moda usando um dos dois métodos abaixo:
l+L
Moda bruta Mo =
2
⋅ (L − l )
D1
Método de Czuber Mo = l +
D1 + D 2
f pos
Método de King Mo = l + ⋅ (L − l )
f ant + f pos
Mo = 3 ⋅ Md − 2 ⋅ x
6
Método de Pearson
onde,
x e Md = média e mediana amostral;

D1 = f i − f ant ; classes fi
D 2 = f i − f pos ;
...
l e L = limite inferior e superior da classe modal; f ant
f i = freqüência absoluta da classe modal; l 
| L fi
f ant = freqüência absoluta da classe anterior à classe modal ...
f pos
classe modal;
f pos = freqüência absoluta da classe posterior à
classe modal.
EXEMPLO 17 - Usando os dados do EXEMPLO 15, calcule a moda dos salários

desses funcionários usando os quatros métodos descritos acima.
Solução ------------------------------------------------------------------------------------------------------------------
A classe modal é a 8 | 12 (segunda classe), pois ela apresenta a maior freqüência absoluta
(fi = 7).
Salários fi As informações que precisamos para calcular a

4,0 | 8,0 5 moda são:
8,0 | 12,0 7 l = 8, L = 12, f i = 7, f ant = 5, f pos = 4
12,0 | 16,0 4
16,0 | 20,0 3 D1 = f i − f ant = 7 - 5 = 2
20,0 | 24,0 1
D 2 = f i − f pos = 7 - 4 = 3
Total ∑ = 20
6
O método de Pearson fornece boa aproximação para o cálculo da moda quando a distribuição analisada
apresenta uma razoável simetria em torno da média. Algumas outras relações também são interessantes, a
partir desse método. Por exemplo, Md = (Mo + 2 ⋅ x ) 3 ou x = (3 ⋅ Md − Mo ) 2 .

Método de Czuber
⋅ (L − l ) ⋅ (12 − 8) = 9,6 SM
D1 2
Mo = l + → Mo = 8 +
D1 + D 2 2+3
Método de King
f pos
⋅ (L − l ) ⋅ (12 − 8) = 9,8 SM
4
Mo = l + → Mo = 8 +
f ant + f pos 5+4
Método de Pearson
Mo = 3 ⋅ Md − 2 ⋅ x → Mo = 3 ⋅ (10,86) − 2 ⋅ (11,6 ) = 9,4SM
Lembre-se de que Md = 10,86 e x =11,6 foram obtidos nos exemplos anteriores.

2.3 - Exercícios propostos
EXERCÍCIO 01 - Abaixo temos os saldos (em 100 reais) na conta corrente do Sr. DJ nos
últimos seis meses. Considerando estes dados como amostra, calcule a média amostral, a
mediana e a moda.
-1,0 -3,0 5,0 1,0 -1,0 5,0
EXERCÍCIO 02 - Uma amostra de 10 funcionários da empresa XYZ foi escolhida e registrada

a distância em km que esses funcionários percorrem até chegar à empresa.
x = distância percorrida = {13, 5, 15, 9, 3, 15, 9, 12, 15, 7}
a) Desenhe um gráfico de pontos para os dados acima.

b) Qual a distância média percorrida pelos funcionários?
c) Qual a mediana e a moda da distância percorrida pelos funcionários?
d) Um funcionário que percorre 20 km foi acrescentado à amostra acima, mas vamos
supor que o responsável pela entrada de dados errou na digitação e acabou
registrando 200. Calcule novamente as medidas estatísticas que você calculou em ‘b’ e
‘c’. O que você reparou?
e) Vamos imaginar que uma obra está sendo feito na estrada que leva à empresa XYZ,
de forma que cada funcionário teria que percorrer mais 1,25 km para chegar à
empresa. Calcule a distância média percorrida por esses funcionários considerando
essa obra agora.
EXERCÍCIO 03 - Um vendedor percorre um mesmo trajeto a 100 km/h na ida e a 60 km/h na

volta. Qual a velocidade média harmônica desenvolvida pelo vendedor neste trajeto ida-volta?
EXERCÍCIO 04 - Sabendo que X é um conjunto de valores com média x = 5, calcule a média

do conjunto Y = (X − 10) + 6 . DICA: Utilize as propriedades da média.
4
5
EXERCÍCIO 05 - Um jornal anunciou que uma pessoa gasta, em média, 45 minutos por dia
ouvindo música (The Des Moines Register, 5 de Dezembro de 1997). Os seguintes dados
foram obtidos para o número de minutos gastos ouvindo música em uma amostra de 30
indivíduos.
88,3 4,3 4,6 7 9,2 0 99,2 34,9 81,7 0

85,4 0 17,5 45 53,3 29,1 28,8 0 98,9 64,5
4,4 67,9 94,2 7,6 56,6 52,9 145,6 70,4 65,1 63,6
a) Calcule o tempo médio que estes indivíduos amostrados ouvem música. Os dados
amostrados são coerentes com a média populacional anunciada pelo jornal?
b) Calcule a mediana do tempo ouvindo música
EXERCÍCIO 06 - Considere os salários de 4 funcionários de um setor.
x = salário em reais = {800, 700, 900, 15000},

a) Calcule a média amostral e a mediana amostral e diga qual dessas medidas
estatísticas “melhor” representa os salários desses funcionários.
b) Troque o valor de 15000 por 150000 e compare as mudanças ocorridas na média e na
mediana.

EXERCÍCIO 07 - Calcule a média aparada de 5% para os dados abaixo, que se referem a

distância percorrida até a empresa para uma amostra de 20 funcionários.
x = {5, 6, 6, 2, 2, 2, 3, 3, 3, 8, 8, 8, 8, 9, 9, 9, 15, 13, 15, 11}
EXERCÍCIO 08 - Dona Maria foi à feira e encontrou batatas a R$ 1,50 o quilo e resolveu
comprar 8 kg de batatas. Andando mais um pouco pela feira, ela encontrou batatas a R$ 1,00
kg e comprou mais 4 kg. No caminho de casa, notou que a quitanda do Sr. Manoel estava
vendendo as batatas por R$ 0,60 e resolveu comprar mais 15 kg (vai gostar de batata, hein!).
Qual foi o preço médio que Dona Maria pagou pelo quilo da batata?
Preço Quilo
(xi) (wi)
1,50 8
1,00 4
0,60 15
EXERCÍCIO 09 - (Bussab e Morettin, modificado) A tabela abaixo mostra a distribuição dos

frangos de uma granja em relação ao peso (em gramas). Calcule a mediana dos pesos dos
frangos desta granja e escreva uma frase interpretando o valor obtido.
Quantidade
Peso
de frangos
(em gramas)
fi
960 | 980 60
980 | 1000 160
1000 | 1020 280
1020 | 1040 260
1040 | 1060 160
1060 | 1080 80
EXERCÍCIO 10 - De uma amostra de 500 divórcios ocorridos em uma cidade, foi registado a
duração do casamento (em anos). Os dados estão na tabela abaixo.
a) Qual a duração média dos casamentos?

b) Qual é a moda (por Czuber) e a mediana (por interpolação linear) da
duração dos casamentos?
Anos de Quantidade de
casamentos divórcios (fi)
0 | 6 280
6 | 12 140
12 | 18 60
18 | 24 15
24 | 30 5

EXERCÍCIO 11 - Numa amostra de 150 candidatos ao vestibular, foi registrado o número de

vestibulares prestados por cada um até aquele momento. Assim, pela tabela vemos que 75
candidatos prestaram vestibular uma única vez e assim por diante.
a) Qual o número médio de vestibulares prestados pelos candidatos?

b) Qual é a moda e a mediana do número de vestibulares prestados pelos
candidatos?
Número de Quantidade de
vestibular candidatos
prestado (fi)
1 75
2 47
3 21
4 7
EXERCÍCIO 12 - O histograma abaixo mostra a distribuição das notas finas de uma turma da
disciplina de Introdução à Estatística. O eixo vertical representa a quantidade de aluno.
Obtenha as seguintes medidas estatísticas: nota média, nota mediana (por interpolação linear),
moda (por Czuber) das notas.
30
24
Quantidade de alunos (fi)
20
11
10
6
5 5
4
3
2
0
20 30 40 50 60 70 80 90 100
Notas

Medidas de
Variabilidade
Unidade 03 – Medidas Estatísticas
3 − Medidas de Variabilidade
3.1 − Introdução
A medida de dispersão ou de variabilidade procura “medir” o quanto os valores de um conjunto

de dados estão afastados ou dispersos em relação a uma medida central, normalmente a
média aritmética. As medidas de posição central (média, mediana, etc) vistas anteriormente,
não conseguem sozinhas descrever bem uma distribuição de valores. Considere a quantidade
de gols feitos por dois times nos últimos sete campeonatos nacionais.
Time A: 80, 78, 80, 85, 75, 85, 80 3 4 5 6 7 8 90

9 100
10
30 40 50 60 70 80
Time B: 50, 78, 67, 85, 88, 94, 98 3 4 5 6 7 8 90

9 100
10
30 40 50 60 70 80
Cada time fez, em média, 80 gols em cada ano, nos levando a crer que ambos os times
tiveram desempenhos iguais nos últimos sete campeonatos. Analisando a quantidade de gols
marcados pelos times, notaremos que essa quantidade varia de 75 a 85 gols no time ‘A’,
enquanto que a do time ‘B’ varia de 50 a 98 gols, e com essa análise da variação na
quantidade de gols marcados podemos ver que o desempenho é bem distinto de ambos os
times.
Para quantificar a variação presente em um conjunto de dados, temos de nos valer das
medidas de dispersão ou de variabilidade. As medidas usuais são:
Medidas de dispersão absoluta

Desvio-padrão
Variância
Amplitude
Desvio médio absoluto
Medidas de dispersão relativa

Coeficiente de variação

3.2 − Medida de variabilidade para dados brutos
As medidas abaixo se referem aos dados brutos, ou seja, dados não agrupados em tabelas de
freqüência.
• Amplitude
A amplitude amostral é diferença entre o maior e o menor valor do conjunto de dados.
At = Máximo − Mínimo
Para o conjunto x = {9, 4, 5, 10, 7} a amplitude amostral será:
At = 10 − 4 = 6
É a medida mais simples de dispersão. Quanto maior for a amplitude, mais afastados estão os
valores (maior dispersão ou variabilidade). A amplitude será sempre maior ou igual a zero,
NUNCA negativa.
Apesar de sua simplicidade, a amplitude deixa um pouco a desejar, principalmente quando

temos grandes conjuntos de dados, pois ela só leva em consideração os valores extremos
(mínimo e máximo) de um conjunto, deixando de lado os valores intermediários.
EXEMPLO 18 - Calcule a amplitude dos dois conjuntos abaixo.
x = {7, 7, 4, 7, 10} y = {9, 4, 5, 10, 7}
Solução ------------------------------------------------------------------------------------------------------------------
Os dois conjuntos abaixo têm mesma amplitude, deixando a entender que ambos têm a
mesma variabilidade, mas o que vemos pelo diagrama de pontos é que a variabilidade não é
igual (é maior no conjunto y).
x = {7, 7, 4, 7, 10} At = 6
3 4 5 6 7 8 9 10 11 12
y = {9, 4, 5, 10, 7} At = 6
3 4 5 6 7 8 9 10 11 12
A amplitude tem grande aplicação na área de controle de qualidade ou em situações onde
desejamos uma rápida medida de variabilidade dos dados.

• Desvio médio absoluto
O grande inconveniente da amplitude é que ela usa apenas os valores extremos dos dados,
deixando de lado os demais valores. Uma medida que considera todos os valores do conjunto
seria mais interessante e mais justo para representar a variabilidade dos dados.
O desvio médio absoluto, representado por DMA, é uma das medidas de dispersão que leva
em consideração todos os valores do conjunto. O DMA analisa a dispersão dos dados em torno
de um valor central, representado pela média aritmética. O desvio médio absoluto é dado pela
fórmula abaixo:
n
∑x
i =1
i −x
x1 − x + x 2 − x + L + x n − x
DMA = =
n n
onde
xi = i-ésimo valor da variável
n = número de valores (tamanho da amostra)
x i − x = módulo do desvio de xi em relação à média
Como se vê, o desvio médio absoluto pode ser visto como uma média do afastamento dos
valores em relação à média do conjunto. Quanto maior o DMA, mais afastados os valores
estarão da média, portanto maior será a variabilidade. O DMA é uma medida sempre maior ou
igual à zero, NUNCA negativa.
EXEMPLO 19 - Calcule o desvio médio absoluto dos dois conjuntos de dados abaixo.
x = {7, 7, 4, 7, 10} y = {9, 4, 5, 10, 7}
Solução ------------------------------------------------------------------------------------------------------------------
O modo mais prático de calcular o desvio médio absoluto é formar uma tabela com os valores e
calcular o módulo dos desvios em torno da média. Veja abaixo como ficariam os cálculos.
Conjunto x Conjunto y
xi x −x i xi − x yi y i
−y yi − y
7 0 0 9 2 2
7 0 0 4 -3 3
4 -3 3 5 -2 2
7 0 0 10 3 3
10 3 3 7 0 0
- ∑=0 ∑=6 - ∑=0 ∑ = 10
n n
∑i =1
xi − x
6
∑y
i =1
i −y
10
DMAX = = = 1,2 DMAY = = = 2,0
n 5 n 5
Como o DMAY foi maior que o DMAX, conclui-se que o conjunto y apresenta maior variabilidade
em seus valores do que o conjunto x.

Apesar de usar todos os valores do conjunto e resolver aquele “problema” apresentado pela
amplitude, o desvio médio absoluto também apresenta alguns pontos fracos, dentre eles:
• O DMA é bastante influenciado pelos valores atípicos (outliers);
• Pelo fato de trabalhar com o módulo, certas propriedades estatísticas do DMA são
7
difíceis de serem verificadas .
•
2
Variância amostral (s ) e desvio-padrão amostral (s)
2
A variância amostral, representada por s , é uma medida de variabilidade baseada nos desvios
de cada valor em torno da média. Como esses desvios podem assumir valores positivos e
negativos, a soma de todos eles será sempre zero. Para evitar que a soma dê sempre zero, a
8
variância trabalha com os desvios elevados ao quadrado . A variância é dada pela fórmula
abaixo:
n
∑ (x
i =1
i − x )2
s2 =
n −1
onde
n
∑ (xi =1
i − x )2 = (x 1 − x )2 (x 2 − x )2 + L + (x n − x )2 (soma dos desvios ao quadrado)
A variância é uma média dos desvios ao quadrado. Quanto maior a variância, mais afastados
os valores estarão da média, portanto maior será a variabilidade dos valores. A variância é uma
medida sempre maior ou igual a zero, NUNCA negativa.
EXEMPLO 20 - Calcule a variância dos dois conjuntos de dados abaixo.
x = {7, 7, 4, 7, 10} y = {9, 4, 5, 10, 7}
Solução ------------------------------------------------------------------------------------------------------------------
O modo mais prático é também formar uma tabela com os valores,
Conjunto x Conjunto y
xi x −x i (x i − x ) 2 yi y i
−y (y i − y)2
7 0 0 9 2 4
7 0 0 4 -3 9
4 -3 9 5 -2 4
7 0 0 10 3 9
10 3 9 7 0 0
- ∑=0 ∑ = 18 - ∑=0 ∑ = 26
n n
∑ (x i − x )2
i =1 18
∑ (y
i =1
i − y )2
26
s 2x = = = 4,5 s 2y = = = 6,5
n −1 5 −1 n −1 5 −1
2 2
Como o s X foi menor que o s Y , conclui-se que o conjunto x apresenta menor variabilidade em
seus valores do que o conjunto y (os valores de x estão mais homogêneos em torno da média).
7
Verificar se um estimador é não-viciado e com menor variabilidade.
8
O DMA calcula o módulo de cada desvio, em vez de elevar cada desvio ao quadrado.

Pelo fato de trabalhar com os desvios elevados ao quadrado, a unidade de medida da variância
é também elevada ao quadrado também. Por exemplo, se conjunto x do exemplo anterior se
2
referir à idade (em anos) de cinco crianças, então a variância será igual a 4,5 anos . Se o
conjunto se referir ao salário (em mil reais) de cinco funcionários, então a variância será igual a
2
4.500 reais e, por fim, se o conjunto se referir ao número de filhos de cinco famílias, então a
2
variância será igual 4,5 filhos .
Fica difícil ter alguma interpretação prática para a variância, já que sua unidade de medida não
é a mesma dos dados originais. Para resolver essa pequena inconveniência, bastou tirar a raiz
quadrada do valor da variância, dessa forma, surgiu o desvio-padrão.
O desvio-padrão amostral, representada por s, é apenas a raiz quadrada da variância. Portanto

sua fórmula é dada por:
n
∑ (x
i =1
i − x )2
s = variância → s=
n −1
EXEMPLO 21 - No exemplo anterior, calcule o desvio-padrão dos dois conjuntos de

dados.
Solução ------------------------------------------------------------------------------------------------------------------
O desvio-padrão do conjunto x é s x = 4,5 = 2,12

O desvio-padrão do conjunto y é s y = 6,5 = 2,55
Quanto maior o valor do desvio-padrão, mais afastados os valores estarão da média, portanto
maior será a variabilidade dos valores. A unidade de medida do desvio-padrão é a mesma
unidade dos dados originais. Por exemplo, se conjunto x do exemplo anterior se referir à idade
(em anos) de cinco crianças, então o desvio-padrão será igual a 2,12 anos e, por fim, se o
conjunto se referir ao salário (em mil reais) de cinco funcionários, então o desvio-padrão será
igual a 2.120 reais.
O que de fato é o desvio-padrão?
Essa é a pergunta mais freqüente do aluno. O que podemos dizer é que o desvio-padrão é
uma medida do quanto os valores estão afastados da média (ou uns dos outros para ser mais
fácil de entender), sua utilidade é mais visível quando ele é usado para comparar a
variabilidade entre diversos conjuntos de valores. Por exemplo, suponha alguém esteja
interessado em um emprego oferecido por duas pelas empresas. O resumo dos salários
dessas empresas está na tabela abaixo:
Desvio-padrão
Empresa Salário médio
dos salários
A 1500 reais 50 reais
B 1500 reais 250 reais
O salário médio de ambas as empresas é 1500 reais, então a pessoa interessada deve estar
ciente de que o seu salário vai girar em torno desse valor. Analisando o desvio-padrão, vemos
que a variabilidade dos salários na empresa ‘A’ é muito menor indicando que os salários dessa
empresa estão bem próximos de 1500 do que os salários da empresa ‘B’. Então, se a escolha
não fosse influenciada por outros fatores (plano de carreira, plano de saúde, vale refeição, etc),
a empresa ‘A’ seria mais interessante do que a ‘B’.

CASO PARTIULAR: Variância e desvio-padrão populacional
Por outro lado, quando trabalhamos com os dados de uma população (o que não é tão comum
assim na prática), a variância passa a ser denominada de variância populacional e é
denotado pelo símbolo σ (leia-se sigma ao quadrado). Na realidade, o cálculo é semelhante ao
2
cálculo da variância amostral, com exceção de que no denominador não há a subtração do

valor 1. A fórmula da variância populacional é:
∑ (x
i =1
i − µ )2
σ2 =
N
onde
xi = i-ésimo valor da variável X
µ = média populacional
N = amanho da população
O desvio-padrão populacional é denotado por σ é calculado por:
∑ (xi =1
i − µ )2
σ=
N
EXEMPLO 22 - Imagine uma pequena região fictícia com apenas 8 famílias. Abaixo
estão listados as renda (em reais) destas famílias.
450 560 550 300 620 400 500 580
Assumindo que esta região é a sua população de interesse, calcule a desvio-padrão

populacional destas famílias.
Solução ------------------------------------------------------------------------------------------------------------------
∑x
i =1
i
450 + 560 + L + 580 3960
Média populacional: µ = = = = 495 reais
N 8 8
Desvio-padrão populacional:
∑ (x
i =1
i − µ )2
(450 − 495)2 + (560 − 495)2 + L + (580 − 495)2 79200
σ= = = = 99,50
N 8 8
O desvio-padrão populacional das rendas é 99,50 reais.
Por que na variância amostral a divisão é por n - 1 e não por n?
Quando temos os dados de toda a população, o cálculo da variância é feito dividindo a soma
dos desvios ao quadrado pelo tamanho da população N, obtendo, então, uma média desses
desvios. Entretanto, na estatística, freqüentemente trabalhamos com uma amostra apenas e o
desejo é usar essa amostra para obter estimativas de parâmetros da população, entre eles a
2
variância populacional (σ ).

2 2
Ao calcular a variância amostral (s ) usando n no denominador, o valor obtido de s estará
2 2
subestimando a real variância (σ ). Então, para melhorar a estimativa da real variância (σ ),
calculamos a variância usando o n – 1 no denominador, em vez de n.
Fórmula alternativa de calcular a variância e/ou o desvio-padrão
Há uma fórmula alternativa que nos permite calcular a variância e o desvio-padrão amostral.
Variância populacional Desvio-padrão populacional
  n  
2   n  
2
 
 n

 ∑ 
xi 
  n

 ∑ 
xi 

1     1   i =1  
s2 = ⋅
n −1  ∑
i =1
xi −
2 i =1
n 
s=
n −1
⋅ ∑
i =1
xi −
2
n 
   
   
   
n n
onde: ∑ x i = x1 + x 2 + L + x n
i =1
∑x
i =1
2
i = x12 + x 22 + L + x 2n
EXEMPLO 23 - Calcule a variância do conjunto x = {7, 7, 4, 7, 10} usando a fórmula

alternativa.
xi Variância:
x i2
7 49 s2 =
1 
⋅ 263 −
(35)2 
 = 4,5
7 49 5 − 1  5 

4 16
7 49
10 100 Desvio-padrão:
2
∑ x i = 35 ∑ xi = 263 s = 4,5 = 2,12
Propriedades do desvio-padrão
Suponha que os dados do conjunto x = {x1, x2,..., xn} têm um desvio-padrão sx:
(1) Somando-se (ou subtraindo-se) uma constante a a todos os valores de uma variável, o
desvio-padrão do conjunto não se altera.
Se y i = xi ± a ⇒ s y = sx
(2) Multiplicando-se (ou dividindo-se) todos os valores de uma variável por uma constante b, o
desvio-padrão do conjunto fica multiplicado (ou dividido) dessa constante.
Se yi = bxi ⇒ s y = bs x
(3) Combinando as propriedades (1) e (2), temos:
Se yi = bxi ± a ⇒ s y = bs x

EXEMPLO 24 - Considere o conjunto x = {1, 2, 3, 3, 4, 5}, cujo desvio-padrão é

sx = 1,4142.
a) Se cada xi for adicionado o valor 6, qual será o desvio-padrão dos ‘novos’ valores?
b) Se cada xi for multiplicado pelo valor 4, qual será o desvio-padrão dos ‘novos’ valores?
Solução ------------------------------------------------------------------------------------------------------------------
Vamos aplicar as propriedades vistas acima.
a) Se yi = xi + 6, então s y = s x = 1,4142 (veja a coluna 2 da tabela abaixo)

b) Se yi = 4*xi, então s y = 4 ⋅ s x = 4*1,4142 = 5,6568 (veja a coluna 3 da tabela abaixo)
(1) (2) (3)

xi yi = xi + 6 yi = 4*xi
1 7 4
2 8 8
3 9 12
3 9 12
4 10 16
5 11 20
sx = 1,4142 sy = 1,4142 sy = 5,6569
EXEMPLO 25 - Sabendo que X é um conjunto de valores com desvio-padrão sx = 15,

calcule o desvio-padrão e a variância do conjunto Y = ( X − 10) + 6 .
4
5
Solução ------------------------------------------------------------------------------------------------------------------
Vamos primeiro desenvolver a fórmula do Y
Y=
4
( X − 10) + 6 = 4 X − 4 10 + 6 = 4 X − 8 + 6 = 4 X − 2
5 5 5 5 5
4 4 4
Portanto, Y = X − 2 e aplicando a propriedade (3) s y = s x = ⋅ 15 = 12 .
5 5 5

• Coeficiente de variação (CV)
A amplitude, o desvio médio absoluto, a variância e o desvio-padrão são medidas absolutas de

dispersão. O coeficiente de variação, representado por CV, é uma medida relativa de
dispersão, pois leva em consideração a média do conjunto de dados. Ele é a razão entre o
desvio-padrão s e a média x , isto é:
s
CV =
x
Como se pode ver, o CV é adimensional (não tem unidade de medida) e multiplicando o valor
obtido por 100, ele será expresso em percentual (%). O coeficiente de variação é indicado para
comparar variabilidade de variáveis com unidades diferentes ou comparar variabilidade entre
conjuntos com médias bem diferentes.
EXEMPLO 26 - Considere os quatro conjuntos de valores:

X = Peso de recém-nascidos (em kg) = {4, 5, 6, 5}
Y = Peso da mãe (em kg) = {65, 75, 68, 60}
Z = Altura da mãe (em cm) = {178, 176, 170, 160}
Z = Altura do pai (em cm) = {185, 180, 175, 160}
QUADRO RESUMO
X = Peso de recém- Y = Peso da mãe Z = Altura da mãe Q = Altura do pai
nascidos dos recém-nascidos dos recém-nascidos dos recém-nascidos
(em kg) (em kg) (em cm) (em cm)
média = 5 kg média = 67 kg média = 171 cm média = 175 cm
dp = 0,82 kg dp = 6,78 kg dp = 8,08 cm dp = 10,8 cm
CV = 16,3% CV = 9,4% CV = 4,7% CV = 6,2%
dp = desvio-padrão
Comparando variabilidade entre as variáveis X e Y

→ As unidades de medidas são as mesmas para ambas as variáveis, porém o peso médio da
mãe (67 kg) é muito diferente do peso médio da criança (5 kg). Nesse caso, a melhor forma
de comparar a variabilidade é usar o coeficiente de variação (CVX = 16,3% e CVY =
9
9,4%). Comparando os resultados, vê-se que a variação relativa dos pesos é maior para
os recém-nascidos do que para as mães.
Comparando variabilidade entre as variáveis Y e Z

→ As unidades de medidas são bem diferentes (kg para peso e cm para altura). Nesse caso, a
única forma de comparar a variabilidade é usando o coeficiente de variação (CVY = 9,4% e
CVZ = 9,4%). Comparando os resultados, vê-se que a variação relativa é maior para os
pesos das mães.
Comparando variabilidade entre as variáveis Z e Q

→ As unidades de medidas são as mesmas e as médias são bem parecidas (171 cm das mães
e 175 cm dos pais). Nesse caso, podemos usar tanto o desvio-padrão quanto o coeficiente
de variação. Comparando os resultados, vê-se que há uma maior variabilidade nas alturas
dos pais (dp = 10,8 cm e CV = 6,2%) do que nas alturas das mães (dp = 8,08 cm e CV =
4,7%).
9
Variação em torno da média.

3.3 − Medidas de variabilidade para dados agrupados em tabelas de

freqüência
Se os dados estão agrupados em tabela sem classe, então xi é o valor da nossa variável de
interesse e fi é a freqüência desse valor. Da mesma forma que levamos em consideração as
freqüências fi no cálculo da média agrupada, também devemos considerá-las no cálculo da
variância e desvio-padrão. As duas fórmulas dão os mesmos resultados e, em se tratando de
tabelas, a segunda fórmula abaixo é mais prática.
n   n 
2 
 
∑ ( xi − x ) 2
fi
1 
 n



∑ xi f i 




s =
2 i =1
n −1
ou s =
2
⋅
n − 1  i =1 ∑
xi f i −
2 i =1
n 
 
 
 

amostra de 20 funcionários. Calcule a variância e o desvio-padrão do número de filhos dos
funcionários.
Quantidade de
Número de
funcionários
Filhos
(fi)
0 5
1 7
2 5
3 2
4 1
Solução ------------------------------------------------------------------------------------------------------------------
Para facilitar o cálculo da média, vamos acrescentar coluna xifi, que é o produto de cada valor xi
pela sua respectiva freqüência fi.
Da tabela ao lado temos:
xi fi x ifi x i2 f i n = ∑ f i = 20, ∑ xif i = 27, ∑ x i2 f i = 61

0 5 0 0
1 7 7 7
2 5 10 20 Variância: s 2 =
1 
⋅ 61 −
(27 )2 
 = 1,29 (filho)2
3 2 6 18 20 − 1  20 

4 1 4 16
Total 20 27 61
Desvio-padrão: s = 1,29 = 1,14 filho

Se os dados estão agrupados em tabela com intervalo de classe, então xi é o ponto médio da
classe e fi é a freqüência dessa classe. As duas fórmulas dão os mesmos resultados e, em se
tratando de tabelas, a segunda fórmula abaixo é novamente a mais prática.
n   n 
2 
 
∑ (x i − x )2 f i 
1  n 2
∑ x i fi 
  
 i =1 
s2 = i =1
ou s2 = ⋅ ∑ x i fi − 
n −1 n − 1  i =1 n 
 
 
 

mínimos) para uma amostra de 20 funcionários. Calcule o salário médio desses funcionários.
Quantidade de
Salários
funcionários
(em SM)
fi
4,0 | 8,0 5
8,0 | 12,0 7
12,0 | 16,0 4
16,0 | 20,0 3
20,0 | 24,0 1
Solução ------------------------------------------------------------------------------------------------------------------
Complete a tabela acrescentando uma coluna com o ponto médio de cada classe (xi) e uma
coluna com o produto x i f i .
Salários xi fi xifi x i2 f i Da tabela ao lado temos:

6 5 30 180
4,0 | 8,0
8,0 | 12,0 10 7 70 700
∑ f i = 20
12,0 | 16,0 14 4 56 784 ∑ x i f i = 232
16,0 | 20,0
20,0 | 24,0
18
22
3
1
54
22
972
484
∑ x i2 f i = 3120
Total --- 20 232 3120
Obs. xi = ponto médio da classe i
Variância amostral
  n 
2 
 
 n

 ∑ xi f i 
 
 = 1 ⋅  3120 − (232) 
2
1   
s =
2
⋅
n − 1  i =1∑xi f i −
2 i =1
n  20 − 1  20
 = 22,574 (SM)2


 
 
 
Desvio-padrão amostral: s = 22,57 = 4,75 SM

3.4 − Algumas aplicações do desvio-padrão
a) Regra empírica
Para conjunto de dados simétricos em forma de sino, uma útil regra prática pode ser aplicada a
estes dados. Esta regra, algumas vezes chamada de regra empírica, nos diz que:
• Cerca de 68,3% dos valores estarão dentro de uma distância de ± 1 desvio-padrão

em torno da média (ou seja, média ± 1*dp).
• Cerca de 95,4% dos valores estarão dentro de uma distância de ± 2 desvios-

padrões em torno da média (ou seja, média ± 2*dp).
• Cerca de 99,7% dos valores estarão dentro de uma distância de ± 3 desvios-

padrões em torno da média (ou seja, média ± 3*dp).
Como exemplo, suponha que as notas dos candidatos em um vestibular tenham uma média de
90 pontos com um desvio-padrão de 20 pontos. Assumindo que as notas se distribuem
simetricamente em torno da média (em forma de sino), podemos dizer que:
Cerca de 95,4% dos alunos obtiveram notas dentro do intervalo 90 ± (2*20) = 90 ± 40, ou seja,
de 50 pontos a 130 pontos (nove de cada dez tiram notas de 50 a 130 pontos).
A regra acima deve ser usada em conjunto de dados distribuídos simetricamente em torna da
média em forma de sino. Veja as figuras abaixo que mostra uma distribuição simétrica e
assimétrica.
Dados simétricos (em forma

Dados assimétricos (não simétricos em torno da média)
de sino)
Uma alternativa é o uso da regra do Tchebychev, usada para situações mais gerais.
b) Regra Tchebychev
<<< Incluir depois >>>

c) Escore z (ou z-escore)
O escore z de um valor x é o número de desvios-padrões que este valor x está acima ou

abaixo da média. O escore z pode ser obtido pela fórmula abaixo:
valor − média
z= onde dp = desvio-padrão
dp
Usando o escore z para classificar um valor como não-usual
O escore z pode ser usado para classificar um valor como atípico (valor não-usual, não
comum ou outlier) ou típico (valor usual ou comum). Para conjunto de dados simétricos em
torno da média podemos usar a regra abaixo:
z < −2 valor atípico (considerado valor muito pequeno)

z > +2 valor atípico (considerado como muito grande)
−2 ≤ z ≤ +2 valor usual (considerado como valor comum)
Como exemplo, considere que os homens adultos em geral têm uma altura média de 175 cm
com um desvio-padrão de 6 cm. O jogador de basquetebol norte-americano Michael Jordan
tem uma altura de 1,98 metro, portanto seu escore z é
valor − média 198 − 175

z Michael Jordan = = = 3,8
dp 6
Como z = 3,8 é maior que 2, então podemos concluir que a altura de Michael Jordan não é
comum em homens adultos em geral (esta altura seria um valor não-usual).
E o jogador brasileiro Romário que tem altura de 1,69 metro, o que você poderia dizer sobre
sua altura? Tente responder.
Usando o escore z para fazer comparações entre valores
O escore z também pode ser usado comparar valores vindo de diferentes conjuntos de
dados.
Por exemplo, suponha que uma prova foi aplicada aos alunos de duas turmas (A e B). Na
turma A, a nota média foi de 10 pontos com desvio-padrão de 5 pontos. Na turma B, a nota
média foi de 15 pontos com desvio-padrão de 10 pontos. Vamos comparar o desempenho de
dois alunos:
Narizinho da turma A: obteve 18 pontos

Pedrinho da turma B: obteve 25 pontos.
O z-escore da Narizinho foi:
18 − 10
z Narizinho = = 1,6 Significa que a nota de Narizinho está 1,6 desvio-padrão acima
5 da média da sua turma (A).
O z-escore do Pedrinho foi:
25 − 15 Significa que a nota de Pedrinho está 1 desvio-padrão acima

z Pedrinho = = 1,0 da média da turma
10
Usando o escore z podemos concluir que a aluna Narizinho teve um desempenho melhor
dentro da sua turma do que o aluno Pedrinho.

EXERCÍCIO 13 - Uma amostra de 10 funcionários da empresa XYZ foi escolhida e registrada

a distância em km que esses funcionários percorrem até chegar à empresa.
x = distância percorrida = {13, 5, 15, 9, 3, 15, 9, 12, 15, 7}
a) Calcule a amplitude, desvio-médio absoluto, variância, desvio-padrão e o

coeficiente de variação para a distância percorrida pelos funcionários amostrados.
b) Calcule o z-escore para um funcionário que percorre 20 km até a empresa. Esta
distância pode ser considerada atípica? Justifique.
EXERCÍCIO 14 - O desvio-padrão dos salários dos funcionários de uma empresa é 30 reais.

No próximo mês, cada funcionário receberá um aumento de 50 reais e no mês seguinte um
aumento de 20%, determine o desvio-padrão dos “novos” salários após estes aumentos. DICA:
Use as propriedades do desvio-padrão.
EXERCÍCIO 15 - De uma amostra de 500 divórcios ocorridos em uma cidade, foi registado a
duração do casamento (em anos). Os dados estão na tabela abaixo.
a) Calcule o desvio-padrão da duração dos casamentos.

b) Suponha que o número de filhos destes casamentos
0 | 6 280
6 | 12 140
12 | 18 60
18 | 24 15
24 | 30 5
EXERCÍCIO 16 - O histograma abaixo mostra a distribuição das notas finas de uma turma da
disciplina de Introdução à Estatística. O eixo vertical representa a quantidade de aluno. Calcule
o coeficiente de variação (CV) das notas obtidas pelos alunos.
30
24
Quantidade de alunos (fi)
20
11
10
6
5 5
4
3
2
0
20 30 40 50 60 70 80 90 100
Notas

EXERCÍCIO 17 - A seqüência de operações executadas por operários para executar certa

tarefa está sendo estudada. Uma nova seqüência esta sendo proposta e deseja-se verificar se
é adequado substituir a anterior. Para tanto, nove operários foram sorteados e mediu-se o
tempo necessário, em minutos, para que cada um realizasse a tarefa, com dois tipos de
seqüências. Os dados coletados foram:
Operário 1 2 3 4 5 6 7 8 9
Atual seqüência 24 25 27 22 23 28 26 28 29
Nova seqüência 21 23 28 27 24 26 25 22 23
Diferenças (D= A-N) 3
a) Calcule a diferença D entre os tempos obtidos na atual e nova seqüência.

b) Calcule as medidas estatísticas usuais (média, mediana, variância, desvio-
padrão e coeficiente de variação) da diferenças D.
c) Um pesquisador utilizou a seguinte regra: “Se não houver diferenças
10
significativas entre as duas seqüências, então o intervalo abaixo deverá
incluir o valor zero”.
 sD s 
 D − 1,86 ; D + 1,86 D 
 n n
onde n, D , s D = tamanho, média e desvio-padrão das diferenças D
Qual deveria ser a conclusão do pesquisador?
10
Isto é denominado de intervalo de confiança para dados emparelhados.

Medidas Separatrizes,
de Assimetria e de
Curtose
4 − Medida Separatrizes, de Assimetria e de Curtose
4.1 − Introdução
As medidas de posição central (média, mediana, ...) e as medidas de dispersão (variância,

desvio-padrão, ...) desempenham um papel importante na estatística, pois conseguem
descrever as duas principiais características de uma distribuição de valores: o valor central e a
variabilidade. A mediana, além de representar o valor central de uma distribuição, também
apresenta uma característica interessante que é a de dividir a distribuição em duas partes
iguais quanto ao número de elementos em cada parte. Usando essa última idéia da mediana
podemos também dividir a distribuição em quatro, dez ou cem partes iguais quanto ao número
de elemento. As medidas que dividem a distribuição em quatro, dez e cem partes iguais são
denominados de quartis, decis e percentis, respectivamente. No geral, essas medidas são
conhecidas como medidas separatrizes (ou medidas de posição não-central).
4.2 − Medidas separatrizes para dados brutos
As medidas separatrizes abaixo se referem aos dados brutos, ou seja, dados não-agrupados
em tabelas de freqüência.
• Quartil
Há três quartis (Q1, Q2, Q3), que juntos dividem a distribuição em quatro partes iguais com
cerca de um quarto (ou seja, 25%) dos elementos em cada parte.
Primeiro Quartil
O primeiro Quartil, simbolizado por Q1, é o valor que divide o conjunto ordenado de valores
em duas partes, tais que um quarto (ou 25%) dos valores sejam menores do que ele e três
quartos (ou 75%) dos valores dos restantes sejam maiores (ver figura a).
Segundo Quartil
O segundo Quartil, simbolizado por Q2, é o valor que divide o conjunto ordenado de valores
em duas partes, tais que dois quartos (ou 50%) dos valores sejam menores do que ele e dois
quartos (ou 50%) dos valores dos restantes sejam maiores. Note que o segundo quartil é a
própria mediana, ou seja, Q2 = Md (ver figura b).
Terceiro Quartil
O terceiro Quartil, simbolizado por Q3, é o valor que divide o conjunto ordenado de valores
em duas partes, tais que três quartos (ou 75%) dos valores sejam menores do que ele e um
quarto (ou 25%) dos valores dos restantes sejam maiores (ver figura c).
25% 75% 50% 50% 75% 25%
Q1 Q2 = Md Q3
(a) (b) (c)

Abaixo mostramos um desenho esquematizando a divisão de uma distribuição em quatro

partes com 25% dos elementos em cada grupo. Note que de Q1 a Q3 temos metade (ou 50%)
dos valores.
25% 25%
25%
25%
Q1 Q2 Q3 Livro do Barbeta, 2004
Primeiro
Quartil Segundo Terceiro
Quartil Quartil
Não há um consenso mundial sobre um procedimento único para obter os quartis. Vamos usar
o seguinte procedimento:
• Ordene o conjunto de dados em ordem crescente e calcule pos = (k ⋅ n ) 4 que é a posição

do Quartil Qk (k = 1, 2 ou 3);
• Se pos não for inteiro, arredonde pos para cima (maior inteiro mais próximo) e o Quartil Qk
será o valor que está na posição pos.
• Se pos for inteiro, então o Quartil Qk será a média entre os valores que estão na posição
pos e pos +1.
EXEMPLO 29 - Os dados abaixo se referem à distância percorrida até a empresa para

uma amostra de 20 funcionários. Calcule os três quartis e interprete-os.
8, 7, 6, 2, 9, 8, 15, 15, 16, 3, 18, 8, 8, 3, 9, 18, 2, 6, 6, 2
Solução ------------------------------------------------------------------------------------------------------------------
Ordenando os dados: 2, 2, 2, 3, 3, 6, 6, 6, 7, 8, 8, 8, 8, 9, 9, 15, 15, 16, 18, 18 n = 20
Primeiro quartil (Q1)

k=1 posição → pos = 1 ⋅ 20 4 = 5 (o Q1 será a média dos valores que estão na 5ª e 6ª
posição no conjunto ordenado)
3+6
Q1 = = 4,5 km Cerca de 25% dos funcionários percorrem menos de 4,5 km
2 até a empresa e os restantes (75%) percorrem mais de 4,5
km.
Segundo quartil (Q2)
k=2 posição → pos = 2 ⋅ 20 4 = 10 (o Q1 será a média dos valores que estão na 10ª e 11ª
8+8 Cerca de 50% dos funcionários percorrem menos de 8 km

Q2 = = 8,0 km
2 até a empresa e os restantes (50%) percorrem mais de 8 km.
Obs: O cálculo acima não precisava ser feito. Um número entre 8 e 8 só pode ser o 8 mesmo.

Terceiro quartil (Q3)

k=3 posição → pos = 3 ⋅ 20 4 = 15 (o Q1 será a média dos valores que estão na 15ª e
16ª posição no conjunto ordenado)
9 + 15
Q3 = = 12,0 km Cerca de 75% dos funcionários percorrem menos de 12 km
2
até a empresa e os restantes (25%) percorrem mais de 12
km.
• Decil
Há nove decis (D1, D2, ..., D9), que juntos dividem a distribuição em dez partes iguais com cerca
de 10% dos elementos em cada parte. Lembre-se de que a divisão em partes iguais se refere
ao número de elementos em cada parte.
Decil k (k = 1, 2, ...., 9)
O Decil k, simbolizado por Dk, é o valor que divide o conjunto ordenado de valores em duas
partes, tais que (10*k)% dos valores sejam menores do que ele e os restantes sejam maiores.
Por exemplo:
Decil 7 (D7)
É o valor que divide em duas partes, tais que 70% dos valores sejam menores do que ele e
os 30% restantes sejam maiores.
Decil 5 (D5)
O procedimento que vamos usar é o mesmo usado para o cálculo dos quartis.
• Ordene o conjunto de dados em ordem crescente e calcule pos = (k ⋅ n ) 10 que é a posição

do Decil Dk (k = 1, 2, ..., 9);
• Se pos não for inteiro, arredonde pos para cima (maior inteiro mais próximo) e o Decil Dk
será o valor que está na posição pos.
• Se pos for inteiro, então o Decil Dk será a média entre os valores que estão na posição
pos e pos +1.
EXEMPLO 30 - Os dados abaixo se referem a distância percorrida até a empresa para

uma amostra de 20 funcionários. Calcule e interprete o Decil 9.
8, 7, 6, 2, 9, 8, 15, 15, 16, 3, 18, 8, 8, 3, 9, 18, 2, 6, 6, 2
Solução ------------------------------------------------------------------------------------------------------------------
Decil 9 (D9)
k=9 posição → pos = 9 ⋅ 20 10 = 18 (o D9 será a média dos valores que estão na 18ª e 19ª
16 + 18
D9 = = 17 km Cerca de 90% dos funcionários percorrem menos de 17 km até
2 a empresa e os 10% restantes percorrem mais de 17 km.

• Percentil
Há 99 percentis (P1, P2, ..., P99), que juntos dividem a distribuição em cem partes iguais com
cerca de 1% dos elementos em cada parte.
Percentil k (k = 1, 2, ...., 99)
O Percentil k, simbolizado por Pk, é o valor que divide o conjunto ordenado de valores em
duas partes, tais que k% dos valores sejam menores do que ele e os restantes sejam maiores.
Por exemplo:
Percentil 70 (P70)
Percentil 50 (P50)
os 50% restantes sejam maiores. Note que o P50 é a mediana.
O procedimento que vamos usar é o mesmo usado para o cálculo dos quartis.
• Ordene o conjunto de dados em ordem crescente e calcule pos = (k ⋅ n ) 100 que é a

posição do Percentil Pk (k = 1, 2, ..., 99);
• Se pos não for inteiro, arredonde pos para cima (maior inteiro mais próximo) e o Percentil
Pk será o valor que está na posição pos.
• Se pos for inteiro, então o Percentil Pk será a média entre os valores que estão na posição
pos e pos +1.
EXEMPLO 31 - Os dados abaixo se referem a distância percorrida até a empresa para

uma amostra de 20 funcionários. Calcule e interprete o Percentil 25 e o Percentil 78.
8, 7, 6, 2, 9, 8, 15, 15, 16, 3, 18, 8, 8, 3, 9, 18, 2, 6, 6, 2
Solução ------------------------------------------------------------------------------------------------------------------
↑ ↑
Percentil 25 (P25) - k = 25 posição → pos = 25 ⋅ 20 100 = 5
Como 5 é um valor inteiro, então o percentil P25 será a média dos 5º e 6º valores no conjunto
ordenado. Ou seja,
3+6
P25 = = 4,5 km Cerca de 25% dos funcionários percorrem até 4,5 km até a
2 empresa e os 75% restantes percorrem mais de 4,5 km.
Percentil 72 (P72) - k = 72 posição → pos = 72 ⋅ 20 100 = 14,4

Como o 14,4 não é um valor inteiro, devemos arredondá-lo para cima. Neste caso, o percentil
P74 será o valor que está na 15ª posição no conjunto ordenado, Ou seja,
P72 = 9 km Cerca de 72% dos funcionários percorrem até 9 km até a empresa e os

28% restantes percorrem mais de 9 km.

Relação importante entre Quartil, Decil e Percentil
• Relação entre Decil e Percentil.
D1 = P10 D2 = P20 ... D5 = P50 = mediana ... D9 = P90
• Relação entre Quartil, Percentil e Mediana.
Q1 = P25 Q2 = P50 = D5 = mediana Q3 = P75

4.3 − Medidas Separatrizes para dados agrupados em tabelas de

freqüência
O cálculo do quartil, decil e percentil para dados agrupados em tabelas de freqüência (com ou
sem intervalo de classe) segue o mesmo raciocínio empregado no cálculo da mediada.
Como há uma relação entre o percentil e o quartil e decil, os cálculos que serão visto a seguir
serão feitos apenas para os percentil.
Etapas a serem seguidas

• Calcule pos = (k ⋅ n ) 100 que é a posição do Percentil Pk (lembre-se: n = Σ fi)
• Localize o Percentil Pk como sendo o valor cuja freqüência acumulada (Fi) é
imediatamente superior à posição pos do Percentil.
Observação:
No caso de existir uma freqüência acumulada Fi exatamente igual a pos = k⋅n/100, o Percentil
será a média aritmética entre o valor da variável correspondente a essa freqüência acumulada
é a seguinte.

amostra de 20 funcionários. Calcule o Percentil 75, o Percentil 95, o Decil 3 e o terceiro Quartil.
Quantidade de
Número de
funcionários
Filhos
(fi)
0 5
1 7
2 5
3 2
4 1
Solução ------------------------------------------------------------------------------------------------------------------
Para facilitar os cálculos vamos acrescentar a freqüência acumulada Fi.
Número de filhos
fi Fi
xi
0 5 5
1 7 12
2 5 17
3 2 19
4 1 20
Total ∑ fi = 20 --
• Percentil 75 (P75)
pos = 75 ⋅ 20 100 = 15 (terceira linha da tabela, pois é Fi = 17 é imediatamente superior a 15)

Então, o valor do Percentil 75 é P75 = 2 filhos

pos = 95 ⋅ 20 100 = 19 (como existe um pos = Fi = 19, então o percentil será uma média do
valor xi = 3 dessa linha com o valor xi = 4 da linha seguinte)
3+4
P95 = = 3,5
2
Então, o valor do Percentil 95 é P95 = 3,5 filhos
• Decil 3 (D3)
Basta lembrar que D3 = P30

pos = 30 ⋅ 20 100 = 3 (segunda linha da tabela, pois é Fi = 12 é imediatamente superior a 6)
Então, o valor do Decil 43 é D3 = 1 filho
• Terceiro Quartil (Q3)
Basta lembrar que Q3 = P75

Então, o valor do terceiro quartil é Q3 = 2 filhos (já calculado anteriormente)

Para obter o percentil em dados agrupados com classe, o procedimento é o seguinte:

• Calcule pos = (k ⋅ n ) 100 que é a posição da percentil (lembre-se: n = Σ fi)
• Localize a classe do percentil como sendo a classe com a freqüência acumulada (Fi)
imediatamente superior à posição pos da percentil;
• Calcule a percentil usando o método da interpolação linear abaixo:
Pk = l +
pos − Fant (
⋅ (L − l )
)
fi
onde,
fi , l e L = freqüência absoluta, limite inferior e superior da classe percentil,
respectivamente.
Fant = freqüência absoluta acumulada anterior à classe percentil.
classes fi Fi
...
f ant Fant
l 
| L fi Fi
classe percentil ...
f pos Fpos
Observação:
No caso de existir uma freqüência acumulada Fi exatamente igual a pos = (k ⋅ n ) 100 , o
percentil será o limite superior da classe correspondente.

mínimos) para uma amostra de 20 funcionários. Calcule o Percentil 95, o terceiro Quartil e o
Decil 3
Quantidade de
Salários
funcionários
(em SM)
fi
4,0 | 8,0 5
8,0 | 12,0 7
12,0 | 16,0 4
16,0 | 20,0 3
20,0 | 24,0 1
Total 20
Solução ------------------------------------------------------------------------------------------------------------------
Vamos acrescentar a freqüência acumulada Fi à tabela.
Salários fi Fi
4,0 | 8,0 5 5
8,0 | 12,0 7 12
12,0 | 16,0 4 16
16,0 | 20,0 3 19
20,0 | 24,0 1 20
Total 20 --

pos = 95 ⋅ 20 100 = 19 (P95 está na quarta classe, pois é Fi = 20 é imediatamente
superior a 19)
Da tabela temos: l = 20 , L = 24 , f i * = 1 e Fant

*
= 19 .
Pk = 20 +
(19 − 19)
⋅ (24 − 20) = 20
1
Então, o salário que corresponde ao Percentil 95 é P95 = 20 SM
• Q3
Basta lembrar que Q3 = P75

pos = 75 ⋅ 20 100 = 15 (P75 está na terceira classe, pois Fi = 16 é imediatamente
superior a 15)
Da tabela temos: l = 12 , L = 16 , f i = 4 e Fant = 12 .
Pk = 12 +
(15 − 12)
⋅ (16 − 12) = 15
4
Então, o salário que corresponde ao terceiro quartil é Q3 = 15 SM
• Decil 3 (D3)
Basta lembrar que D3 = P30

pos = 30 ⋅ 20 100 = 6 (D3 está na segunda classe, pois é Fi = 12 é imediatamente
superior a 6)
Da tabela temos: l = 8 , L = 12 , f i = 7 e Fant = 8 .
Pk = 8 +
(6 − 5) ⋅ (12 − 8) = 8,57
7
Então, o valor do Decil 3 é D3 = 8,54 SM)
4.4 – Cálculo do percentil usando gráfico de freqüência acumulada (Ogiva

de Galton)
<<<< incluir depois >>>>

4.5 – Construção do Boxplot (gráfico de caixa)
O gráfico boxplot (ou gráfico de caixa) é uma representação gráfica que descreve as seguintes
características importantes de uma distribuição de dados: medida de posição central, medida
de dispersão, desvio da simetria e identificação de valores atípicos ou extremos (outliers).
Há duas formas de construir o boxplot. Uma delas é a construção do gráfico sem se preocupar
com a identificação de valores extremos e a segunda com a identificação dos valores atípicos
(caso existam).
o Boxplot sem identificação de valores atípicos ou extremos.
A linha se estende até A linha se estende

o menor valor. até o maior valor.
D = Q3 – Q1
Q1 Q2 Q3
o Boxplot com identificação de valores atípicos ou extremos.
Segundo o critério usado pelo boxplot, todo valor que não pertence ao intervalo
[Q1 − 1,5 ⋅ D ; Q3 + 1,5 ⋅ D ] é considerado um valor atípico (outlier) e é identificado no gráfico
com o asterisco (*).
A linha se estende até o A linha se estende até o

menor valor, desde que ele maior valor, desde que ele
seja maior que Q1 − 1,5D seja menor que Q3 +1,5D
* * *
Valores atípicos
Valor atípico
Q1 − 1,5D Q1 Q2 Q3 Q3 + 1,5D
D = Q3 – Q1
As linhas verticais em Q1 - 1,5⋅D e Q3 + 1,5⋅D não precisam estar no gráfico, elas só foram
colocadas para ajudá-lo a visualizar os limites máximo e mínimo dos valores considerados
“normais” (que não são valores extremos) .
Quanto maior o comprimento da caixa maior é variabilidade dos dados, portanto a distância
interquatílica (D) pode ser vista também como uma medida de dispersão, tal como são a
variância e o desvio-padrão.

Os gráficos boxplot abaixo comparam as notas finais de uma disciplina em três turmas. A
inspeção dos gráficos revela que existe uma grande variabilidade nas notas dos alunos na
11
turma B e uma pequena variabilidade nas notas na turma A . A performance foi melhor na
12
turma A e pior na turma C .
Existe um valor extremo (um aluno com uma nota muito grande) na turma A e um alunos com
nota muito pequena na turma C. Não existe nenhum valor extremo em B.
100
90
80
Notas finais
70
60
50
40
30
Turma A Turma B Turma C
11
Observe que a caixa, na turma B, é mais comprida (maior D =distância interquatílica), enquanto que, na turma A, a caixa é menor
em comprimento.
12
Observe a linha do meio (a linha da mediana), ela está em torno de 80 pts, na turma A, e em torno de 60 pts na turma C.

EXEMPLO 34 - Considere a renda per-capita para uma amostra de 9 famílias de cada

região abaixo. Construa os gráficos boxplot para essas rendas e comente-os. Observe que
alguns quartis já estão calculados.
Quartis
Região Rendimento familiar per capita (em SM) Q1 Q2 Q3
Brasil 30 44 80 100 130 150 180 352 580 ? 130 180
São Paulo 50 82 150 180 208 250 300 500 650 150 208 300
Nordeste 10 15 55 65 68 75 80 192 300 55 68 ?
FONTE: Dados hipotéticos SM (salário-minimo
em 1999) = 136,00 reais
900
800
700
*
600
Salário-mímimo
500
400
300
200
100
Brasil São Paulo Nordeste

4.6 − Medida de Assimetria
Em algumas situações é interessante analisarmos a "forma" da distribuição, ou seja, como os

dados se distribuem. Essa distribuição pode ser simétrica ou assimétrica em torno da média.
Na distribuição simétrica, as modas, a média e a mediana coincidem teoricamente, mas na

prática elas tendem a coincidir. Então, se você tem um conjunto de dados, onde a média,
mediana e moda são próximos uns dos outros é bem provável que a distribuição seja simétrica.
Na distribuição assimétrica à direita, a média tende a estar à direita da mediana, enquanto que
na distribuição assimétrica à esquerda, a média tende a estar à esquerda da mediana (veja as
"formas" teóricas na figura abaixo). Então, se você tem um conjunto de dados, onde a média é
bem maior do que a mediana é provável que seus dados apresentem assimetria à direita, por
outro lado se a média for bem menor do que a mediana, então provavelmente seus dados
apresentam assimetria à esquerda.
Uma medida simples da assimetria em torno da média é o índice de assimetria de Pearson,

representado por As. Ele utiliza a média simples ( x ), a mediana (Md) e o desvio-padrão (dp)
3 ⋅ (x − Md )
As =
dp
FONTE: Mário Triola – Introdução à Estatística (9ª. edição)
Coeficiente quartílico de assimetria

O coeficiente quartílico de assimetria (IQ) é uma outra medida de assimetria, mas que usa
apenas os três quartis (Q1, Q2 = Md e Q3).
Q 3 − 2Md + Q1
IQ =
(Q 3 − Q1 )

Classificação da assimetria com base no valor do índice de assimetria

Pearson (As)
A assimetria será negativa se As < 0 e positiva se As > 0. A intensidade da assimetria é
determinada pela magnitude de As. Se:
• As ≈ 0 A distribuição não tem assimetria (ou seja, ela é simétrica)

• As < 0,15 Distribuição tem uma fraca assimetria
• 0,15 < As < 1 Distribuição tem uma moderada assimetria
• As > 1 Distribuição tem uma forte assimetria
OBS: As = módulo de As
Assimetria negativa Assimetria positiva
-1 -0,15 0 +0,15 +1
Forte Moderada Fraca Moderada Forte
assimetria assimetria assimetria assimetria assimetria
EXEMPLO 35 - Em cada distribuição abaixo, calcule o coeficiente de assimetria de

Pearson e identifique o tipo de assimetria dos dados.
Distribuição 1 Distribuição 2 Distribuição 3

média = 9,95 média = 2,38 média = 0,85
mediana = 9,90 mediana = 2,23 mediana = 0,94
desvio-padrão = 1,90 desvio-padrão = 1,03 desvio-padrão = 0,19
Solução ------------------------------------------------------------------------------------------------------------------
3 ⋅ (9,95 − 9,90)
Distribuição 1: As = = 0,08 → Fraca assimetria positiva
1,90
3 ⋅ (2,38 − 2,23)
Distribuição 2: As = = 0,44 → Moderada assimetria positiva
1,03
3 ⋅ (0,85 − 0,94)
Distribuição 3: As = = -1,42 → Forte assimetria negativa
0,19

Relação entre gráfico Boxplot e a assimetria de uma distribuição

Abaixo estão exibidas quatro distribuições teóricas hipotéticas destacando a assimetria de cada
uma e comparando-as com o gráfico boxplot.
FONTE: Estatística – Teoria e Aplicações à Estatística .

Levine, Stephan, Khehbiel, Berenson, 3ª edição
Se a linha no meio (que representa a mediana) do gráfico boxplot estiver bem no centro da
caixa é provável que os dados venham de uma distribuição simétrica (ver painel A).
Caso a linha do meio esteja mais próxima do terceiro quartil (Q3) é provável que os dados
venham de uma distribuição com assimetria negativa (ver painel B).
Caso a linha do meio esteja mais próxima do primeiro quartil (Q1) é provável que os dados
venham de uma distribuição com assimetria positiva (ver painel C).

4.7 − Medida de Curtose
A curtose ou excesso é o grau de achatamento de uma distribuição em relação a uma curva

padrão, denominada de curva normal. A medida de curtose nos informa se uma curva está
mais achatada que a curva normal, ou se ela é mais esticada.
Tipos de curtose
• Leptocúrtica: A curva da distribuição é mais esticada do que a curva normal, ou seja,

ela é mais delgada.
• Mesocúrtica: A curva da distribuição é bem semelhante à curva normal.
• Platicúrtica: A curva da distribuição é mais achatada do que a curva normal
Leptocúrtica Mesocúrtica Platicúrtica

(mais esticada) (semelhante a Normal) (mais achatada)
Para medir a curtose podemos usar o coeficiente percentílico de curtose, cuja fórmula é:
Q 3 − Q1
C=
2(P90 − P10 )
C < 0,263 C > 0,263

Curva Leptocúrtica Curva Platicúrtica
0,263
Curva
Mesocúrtica

EXEMPLO 36 - As medidas abaixo se relacionam a três distribuições de freqüência.

Calcule o grau de curtose e classifique o tipo de curtose.
Distribuições P10 P25 P50 P75 P90

A 772 814 895 935 1012
B 55,0 63,7 75,2 80,3 86,6
C 20,5 28,8 40,5 45,6 49,8
Solução ------------------------------------------------------------------------------------------------------------------
Distribuição A: A curva é do tipo Leptocúrtica, pois C < 0,263
935 − 814
C= = 0,252
2 ⋅ (1012 − 772)
Distribuição B: A curva é do tipo Mesocúrtica, pois C = 0,263
80,3 − 63,7
C= = 0,263
2 ⋅ (86,6 − 55,0)
Distribuição C: A curva é do tipo Platicúrtica, pois C > 0,263
45,6 − 28,8
C= = 0,287
2 ⋅ (49,8 − 20,5)

EXERCÍCIO 18 - Um jornal anunciou que uma pessoa gasta, em média, 45 minutos por dia
ouvindo música (The Des Moines Register, 5 de Dezembro de 1997). Os seguintes dados
foram obtidos para o número de minutos gastos ouvindo música em uma amostra de 30
indivíduos.
88,3 4,3 4,6 7 9,2 0 99,2 34,9 81,7 0

85,4 0 17,5 45 53,3 29,1 28,8 0 98,9 64,5
4,4 67,9 94,2 7,6 56,6 52,9 145,6 70,4 65,1 63,6
a) Calcule a mediana do tempo ouvindo música

b) Calcule os três quartis do tempo ouvindo música.
c) Escreva uma frase interpretando o valor do terceiro quartil obtido acima.
EXERCÍCIO 19 - Abaixo estão listados os salários (em reais) de 12 funcionários de uma

empresa.
funcionário 1 2 3 4 5 6 7 8 9 10 11 12
salário 2210 2255 2825 2350 2380 2390 2420 2380 2440 2450 2550 2630
a) Se a empresa determinou que os funcionários com salários inferiores ao Decil 4 (D4)

receberiam aumento salarial. Quais desses funcionários receberiam o aumento?
b) Classifique o salário 2.825 reais como sendo "usual" ou "raro" usando o z-escore.
Justifique.
c) Salários fora do intervalo [Q1 – 1,5*D ; Q3 + 1,5*D ], com D = Q3 –Q1, são considerados
atípicos (outliers) em relação aos demais salário. Dos funcionários amostrados, liste
(se houver) os funcionários com rendimentos considerados muito pequenos ou
grandes.
d) Uma outra forma de verificar valores atípicos é verificar se há valores fora do intervalo
[ x − 2 ⋅ dp ; x + 2 ⋅ dp ]. Dos funcionários amostrados, liste (se houver) os funcionários com
salários considerados atípicos.
EXERCÍCIO 20 - tabela abaixo mostra a duração do casamento (em anos) de uma amostra
de 500 divórcios ocorridos em uma cidade.
a) Calcule os três quartis da duração de casamentos.

b) Calcule o indice de assimetria e Perason (As) e o coeficiente quartílico de assimetria
(IQ). Com base nestes índices, qual a “forma” de distribuição dos dados?
c) Com base no coeficiente percentílico de Pearson, qual o tipo de curtose dos dados?
0 | 6 280
6 | 12 140
12 | 18 60
18 | 24 15
24 | 30 5

4.9 - Exercícios resolvidos
QUESTÃO 1 - O Sr. José anotou o saldo (em reais) em sua conta corrente no final de cada
mês durante o segundo semestre de 20xx. Considere este dados como se fosse uma amostra.
-100 150 -80 150 203 -200
a) Calcule as medidas de posição central usuais para o saldo: média amostral, mediana
amostral e a moda.
b) Calcule as medidas de dispersão usuais para o saldo: variância amostral, desvio-padrão
amostral, amplitude e coeficiente de variação.
c) Calcule as seguintes medidas de posição não-central para o saldo: Percentil 80 (P80) e o
primeiro quartil (Q1).
Solução -------------------------------------------------------------------------------------------------------------------
a) Calcule as medidas de posição central usuais para o saldo: média amostral, mediana
amostral e a moda.
Repare que temos dados brutos, ou seja dados individuais que não estão agrupados em tabela
de freqüência.
Considerando que os saldos acima representam uma amostra, então:

• Media amostral – È a média aritmética simples dos dados
x=
∑ x i = (−100) + 150 + (−80) + 150 + 203 + (−200) = 123 = 20,5 reais
n 6 6
• Mediana amostral – É o valor que está no centro do conjunto de dados ORDENADO
Primeiro vamos ordenar os dados

-200 -100 -80 150 150 203
Como o conjunto tem seis valores (n = 6), não teremos um único valor central e sim DOIS
valores centrais. A mediana, portanto será a média entre estes dois valores.
Md = (-80 + 150) / 2 = 35 reais
Lembre-se
Se n = par A mediana será a média dos dois valores centrais
Se n = ímpar A mediana será o único valor central
• Moda (mo) - É o valor que apresenta maior frequencia
mo = 150 reais (valor que repete mais, ou seja, que aparece mais vezes)

b) Calcule as medidas de dispersão usuais para o saldo: variância amostral, desvio-padrão

amostral, amplitude e coeficiente de variação.
Considerando que os saldos acima representam uma amostra, então:
• Variância amostral:
s2 =
∑ (x i − x )2 = (x1 − x )2 + (x 2 − x )2 + L (x n − x )2
n −1 n −1
(−100 − 20,5) + (150 − 20,5) + (−80 − 20,5) 2 + (150 − 20,5) 2 + (203 − 20,5) 2 + (−200 − 20,5) 2
2 2
=
6 −1
(−120,5) 2 + (129,5) 2 + (−100,5) 2 + (129,5) 2 + (182,5) 2 + (−220,5) 2
=
6 −1
140087,5
= = 28017,5 (reais) 2
5
• Desvio-padrão amostral:
s = var iância = 28017,5 = 167,38 reais
• Amplitude
At = Maior – Menor = [ 203 – (-200) ] = 403 reais
• Coeficiente de variação
CV = DesvioPadrão / média = 167,38 / 20,5 = 8,17 (ou 817%)
OBS: Quando temos nos dados valores positivos e negativos, a média costuma ser muito
pequena em relação ao desvio-padrão. Nestes casos, não é comum calcular o CV, pois seu
valor poderá ser muito alto (como foi neste exemplo).
c) Calcule as seguintes medidas de posição não-central para o saldo: Percentil 80 (P80),

Percentil 50 (P50) e o primeiro quartil (Q1).
Para calcular percentil e quartil precisamos ordenar os dados antes.

-200 -100 -80 150 150 203
Precisamos calcular a posição do P80

pos = 80*6/100 = 4,8 (como 4,8 não é um valor inteiro, vamos arredonda-lo para o próximo
inteiro. Então P80 será o 5º valor)

P80 = 150 reais (Interpretação: Cerca de 80% das vezes o saldo do Sr. José será menor
ou igual que 203 reais)

pos = 50*6/100 = 3 (como 3 é um valor inteiro, então o percentil será a média entre o 3º e
4º valor. Então, P80 será o 5º valor)
P50 = (-80 + 150) / 2 = 35 reais
Interpretação: Cerca de 50% das vezes o saldo do Sr. José será menor ou igual a 35 reais
• Primeiro quartil (Q1) ATENÇÃO: Lembre-se de que o Q1 = P25 (percentil 25)

pos = 25*6/100 = 1,5 (como 1,5 não é um valor inteiro, vamos arredonda-lo para o próximo
inteiro. Então, Q1 será o 2º valor)
Q1 = -100 reais (Interpretação: Cerca de 25% das vezes o saldo do Sr. José será menor ou
igual a -100 reais)
-200 -100 -80 150 150 203
P50 será a média

Q1 entre os valores P80
-80 e 150

QUESTÃO 2 - O histograma abaixo mostra a distribuição das notas obtidas pelos alunos na
primeira prova presencial de Estatística em 2007 no curso virtual de Ciências Contábeis.
34
35
30
Número de alunos
25
25
22
20
15
10
7 8
0
0 6 12 18 24 30
Pontos obtidos na primeira prova presencial
a) Usando os dados do histograma construa uma tabela de freqüência com a a freqüência

absoluta simples (fi), a freqüência relativa simples (fri), a freqüência absoluta acumulada (Fi)
e a freqüência relativa acumulada (Fri).
b) Calcule a média e o desvio-padrão dos pontos obtidos pelos alunos.
c) Calcule a mediana (Md) e o terceiro quartil (Q3) dos pontos obtidos pelos alunos. Escreva
uma frase interpretando o Q3.
d) Qual a moda (usando método de Czuber) dos pontos obtidos pelos alunos.
e) Compare a variabilidade das notas obtidas pelos alunos com a variabilidade do saldo na
conta corrente do Sr. José (QUESTÃO 1). Onde ocorreu a maior variabilidade? Qual a
medida estatística que você usou para comparar as variabilidades?
Solução -------------------------------------------------------------------------------------------------------------------
a) Usando os dados do histograma construa uma tabela de freqüência com a a freqüência

absoluta simples (fi), a freqüência relativa simples (fri), a freqüência absoluta acumulada (Fi)
e a freqüência relativa acumulada (Fri).
Os pontos dos alunos foram divididos em cinco classes (intervalos) com a mesma amplitude. A
primeira classe é a 0 | 6 pontos e a última é 24 | 30 pontos. O eixo vertical representa a
quantidade de alunos. A tabela que representa o histograma acima é:
Tabela: Distribuição dos pontos obtidos

Número
Pontos de fri Fri
Fi
obtidos alunos (em %) (em %)
fi
0 | 6 7 7,3% 7 7,3%
6 | 12 8 8,3% 15 15,6%
12 | 18 34 35,4% 49 51,0%
18 | 24 25 26,0% 74 77,0%
24 | 30 22 23,0% 96 100%
Total 96 100% - -

a) Calcule a média, a mediana e o desvio-padrão dos pontos obtidos pelos alunos.
Note que agora temos os dados agrupados em TABELA DE FREQÜÊNCIA COM CLASSE.
Para calcular a média, mediana e o desvio-padrão iremos precisar calcular inicialmente o ponto
2
médio de cada classe (xi) e depois os produtos xi*fi, xi *fi
Vamos usar a tabela de freqüência

Número
Pontos
de alunos xi 2
obtidos xi·fi xi ·f
fi
0 | 6 7 3 21 63
6 | 12 8 9 72 648
12 | 18 34 15 510 7650
 24
18 | 25 21 525 11025
24 | 30 22 27 594 16038
Total Σ fi = 96 -- 1722 35424
Para ver como foram feitos os cálculos, pegaremos a quarta classe como referência.
Quarta classe: 18 | 24

xi = (24 + 18)/2 = 21 (ponto médio da 4ª classe)
xi·fi = 21*25 = 525
2 2
xi ·f = (21) *25 = 11025
n = Σ fi = 96 Σ xi·fi = 1.722 Σ xi ·fi = 35.424

2
Do total da tabela temos: e
• Media amostral:
x=
∑ [x f ] = 1.722 = 17,94 pontos
i i
∑f i 96
2
• Variância amostral (s ) e desvio-padrão amostral (s)
Lembre-se de que o desvio-padrão é a raiz quadrada da variância.

   
2
 
 ∑x f
i i 
  1  (1722)2 
⋅ ∑x
1  = 47,74342
Variância amostral: s =
2 2
i fi − = ⋅ 35424 −
n −1  n  96 − 1 
 96 

 
 
Desvio-padrão amostral: s = 47,74342 = 6,91 pontos
RESPOSTA: A média amostral foi 17,94 pontos e o desvio-padrão amostral foi 6,91 pontos.

b) Calcule a mediana (Md) e o terceiro quartil (Q3) dos pontos obtidos pelos alunos. Escreva
uma frase interpretando o Q3.
• Mediana amostral (Md)
Como estamos trabalhando com tabela de freqüência, vamos usar a fórmula

n * 
 − Fant 
Md = l * + 
2
f i*
 ⋅ L* − l * ( )
Posição da Md: pos = n/2 = 96/2 = 48
A classe onde está Md é a classe com freqüência absoluta acumulada (Fi) imediatamente
superior a 48. Portanto, seria a 3ª classe (12 | 18 )
Da classe temos: l * = 12, L* = 18, f i * = 34 e Fant

*
= 15 (Fi da classe anterior)
n * 
 − Fant 
Md = l * +
2 
( )
⋅ L* − l * = 12 +
(48 − 15)
⋅ (18 − 12) = 17,82 pontos
f i* 34
• Terceiro quartil (Q3) Lembre-se de que o Q3 = P75 (percentil

75)
Posição do Q3: pos = 75*96/100 = 72
A classe onde está Q3 é classe com freqüência acumulada (Fi) imediatamente superior a
 24).
pos = 72. Portanto, a classe é quarta classe (18 |
Da classe temos: l * = 18, L* = 24, f i * = 25 e Fant

*
= 49 (Fi da classe anterior)
Q3 = l* +
(pos − F ) ⋅ (L
*
ant *
)
− l * = 18 +
(72 − 49)
⋅ (24 − 18) = 23,52 pontos
f i* 25
INTERPRETAÇÃO: Cerca de 75% dos alunos obtiveram notas menores ou iguais a 23,52
pontos.
c) Qual é a moda (usando método de Czuber) dos pontos obtidos pelos alunos.
Primeiro vamos identificar a classe modal que é a aquela com maior freqüência absoluta (fi)
Classe modal: 3ª classe (12 | 18)
Da classe modal temos: l * = 12, L* = 18, f i * = 34, f ant = 8 e f pos = 25.
D1 = f i − f ant = 34 – 8 = 26
D 2 = f i − f pos = 34 – 25 = 9
Mo = l * +
D1
D1 + D 2
(
⋅ L* − l * = 12 + )
26
26 + 9
⋅ (18 − 12) = 16,46 pontos

d) Compare a variabilidade das notas obtidas pelos alunos com a variabilidade do saldo na
conta corrente do Sr. José (QUESTÃO 1). Onde ocorreu a maior variabilidade? Qual a
medida estatística que você usou para comparar as variabilidades?
Solução -------------------------------------------------------------------------------------------------------------------
NOTAS: média = 17,94 pts desvio-padrão = 6,91 pts

SALDO: média = 20,5 reais desvio-padrão = 167,38 reais
Como se trata de variáveis com unidades de medidas diferentes (um é em pontos e o outro é
em reais), então não há como usar o desvio-padrão para comparar a variabilidade. Devemos,
portanto, usar o coeficiente de variação (CV)
NOTAS: CV = 6,91 / 17,94 = 0,38 (ou 38%)

SALDO: CV = 167,38 / 20,5 = 8,16 (ou 816%)
A maior variabilidade ocorreu nos saldos, pois o seu CV é maior.
QUESTÃO 3 - Em uma empresa com 15 funcionários, o salário médio era de R$ 1.800,00. O

gerente que ganhava R$ 15.000,00 foi demitido.
a) Qual a média salarial dos funcionários que permaneceram? Houve uma grande diferença no
salário médio desta empresa com o gerente e sem o gerente?
b) Você acha justo dizer (antes de o gerente sair) que os funcionários ganhavam em média R$
1.800,00?
Solução -------------------------------------------------------------------------------------------------------------------
a) Qual a média salarial dos funcionários que permaneceram? Houve uma grande diferença
no salário médio desta empresa com o gerente e sem o gerente?
Se o salário médio dos 15 era 1800, então os 15 juntos ganhavam um salário total de
15*1800 = 27000 reais. Se o gerente saiu, e ele ganhava 15000, então os 14 funcionários que
ficaram passaram a ganhar 27000 – 15000 = 12000 reais. Portanto, a média agora será
média = 12000 / 14 = 857,14 reais
média = 857,14 reais
b) Você acha justo dizer (antes de o gerente sair) que os funcionários ganhavam em média
R$ 1.800,00?
Não acho que 1800 reais fosse uma média salarial que melhor representasse os salários
daqueles funcionários. O alto salário do gerente era o responsável pela média salarial ser tão
alta.

QUESTÃO 4 - Considerando a amostra x = {62, 75, b, 78, 82, 64} e que a média amostral é
x = 69,5 , determine a o valor de ‘b’.
Solução -------------------------------------------------------------------------------------------------------------------
x ==
∑ x i = 62 + 75 + b + 78 + 82 + 64 = 69,5
n 6
361 + b = 6*69,5
361 + b = 417
b = 417 – 361
b = 56

5 - Anexo
Diferenças entre a média amostral e populacional e desvio-padrão

amostral e populacional
Na grande maioria das vezes os dados que temos representam uma amostra retirada de uma
população de interesse. E se, de repente, os nossos dados representarem uma população,
como iremos calcular a média populacional, a variância populacional e o desvio-padrão
populacional?
Média
Média populacional (µ) Média amostral ( x )
N n
∑ xi
x + x2 + L + x N
∑x
i =1
i
x1 + x 2 + L + x n
i =1
µ= = 1 x= =
N N n n
Na realidade, para as médias a única diferença é na notação usada: µ para média populacional
e x para média amostral.
Variância
2 2
Variância populacional (σ ) Variância amostral (s )
N n
∑ (x i − µ )2 ∑ (x
i =1
i − x )2
i =1
σ2 = s2 =
N n −1
2 2
Além da diferença na notação usada (σ para variância populacional e s para variância
amostral) note que no denominador de σ usa-se N, enquanto que s o usa-se n – 1.
2 2
Desvo-padrão
Desvio-padrão populacional (σ) desvio-padrão amostral (s)
N n
∑ (x i − µ )2 ∑ (xi =1
i − x )2
i =1
σ= s=
N n −1
EXEMPLO: Imaginem um país hipotético com apenas 4 estados, com os valores

representando o PIB (em milhões de dólares) de cada estado.
6 10 16 12
Já que só tem 4 estados, os valores acima representam a população de todos os estados

daquele país (N = 4). Neste caso, a média populacional, a variância populacional e o
desvio-padrão populacional são:
4
∑x
i =1
i
6 + 10 + 16 + 12 44
Média populacional: µ = = = = 11 milhões (PIB médio destes estados)
4 4 4

∑ (x
i =1
i − µ )2
(6 − 11)2 + (10 − 11)2 + (16 − 11)2 + (12 − 11)2
Variância populacional: σ 2 = =
N 4
25 + 1 + 25 + 1 52
= = = 13
4 4
N
∑ (x
i =1
i − µ )2
Desvio-padrão populacional: σ = = var iância = 13 = 3,61 milhões
N
EXEMPLO: Imaginem um país hipotético com vários estados, onde apenas 4 estados foram
sorteados aleatoriamente (amostra de 4 estrados) e registrado o PIB (em milhões de dólares)
de cada um deles.
6 10 16 12
Como os 4 estados foram sorteados de uma população de vários estados, então os valores
acima vêm de uma amostra (n = 4) e não de uma população. Neste caso, a média amostral, a
variância amostral e o desvio-padrão amostral são:
4
∑x
i =1
i
6 + 10 + 16 + 12 44
Média amostral: x = = = = 11 milhões (PIB médio destes estados)
4 4 4
n
∑ (x
i =1
i − x )2
Variância amostral: s2 =
n −1
=
(6 − 11)2 + (10 − 11)2 + (16 − 11)2 + (12 − 11)2
4 −1
25 + 1 + 25 + 1 52
= = 17,33 milhões
2
=
3 3
n
∑ (x
i =1
i − x )2
Desvio-padrão amostral: s = = var iância = 17,33 = 4,16 milhões
n −1
Observem que, ao calcular a variância amostral, o denominador foi n − 1

6 - Bibliografia
• CRESPO, A. A. Estatística Fácil, São Paulo: Saraiva, 2000.

• TOLEDO, Geraldo Luciano, OVALLE, Ivo Izidoro. Estatística básica. 2. ed. São Paulo:
Atlas, 1981.
• LEVINE, David M.; STEPHAN, David; KREHBIEL, Timothy C.; BERENSON, Mark L..
Estatística: Teoria e Aplicações usando Microsoft Excel em Português. 3 ed.. Rio
de Janeiro - RJ: LTC - Livros Técnicos e Científicos. 2005.
• TRIOLA, Mario F. Introdução à estatística. Rio de Janeiro: LTC - Livros Técnicos e
Científicos, c2005. 656p.
• BARBETTA, P. A.; REIS, M. M.; BORNIA, A. C. Estatística para cursos de
engenharia e informática. 1 ed. São Paulo: Atlas. 2004.

Medidas Estatísticas

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Medidas Estatísticas

Enviado por

Direitos autorais:

Formatos disponíveis

UNIDADE 03

2 − Medida de Posição Central................................................................................................. 6

2.1 − Medida de posição central para dados brutos ............................................................ 6

2.2 − Medidas de posição central para dados agrupados em tabelas de freqüência........ 14

2.2.2 − Dados agrupados em tabelas de freqüência com classe .................................. 17

2.3 - Exercícios propostos .................................................................................................. 21

3.2 − Medida de variabilidade para dados brutos .............................................................. 26

3.3 − Medidas de variabilidade para dados agrupados em tabelas de freqüência ............ 34

3.2.2 − Dados agrupados em tabelas de freqüência com classe .................................. 35

3.4 − Algumas aplicações do desvio-padrão...................................................................... 36

3.5 - Exercícios propostos .................................................................................................. 38

4 − Medida Separatrizes, de Assimetria e de Curtose ........................................................... 41

4.2 − Medidas separatrizes para dados brutos .................................................................. 41

4.3 − Medidas Separatrizes para dados agrupados em tabelas de freqüência ................. 46

4.3.2 − Dados agrupados em tabelas de freqüência com classe .................................. 48

4.5 – Construção do Boxplot (gráfico de caixa) ................................................................. 50

4.6 − Medida de Assimetria ................................................................................................ 53

4.7 − Medida de Curtose .................................................................................................... 56

4.8 - Exercícios propostos .................................................................................................. 58

4.9 - Exercícios resolvidos.................................................................................................. 59

Estatística Básica −3− prof. José Aguinaldo

EXEMPLO 01 - Uma pequena empresa trabalha com apenas quatro máquinas de

Esse pacote pesou

As medidas que ajudam a descrever uma distribuição são:

Estatística Básica −4− prof. José Aguinaldo

2 − Medida de Posição Central

2.1 − Medida de posição central para dados brutos

A média de um conjunto de valores é o somatório destes valores dividido pela quantidade de

EXEMPLO 02 - A empresa XYZ selecionou uma amostra de 5 funcionários e registrou

Estatística Básica −6− prof. José Aguinaldo

Caso particular: Média Populacional

450 560 550 300 620 400 500 580

A renda média populacional é 495 reais por família

Estatística Básica −7− prof. José Aguinaldo

EXEMPLO 04 - A empresa XYZ selecionou uma amostra de 5 funcionários e registrou

Podemos formalizar um procedimento para obter a mediana da seguinte maneira:

• Ordene o conjunto de dados em ordem crescente e calcule pos = n 2 que é a posição da

Comparação entre a média e a mediana

EXEMPLO 05 - Suponha que no EXEMPLO 02, a distância de 12 km foi registrada

Estatística Básica −8− prof. José Aguinaldo

Dados ordenados: 3 4 9 12 120

A mediana está na posição pos = 5/2 = 2,5 ≈ 3 (3ª posição), portanto Md = 9.

3, 4, 4, 4, 9, 10, 12, 12, 12 → Mo = 4 e 12 (bimodal)

ou mesmo não ter moda

O procedimento formal para obter a média aparada de k% é:

Estatística Básica −9− prof. José Aguinaldo

Os valores retirados são: 8, 18, 22 e 75.

EXEMPLO 07 - Um professor aplicou quatro avaliações com os seguintes pesos 1, 2, 4

(1) (2) (3)

- ∑wi = 15 ∑wi⋅xi = 262

Estatística Básica − 10 − prof. José Aguinaldo

Por exemplo, a média geométrica dos valores 8, 5, 3, 6 é

EXEMPLO 08 - O faturamento de uma empresa cresceu 30% em 2005, 26% em 2006,

x g = 4 1,30 ⋅ 1,26 ⋅ 1,48 ⋅ 1,15 = 4 2,78788 = 1,2922

A média geométrica da taxa de crescimento do faturamento no período estudado (2005 – 2008)

Evolução dos faturamentos partindo de um valor

Estatística Básica − 11 − prof. José Aguinaldo

F2008 = 100 * (1,2975 ) 4 = 283, 4

A média harmônica equivale ao inverso da média aritmética dos inversos de n valores. Se

Por exemplo, a média harmônica dos valores 8, 5, 3, 6 é

a) Comparação entre as médias aritmética, geométrica e harmônica.

b) Propriedades da média aritmética simples

Estatística Básica − 12 − prof. José Aguinaldo