Noções de Estatı́stica

Primeiro contato, gráficos, rol e medidas de centralidade

Por Lipo#0778, @telkie f

Sumário
1 Introdução 1
1.1 Estatı́stica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 População . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.3 Amostra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.4 Variável . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

2 Representações Gráficas 3
2.1 Classe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2 Amplitude . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.3 Rol . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.4 Gráfico de barras ou colunas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.5 Ogiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.6 Gráfico de Setores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.7 Pictogramas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

3 Medidas de Centralidade 10
3.1 Média Aritmética . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.2 Média Ponderada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.3 Média Geométrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.4 Média Harmônica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.5 Desigualdade das médias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.6 Média Aritmética de dados agrupados em classes . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.7 Mediana para dados discretos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.8 Moda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1 Introdução
1.1 Estatı́stica
É a disciplica que está relacionada com os métodos cientı́ficos e objetiva recompilar, organizar, classificar,
apresentar, resumir e analisar os dados, para tomada de decisões.

1.2 População
É um conjunto de itens ou objetos de análise com alguma variável de interesse ou observação. Poderı́amos
inspecionar, como exemplo, os membros do servidor para investigarmos: área do conhecimento dedicada,
tempo de estudos, idade, altura, sexo, inicial do nome, cargos etc.

1.3 Amostra
Uma amostra é um subconjunto da população. Deve ser sempre representativa, ou seja, sempre deve
remeter à população de modo que consigamos obter informações tanto da amostra, como da população.
Na última subseção, apresentamos uma população: os membros do servidor. Uma possı́vel amostra seria:
os resumers. Percebe a diferença? Resumers continuam a ser membros, mas são mais especı́ficos. Outras
possı́veis amostras são: membros que têm mais de 15 anos, membros que têm inicial A no nome etc. Note
que nada impede que um resumer tenha mais de 15 anos e tenha inicial A, isto é, nada impede que um
determinado objeto de uma população pertença a dois ou mais amostras simultaneamente.

1.4 Variável
Uma variável estatı́stica é uma caracterı́stica da população conveniente aos investigados. Tomemos nova-
mente os membros do servidor. uma possı́vel variável seria a cor dos olhos, que pode assumir três valores1 :
castanhos, verdes ou azuis. A cada membro, podemos atribuir uma caracterı́stica cor dos olhos, o que configura
uma variável estatı́stica.
Existem dois tipos de variáveis estatı́sticas:

a) Variáveis qualitativas: como podemos inferir do nome, dizem respeito a qualidades de uma população,
que nada têm a ver com números ou quantidades. A cor dos olhos, do exemplo anterior, é uma uma
variável qualitativa. Existem dois tipos de variáveis qualitativas:

• Nominais: não existe qualquer hierarquia entre os valores das variáveis. Como exemplo, suponhamos
uma pesquisa entre 100 alunos que podiam escolher entre quatro áreas do conhecimento: humanas,
exatas, naturais e linguagem e artes. Conseguimos montar a tabela:

Área escolhida Quantidade de alunos

Humanas 24
Exatas 28
Naturais 34
Linguagem e Artes 14

Sabemos que a ordem majoritária de escolha é: naturais, exatas, humanas e linguagem e artes. Porém,
não há hierarquia entre as escolhas, ou seja, uma área não é maior ou mais importante que outra.
• Ordinais: existe hierarquia entre os elementos da variável. No servidor, como sabemos, há hierarquia
entre os membros. Podemos separá-los em três grupos: Admins, Mods e Outros membros. Nessa
ordem, existe hierarquia entre os elementos das variáveis.
1
Na prática, existem bem mais. Estamos supondo que todos os membros tenham as cores comuns básicas de olhos.
b) Variáveis quantitativas: são as variáveis que envolvem algum tipo de contagem ou medições. Em outras
palavras, envolvem números. Podemos subdividi-las em dois tipos:

• Discreta: quando a variável é fruto de uma contagem (0, 1, 2, · · · ), ou seja, figuram somente valores
inteiros não negativos2 . Por exemplo, a quantidade de irmãos que qualquer membro do servidor tem
é um tipo de variável quantitativa discreta, já que precisamos contar para cada indı́viduo e acabamos
encontrando um valor inteiro e não negativo.
• Contı́nua: quando a variável é fruto de uma medição. Nesse caso, seu valor não precisa necessari-
amente ser um valor inteiro. Por exemplo, a altura dos membros em metros pode assumir valores
diversos: 1.56, 1.64, 1.70, 1.88 etc.

2
Podemos assumir também que serão somente valores naturais, se definirmos os naturais como conjunto N = {0, 1, 2, · · · }.
2 Representações Gráficas
Nem sempre os dados estatı́sticos vêm representados em tabelas. Mais comumente, na verdade, vêm
representados em gráficos. A seguir, veremos os gráficos mais importantes, que aparecem com mais frquência.
Vamos supor uma pesquisa com 15 pessoas que tenha coletado os seguintes dados:

Nome Idade Altura Número de irmãos Cor dos olhos

Clara 20 1.54 2 Castanhos
João 31 1.74 1 Castanhos
Alberto 45 1.63 0 Azuis
Gustavo 18 1.94 1 Castanhos
Caio 50 1.69 3 Verdes
Igor 15 1.60 2 Castanhos
Fernanda 17 1.78 0 Verdes
Aline 24 1.71 0 Azuis
Flávio 58 1.84 2 Castanhos
José 43 1.62 1 Verdes
Amanda 13 1.57 1 Castanhos
Paulo 18 1.66 1 Castanhos
Jéssica 22 1.60 0 Castanhos
Thiago 20 1.83 1 Castanhos
Larissa 17 1.76 2 Verdes

2.1 Classe
Uma classe é um intervalo de valores possı́veis de uma variável e simbolizamos por a ` b, que significa
“todos os valores começando em a, até b, mas este não é incluı́do” (a é o valor que chamamos limite inferior b
é o limite superior ). Assim, poderı́amos dividir o nosso grupo de 15 pessoas em três classes, pela suas idades:
10 ` 20; 20 ` 40; 40 ` 60. Respectivamente, estariam incluı́das nessas classes 6, 5 e 4 pessoas.
Outra possı́vel separação em classes seria das alturas, por exemplo.

2.2 Amplitude
Amplitude de uma distribuição é a diferença entre seu maior e menor valor. Vamos voltar àquela pesquisa
anterior. A pessoa mais nova da pesquisa tinha 13 anos; a mais velha, 58. A mais baixa tinha 1.54m e a mais
alta, 1.94.
Para calcularmos a amplitude da idade, tomamos o maior valor (58) e subtraı́mos do menor (13): Aidade =
58 − 13 = 45 anos. Fazendo o mesmo para a altura: Aaltura = 1.94 − 1.54 = 0.4m.
A amplitude de uma classe a ` b é dada pela diferença entre os limites superior e inferior: A = b − a. Nas
três classes citadas anteriormente, 10 ` 20; 20 ` 40; 40 ` 60 terı́amos amplitudes: A1 = 20 − 10 = 10; A2 =
40 − 20 = 20; A3 = 60 − 40 = 20.
Outro conceito útil é o de ponto médio da classe, que não passa da média aritmética (que veremos abaixo)
entre os limites superior e inferior.
a+b
O ponto médio da classe a ` b é o valor .
2

2.3 Rol
Quando trabalhamos com variáveis qualitativas, é útil, geralmente, escrevermos os termos em rol. Nada
mais é que uma lista de termos em ordem não-decrescente. Vamos supor as idades da pesquisa anterior na
ordem em que foram questionadas: 20, 31, 45, 18, 50, 15, 17, 24, 58, 43, 13, 18, 22, 20, 17.
 A lista não está em rol. Precisamos rearrumá-la como segue: 13, 15, 17, 17, 18, 18, 20, 20, 22, 24, 31, 43,
45, 50, 58.

2.4 Gráfico de barras ou colunas

Vamos construir um gráfico baseado na quantidade de pessoas que pertençam às cinco seguintes classes
de idades: 10 ` 20; 20 ` 30; 30 ` 40; 40 ` 50; 50 ` 60.
Na horizontal, ficam os valores das classes. Na vertical, as possı́veis quantidades de pessoas:

Poderı́amos representá-lo também assim:

Nos dois casos, associamos uma classe à frequência (o tanto de vezes) com que aparece um indivı́duo dela
na pesquisa. Por exemplo, 20 ` 30 ser associado ao valor 4 significa que há 4 na faixa de 20 a 30 anos.
Às vezes, faz-se a diferença entre gráfico de tabelas e histograma pela variável associada. Nas de barra,
usamos variáveis discretas, já nos histogramas, usamos variáveis contı́nuas. Veja o gráfico abaixo, que associa
o número de irmãos de um entrevistado e a quantidade de pessoas nessa condição:
 Esse último gráfico, irmãos × quantidade de pessoas, é um gráfico de barras, enquanto os outros, classe
de idades × quantidade de pessoas, são histogramas. No geral, não faz sentido diferenciarmos os dois.

2.5 Ogiva
É um tipo de gráfico que representa a frequência acumulada em função dos limites superiores das classes.
Para entender o conceito de frequência acumulada, montemos a tabela abaixo, com as informações dos últimos
gráficos:

xi fi fac

Na coluna xi , escrevemos os valores das classes:

xi fi fac
10 ` 20
20 ` 30
30 ` 40
40 ` 50
50 ` 60

Na coluna fi , escrevemos as frequências absolutas, ou seja, o tanto de vezes que cada uma delas apareceu:

xi fi fac
10 ` 20 6
20 ` 30 4
30 ` 40 1
40 ` 50 2
50 ` 60 2
 Por fim, na coluna fac , acumularemos as frequências absolutas das classes anteriores. Começamos repetindo
fi da primeira classe:

xi fi fac
10 ` 20 6 6
20 ` 30 4
30 ` 40 1
40 ` 50 2
50 ` 60 2

Depois somamos esse valor com o fi da próxima classe e escrevemos na próxima fac . 6 + 4 = 10, é o que
colocamos:
xi fi fac
10 ` 20 6 6
20 ` 30 4 10
30 ` 40 1
40 ` 50 2
50 ` 60 2

E repetimos o processo até a última classe:

xi fi fac
10 ` 20 6 6
20 ` 30 4 10
30 ` 40 1 11
40 ` 50 2 13
50 ` 60 2 15

Por fim, associamos o limite superior de cada xi com fac :

Ao olhar a coluna de 50, com seu valor 13, entendemos que até a classe de 50 anos, há 13 pessoas.
Note que representamos o gráfico com seu polı́gono de frequências, que representam bem a mesma coisa.
O gráfico de ogivas pode mostrar o acúmulo de algo a cada classe, tem sido bastante usado na atual contagem
de casos acumulados de COVID-19 semanalmente.
2.6 Gráfico de Setores
Voltemos à tabela original e contabilizemos quantos indivı́duos têm cada cor de olhos:

Cor dos Olhos (xi ) Quantidade de Indivı́duos (fi )

Castanhos 9
Verdes 4
Azuis 2

O gráfico de setores, também conhecido como de pizza, não passa de dividir a área de um cı́rculo em
setores tais que seus ângulos centrais sejam diretamente proporcionais ao número de indı́viduos na categoria.
Sabemos que o total de indivı́duos é 15, que deve corresponder à totalidade do cı́rculo, ou seja, 360°. Basta
então que associemos cada uma da três quantidades utilizando a regra de três:
fi α
=
15 360◦
9 α 4 β 2 γ
logo vem que: = ◦
⇒ α = 216◦ ; = ◦
⇒ β = 96◦ ; = ⇒ γ = 48◦ .
15 360 15 360 15 360◦
Descobrimos que o ângulo central para olhos castanhos é 216°; para verdes, é 96°; e para azuis é 48°.
Podemos montar o gráfico:

216°

48°

96°

Depois basta adicionar cores (e legendas, se necessário):

Nem sempre são conferidos dados sobre os valores absolutos (que vieram da anterior contagem), mas os
relativos (em porcentagem). O cálculo é o mesmo. Suponhamos uma quantidade a de pessoas num valor, p é
a sua porcentagem do todo e θ é seu ângulo correspondente no gráfico. Se o total de pessoas for T , teremos:
a p θ
= = .
T 100% 360◦
basta associar dois deles que tenhamos informação.
2.7 Pictogramas
Pictogramas são gráficos estatı́sticos que se utilizam de recursos visuais para enfatizarem seus próprios
significados. Suponhamos que numa pesquisa, desde 2000 e a cada 5 anos, sobre o consumo de pão tenha
dado os seguintes resultados (em kg per capita ao ano):

2000 20
2005 30.5
2010 36.7
2015 41.3
2020 45

Representado por meio de um gráfico de barras, temos:

Podemos representar o aumento por meio de um pictograma e usaremos o desenho de um pão (bem
autoexplicativo). Há duas formas: quanto maior o valor, maior será o pão:
 Ou então definimos que um pão representa 5kg (pode ser qualquer valor, mas decidimos arbitrariamente
usar esse). Logo nosso gráfico fica assim:

Note que em 2020 o consumo foi de 45kg/capita ao ano. Como um pão representa 5kg, o consumo passa
a ser de 9 pães/capita ao ano.
3 Medidas de Centralidade
As medidas de centralidade são números reais utilizados para representarmos listas inteiras de dados.
Vejamos em exemplos:
Uma pesquisa hipotética em que foram anotados dados de 300 mil brasileiros consegue nos dar a conclusão
de que a expectativa de vida do brasileiro é de 75.3 anos. Esse valor não significa que todo brasileiro vive pouco
mais de 75 anos, mas sim que, em média, é o tempo de vida do brasileiro. Sabemos que aproximadamente
há meio século, a expectativa de vida da população era de apenas 55 anos, o que indica avanços significativos
na qualidade de vida. Conseguimos obter essa nova conclusão sem que precisássemos comparar cada um dos
300 mil indivı́duos.
Outro exemplo, e que você pode tentar em casa, é a medição da gravidade local. Tudo o que se precisa
é de uma régua, um cronômetro (ou qualquer aparelho que possa medir o tempo), duas (ou três) pessoas e
material para anotar os resultados. Uma das pessoas (chamemos A) deve segurar a régua de modo que o
0cm fique para baixo (pode ser a mesma que cronometrará), enquanto a outra (chamemos B) deve posicionar
os dedos imediatamente abaixo da marca de 0cm em forma de pinça. O experimento consiste em a pessoa
A soltar a régua e acionar o cronometro ao mesmo tempo, enquanto a pessoa B agarra ela de volta; nesse
momento, a pessoa A deverá parar o cronômetro. Teremos, assim, dois valores associados: tempo de queda
(valor do cronômetro) e altura de queda (é onde marca o dedo da pessoa B).
Quanto mais repetirmos o processo, mais próximo do valor real será o resultado. Ao final, quando tivermos
tabelado quantidades suficientes de queda e tempo, tomamos sua média aritmética (visto abaixo). Chamemos
a queda média de Hm e o tempo médio de tm . Da fı́sica, sabemos que altura de queda pode ser associada ao
tempo pela seguinte expressão:
a
H = H0 + V0 t + t2
2
(H é a altura, H0 é a altura inicial, V0 é a velocidade inicial, t é o tempo e a é a aceleração)
Sabemos que, no nosso caso, H0 = V0 = 0 (altura inicial 0cm e velocidade também nula, pois começa a
ganhá-la a partir de soltarmos a régua):

g 2Hm
Hm = t2m ⇒ 2 = g,
2 tm

isto é, a razão entre o dobro da altura de queda e o quadrado do tempo levado médio é igual à gravidade.
Obviamente, por imprecisões como milissegundos de resposta para a pessoa A parar o cronômetro ou leitura de
queda maior (bem como menor) que o valor real levam o resultado a não ser bem a medida real da gravidade,
mas é bastante provável que você obtenha um resultado entre 9.6 e 10.4.

3.1 Média Aritmética

A média aritmética x obtida a partir de uma lista de n valores: x1 , x2 , · · · , xn é a razão entre a soma dos
valores e o número de valores, ou seja:
x1 + x2 + · · · x n
x=
n
Suponhamos que um aluno, durante um ano, tenha obtido as seguintes notas numa matéria:

1° bimestre 2° bimestre 3° bimestre 4° bimestre

8.0 7.3 6.5 8.9

Nossa lista tem 4 itens: 8.0, 7.3, 6.5 e 8.9. Logo a média anual desse aluno (média aritmética das notas)
é dada por:
8.0 + 7.3 + 6.5 + 8.9
x= = 7.675.
4
3.2 Média Ponderada
A média aritmética ponderada, em termos simples, é uma média em que pelo menos um dos dados tem
maior importância em relação aos outros. Podemos também reduzir uma média aritmética com elementos
repetidos a uma média ponderada.
Dada uma lista de dados x1 , x2 , · · · , xn , que têm respectivamente pesos (importância) p1 , p2 , · · · , pn , sua
média ponderada é:
x1 p 1 + x2 p 2 + · · · xn p n
x= .
p1 + p2 + · · · pn
Vejamos os dois casos. Suponha aquele mesmo aluno anterior. Vamos adotar que a primeira prova tenha
tido peso 1; a segunda, peso 2; e assim vai. Qual será sua média anual nesse caso?
A nota 8.0 terá peso 1, a nota 7.3 terá peso 2; 6.5, 3; e 8.9, 4. Logo:
8.0 · 1 + 7.3 · 2 + 6.5 · 3 + 8.9 · 4 8 + 14.6 + 19.5 + 35.6 77.7
x= = = = 7.77.
1+2+3+4 10 10
Analisamos os dados de 20 pessoas entre 14 e 18 anos sobre suas idades:

xi fi
14 2
15 7
16 3
17 2
18 6

Qual será a idade média desse grupo? Basta que somamos as idades dos indivı́duos, um a um, ou que
usemos uma média ponderada. Note que cada idade xi pode ser relacionada à sua frequência absoluta fi como
elemento de lista e seu peso, respectivamente. Logo, o número de pessoas torna-se peso e temos a expressão:
14 · 2 + 15 · 7 + 16 · 3 + 17 · 2 + 18 · 6 28 + 105 + 48 + 34 + 108 323
x= = = = 16.15.
3+7+3+2+5 20 20
Concluı́mos que o peso de um elemento da lista é o tanto de vezes que aquele elemento foi contado.

3.3 Média Geométrica

A média geométrica tem pouco uso cotidiano, mas precisamos saber como calculá-la. Dada uma lista de
dados x1 , x2 , · · · xn , sua média geométrica é a raiz enésima do produto desses dados, ou seja:
√
xG = n x1 · x2 · · · · · xn

Então, se quisermos calcular a média geométrica entre 6, 12 e 24, temos:

√
3
√
3
xG = 6 · 12 · 24 = 1728 = 12
√
3
√
3
= 2 · 3 · 22 · 3 · 23 · 3 = 26 · 33 = 22 · 3 = 12

3.4 Média Harmônica

O último tipo de média apresentado é a harmônica, que também não tem tanta utilidade no cotidiano.
Dada uma lista de dados x1 , x2 , · · · xn , sua média harmônica é dada ela razão entre a quantidade de elementos
e a soma dos inversos de cada termo:
n
xH = .
1 1 1
+ + ··· +
x1 x2 xn
 Vamos calcular a média harmônica entre 2, 3, 4 e 6:
4 4 16
xH = = = = 3.2
1 1 1 1 5 5
+ + +
2 3 4 6 4

3.5 Desigualdade das médias

Suponha a seguinte lista de dados: 1, 2, 3 e calculemos as três médias:

1+2+3 6
xA = = =2
√ 3 √3
3 3
xG = 1 · 2 · 3 = 6 ≈ 1.82
3 3 18
xH = = = ≈ 1.64
1 1 1 11 11
+ +
1 2 3 6

Note que xA ≥ xG ≥ xH . Essa desigualdade vale para qualquer lista que tomemos (desde que nenhum dos
números seja 0, senão xH é indefinido). A igualdade xA = xG = xH somente ocorre quando todos os números
são iguais entre si.3

3.6 Média Aritmética de dados agrupados em classes

Quando queremos calcular a média aritmética de uma distribuição em classes, precisamos substituir a
classe pelo seu ponto médio 4 e trabalhar com uma média aritmética comum.
Vamos retomar ao primeiro gráfico de barras:

E podemos converter na tabela:

3
Bizu para lembrar da ordem da desigualdade: A vem antes de G, que vem antes de H no alfabeto. Assim, A ≥ G ≥ H, ou
melhor, xA ≥ xG ≥ xH .
4
Visto na subseção 2.2.
 Classes Quantidade de indivı́duos
10 ` 20 6
20 ` 30 4
30 ` 40 1
40 ` 50 2
50 ` 60 2

Calculamos cada ponto médio das cinco classes: 15, 25, 35, 45, 55 e substituı́mos na tabela:

Pontos médios das classes Quantidade de indivı́duos

15 6
25 4
35 1
45 2
55 2

E tratamos como uma média aritmética comum (nesse caso, ponderada):

15 · 6 + 25 · 4 + 35 · 1 + 45 · 2 + 55 · 2 90 + 100 + 35 + 90 + 110 425
x= = = = 28.333...
6+4+1+2+2 15 15
que corresponde à idade média dos entrevistados.

3.7 Mediana para dados discretos

Dada uma lista de variáveis discretos escrita em rol, há duas possibilidades:

1. A lista tem um número ı́mpar de elementos.

Assim, a mediana é o termo central dessa lista. Vamos lembrar daquela lista de 15 idades: 20, 31, 45, 18,
50, 15, 17, 24, 58, 43, 13, 18, 22, 20, 17. Não está em rol. Então terı́amos: 13, 15, 17, 17, 18, 18, 20, 20,
22, 24, 31, 43, 45, 50, 58. Como há 15 valores, o termo central é o que ocupa a posição do arredondamento
para cima de 15 2
= 7.5 → 8, isto é, procuramos o oitavo termo da lista, que corresponde ao 20, a mediana.

2. A lista tem um número par de elementos.

Nesse caso, a mediana é a média aritmética entre os dois termos centrais. Voltando àquela lista, adicionemos
mais uma idade: 33. Nossa lista ficaria, em rol: 13, 15, 17, 17, 18, 18, 20, 20, 22, 24, 31, 33, 43, 45, 50, 58.
Como há 16 valores, os termos centrais são os de posição 162
= 8 e 16
2
+ 1 = 9. Então procuramos o oitavo
e nono termos: 20 e 22. Logo a mediana é:
20 + 22
= 21.
2

Ressaltamos que você deve ter sua lista organizada em rol.

3.8 Moda
A moda de uma lista é o seu termo mais presente, ou seja, aquele que apareceu com maior frequência. Na
seguinte lista: 1, 2, 2, 2, 2, 3, 3, 4, 33, 45; o número que mais apareceu é, evidentemente, 2. Logo, 2 é a moda.
Se tomássemos aquela tabela de idades:
 xi fi
14 2
15 7
16 3
17 2
18 6

Podemos perceber que 15 anos é a mais frequente das idades, ou seja, sua moda.
Quando, numa lista, dois valores são igualmente mais frequentes, chamamos de bimodal. Se três ou mais
valores são igualmente mais frequentes, chamamos de multimodal. Caso todos os valores sejam igualmente
frequentes, chamamos a lista de amodal.