I. S. E. L. E. P. / I. E. P. I. S. E. L. E. P. / I. E. P.

1. ESTATÍSTICA DESCRITIVA procuraram leis quantitativas para traduzir fenómenos sociais e políticos.
O desenvolvimento do Cálculo das Probabilidades surge também no século XVII. A ligação
das probabilidades com os conhecimentos estatísticos veio dar uma nova dimensão à
1.1. EVOLUÇÃO HISTÓRICA DA ESTATÍSTICA Estatística. Considera-se assim uma nova fase, a terceira, em que se começa a fazer inferência
estatística. Três nomes importantes ligados a esta fase são: Fermat (1601-1665), Pascal (1623-

Para responder ao desenvolvimento social surgiram as primeiras técnicas estatísticas. 1662) e Huygens (1629-1695). Huygens inspira, mais tarde, Jakob I Bernoulli (1654-1705)

Quando as sociedades primitivas se organizaram sentiram necessidade de tomar decisões que estabelece a correspondência entre probabilidade e frequência, através do “Teorema de

que exigiam o conhecimento numérico dos recursos disponíveis. Bernoulli” segundo o qual ao aumentar o número de provas é de esperar, com crescente

A História confirma que as primeiras estatísticas foram realizadas para os governantes das probabilidade, que um acontecimento se verifique com uma frequência efectiva mais próxima

grandes civilizações tomarem conhecimento dos bens que o estado possuía e como estavam da que faria prever a sua probabilidade teórica.

distribuídos pela população. No princípio do século XVIII é apresentada a distribuição Normal e surge a primeira versão

Apesar de se saber hoje que três séculos antes do nascimento de Cristo já se faziam do célebre Teorema do Limite Central, enunciado por Abraham De Moivre (1667-1754). Este

estatísticas, a palavra estatística apareceu pela primeira vez no século XVIII e foi sugerida Teorema é generalizado mais tarde por Karl Gauss (1777-1855) e pelo Marquês Pierre

pelo alemão Gottfried Achemmel (1719-1772). A palavra estatística vem de statu (estado, Laplace (1749-1827).

em latim). Thomas Bayes (1702-1761) apresenta a primeira tentativa de quantificação da inferência

No sentido de encontrar referências às primeiras estatísticas os investigadores não pouparam estatística. O conde Joseph Lagrange (1736-1813) e Siméon Poisson (1781-1840) são ainda

esforços. O primeiro dado disponível sobre um levantamento estatístico foi referido por dois homens que grandes avanços proporcionaram à Teoria das Probabilidades,

Heródoto o qual diz que em 3050 a.C. se efectuou um estudo das riquezas da população do nomeadamente, este último, na generalização do Teorema de Bernoulli.

Egipto, cuja finalidade era averiguar quais os recursos humanos e económicos disponíveis No século XIX inicia-se a última fase do desenvolvimento da Estatística, alargando e

para a construção das pirâmides. interligando os conhecimentos adquiridos nas três fases anteriores. Com esta fase dá-se início

No ano 2238 a.C. realizou-se uma estatística ordenada pelo imperador chinês Yao com fins a uma dependência dos diferentes ramos do saber relativamente à Estatística. Dois grandes

industriais e comerciais. nomes associados a este desenvolvimento são: Ronald Fischer (1890-1962) e Karl Pearson

No ano 1400 a.C. Ramsés II mandou realizar um levantamento das terras do Egipto. (1857-1936). Já nos finais do século XIX, princípios do século XX, Chebyshev (1821-1894),

Outras estatísticas referidas pelos investigadores foram feitas por Moisés (1490 a.C.), pelos responsável pela Desigualdade de Chebyshev, Andrey Markov (1856-1922), pioneiro dos

gregos e romanos. processos estocásticos e Alexander Liapounov (1857-1919), contribuem igualmente de forma

Desde a queda do império romano passou praticamente um milénio sem que se conheçam significativa para o desenvolvimento da Teoria das Probabilidades e em geral da Estatística.

estatísticas importantes, a não ser as realizadas por Pipino, em 758, e por Carlos Magno, em Actualmente, a Estatística não se limita apenas ao estudo da Demografia e da Economia. O

762, sobre as terras que eram propriedade da igreja. seu campo de aplicação alargou-se à análise de dados em Biologia, Medicina, Física,

Desde então, muitos Estados ordenaram estudos para melhor conhecerem determinadas Psicologia, Indústria, Comércio, Meteoro1ogia, Educação, Desporto, etc., e ainda a domínios

características da população, nomeadamente para determinarem leis sobre impostos e aparentemente desligados, como Estrutura de linguagem e estudo de Formas Literárias.

números de homens disponíveis para combater. Na sua origem, a Estatística estava ligada ao estado. Hoje, não só se mantém esta ligação,

Esta foi a primeira fase do que, hoje, se chama Estatística. como todos os Estados e a sociedade em geral dependem cada vez mais dela. Por isso, em

No século XVII, em Inglaterra, iniciou-se uma segunda fase em que já se analisavam grupos todos os estados existe um Departamento ou Instituto Nacional de Estatística. Actualmente, o

de observações numéricas respeitantes à saúde pública, nascimentos, mortes e comércio. INE tem dezenas de publicações a que todos têm acesso.

Nesta fase, distinguiram-se John Graunt (1620-1674) e William Petty (1623-1687), que

1. Estatística Descritiva 1 1. Estatística Descritiva 2

I. S. E. L. E. P. / I. E. P. I. S. E. L. E. P. / I. E. P.

1.2. OBJECTO DA ESTATÍSTICA matemáticas estruturadas.

t Investigação Científica – Nos países mais avançados, existem gabinetes de Estatística
que são normalmente utilizados pelas equipas de investigação científica e pelas empresas.
A palavra Estatística pode ter pelo menos três interpretações:
t Um censo ou uma sondagem;
A fim de caracterizarmos o objecto material ou parte da realidade que interessa à estatística,
t Um estudo;
convém estabelecer a distinção entre fenómenos causais (ou deterministas) e fenómenos
t Uma ciência.
casuais (estatísticos ou aleatórios).
Os fenómenos causais (ou deterministas) caracterizam-se por se obterem sempre os mesmos
Estas três ideias não são independentes umas das outras mas têm a ver com a evolução
resultados desde que se realizem nas mesmas condições. Assim, é possível prever o estado
histórica da Estatística.
final, conhecendo o estado inicial e as condições de realização. Por exemplo: a água pura
A primeira ideia é a mais vulgarmente conhecida e está ligada à necessidade do estado
aquecida a temperatura superior a 100° C transforma-se sempre em vapor.
conhecer melhor os problemas e as situações das pessoas e dos bens. A segunda concepção é
É fácil compreender que é praticamente impossível realizar um fenómeno nas mesmas
mais ampla que a primeira pois também inclui o estudo dos dados obtidos.
condições, pois a imperfeição da mente e dos sentidos do homem impede o conhecimento
A terceira ideia associa-se ao cálculo das probabilidades, conferindo-lhe a designação de
exacto de todas as causas que intervêm em determinado fenómeno. As causas conhecidas
ciência. Esta associação permite à Estatística criar modelos capazes de predizer
agrupam-se e são substituídas por aquilo a que se chama acaso.
comportamentos dos factos em estudo. Desta forma a Estatística pode ser vista como um
Os fenómenos casuais (estatísticos ou aleatórios) são os que não apresentam carácter
ramo da Matemática Aplicada.
determinista, isto é, repetidas em condições análogas conduzem a resultados distintos.
A Estatística aparece também no mundo actual como resposta à complexidade dos problemas
Assim, é impossível prever o estado final em qualquer experiência ou observação particular.
que não permitem uma solução através de um modelo com uma resposta exacta. Para resolver
Por exemplo: os fenómenos sociais, nos quais o acaso é tão importante que não é possível
estes problemas utiliza-se um conjunto de instrumentos e técnicas que conjuntamente dão
prever o estado final.
respostas aproximadas, com níveis de erros controlados: computadores, técnicas de
É conveniente observar que, mais do que a classificação dos fenómenos em deterministas e
simulação, números aleatórios, etc. Assim, a Estatística surge como um ramo da Matemática,
estatísticos, interessa a forma como são descritos. A descrição dos fenómenos consiste em
de grande actualidade e de interesse para o homem comum.
exprimir de certo modo o resultado das observações, enunciando as suas propriedades. Pode
Em seguida, apontam-se quatro aspectos que mostram a importância da Estatística no
ser de dois tipos: descrição causal (ou determinista) e descrição casual (estatística ou
desenvolvimento social:
aleatória).
t Utilidade – O Homem, como parte integrante da sociedade actual, necessita de
Suponhamos, por exemplo, que se procede ao lançamento de um dado e que se pretende
conhecimentos estatísticos. No dia-a-dia contacta com informação que precisa de ser
estudar o fenómeno que consiste na obtenção do ponto 1. Uma descrição causal consistirá
interpretada e transmitida.
em afirmar que, quando o dado é lançado a partir de certa posição, com tal velocidade
t Estudos Futuros – Um conhecimento da Estatística é necessário para fornecer bases ao
inicial, etc., resulta o ponto l na face superior. Em termos mais gerais, adopta-se a descrição
desenvolvimento do conhecimento da matemática e de outras ciências. A Biologia, a
causal quando as propriedades descritas afectam cada uma das observações consideradas
Medicina e as Ciências Sociais, por exemplo, que hoje requerem pouca Matemática
individualmente.
tradicional, cada vez mais necessitam de conhecimentos de ordem estatística.
Tomando o mesmo exemplo do lançamento de um dado, uma descrição estatística consistirá
t Estética – A Estatística tem uma particular beleza na possibilidade de permitir ordenar e
em afirmar que, ao lançá-lo 6.000 vezes, se obteve 996 vezes o ponto 1. A descrição
analisar informação que sem ela seria impossível. Permite o desenvolvimento do
estatística aplica-se pois, a um grande número de experiências ou observações e não a uma
conhecimento com instrumentos agradáveis, acessíveis e não dependendo de bases
particular. Caracteriza-se pelo facto de as propriedades descritas afectarem todas as

1. Estatística Descritiva 3 1. Estatística Descritiva 4

I. S. E. L. E. P. / I. E. P. I. S. E. L. E. P. / I. E. P.

observações consideradas em conjunto. 1.3. CONCEITOS FUNDAMENTAIS

Comparando a classificação dos fenómenos com a dos tipos de descrição, é fácil concluir
que o facto de um fenómeno ser descrito causal ou estatisticamente não significa que seja de
1.3.1. População e Amostra
um ou de outro tipo mas sim que se escolheu uma ou outra forma para o descrever. No
entanto, não seria útil ou prático tentar descrever causalmente os fenómenos estatísticos,
Como em todas as ciências, na Estatística utiliza-se uma linguagem própria. Para se falar e
logo, estes são sempre descritos estatisticamente.
escrever sobre Estatística tem-se necessidade de conhecer o significado de certos termos
como: população, amostra, variável estatística, etc.
Muitos dos termos utilizados em Estatística são também utilizados no dia-a-dia mas com
significado diferente.
Considere-se a seguinte situação:
Um empresário de uma fábrica de fósforos tinha necessidade de fazer um controlo de
qualidade dos fósforos produzidos pela sua fábrica num mês. Naturalmente não ia acender
todos os fósforos produzidos para saber se eram de boa qualidade. Retirava um número
significativo de fósforos que iria utilizar e depois tirava conclusões acerca da totalidade de
fósforos produzidos.
Nesta situação, os fósforos produzidos no mês constituíam a população e os que foram
utilizados para testar a qualidade dos mesmos constituíam a amostra.

População em estatística é um conjunto de elementos com qualquer característica em comum

e com interesse para o estudo, por exemplo:
t Os resultados de lançar uma moeda ao ar um número indefinido de vezes;
t Os habitantes de Lisboa maiores de 18 anos;
t Os peixes de um lago.

As populações podem ser finitas ou infinitas, consoante seja finito ou infinito o número de
elementos que as compõem e podem também ser reais (população das idades dos alunos que
frequentam determinado curso de desporto em 2002) ou hipotéticas (conjunto dos resultados
obtidos com o sucessivo lançamento de uma moeda).
Dá-se o nome de unidades estatísticas (ou indivíduos) aos elementos que compõem a
população.

1. Estatística Descritiva 5 1. Estatística Descritiva 6

I. S. E. L. E. P. / I. E. P.
As propriedades de uma população ou, atributos, são as características comuns aos seus
elementos. Por exemplo, relativamente à população de famílias portuguesas, pode estar-se
interessado nas seguintes propriedades: rendimento mensal, número de filhos, despesas
mensais com a habitação, etc.
Cada estudo estatístico é feito para atingir determinado objectivo. Dependendo do objectivo
do estudo, vai observar-se cada unidade estatística em relação a um atributo ou atributos
determinados.
Os atributos observados podem ser qualitativos ou quantitativos. Atributos qualitativos são
aqueles que estão relacionados com uma qualidade e apresentam-se com várias modalidades.
Chamamos modalidades às diversas situações possíveis em que se pode encontrar uma
unidade estatística quanto a dado atributo. Por exemplo o sexo pode ser feminino ou
masculino, o estado civil pode ser casado ou solteiro, etc.
Atributos quantitativos são aqueles a que é possível atribuir uma medida. Por exemplo o
número de golos, ou de faltas durante um jogo de futebol.
Amostra é um subconjunto finito da população que se supõe representativo desta.
Chamamos dado estatístico ao resultado da observação de um atributo qualitativo ou
quantitativo.
Razões Para a Utilização de uma Amostra:
A utilização de uma amostra e não da população num estudo estatístico deve-se, pelo menos,
a uma das seguintes razões:
t A população ser infinita;
t Economia de dinheiro;
t Economia de tempo;
t Comodidade;
t Testes destrutivos.
1. Estatística Descritiva
I. S. E. L. E. P. / I. E. P.
O sucesso de um estudo estatístico, baseado no estudo de uma amostra, depende da escolha
desta. Uma amostra mal escolhida conduz a conclusões erradas.
Métodos de Amostragem:
O processo de obtenção ou extracção de amostras designa-se por amostragem. De um modo
geral, deve ter-se os seguintes cuidados na formação de uma amostra:
t Imparcialidade – Todos os elementos devem ter a mesma oportunidade de fazer parte
da amostra;
t Representatividade – Deve conter em proporção tudo o que a população possui,
qualitativa e quantitativamente;
t Tamanho – deve ser suficientemente grande de modo que as características da amostra
se aproximem, tanto quanto possível das características da população.
Existem técnicas para a selecção correcta de amostras. De entre essas técnicas, as mais
conhecidas são a amostragem aleatória simples, a amostragem sistemática e a amostragem
estratificada.
Na amostragem aleatória simples qualquer elemento da população tem a mesma
probabilidade de ser escolhido.
Se se pretender seleccionar uma amostra de 100 alunos de uma determinada Universidade,
atribui-se um número a cada um dos alunos da Universidade e, seguidamente, escolhem-se ao
acaso 100 desses números.
Na amostragem sistemática os elementos da amostra são escolhidos a partir de uma regra
estabelecida.
Para seleccionar uma amostra de 30 alunos de um curso com 600 alunos, depois de
numerados todos os alunos pode escolher-se um aluno de 20 em 20 a partir do primeiro aluno
seleccionado. O primeiro aluno seleccionado é escolhido ao acaso de entre o primeiro grupo
de 20 alunos.
Supondo que o número 3 foi o primeiro aluno seleccionado, tem-se a amostra: 3, 23, 43, 63,
83, 103,..., 543, 563, 583.
7 1. Estatística Descritiva 8
I. S. E. L. E. P. / I. E. P.
A amostragem estratificada utiliza-se quando a população está dividida em estratos ou
grupos diferenciados.
Na selecção de 100 alunos de uma determinada Universidade, considerando cada curso um
estrato, escolher-se-ia em cada um desses cursos um determinado número de alunos por um
dos processos anteriores. O número de alunos a escolher em cada curso, ou seja, em cada
estrato, deve ser proporcional ao número de alunos nesse curso.
A amostragem por conglomerados é essencialmente utilizada para reduzir os custos de
grandes pesquisas, nas quais os investigadores devem ser enviados a locais muito distantes.
Neste método são utilizados dois níveis de amostragem:
t Unidade primária de amostragem ou conglomerado, que corresponde a uma área bem
delineada onde se concentram características encontradas na população total;
t Sujeitos amostrados dentro de conglomerado.
1.3.2. Censo e Sondagem
Num censo ou recenseamento são observados todos os indivíduos da população relativamente
aos diferentes atributos que estão a ser objecto do estudo estatístico.
Em 2001, o Governo mandou realizar um censo. As vantagens da obtenção de resultados por
este processo são, acima de tudo, de segurança nas conclusões. O Governo para tomar
medidas acertadas necessita conhecer com rigor as necessidades dos cidadãos sobre
habitação, escolas, hospitais, energia, etc. Por isso, em Portugal se realizam censos de 10 em
10 anos. A alternativa ao censo é a sondagem.
Numa sondagem, o estudo estatístico baseia-se numa parte da população, isto é, numa
amostra que deve ser representativa dessa população.
A realização de sondagens é tão habitual nas sociedades actuais que podemos dizer que elas
se relacionam, em maior ou menor grau, com a vida da generalidade das pessoas. Recorrendo
a empresas especializadas, os partidos políticos encomendam sondagens para estimar o
número de votantes; as empresas promovem sondagens para prever o número de compradores
dos seus produtos e os investigadores efectuam sondagens para avaliar o impacto social das
suas descobertas. A economia de meios, a comodidade, a rapidez e o pequeno número de
elementos que pode ser necessário destruir constituem vantagens das sondagens
1. Estatística Descritiva
I. S. E. L. E. P. / I. E. P.
comparativamente com os censos. A grande dificuldade em obter resultados de confiança, a
partir de sondagens, reside na necessidade de utilizar amostras representativas da população, o
que nem sempre é fácil de se conseguir.
1.3.3. Estatística Descritiva e Estatística Indutiva
A Estatística Descritiva tem por finalidade descrever certas propriedades relativas a um
conjunto de dados.
Depois de efectuadas as observações fica-se na posse de um conjunto caótico de dados, o que
naturalmente dificulta a obtenção de conclusões. É perante esta desordem que a Estatística
descritiva revela a importância e interesse das suas técnicas, ao permitir classificar esses
dados e deles fornecendo características sumárias. Este processo de reunir a informação
contida nos dados com base num pequeno número de valores característicos é conhecido por
processo de redução de dados. Obviamente que no processo de redução dos dados há
informações que se perdem, o que destaca a escolha acertada dos valores característicos.
Naturalmente, os métodos descritivos, enquanto meios que permitem ordenar a "desordem" e
sintetizar a diversidade das informações contidas nos dados, podem aplicar-se quer à
população quer à amostra. Tal aplicabilidade pode ser explicada, apesar das diferentes
dimensões da população e da amostra, pelo carácter semelhante dos seus elementos.
Já no caso da Estatística lndutiva a situação é diferente. Neste caso trata-se de generalizar os
resultados obtidos à custa de um conjunto de elementos a um outro conjunto mais numeroso.
A Estatística Indutiva procura inferir propriedades da população a partir de propriedades na
amostra.
Esta característica inferencial desta Estatística faz com que ela seja designada por Estatística
inferencial e aproxima-se do objectivo fundamental das ciências em geral ao generalizar
resultados a universos cada vez mais vastos.
9 1. Estatística Descritiva 10
I. S. E. L. E. P. / I. E. P. I. S. E. L. E. P. / I. E. P.

1.3.4. Variável Discreta e Variável Contínua 1.4. ORGANIZAÇÃO E APRESENTAÇÃO DOS DADOS

Quando as variáveis estatísticas são quantitativas, podem dividir-se ainda em dois grupos: 1.4.1. Fases do Método Estatístico
t Variáveis estatísticas discretas (só podem tomar um número finito ou infinidade
numerável de valores). Por exemplo: número de golos numa jornada, na 1ª liga;
Num estudo estatístico, normalmente, segue-se um conjunto de passos que se designam por
t Variáveis estatísticas contínuas (podem tomar qualquer valor dentro de um intervalo).
fases do método estatístico:
Por exemplo: tempos numa corrida de fórmula 1.
t Definição do Problema – a primeira fase consiste na definição e formulação correcta do
Nota 1: Há variáveis, como a idade, que podem ser consideradas contínuas ou discretas. Se se
problema a ser estudado;
considerar a idade um número inteiro de anos, trata-se de uma variável discreta. Se se
t Planificação – definido o problema, é preciso determinar um processo para o resolver e,
considerar, simplesmente, a idade de uma pessoa, ela é uma variável contínua.
em especial, como obter informações sobre a variável em estudo. É nesta fase que se decide
pela observação de toda a população ou de uma amostra;
Nota 2: Embora as variáveis quantitativas se classifiquem em contínuas e discretas, na prática
t Recolha de Dados – os dados podem ser recolhidos através de:
funcionam como discretas, pois os instrumentos de medida utilizados não permitem obter
 Questionários;
todos os valores de um intervalo.
 Observação;
 Experimentação;
 Pesquisa Bibliográfica.
t Organização dos dados – há duas formas de apresentação que não se excluem
mutuamente:
 Apresentação por Tabelas;
 Apresentação por gráficos.
t Análise e Interpretação dos Dados – nesta fase calculam-se novos números com base
nos dados estatísticos. Estes novos números permitem fazer uma descrição do fenómeno
evidenciando algumas das suas características particulares.

1.4.2. Distribuição de Frequências

Dá-se o nome de distribuição de frequências ao conjunto de todos os valores de uma variável

estatística com as correspondentes frequências: absolutas (número de vezes que esse valor foi
observado) ou relativas (quociente entre a frequência absoluta da variável e o número total de
observações). A sua disposição prática é designada por quadro de frequências.

1. Estatística Descritiva 11 1. Estatística Descritiva 12

I. S. E. L. E. P. / I. E. P. I. S. E. L. E. P. / I. E. P.

Exemplo 1.4.1: Foram examinados 100 lotes de 50 peças produzidas por uma máquina, para Exemplo 1.4.2: Utilizando os mesmos dados apresentados no Exemplo 1, tem-se a
verificação do número de peças defeituosas por lote. Os resultados apresentam-se no seguinte distribuição de valores da variável agrupados:
quadro de frequências absolutas:
Número de Peças Número de Lotes Valor da Frequências Absolutas Frequências Relativas
Defeituosas por Lote (Frequências Absolutas) Variável Ordinárias ( Fi ) Acumuladas ( Fi ) Ordinárias ( f i ) Acumuladas ( f i )
0 3
1 11 0 3 3 0,03 0,03
2 21 1 11 14 0,11 0,14
3 30 2 21 35 0,21 0,35
4 23 3 30 65 0,30 0,65
5 7 4 23 88 0,23 0,88
6 5 5 7 95 0,07 0,95
Total 100 6 5 100 0,05 1,00
Total 100 1,00

A distribuição de frequências pode ser unidimensional, bidimensional, tridimensional, etc.,

Agrupando, por exemplo, os valores da variável nas classes 0-2, 3-4, e 5-6, obtém-se a
consoante a variável estatística seja de uma, duas, três, etc. dimensões. No Exemplo 1, a
distribuição de valores da variável agrupados em intervalos de classe:
distribuição é unidimensional.
Podemos distinguir dois tipos de distribuições de frequências:
Classes de Frequências Absolutas Frequências Relativas
t De valores da variável agrupados;
Valores Ordinárias ( Fi ) Acumuladas ( Fi ) Ordinárias ( f i ) Acumuladas ( f i )
t De valores da variável agrupados em intervalos de classe.
0–2 35 35 0,35 0,35
3–4 53 88 0,53 0,88
5–6 12 100 0,12 1,00
Total 100 1,00
Utilizam-se as distribuições de valores da variável agrupados quando o número de valores que
toma a variável é pequeno. O procedimento está indicado principalmente para variáveis Neste caso de distribuição de frequências devemos considerar outros elementos e conceitos
discretas (é o caso do exemplo anterior). além dos mencionados anteriormente.
Empregam-se as distribuições de valores da variável agrupados em intervalos de classe
quando o número de valores assumidos pela variável é grande ou quando se trata de variáveis Intervalo de variação da variável X é o intervalo que contém todos os valores da variável
contínuas. X , isto é,
I = ⎣⎡ mín { xi } ; máx { xi }⎦⎤ .

As distribuições de frequências podem classificar-se ainda em ordinárias e acumuladas. Nas

Classes são intervalos (intervalos de classe) cuja reunião contém o intervalo de variação da
distribuições ordinárias, a cada valor ou classe de valores da variável corresponde a sua
variável observada. Se considerarmos k intervalos de classe, I1 , I 2 ,… , I k , então para que a
frequência; nas distribuições de frequências acumuladas, a cada valor ou classe de valores da
arrumação dos valores observados nas diferentes classes seja feita sem ambiguidade, os
variável corresponde a sua frequência mais a de todos os valores, ou classes de valores,
intervalos devem ser disjuntos, isto é,
anteriores (ou posteriores).
i ≠ j ⇒ Ii ∩ I j = { } ,

e para que não figurem valores por classificar,

I ⊆ I1 ∪ I 2 ∪ … ∪ I k .

1. Estatística Descritiva 13 1. Estatística Descritiva 14

I. S. E. L. E. P. / I. E. P. I. S. E. L. E. P. / I. E. P.

Podemos então considerar, De acordo com o exposto, o quadro de frequências para uma distribuição unidimensional de
I1 = [l1 ; l2 [ , I 2 = [l2 ; l3 [ , … , I k = [lk ; lk +1 ] , valores agrupados apresenta o aspecto seguinte:

onde,
l1 ≤ mín { xi } lk +1 ≥ máx { xi } .
Fi
l1 < l2 < … < lk < lk +1 , e X Fi Fi fi = fi
N
F1
x1 F1 F1 = F1 f1 = f1 = f1
N
F2
Amplitude da classe a j = l j +1 − l j . x2 F2 F2 = F1 + F2 f2 = f 2 = f1 + f 2
N

Fp
xp Fp N fp = 1
N
l j +1 + l j Total N 1
Centro da classe I j é o ponto médio do intervalo, isto é, x j = .
2

O número k de classes: O quadro de frequências para uma distribuição de valores agrupados em intervalos de classe
t Deve depender do número N de observações efectuadas; apresenta o aspecto seguinte:
t Não deve ser tão elevado que sobressaiam irregularidades acidentais devido ao pequeno
número de indivíduos por classe; Ponto Médio Fi
X Fi Fi fi = fi
das Classes N
t Não deve ser tão pequeno que conduza a uma perda de informação;
F1
t Situa-se, regra geral, entre 5 e 15. [l1 ; l2 [ x1 F1 F1 = F1 f1 = f1 = f1
N
F2
[l2 ; l3 [ x2 F2 F2 = F1 + F2 f2 = f 2 = f1 + f 2
N

Depois de determinado k e se as classes tiverem amplitude constante temos que, Fk

[lk ; lk +1 ] xk Fk N fk = 1
l −l N
ai = k +1 1 = amplitude de cada classe. Total N 1
k

Sempre que possível, é vantajoso que os intervalos de classes possuam a mesma amplitude, a
fim de que seja mais sugestiva a comparação das frequências de cada classe.
No que se refere à determinação do número k de classes a tomar, não há regras fixas. Iremos
usar a seguinte regra:
1.4.3. Análise Gráfica de Atributos Quantitativos

⎧⎪k = 5 se N < 25
⎨ , Normalmente quando se pretendem evidenciar as diferentes modalidades de um atributo
⎪⎩k N se N ≥ 25
qualitativo usam-se gráficos circulares, pictogramas ou gráficos de barras.
para amostras de pequenas dimensões.
Para amostras grandes deve usar-se a fórmula de Sturges: int ⎡⎣1 + 3, 22 × log10 ( N ) ⎤⎦ , onde

int [ x ] é a parte inteira de x .

1. Estatística Descritiva 15 1. Estatística Descritiva 16

I. S. E. L. E. P. / I. E. P. I. S. E. L. E. P. / I. E. P.

1.4.4. Análise Gráfica das Distribuições de Frequência de Valores 1.4.5. Análise Gráfica das Distribuições de Frequência de Valores
Agrupados Agrupados em Intervalos de Classe

Gráficos de Barras: Histograma:

No gráfico de barras a altura de cada barra traduz o valor da frequência (absoluta ou relativa)
respeitante a cada valor da variável. No eixo horizontal assinalam-se os valores possíveis da
variável. No eixo vertical as frequências absolutas ou relativas.
Exemplo 1.4.3:
Notas positivas na disciplina de Estatística
No caso dos valores agrupados em intervalos de classe é muito frequente representar a
distribuição através de um histograma. É um gráfico formado por rectângulos adjacentes em
que a área dos rectângulos é proporcional às frequências ordinárias (absolutas ou relativas).
Se todos os intervalos tiverem a mesma amplitude, as alturas dos rectângulos serão
proporcionais às frequências das classes e então, tomam-se as alturas numericamente iguais a
essas frequências. Se os intervalos de classe não tiverem a mesma amplitude, essas alturas
deverão ser ajustadas.

40%
35%
Frequência Relativa

30% Exemplo 1.4.5:

25%
20%
15%
10%
5%

Frequências
0%
14 15 16 17 18 19

Gráfico das Frequências Acumuladas:

O gráfico das frequências acumuladas é a representação gráfica de frequências acumuladas
Classes
(absolutas ou relativas) correspondente à variável em estudo.
Unindo os pontos médios dos lados superiores dos rectângulos do histograma, temos o
polígono de frequências:
Exemplo 1.4.4:

25
Frequência Acumulada

20

Frequências
15

10

0
14 15 16 17 18 19
Classes
Notas positivas na disciplina de Estatística

1. Estatística Descritiva 17 1. Estatística Descritiva 18

I. S. E. L. E. P. / I. E. P. I. S. E. L. E. P. / I. E. P.

Gráfico das Frequências Acumuladas: 1.5. MEDIDAS DESCRITIVAS

Considerando as frequências acumuladas, obtém-se, analogamente o histograma.

As medidas descritivas classificam-se em medidas de localização (de tendência central ou de

posição não central), dispersão (ou de variabilidade), assimetria, achatamento (ou curtose).
Exemplo 1.4.6:

Histograma de Frequência Acumulada

1.5.1. Medidas de Localização
Frequências Acumuladas

1.5.1.1. Medidas de Localização Central

As medidas de localização (ou de tendência central) indicam os pontos em torno dos quais se
encontram os valores da variável estatística, ou seja, localizam a distribuição. Por exemplo, as
distribuições representadas pelas duas curvas do Exemplo 1.5.1 apresentam medidas de
Classes
localização diferentes.

Unindo os limites superiores das classes, obtém-se, analogamente o polígono de frequência

acumulada ou ogiva: Exemplo 1.5.1:

Polígono de Frequência Acumulada

Frequências Acumuladas

Classes

As medidas de localização que vamos estudar são:

t Média;
t Mediana;
t Moda.

1. Estatística Descritiva 19 1. Estatística Descritiva 20

I. S. E. L. E. P. / I. E. P. I. S. E. L. E. P. / I. E. P.

Média Aritmética: No primeiro caso, supondo as observações dos valores da variável estatística ordenados sob
A média aritmética ( X ) da variável estatística X define-se por: forma crescente x1 ≤ x2 ≤ x3 ≤ … ≤ xk , há a considerar duas hipóteses:

t k = 2m + 1 , neste caso Me = xm +1 (observação central);

X=
∑FX i i
,
N xm + xm +1
t k = 2m , neste caso Me = (observação central).
onde N = ∑ Fi , Fi representa cada uma das frequências absolutas e xi representa um valor 2

da variável (se X é discreta) ou um ponto médio da classe (se X é contínua).

Exemplo 1.5.3: Considerando os dados, 3, 4, 4, 5, 6, 8, 8, 8, 10, a correspondente mediana é
Dá-se o nome de desvio em relação à média à variável D = X − X com d i = xi − xi .
Me = 6 , ou utilizando os dados agrupados:
Xi 3 4 5 6 8 10
Fi 1 2 1 1 3 1
Exemplo 1.5.2: Tomando a distribuição de frequências de valores agrupados,
Fi 1 3 4 5 8 9
Xi Fi Fi X i
0 10 0
N +1
3 25 75 Tem-se N = 9 e = 5 logo Me = x5 = 6 .
5 35 175 2
7 43 301
9 42 378
11 30 330 Exemplo 1.5.4: Considerando os dados, 3, 4, 4, 4, 5, 7, 8, 8, 8, 10, a correspondente mediana
13 22 286 5+7
Total 207 1545 é Me = = 6.
2
1545
Vem X = = 7, 46 .
207

Agrupando os dados em intervalos de classe, vem, por exemplo: No segundo caso, a mediana é o valor tal que a ordenada levantada no ponto do eixo das
abcissas divide a área do histograma em duas partes iguais, isto é, a mediana será o valor da
Classes Xi Fi Fi X i
0–4 2 35 70 N ⎛1⎞
abcissa a que corresponde a frequência absoluta (relativa) acumulada , ⎜ ⎟.
5–9 7 120 840 2 ⎝2⎠
10 – 14 12 52 624
Total 207 1534
Exemplo 1.5.5: Os 150 operários de uma empresa foram classificados segundo a sua idade:
1534 Classes Fi Fi
Tendo-se então X = = 7, 41 .
207 20 – 25 9 9
25 – 30 27 36
30 – 35 36 72
35 – 40 45 117
Mediana: 40 – 45 18 135
45 – 50 9 144
Outra medida de localização muito empregada no estudo das distribuições de frequências é a 50 – 55 3 147
mediana ( Me ) . Em relação a esta medida descritiva, convém distinguir claramente os dois 55 – 60 3 150
Total 150
casos de dados agrupados e agrupados em intervalos de classe.
Vamos determinar a mediana desta distribuição, procurando a idade do 75° operário. Como se

1. Estatística Descritiva 21 1. Estatística Descritiva 22

I. S. E. L. E. P. / I. E. P. I. S. E. L. E. P. / I. E. P.

pode observar, até à classe 30-35, inclusive, o total das frequências acumuladas é 72 e Para tal procede-se do seguinte modo:
adicionando a frequência da classe 35-40 obtém-se a frequência acumulada 117, já superior a t Determina-se a classe modal;
75. Pode pois garantir-se que a mediana é um dos valores da classe 35-40 (classe mediana). t Unem-se os vértices superiores do rectângulo da classe modal com os vértices das
Obtém-se o valor da mediana através da seguinte fórmula: classes contínuas;
N
− Fi −1 t A perpendicular, baixada do ponto de intersecção das linhas obtidas anteriormente para
Me = Li + 2
× ai ,
FMe o eixo das abcissas, determina, neste, a localização gráfica da moda.
onde:
t Li - limite inferior da classe mediana; Exemplo 1.5.6:

t N - número de elementos da amostra; Consumo diário de leite em pó por cada bebé na

t Fi −1 - frequência absoluta acumulada anterior à classe mediana; maternidade X

t FMe - frequência absoluta da classe mediana; 70

60
t ai - amplitude da classe mediana.
50

Frequência
40
75 − 72 30
Logo, Me = 35 + × 5 = 35,33 . 20
45
10
0
45 50 55 Mo 60 65 70 75 80 85
Consumo diário de leite em pó (em gr)
Moda:
Para um conjunto de dados agrupados, sendo x1 , x2 ,… , xk os k valores de uma variável
Para um conjunto de dados pode existir mais do que uma moda, ou até nem existir moda. Se o
estatística, chama-se moda ( Mo ) ao valor que ocorre com mais frequência. Para dados
conjunto de dados tiver duas modas, ele diz-se bimodal, no caso de ter mais do que duas
agrupados em intervalos de classe, dá-se o nome de classe modal a qualquer classe cuja
modas, diz-se multimodal. Se o conjunto de dados não tiver moda, ele diz-se amodal.
frequência não é inferior à das restantes classes (classe com maior frequência absoluta).
Obtém-se o valor da moda através da seguinte fórmula:
Δ1
Mo = Li + × ai , Comparação entre Média, Mediana e Moda:
Δ1 + Δ 2
As distribuições de frequência podem ser simétricas ou não em relação a um eixo. No último
onde:
caso, chamam-se assimétricas ou enviesadas. A posição relativa da média, mediana e moda dá
t Li - limite inferior da classe modal;
informação sobre a curva da distribuição.
t Δ1 - excesso de frequência absoluta da classe modal sobre a imediatamente inferior; Em distribuições simétricas unimodais, a média, a mediana e a moda têm o mesmo valor.
t Δ 2 - excesso de frequência absoluta da classe modal sobre a imediatamente superior;

t ai - amplitude da classe modal.

No caso de os dados se apresentarem através de um histograma, pode usar-se um

procedimento geométrico para determinar uma estimativa da moda. Média = Mediana = Moda

1. Estatística Descritiva 23 1. Estatística Descritiva 24

I. S. E. L. E. P. / I. E. P. I. S. E. L. E. P. / I. E. P.

Numa distribuição assimétrica positiva, a média é maior do que a mediana e esta, geralmente Exemplo 1.5.7: Consideremos o conjunto de valores observados: 1, 4, 5, 6, 8, 9, 11, 14, 15,
(salvo casos extremos), maior do que a moda. 18, 20 e determine os quartis.
Comecemos por determinar a mediana que á igual ao 2º quartil. O conjunto de valores tem um
número ímpar de termos logo Me = Q2 = 9 . A partir da mediana o conjunto fica dividido em
dois subconjuntos:
(a) 1, 4, 5, 6, 8;
(b) 11, 14, 15, 18, 20.
As medianas destes subconjuntos são respectivamente iguais a 5 e 15, pelo que Q1 = 5 e
Numa distribuição assimétrica negativa, a média é menor do que a mediana e esta, geralmente
Q3 = 15 .
(salvo em casos extremos), menor do que a moda.

Exemplo 1.5.8: Consideremos o conjunto de valores observados: 1, 2, 4, 6, 7, 9, 12, 14, 15,

16, 20, 24 e determine os quartis.
O conjunto de valores tem um número par de termos pelo que a mediana é
9 + 12
Me = = 10,5 = Q2 . A mediana divide o conjunto em dois subconjuntos:
2
(a) 1, 2, 4, 6, 7, 9;

1.5.1.2. Medidas de Posição Não Central (b) 12, 14, 15, 16, 20, 24.
4+6
As medianas destes subconjuntos são respectivamente iguais a Q1 = =5 e
2
Quartis:
15 + 18
Vimos que a Mediana divide o conjunto de valores observados em duas partes iguais. Q3 = = 16,5 . Temos assim:
2
O quartil é uma medida que divide o conjunto de valores observados em quatro partes iguais.
1, 2, 4 6, 7, 9 12, 14, 15 18, 20, 24
Existem três quartis: Q1 , Q2 e Q3 .
Q1 = 5 Q2 = 10,5 Q3 = 16,5
Q1 - obtém-se determinando a mediana do conjunto de valores observados que fica à esquerda
da mediana;
Para obter os quartis em dados agrupados procede-se de igual forma.
Q2 - corresponde à mediana;

Q3 - obtém-se determinando a mediana do conjunto de valores que fica à direita da mediana.

Temos então que o 1ºquartil será um valor da variável tal que o número de observações para Tratando-se de dados agrupados em intervalos de classe, a fórmula para obter os quartis é
valores inferiores será 25%. O 2ºquartil terá metade das observações, à sua direita e outra idêntica à da mediana:
metade à sua esquerda, logo, coincide com a mediana. O 3ºquartil será um valor tal que à sua c N4 − Fi −1
Qc = Li + × ai ,
esquerda concentrar-se-ão 75% das observações. Fi
onde:
t Li - limite inferior da classe que contém o quartil c ;

1. Estatística Descritiva 25 1. Estatística Descritiva 26

I. S. E. L. E. P. / I. E. P. I. S. E. L. E. P. / I. E. P.

t c - toma os valores 1, 2 ou 3 para o primeiro, segundo e terceiro quartil, Diagrama “box-and-whisker” (caixa de bigodes):
respectivamente;
t N - número de elementos da amostra;
t Fi −1 - frequência absoluta acumulada anterior à classe que contém o quartil c ;

t Fi - frequência absoluta da classe que contém o quartil c ;

t ai - amplitude da classe que contém o quartil c . Q1 Q2 = Me Q3

O intervalo interquartis é dado por Q3 − Q1 .

Exemplo 1.5.9: Na tabela indicam-se os ganhos diários, em euros, dos empregados de uma
empresa:
Ganhos Decis e Percentis:
Fi Fi
Diários
10 – 30 4 4 O decil divide o conjunto de valores observados em dez partes iguais e o percentil em cem
30 – 50 16 20 partes iguais. Teremos, assim, 9 decis e 99 percentis.
50 – 70 84 104
70 – 90 156 260 Se se tratar de dados não agrupados ou agrupados por frequência procede-se de forma idêntica
90 – 110 24 284 aos quartis.
110 – 130 10 294
130 – 150 6 300 Normalmente os decis e os percentis só têm interesse para um grande número de valores, isto
Total 300 é, para dados agrupados ou dados agrupados em intervalos de classe.
Determine o primeiro, segundo e terceiro quartis.
Para dados agrupados em intervalos de classe a expressão que nos dá os decis é análoga à dos
quartis:
N
Para Q1 , como = 75 , o intervalo correspondente a esta frequência acumulada é 50 – 70. c 10N − Fi −1
4 Dc = Li + × ai ,
Fi
75 − 20
Logo Q1 = 50 + × 20 = 63, 09 .
84 com c = 1, 2,… ,9 .
2N Para os percentis temos:
Para Q2 , como = 150 , o intervalo correspondente a esta frequência acumulada é 70 – 90.
4 N
c 100 − Fi −1
Pc = Li + × ai ,
150 − 104 Fi
Logo Q2 = 70 + × 20 = 75,9 .
156
com c = 1, 2,… ,99 .
3N
Para Q3 , como = 225 , o intervalo correspondente a esta frequência acumulada é 70 – 90.
4
225 − 104
Logo Q3 = 70 + × 20 = 85,5 .
156 Exemplo 1.5.10: Com os dados do problema anterior, calcule D8 e P6 .
Conclusão:
Há 75 empregados (25%) com um ganho diário até 63,09 euros, 150 empregados (50%) com 8N
Para D8 , como = 240 , o intervalo correspondente a esta frequência acumulada é 70 – 90.
um ganho diário até 75,9 euros e 225 empregados (75%) com um ganho diário até 85,5 euros. 10
240 − 104
Logo D8 = 70 + × 20 = 87, 43 .
156

1. Estatística Descritiva 27 1. Estatística Descritiva 28

I. S. E. L. E. P. / I. E. P. I. S. E. L. E. P. / I. E. P.

6N Amplitude Total:
Para P6 , como = 18 , o intervalo correspondente a esta frequência acumulada é 30 – 50.
100 A amplitude total é a medida de dispersão mais simples. É a diferença entre os valores
18 − 4 extremos assumidos pela variável estatística:
Logo P6 = 30 + × 20 = 47,5 .
16
⎧ máx ( X ) − mín ( X ) se X é discreta
Conclusão: I =⎨ .
⎩lk +1 − l1 se X é contínua
Há 240 empregados (80%) com um ganho diário até 87,43 euros e 18 empregados (6%) com
O emprego desta medida de dispersão apresenta alguns inconvenientes. A principal
um ganho diário até 47,5 euros.
desvantagem resulta dela depender apenas dos valores extremos assumidos pela variável e
não dos valores intermédios. Duas distribuições podem ter a mesma amplitude total mas
dispersões muito diferentes.
1.5.2. Medidas de Dispersão ou de Variabilidade

Embora as medidas de localização forneçam indicações sobre os valores mais representativos

Momentos Centrais:
de uma distribuição, não indicam a sua estrutura interna, isto é, a forma como os diferentes
São as médias aritméticas das 1ª, 2ª, 3ª, 4ª, … potências dos desvios em relação à média
valores se distribuem a longo do intervalo de variação.
aritmética. Para o cálculo dos momentos deve-se proceder do seguinte modo:
Considerando as três distribuições:
1º - Põe-se em coluna os valores de X i (representa um valor da variável, se X é discreta
t 44, 45, 50, 51, 60;
ou um ponto médio de classe, se X é contínua) e as respectivas frequências;
t 5, 5, 30, 100, 110;
2º - Calcula-se a média aritmética;
t 1, 1, 1, 1, 246;
3º - Calculam-se os desvios di = X i − X e as potências dos desvios di2 , di3 , di4 ;
verifica-se que possuem a mesma média aritmética ( X = 50 ) . Como é evidente, a dispersão
4º - Fazem-se e põe-se em coluna os produtos Fi d i , Fi di2 , Fi di3 , Fi d i4 e fazem-se os
(ou variabilidade) dos valores da variável em relação àquela medida de posição, em cada uma
respectivos somatórios;
das distribuições, é muito diversa. Na primeira distribuição, a variabilidade é pequena: os
5º - Calculam-se os momentos pelas fórmulas:
valores da variável são vizinhos da média; na segunda, essa variabilidade é grande: os valores
da variável encontram-se muito mais afastados da média; finalmente, na terceira, a dispersão é m1 =
∑Fdi i
; m2 =
∑Fdi i
2

; m3 =
∑Fd i i
3

; m4 =
∑Fd
i i
4

.
ainda muito maior do que na anterior. As medidas de dispersão ou medidas de variação, ∑F i ∑F i ∑F i ∑F i

permitem conhecer a forma como os valores da variável estatística se distribuem (dispersam)

em redor dos valores centrais.
Desvio Médio:
Da definição de média, é imediato reconhecer que a soma dos desvios das observações em

As medidas de dispersão mais importantes são: relação à média é nula. Este facto leva à definição de desvio absoluto médio ou simplesmente

t a amplitude total; desvio médio dos valores X i em relação à média. O desvio médio em relação à média
t momentos centrais; aritmética ou, simplesmente, desvio médio é definido por:
t o desvio médio;
DM =
∑F X − X = ∑F d
i i i i
,
t o desvio padrão; ∑F ∑F i i

t o coeficiente de dispersão (ou de variação).

onde, Fi representa cada uma das frequências absolutas e X i representa um valor da variável

1. Estatística Descritiva 29 1. Estatística Descritiva 30

I. S. E. L. E. P. / I. E. P. I. S. E. L. E. P. / I. E. P.

(se X é discreta) ou um ponto médio de classe (se X é contínua). Por outras palavras, o E, portanto,
desvio médio é a média aritmética dos desvios absolutos em relação à média. Quanto menos
t X=
∑FX
i i
=
239
= 2,39 ;
dispersas se encontrarem os valores X i relativamente à X menor será o desvio médio, e ∑F i 100

reciprocamente.
t s2 =
∑FX
i i
2

−X2 =
785
− ( 2,39 ) = 2,14 ;
2

∑F i 100

t s = 2,14 = 1, 46 .
Desvio Padrão:
Dá-se o nome de variância dos valores de uma variável X a:

∑F (X − X ) ∑Fd ∑FX
2
2 2
Exemplo 1.5.12: Calculemos o desvio padrão da distribuição de frequências apresentada.
= = = − X2
2 i i i i i i
s
∑F i ∑F i ∑F i Temos,
onde, Fi representa cada uma das frequências absolutas e X i representa um valor da variável Classes Xi Fi Fi X i X i2 Fi X i2
(se X é discreta) ou um ponto médio de classe (se X é contínua). 20 – 25 22,5 9 202,5 506,25 4556,25
25 – 30 27,5 27 742,5 756,25 20418,75
30 – 35 32,5 36 1170,0 1056,25 38025,00
35 – 40 37,5 45 1687,5 1406,25 63281,25
40 – 45 42,5 18 765,0 1806,25 32512,50
Nota: A variância corresponde ao momento central de 2ª ordem. 45 – 50 47,5 9 427,5 2256,25 20306,25
50 – 55 52,5 3 157,5 2756,25 8268,75
55 – 60 57,5 3 172,5 3306,25 9918,75
Total 150 5325 197287,50
O desvio padrão (ou desvio quadrado médio) é a raiz quadrada (positiva) da variância:
E, portanto,
s=
∑Fd i i
2

=
∑FX i i
2

−X2 .
∑F i ∑F i t X=
∑FX
i i
=
5325
= 35,5 ;
O desvio padrão indica a proximidade com que os valores estão agrupados à volta da média.
∑F i 150

Um valor pequeno do desvio padrão significa que as observações estão pouco “espalhadas” à t s2 =
∑FX
i i
2

− X2 =
197287,5
− ( 35,5 ) = 55 ;
2

volta da média. ∑F i 150

t s = 55 = 7, 42 .

Exemplo 1.5.11: Calculemos o desvio padrão da distribuição de frequências apresentada.

Temos, Coeficiente de Variação:
Xi Fi Fi X i X i2 Fi X i2 As medidas de dispersão que apresentámos até agora exprimem-se na mesma unidade da
0 12 0 0 0 variável estatística a que se referem. Quando pretendemos comparar a dispersão de duas
1 16 16 1 16
2 27 54 4 108 distribuições em que as respectivas variáveis não estão expressas na mesma unidade, teremos
3 20 60 9 180 de adoptar uma medida de dispersão independente da unidade de medida da variável
4 16 64 16 256
5 9 45 25 225 estatística. Toma-se frequentemente o coeficiente de variação:
Total 100 239 785 s
Cv = .
X

1. Estatística Descritiva 31 1. Estatística Descritiva 32

I. S. E. L. E. P. / I. E. P. I. S. E. L. E. P. / I. E. P.

Exemplo 1.5.13: Um empresário pode investir em dois possíveis produtos A e B , cujos 1.6. MEDIDAS DE ASSIMETRIA
preços variam. Os dados observados permitiram calcular os seguintes desvios padrões:
t s A = 130 ; A assimetria é a falta de simetria do histograma, ou da curva de frequências, em relação à
t sB = 220 . vertical que passa pela abcissa correspondente à média aritmética.
Tomando os desvios padrões, o produto A parece preferível a B , porque possui menor As medidas de assimetria sintetizam até que ponto uma distribuição de frequência é
variação de preços. Supondo, no entanto, que os preços médios são 70 e 150, enviesada, deformada ou assimétrica. Estas medidas utilizam-se para classificar distribuições
respectivamente, e calculando os coeficientes de variação, vem: unimodais e elucidam-nos sobre a forma geral da distribuição, isto é, se é simétrica ou, em
130 caso contrário, se se afasta muito ou pouco da simetria. Quando a distribuição é simétrica, o
t = 1,86 ;
70 coeficiente de assimetria é nulo. Quando não é nulo, a distribuição é assimétrica, sendo o grau
220 de assimetria tanto maior quanto maior for o valor absoluto do coeficiente.
t = 1, 47 ;
150
Como medida de assimetria absoluta usamos o momento central de 3ª ordem, m3 . O momento
números que permitem tirar conclusão contrária.
de 3ª ordem tem como dimensões o cubo das unidades das observações. O seu valor depende,
portanto, das unidades de medida, o que não é desejável para se efectuar comparações. É
assim mais vantajoso usar-se o coeficiente de assimetria que é uma medida de assimetria
relativa:

Ca =
m3
, com m3 =
∑ Fi di .
3

s3 ∑ Fi
Se:
t Ca < 0 , a distribuição é assimétrica negativa;

t Ca = 0 , a distribuição é simétrica;

t Ca > 0 , a distribuição é assimétrica positiva.

1. Estatística Descritiva 33 1. Estatística Descritiva 34

I. S. E. L. E. P. / I. E. P. I. S. E. L. E. P. / I. E. P.

1.7. MEDIDAS DE ACHATAMENTO Como medida de achatamento absoluto usamos o momento central de 4ª ordem, m4 .
Contudo, o momento de 4ª ordem depende das unidades de medida das observações, o que
Para definirmos e visualizarmos o achatamento de uma distribuição de frequências, atrapalha quando se pretende efectuar comparações entre distribuições de frequência distintas.
necessitamos da denominada curva normal que apresenta as seguintes características Surge assim o coeficiente de curtose que é uma medida de achatamento relativa:
fundamentais:
Ccr =
m4
, com, m4 =
∑Fd
i i
4

.
t É simétrica em relação à recta x = X ; s4 ∑F i

t X − s e X + s são os pontos de inflexão da curva; Se:

t No intervalo ⎣⎡ X − s ; X + s ⎦⎤ encontram-se 68,26% das observações; t Ccr < 3 , a curva diz-se platicúrtica (a distribuição é mais achatada que a normal);

t Ccr = 3 , a curva diz-se mesocúrtica (o achatamento é igual ao da normal);

68,26

t No intervalo ⎡⎣ X − 2 s ; X + 2 s ⎤⎦ encontram-se 95,44% das observações; t Ccr > 3 , a curva diz-se leptocúrtica (a distribuição é menos achatada que a normal).

95,44

t No intervalo ⎡⎣ X − 3s ; X + 3s ⎤⎦ encontram-se 99,74% das observações.

99,74

O achatamento de uma distribuição refere-se à intensidade das frequências nos valores

vizinhos dos valores centrais. As medidas de achatamento (ou curtose) medem o grau de
afunilamento ou de achatamento de uma curva simétrica (ou aproximadamente simétrica) em
relação à curva normal.

1. Estatística Descritiva 35 1. Estatística Descritiva 36

I. S. E. L. E. P. / I. E. P. I. S. E. L. E. P. / I. E. P.

1.8. EXERCÍCIOS PROPOSTOS Exercício 1.8.3: Sendo dada a seguinte distribuição de frequência:
I . C. Fi
Exercício 1.8.1: Considere a seguinte distribuição de frequência: 2 − 4 4
5 − 7 7
Xi Fi 8 − 10 10
1 16 11 − 13 13
2 18 14 − 16 16
3 17
Pede-se:
4 11
5 5 (a) O histograma de frequência absoluta;
6 3
(b) A média, a mediana e a moda;
(c) O desvio padrão e o coeficiente de variação;
(a) Construa o gráfico de barras e o polígono de frequência absoluta e frequência absoluta
(d) Classifique a distribuição quanto à assimetria, justificando com os cálculos
acumulada;
necessários.
(b) Determine a média aritmética, a mediana e a moda;
(c) Determine os momentos centrais, o desvio médio, a variância, o desvio padrão e o
coeficiente de variação;
Exercício 1.8.4: Ao considerarmos uma série estatística extraída de uma pauta de exame,
(d) Classifique a distribuição quanto à assimetria justificando com os cálculos
agrupam-se as notas de 80 alunos da forma seguinte:
necessários;
I . C. Fi
(e) Classifique a distribuição quanto ao achatamento e justifique.
1 − 3 5
3 − 7 14
7− 9 8
Exercício 1.8.2: Pesaram-se 50 alunos do ISEL e obtiveram-se os seguintes pesos em quilos: 9 − 15 42
15 − 17 7
50,5 67,2 63,5 68,3 70,2 72,5 57,5 57,8 66,1 72,5 17 − 19 4
61,2 62,3 62,0 67,4 64,3 60,3 69,3 68,2 69,2 63,3
70,0 68,0 65,5 51,3 68,7 57,3 71,3 67,2 56,2 71,3 Construa o histograma e o polígono de frequência absoluta.
73,6 54,8 74,3 53,8 69,2 63,4 51,0 72,0 72,3 59,3
64,3 60,5 65,3 66,6 73,5 72,5 75,0 65,0 68,0 65,2

(a) Construa o histograma e o polígono de frequência absoluta e de frequência absoluta

acumulada;
(b) Determine a média aritmética, a mediana e a moda;
(c) Determine os momentos centrais, o desvio médio, a variância, o desvio padrão e o
coeficiente de variação;
(d) Classifique a distribuição quanto à assimetria justificando com os cálculos
necessários;
(e) Classifique a distribuição quanto ao achatamento e justifique.

1. Estatística Descritiva 37 1. Estatística Descritiva 38

I. S. E. L. E. P. / I. E. P. I. S. E. L. E. P. / I. E. P.

Exercício 1.8.5: Considere a seguinte distribuição de frequência: Exercício 1.8.7: Os dados seguintes referem-se à percentagem de algodão, no material usado
Xi Fi para confeccionar camisas de homem:
20 12 34,2 33,6 33,8 34,7 37,8 32,6
21 17
22 11 33,1 34,7 34,2 33,6 36,6 33,1
23 17 34,5 35,0 33,4 32,5 35,4 34,6
24 10
25 15 35,6 35,4 34,7 34,1 34,6 35,9
26 8 36,3 36,2 34,6 35,1 33,8 34,7
27 10

Estude a distribuição de frequência, tomando em conta os seguintes itens:

Estude a distribuição de frequência, tomando em conta os seguintes itens:
(a) Faça um histograma de frequência absoluta;
(a) Faça um polígono de frequência absoluta;
(b) Determine a média aritmética, a mediana e a moda;
(b) Determine a média aritmética, a mediana e a moda;
(c) Determine o desvio médio, o desvio padrão e o coeficiente de variação;
(c) Determine o desvio médio, o desvio padrão e o coeficiente de variação;
(d) Classifique a distribuição quanto à assimetria justificando com o coeficiente que
(d) Classifique a distribuição quanto à assimetria justificando com o coeficiente que
entender;
entender;
(e) Classifique a distribuição quanto ao achatamento e justifique.
(e) Classifique a distribuição quanto ao achatamento e justifique.

Exercício 1.8.8: Considere a seguinte série de dados agrupados:

Exercício 1.8.6: Registaram-se as alturas de 100 alunos de um liceu, tendo-se obtido a
I . C. Fi
seguinte tabela:
1 − 5 6
I . C. Fi 6 − 10 10
1, 40 − 1, 46 7 11 − 15 14
1, 46 − 1,52 9 16 − 20 18
1,52 − 1,58 5 21 − 25 12
1,58 − 1, 64 12 26 − 30 4
1, 64 − 1, 70 26
1, 70 − 1, 76 20
Estude a distribuição de frequência, tomando em conta os seguintes itens:
1, 76 − 1,82 11
1,82 − 1,88 10 (a) Faça um histograma de frequência absoluta;
(b) Determine a média aritmética, a mediana e a moda;
Estude a distribuição de frequência, tomando em conta os seguintes itens: (c) Determine o desvio médio, o desvio padrão e o coeficiente de variação;
(a) Faça um histograma de frequência absoluta; (d) Classifique a distribuição quanto à assimetria justificando com o coeficiente que
(b) Determine a média aritmética, a mediana e a moda; entender;
(c) Determine o desvio médio, o desvio padrão e o coeficiente de variação; (e) Classifique a distribuição quanto ao achatamento e justifique.
(d) Classifique a distribuição quanto à assimetria justificando com o coeficiente que
entender;
(e) Classifique a distribuição quanto ao achatamento e justifique.

1. Estatística Descritiva 39 1. Estatística Descritiva 40

I. S. E. L. E. P. / I. E. P. I. S. E. L. E. P. / I. E. P.

Exercício 1.8.9: Para estudar o parque habitacional de determinada cidade quanto ao Exercício 1.8.12: Ao considerar uma série estatística extraída de uma pauta de exame,
número de assoalhadas interrogaram-se 270 famílias. Destas 50 tinham uma casa com 1 agrupam-se as notas de 80 alunos da seguinte forma:
assoalhada, 60 com 2 assoalhadas, 80 com 3 assoalhadas, 50 com 4 assoalhadas, 20 com 5 I . C. Fi
assoalhadas e 10 com 6 assoalhadas. 1 − 3 5
(a) Represente a distribuição de frequência utilizando um polígono de frequência; 3 − 7 14
7 − 9 8
(b) Determine μ , Med e Mo;
9 − 15 42
(c) Determine o coeficiente de variação; 15 − 17 7
(d) Estude a assimetria da distribuição, justificando com os cálculos. 17 − 19 4

(a) Construa o histograma de frequência absoluta;

Exercício 1.8.10: Sendo dada a seguinte distribuição de frequência:
(b) Determine a média, a mediana e a moda;
I . C. Fi (c) Determine o desvio padrão e o coeficiente de variação;
0 − 2 5
(d) Classifique a distribuição quanto ao achatamento, justificando com os cálculos
2 − 4 10
4 − 7 15 necessários.
7 − 9 8
9 − 11 2
Pede-se:
Exercício 1.8.13: Considere a seguinte distribuição de frequência:
(a) O histograma de frequência absoluta;
(b) A média, a mediana e a moda; I. C. Fi
6 − 8 4
(c) O desvio padrão e o coeficiente de variação;
9 − 11 6
(d) Classifique a distribuição quanto à assimetria, justificando com os cálculos
12 − 14 7
necessários. 15 − 17 4
18 − 20 3
Pede-se:
Exercício 1.8.11: A Tabela seguinte mostra a distribuição das velocidades de 100 carros ao
(a) o histograma de frequência absoluta;
passarem num dado local:
(b) a média, a mediana e a moda;
Velocidade ( km / h ) Frequência
(c) o desvio padrão e o coeficiente de variação;
30 − 40 5 (d) a classificação quanto à assimetria, justificando com os cálculos necessários.
40 − 50 16
50 − 60 35
60 − 70 30
70 − 80 14
Determine:
(a) o histograma de frequência relativa;
(b) as medidas que nos permitem ter uma ideia da localização central da variável;
(c) o desvio padrão e o coeficiente de variação;
(d) a classificação da distribuição quanto ao achatamento, justificando com os cálculos
necessários.

1. Estatística Descritiva 41 1. Estatística Descritiva 42

I. S. E. L. E. P. / I. E. P.

Exercício 1.8.14: Considere-se uma amostra constituída por 100 latas de pêssego em calda
de uma determinada marca cujo rótulo indica um peso médio líquido escorrido de 450
gramas. Na tabela seguinte incluem-se os pesos observados na amostra, agrupados por
classes:
Peso ( gramas ) Fi (nº de latas )
430 − 434 13
434 − 438 14
438 − 442 18
442 − 446 19
446 − 450 27
450 − 454 9

Relativamente à variável peso, pede-se:

(a) O histograma de frequência absoluta;
(b) A apresentação das medidas que nos permitem ter uma ideia da localização central da
variável;
(c) O desvio padrão e o coeficiente de variação;
(d) A classificação da distribuição quanto ao achatamento, justificando com os cálculos
necessários.

Exercício 1.8.15: Numa repartição com 300 empregados fez-se a sua separação em grupos
etários nos termos da tabela seguinte:
I . C. Fi
15 − 25 56
25 − 35 42
35 − 45 62
45 − 55 70
55 − 65 48
65 − 75 22

Relativamente à variável idade, pede-se:

(a) O histograma de frequência relativa;
(b) A apresentação das medidas que nos permitem ter uma ideia da localização central da
variável;
(c) O desvio padrão e o coeficiente de variação;
(d) A classificação da distribuição quanto à assimetria, justificando com os cálculos
necessários.
1. Estatística Descritiva 43