UNIVERSIDADE CATÓLICA DE MOÇAMBIQUE

INSTITUTO DE EDUCAÇÃO À DISTÂNCIA

Estatística (Noções)

Estaniel Filipe Nachicuanguala

Código Nº 708210245

Curso: Português
Cadeira: Estatística
Ano de frequência: 1º Ano
Turma: N
Tutor: dr. Aldina Joaquim Ale

Milange, Junho de 2022

Folha de Feedback

Classificação
Categorias Indicadores Padrões
Nota
Pontuação
do Subtotal
máxima
tutor
• Capa 0.5

• Índice 0.5
Aspectos
Estrutura
organizacionais • Introdução 0.5

• Actividades 0.5

• Organização dos
dados

• Indicação correcta da
fórmula
Actividades
Conteúdo 17.0
por unidade
• Passos da resolução

• Resultado obtido

• Paginação, tipo
e tamanho de
Aspectos Formatação letra, paragráfo, 1.0
gerais
espaçamento
entre linhas
Folha para recomendações de melhoria: A ser preenchida pelo tutor

___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________

iii
 ÍNDICE

1. Introdução ........................................................................................................................... 2
1.1. Objectivos do trabalho ..................................................................................................... 2
1.2. Metodologia ..................................................................................................................... 2
2. Resumo teórico ................................................................................................................... 3
2.1. Medidas de dispersão ou de variabilidade ....................................................................... 3
2.2. Medidas de assimetria e Curtose ..................................................................................... 6
2.3. Distribuições Bidimensionais .......................................................................................... 6
2.4. Acontecimentos equiparáveis .......................................................................................... 7
2.5. Probabilidade condicionada ............................................................................................. 7
3. Resolução das tarefas propostas ......................................................................................... 9
Tarefa 1 ....................................................................................................................................... 9
Tarefa 2 ....................................................................................................................................... 9
Tarefa 3 ..................................................................................................................................... 10
Tarefa 4 ..................................................................................................................................... 10
Conclusão ................................................................................................................................. 12
Bibliografia ............................................................................................................................... 13
 1. Introdução

A estatística na actualidade tem contribuído de forma significativa para o processo de tomada

de decisão, pois grande parte do que se faz se baseia em métodos quantitativos, e a estatística é
uma dessas áreas. Na era da informação e do conhecimento, a estatística utiliza a matemática
para dar apoio aos profissionais da iniciativa privada, do governo e pesquisadores. Onde houver
incerteza, essa ferramenta pode ser usada.
Neste presente trabalho, para alem da resolução das actividades propostas pelo Tutor, tem – se
ainda a abordagem de alguns temas relevantes na aprendizagem desta cadeira: Medidas de
dispersão ou de variabilidade, Medidas de assimetria e curtose, Distribuições Bidimensionais,
Acontecimentos equiparáveis e Probabilidade condicionada.

1.1.Objectivos do trabalho
• Objectivo geral
− Apresentar um breve resumo sobre os conceitos básicos da estatística
• Objectivos específicos
− Analisar os procedimentos usados na resolução das actividades de estatística.
− Interpretar as características da disciplina estatística através da resolução de exercícios.
1.2.Metodologia
Para a efectivação do presente artigo, recorreu-se o método bibliográfica, pois ela explora e faz
a conexão entre áreas diferentes do conhecimento e oferece meios para definir e resolver
problemas. Portanto, foi necessário consultar manuais que versam sobre as teorias tecnológicas
e seu contributo no PEA.

2
2. Resumo teórico
2.1. Medidas de dispersão ou de variabilidade

As medidas de posição, como média aritmética, a mediana e a moda de um conjunto de dados

numéricos não são suficientes para uma análise conclusiva sobre como variam os valores desse
conjunto; por exemplo, o quanto esses valores estão próximos ou distantes de uma medida
previamente fixada. Esse fato pode ser percebido pela tabela abaixo, que apresenta os salários
mensais dos funcionários de dois escritórios, A e B.

Salários

Escritórios A B

Salários (em MT) Nº de funcionários Nº de Funcionários

4900 0 2

4500 1 0

2700 1 0

1600 2 0

500 2 0

400 0 4

Apesar de a média salarial nos dois escritórios ser a mesma, RS 1900,00, as distribuições são
muito diferentes. Por exemplo, os salários no escritório A estão mais próximos da média
aritmética do que os salários no escritório B.
Por isso, precisamos de outras medidas para avaliar a distribuição de uma amostra de números.
Neste item, vamos estudar algumas dessas medidas, chamadas de medidas de dispersão, que
podem ser entendidas a partir do problema a seguir.

Para preencher uma vaga de gerente de produção, o departamento de recursos humanos de uma
empresa, após realizar vários testes, selecionou dois candidatos: Ana e Filipe. A tabela abaixo
mostra o desempenho dos dois nas provas a que se submeteram.

Candidatos Ana Filipe

Assunto Notas Notas

3
 Conhecimentos de informática 8,5 9,5

Língua portuguesa 9,5 9,0

Língua inglesa 8,0 8,5

Matemática 7,0 8,0

Conhecimentos de economia 7,0 5,0

Média = 8,0 Média = 8,0

Os dois candidatos obtiveram a mesma média. Como proceder, cientificamente, para

estabelecer um critério de desempate na avaliação?

A comparação entre os desempenhos desses dois candidatos pode ser feita por meio de medidas
estatísticas, como o desvio absoluto médio, a variância ou o desvio padrão. Essas medidas,
chamadas de medidas de dispersão, indicam o quanto os elementos de uma amostra estão
afastados da média aritmética. Será considerada menos dispersa e, portanto, mais regular, a
amostra que se apresentar a menor medida. No caso de Filipe e Ana, um critério de desempate
pode ser a regularidade, isto é, o candidato escolhido será o que apresentar a amostra de notas
menos dispersa.

Desvio Absoluto Médio

Nas cinco provas realizadas, Ana obteve 8,0 de média aritmética, e suas notas foram 85; 9,5;
8,0; 7,0; 7,0 conforme tabela anterior. Para determinar o quanto cada nota está afastada da
média aritmética, basta efetuar a diferença entre a nota e a média, nessa ordem; essa diferença
é chamada de desvio da nota. Esses desvios são:
8,5 - 8,0 = 0,5
9,5 - 8,0 = 1,5
8,0 - 8,0 = 0
7,0 - 8,0 = -1,0
O módulo de cada um desses desvios é chamado de desvio absoluto da nota correspondente:
o O desvio absoluto da nota 8,5 é |0,5| = 0,5
o O desvio absoluto da nota 9,5 é |1,5| = 1,5
o O desvio absoluto da nota 8,0 é |0,0| = 0,0
o O desvio absoluto de cada uma das duas notas 7,0 é |−1,0|= 1,0

4
A média aritmética entre esses desvios absolutos é chamada de desvio absoluto médio.

0,5 + 1,5 + 0,0 + 1,0 + 1,0 4

𝑑= = = 0,8
5 5

De maneira análoga, tem-se o desvio absoluto médio das notas obtidas por Felipe, Dam', no
conjunto de provas;

6
𝑑= = 1,2
5

Para uma amostra qualquer, definimos:

Sendo x a média aritmética de uma amostra e de números x1, x2, x3, ..., xn, chama-se desvio
absoluto médio, e se indica por Dam, o número:

|𝑥1 − 𝑥̅ | + |𝑥2 − 𝑥̅ | + |𝑥3 − 𝑥̅ | + ⋯ + |𝑥𝑛 − 𝑥̅ | 4

𝑑= = = 0,8
𝑛 5

Variância
Outra medida que indica o afastamento dos valores dos elementos de uma amostra, em relação
à medida aritmética, é a variância, que se representa por 2 ( é a letra grega "sigma").
Chama-se variância a média aritmética entre os quadrados dos desvios dos elementos de uma
amostra, isto é:

2
(𝑥1 − 𝑥̅ )2 + (𝑥2 − 𝑥̅ )2 + (𝑥3 − 𝑥̅ )2 + ⋯ . +(𝑥𝑛 − 𝑥̅ )2
𝜎 =
𝑛

Calculando as variâncias dos conjuntos de notas de Ana 2A e Felipe 2F, citados anteriormente,
temos:
(0,5)2 +(1,5)2 +(0,0)2 +(−1,0)2 +(−1,0)2
𝜎 2𝐴 = =0,9
𝑛
(1,5)2 +(1,0)2 +(0,5)2 +(0,0)2 +(−3,0)2
𝜎 2𝐹 = =2,5
𝑛

Como 𝜎 2𝐴 < 𝜎 2 𝐹 , concluímos que Ana obteve nas provas um desempenho mais regular que
Filipe.

Desvio padrão

5
Na interpretação da variância podem surgir algumas dificuldades em relação à unidade de
medida dos elementos da amostra. Por exemplo, quando os elementos da amostra indicam
capacidade em litros(L), a variância representa um resultado em 𝐿2 . Como essa unidade não
tem significado físico, não é conveniente utilizar as variâncias nesse caso. Por causa de
dificuldades como essa, foi criado o desvio padrão, representado por, definido como a raiz
quadrada da variância.
Calculando o desvio padrão do conjunto de notas de Ana, 𝜎𝐴 , e de Filipe, 𝜎𝐹 , citados
anteriormente, temos:
𝜎𝐴 = √0,9 ≅ 0,949 𝑒 𝜎𝐹 = √2,5 ≅ 1,58

Como 𝜎𝐴 < 𝜎𝐹 que Ana teve nas provas um desempenho mais regular que Filipe.

2.2. Medidas de assimetria e Curtose

2.2.1. Medidas de Assimetria
A nomenclatura de assimetria ao grau de afastamento de uma distribuição da unidade de
assimetria. Uma Distribuição é Simétrica quando seus valores de Média, Mediana e Moda
coincidem. A comparação entre o valor da Média e o valor da Moda, dá, portanto, uma
indicação da inclinação da distribuição quanto ao grau de deformação, as curvas de frequência
podem ser: Assimétrica Positiva e Assimétrica Negativa.
2.2.2. Medidas de Curtose
Dá-se o nome de curtose ao grau de achatamento da distribuição:
i. Quando a distribuição apresenta uma curva de frequência mais fechada (mais aguda em
sua parte superior), ela é denominada Leptocúrtica (Lepto = Delgado, Alongado, Magro,
etc.)
ii. A distribuição de referência (Distribuição Normal) é denominada Mesocúrtica (Meso =
Meio, Central).
iii. Quando a distribuição apresenta uma curva de frequência mais aberta (mais achatada
em sua parte superior), ela é denominada Platicúrtica (Plato = Chato, Plano, Largo).

2.3. Distribuições Bidimensionais

Em alguns estudos estatísticos há a incidência sobre dois caracteres da mesma população,
análises bivariadas, com a intenção de os comparar e ver se há ou não algum tipo de relações
entre eles, ou se pelo contrário, são independentes. Em situações normais a variação de um dos

6
caracteres influência a variação do outro. Neste estudo, a população é formada por um conjunto
de pares ordenados (x, y), em que x e y representam as temperaturas mínima e máxima,
respetivamente. A variável (x, y) designa-se por variável estatística bidimensional.
Exemplo:
a) No boletim de saúde infantil e juvenil encontras pares de variáveis que são analisadas
conjuntamente, tais como:
idade (em meses) e a massa corporal (em kg), dos 0 aos 24 meses;
idade (em meses) e o perímetro cefálico (em cm), dos 0 aos 36 meses;
idade (em anos) e a estatura (em cm), dos 2 aos 20 anos.
b) O número de trabalhadores a executar uma obra e o tempo de execução.

c) O rendimento mensal do agregado familiar e os gastos em lazer.

2.4. Acontecimentos equiparáveis

Acontecimento é um subconjunto (probabilizável) do espaço de resultados (ou espaço-
amostra). Dois acontecimentos de uma experiência aleatória dizem-se equiprováveis se tiverem
igual probabilidade de ocorrerem. Sendo A e B dois acontecimentos equiprováveis, P (A) = P
(B).

2.5. Probabilidade condicionada

Segundo Diaz & de la Fuente (2005), a probabilidade condicionada pode ser definida com
diferentes graus de formalização. Em geral, a abordagem do conceito de probabilidade
condicionada, por diversos manuais escolares de Matemática do Ensino Secundário, e uma
definição formal mais ou menos extensível em termos de complementaridade de informação.

Oliveira (2012): “probabilidade condicionada de A sabendo que B ocorreu e a razão

entre a probabilidade da intersecção de A e B e a probabilidade de B, desde que P(B) > 0.

Representa-se por P(A|B)” (Oliveira, 2012, p.13); Andrade et al. (2012): “dados os
acontecimentos A e B de um espaço de resultados E, com 𝑃(𝐴) ≠ 0, chama-se probabilidade
𝑃(𝐴∩𝐵)
condicionada de A, dado B, e escreve-se P(A|B), ao valor definido por: 𝑃(𝐴|𝐵) = ”
𝑃(𝐵)

(Andrade et al., 2012, p.34)

7
 Costa & Rodrigues (2012), “sendo A e B dois acontecimentos associados a uma
experiencia aleatória e tais que P(B)≠0, chama-se probabilidade condicionada de A, dado B, e
𝑃(𝐴∩𝐵)
representa-se por P(A|B), ao valor P(A|B) = .
𝑃(𝐵)

Da igualdade resulta que 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴|𝐵) ∙ 𝑃(𝐵)”(Costa & Rodrigues, 2012,

p.40); Neves et al. (2012),” Sejam A e B dois acontecimentos de um espaço S. Representa-se
por P(A|B) a probabilidade de ocorrência de A, na hipótese de B se ter realizado. Supor que se
realizou B equivale a restringir o universo aos acontecimentos elementares de B.

Assim, a probabilidade condicionada P(A|B) pode ser interpretada como uma

probabilidade que tem subjacente um novo espaço amostral, B, subconjunto do espaço original.
Os acontecimentos elementares de A, tendo-se realizado B, correspondem aos acontecimentos
𝑃(𝐴∩𝐵),
A∩B. Assim somos conduzidos a definição: 𝑃(𝐴|𝐵) = 𝑃(𝐵) ≠ 0, 𝐴 ⊆ 𝑆 𝑒 𝐵 ⊆ 𝑆”
𝑃(𝐵)

(Neves et al., 2012, p.108).

Uma noção intuitiva de probabilidade condicional, no sentido de ser a probabilidade de

um acontecimento na condição de se ter conhecimento prévio da realização de um outro
acontecimento, e mais explorada com a proposta de exercícios de aplicação nos manuais do
secundários e com exemplos nos livros a nível universitário.

Exemplo: Suponha-se que se quer extrair duas peças ao acaso de um lote que contém 100 peças
das quais 80 peças são boas e 20 defeituosas, de acordo com os critérios (a) com reposição e
(b) sem reposição.

Define-se os seguintes eventos:

A = {A primeira peça é defeituosa} e B = {A segunda peça é defeituosa }.

Então, se a extração for com reposição P(A) = P(B) = 20 / 100 = 1 / 5 = 20%, porque existem
20 peças defeituosas num total de 100.

Agora se a extracção for sem reposição tem-se ainda que P(A) = 20 / 100 = 20%, mas o mesmo
não é verdadeiro para P(B). Neste caso, é necessário conhecer a composição do lote no
momento da extracção da segunda peça, isto é, é preciso saber se a primeira peça retirada foi
ou não defeituosa. Neste caso é necessário saber se A ocorreu ou não. O que mostra a
necessidade do conceito de probabilidade condicionada.

8
3. Resolução das tarefas propostas

Tarefa 1

Calcule a média, variância e o desvio padrão para os seguintes dados:

a) 12, 58, 67, 53, 48, 95, 46, 18

Resolução
∑𝑛
𝑖=1 𝑥1 12+58+67+53+48+95+46+18 397
Média: 𝑥̅ = = = = 49,6
𝑛 8 8
∑𝑛
𝑖=1(𝑥𝑖 −𝑥̅ )
2
Variância: 𝑉(𝑥) = 𝑛

(12−49,6)2 +(58−49,6)2 +(67−49,6)2 +(53−49,6)2 +(48−49,6)2 +(95−49,6)2 +(46−49,6)2 +(18−49,6)2

𝑉(𝑥) = 8

1413,76+70,56+302,76+11,56+2,56+2061,16+12,96+998,56
𝑉(𝑥) = 8

4873,88
𝑉(𝑥) = 8

𝑉(𝑥) = 609,24

Desvio padrão: 𝜎 = √𝑉(𝑥) = 24,68

Tarefa 2

Os valores que se seguem são os tempos (em segundos) de reacção a um alarme de incendio,
apos a libertação de fumaça de uma fonte fixa: 12 9 11 7 9 14 6 10
Calcule as medidas de localização (media, mediana e moda) e as medias de variação (amplitude
total, variância, desvio padrão e coeficiente de variação) para os conjuntos de dados.

Resolução

Medidas de localização
∑𝑛
𝑖=1 𝑥1 12+9+11+7+9+14+6+10 78
Média: 𝑥̅ = = = = 9,75
𝑛 8 8

Mediana
Rol dos dados: 6, 7, 9, 9, 10, 11, 12, 14
𝑥4 +𝑥5 9+10 19
𝑀𝑒 = = = = 9,5
2 2 2

Moda: 𝑀𝑜 = 9
9
Medidas de variação

Amplitude total: 𝑅 = 𝑥𝑚á𝑥 − 𝑥𝑚𝑖𝑛 = 14 − 6 = 8

∑𝑛
𝑖=1(𝑥𝑖 −𝑥̅ )
2
Variância: 𝑉(𝑥) = 𝑛

(6−9,75)2 +(7−9,75)2 +(9−9,75)2 +(9−9,75)2 +(10−9,75)2 +(11−9,75)2 +(12−9,75)2 +(14−9,75)2

𝑉(𝑥) = 8

14,0625+7,5625+0,5625+0,5625+0,0625+1,5625+5,0625+18,0625
𝑉(𝑥) = 8

47,5
𝑉(𝑥) = 8

𝑉(𝑥) = 5,9375

Desvio padrão: 𝜎 = √𝑉(𝑥) = 2,44

𝜎 2,44
Coeficiente de variação: 𝐶𝑣 = = 9,75 = 0,25 = 25%
𝑥̅

Tarefa 3

Calcule a média geométrica do conjunto de dados: A = {53, 4, 65, 84, 93, 12}.
Resolução
𝑀𝑔 = 𝑛√𝑥1 ∙ 𝑥2 ∙ 𝑥3 … ∙ 𝑥𝑛−2 ∙ 𝑥𝑛−1 ∙ 𝑥𝑛
6
𝑀𝑔 = √53 ∙ 4 ∙ 65 ∙ 84 ∙ 93 ∙ 12
6
𝑀𝑔 = √1 291 792 320
𝑀𝑔 = 33

Tarefa 4

Considere uma urna com 15 bolas, sendo 7 brancas e 8 pretas. Tira-se uma bola e, antes de tirar
nova bola, repõe-se na urna a bola saída. Qual a probabilidade de sair duas vezes bola branca
em duas extracções sucessivas?

Resolução

Consideremos o evento:

A: Sair duas vezes a bola branca em duas extracções

10
 7 7 49
𝑃(𝐴) = ∙ =
15 15 225
49
A probabilidade de sair duas vezes a bola em duas extrações é 225

11
 Conclusão

Em síntese, ao longo das sucessivas reformas curriculares, podemos constatar que o estudo
do tema de Estatística na escola foi sendo cada vez mais aprofundado, fazendo actualmente
parte de todos os programas escolares de Matemática dos diferentes níveis de escolaridade.
Os exercícios propostos são entendidos como instrumentos que direccionam a aprendizagem
em si, ao mesmo tempo em que podem vir a sanar um pouco as dificuldades encontradas pelos
alunos no estudo dos assuntos que envolvam a estatística. Desse modo, o que se quis demonstrar
é como o aprendizado desta disciplina está presente em diversas avaliações externas que os
estudantes realizarão ao longo de suas vidas escolares e também proporcionar o
desenvolvimento do raciocínio cognitivo através da interpretação correcta de dados.

12
Bibliografia

Barbosa, A. G., Haanstra, F., Ibraimo, M., (2017), A sexta edição das Normas APA, (4ª ed.),
Nampula, Moçambique: FEC.

Costa, B. & Rodrigues, E. (2012). Novo Espaço – Matemática A, 12.º ano. Volume I. Porto
Editora.

Fonseca, Jairo Simon da, Martins, Gilberto de Andrade. (1980). Curso de Estatística. São
Paulo: Editora Atlas S.A.

Ferreira, Maria Augusta Neves; Carvalho, Maria Luísa Brito; Exercícios de Matemática 10º
Ano, Porto Editora, Lisboa.

Neto, Pedro Luiz de Oliveira Costa, Cymbalista, Melvin. (1974). Probabilidades: resumos
teóricos, exercícios resolvidos, exercícios propostos. São Paulo, Edgard Blücher.

Neves, Maria Augusta Ferreira, Carvalho, Maria Luísa Brito, (1998), Livro de Texto, 1º Vol,
12º Ano, Porto Editora, Lisboa.

Oliveira, J. C. (2012). Preparo o exame nacional – Matemática A, 12º ano. Areal Editores.

Sande, Lázaro Domingos, (2015), Manual de Tronco Comum, Estatística,, Módulo único, 1º
Ano, UCM, Centro de Ensino a Distancia.

13