Estatística

1
Estatística
Profª Maira Mendias Lauro
__________________________________________________________________________
Introdução à Estatística
As estatísticas aparecem nos jornais, nos noticiários de TV, nos relatórios das
empresas, nos relatórios dos serviços de saúde etc. Entendê-las, é uma necessidade
para um indivíduo que vive em sociedade. As estatísticas facilitam a compreensão
dos fatos através de dados referentes a amostras numerosas, como podemos ver nos
seguintes exemplos:
1) Verificar se um programa de TV tem ou não audiência;
2) Conferir se um determinado tratamento surte o efeito desejado e mesmo avaliar
os efeitos colaterais;
3) Analisar o desempenho dos alunos de uma escola no fim do ano letivo.
Os exemplos são numerosos e voltaremos a eles no transcorrer das aulas.
Definição
Estatística é uma ciência através da qual se obtém informações de dados
numéricos.
Ela trata do conjunto de métodos utilizados para a obtenção desses dados, sua
organização em tabelas e gráficos e a análise e interpretação desses dados.
A análise e a interpretação dos dados estatísticos tornam possível o diagnóstico
de, por exemplo, uma empresa, o conhecimento de seus problemas e a formulação
de soluções para tais problemas.
Organização dos dados estatísticos

Um dos objetivos da Estatística é sintetizar os valores que uma ou mais
variáveis podem assumir, para que tenhamos uma visão global da variação dessa
variável. E isso ela consegue, inicialmente, apresentando esses valores em tabelas e
gráficos, que irão nos fornecer rápidas e seguras informações a respeito das variáveis
em estudo.
Tabelas:
Uma tabela deve apresentar a seguinte estrutura:
- cabeçalho
2
Estatística
__________________________________________________________________________
- corpo
- rodapé
O cabeçalho deve conter o suficiente para que sejam respondidas as questões:
- O que está representado?
- Onde ocorreu?
- Quando ocorreu?
O corpo da tabela é representado por colunas e subcolunas dentro dos quais serão
registrados os dados numéricos e informações.
O rodapé é reservado para observações pertinentes à tabela, bem como para o
registro e identificação da fonte dos dados.
Exemplo:
PRODUÇÃO DA COMPANHIA ALFA – junho/2015
PRODUTOS QUANTIDADE (%)
A 32,4
B 21,6
C 43,2
D 10,8
Fonte: Departamento de Marketing da Companhia
Distribuição de frequências:
1. Conceitos fundamentais:
População: é um conjunto de indivíduos ou objetos que apresentam pelo menos uma
característica em comum.
Amostra: considerando-se a impossibilidade, na maioria das vezes, do tratamento de

todos os elementos da população, retira-se uma amostra, ou seja, a amostra é um
subconjunto finito de uma população.
Variável: é qualquer característica de uma população que se está interessado em

pesquisar. As variáveis podem ser:
a) Qualitativas: se os valores tomados não são números.
3
Estatística
__________________________________________________________________________
Exemplos: sexo, estado civil, cor dos olhos etc.

b) Quantitativas: se os valores tomados são números.
Exemplos: altura, peso, preço de produto etc.
As variáveis quantitativas subdividem-se em:

Discretas: se os valores associados são números inteiros.
Exemplos: número de filhos, número de sócios de um clube etc.
Contínuas: se os valores associados são números reais.
Exemplos: altura, peso etc.
Exemplo:
Uma concessionária de automóveis tem cadastrados 3500 clientes e fez uma
pesquisa sobre a preferência de compra em relação à cor (branco, vermelho ou
azul); preço; número de portas e estado de conservação (novo ou usado).
Foram consultados 210 clientes. Diante essas informações, responda:
a) Qual é a população estatística e qual é a amostra dessa pesquisa?
b) Quais são as variáveis e qual é o tipo de cada uma?
2. Representação da Amostra:
Quando se estuda uma variável, o maior interesse do pesquisador é conhecer
a distribuição dessa variável através das possíveis realizações (valores) da mesma.
Vamos ver uma maneira de dispor os dados através de tabelas:
2.1. Frequência absoluta e frequência absoluta acumulada:

Consideremos o quadro seguinte, que nos mostra as notas de 20 alunos do
quarto semestre do curso de Matemática da Uninove:
1 8 4 9 6 6 9 10 2 3
8 4 9 6 5 5 6 9 8 7
4
Estatística
__________________________________________________________________________
Esse tipo de tabela, cujos elementos não foram numericamente organizados,

denominamos tabela primitiva ou dados brutos.
O primeiro passo será colocar esses dados em ordem crescente (ou
decrescente). Dessa maneira, obtemos uma nova tabela, denominada rol:
A diferença entre o maior e o menor valor da amostra denomina-se amplitude

total, amplitude do rol ou Range e será denotada com a letra R.
No exemplo acima, temos:
R=
A partir desses dados, podemos elaborar uma tabela onde na primeira coluna
aparecerão os valores da variável estatística (xi) que, nesse caso, são as notas; na
segunda coluna aparecerá o número de vezes que cada valor se repete, essa coluna
é chamada frequência absoluta que representaremos por Fi.
Assim, N = nº de elementos da população = F(1) + F(2) + F(3) + ... + F(10) = 20. Que
pode também ser escrito por:
10
N =  Fi = 20
i =1
Observação: O símbolo Σ (somatório) é usado para escrever abreviadamente

expressões que envolvem adição. Assim, indicamos a adição dos termos F i, com i
variando de 0 até n (nIN*), com:
n
F
i=0
i
Na terceira coluna, chamada frequência absoluta acumulada (Fac),

aparecerão os valores obtidos adicionando a cada frequência absoluta os valores das
frequências anteriores:
5
Estatística
__________________________________________________________________________
notas (xi) Fi Fac
total
Usando a frequência acumulada, podemos fazer algumas observações como:

• 11 alunos obtiveram nota menor que 7,0 nessa turma, ou
• 20 – 11 = 9 alunos obtiveram nota 7,0 ou acima de 7,0 nessa turma etc.
2.2. Frequência relativa e frequência relativa acumulada:

Chama-se frequência relativa (fi) do valor da variável, o quociente entre a
frequência absoluta (Fi) e o número de elementos da população estatística:
Fi
fi =
N
No exemplo acima, temos:

6
Estatística
__________________________________________________________________________
notas (xi) Fi Fac fi

1 1 1
2 1 2
3 1 3
4 2 5
5 2 7
6 4 11
7 1 12
8 3 15
9 4 19
10 1 20
total 20
Geralmente, colocamos a frequência relativa na forma de porcentagem, o que

facilita a interpretação. Para colocar as frequências relativas na forma de
porcentagem, é só multiplicar por 100 o valor decimal encontrado:
notas(xi) Fi Fac fi fac
1 1 1
2 1 2
3 1 3
4 2 5
5 2 7
6 4 11
7 1 12
8 3 15
9 4 19
10 1 20
total 20
Observando essa tabela, podemos dizer:

• 5% dos alunos obtiveram nota 7,0
• 55% dos alunos obtiveram nota inferior a 7,0
7
Estatística
__________________________________________________________________________
• 100% - 55% = 45% dos alunos obtiveram nota igual ou superior a 7,0
Distribuição de frequências com dados agrupados em intervalos de classes:

Quando aparecem muitos valores diferentes para a variável em estudo, torna-se
inviável colocar na tabela uma linha para cada valor. Nesses casos, agrupamos os
valores da variável em intervalos, sendo que, chamamos esses intervalos de classes.
Logo a tabela denomina-se de distribuição de frequências com intervalos de
classes.
Exemplo:
Suponhamos termos feito uma coleta de dados relativos às idades de 30
pessoas, que compõem uma amostra dos alunos de uma faculdade “A”:
24 23 22 28 35 21 23 33 34 34 21 25 36 26 22
30 32 25 26 33 34 21 31 25 26 25 35 33 31 31
Elaborando o rol, temos:

21 21 21 22 22 23 23 24 25 25 25 25 26 26 26
28 30 31 31 31 32 33 33 33 34 34 34 35 35 36
E, organizando estes dados em uma tabela conforme já conhecemos, temos:

Idades (xi) Fi
21 3
22 2
23 2
24 1
25 4
26 3
28 1
30 1
31 3
32 1
8
Estatística
__________________________________________________________________________
33 3
34 3
35 2
36 1
Total 30
Como esta tabela fica com muitas linhas, podemos resumi-la numa tabela com
intervalos de classes:
Elementos de uma distribuição de frequências com dados agrupados em

intervalos de classes:
Range, amplitude total ou amplitude amostral (R): é a diferença entre o maior e o

menor valor da amostra.
No exemplo dado: R =
Número de classes (k): Não há uma fórmula exata para o cálculo do número de
classes. As mais usadas são:
1ª) K = 5 para n  25 ou K  n para n  25
2ª)Fórmula de Sturges: K  1 + 3,22 . log n
No exemplo dado: n = 30, logo, K =
Amplitude das classes (h): é a medida do intervalo que define a classe.

hR:K
No exemplo dado:
Observação: Quando os resultados acima não são exatos, devemos arredondá-

los para o maior inteiro.
9
Estatística
__________________________________________________________________________
Limites de classes: são os extremos de cada classe (li |---- Li)

li – limite inferior da classe (onde começa o intervalo)
Li – limite superior da classe (onde termina o intervalo)
As classes são obtidas a partir do menor valor, fazendo a adição de h.
No exemplo dado temos:
Observação: 21 |---- 24. Compreende todos os valores de 21 a 24, excluindo o

24.
Pontos médios das classes (Xi): é a média aritmética entre o limite superior e o
limite inferior da classe.
Exemplo: 33 |---- 36
Xi =
Assim, para montar a tabela de distribuição de frequências com intervalos

devemos seguir os itens abaixo:
1º) Calcular a amplitude total;
2º) Saber quantas classes ou quantos intervalos terá a tabela;
3º) Calcular qual será a amplitude do intervalo ou qual a diferença entre o li e o Li.
Voltando ao exemplo, temos:

Idades de 30 alunos da Faculdade “A”
Classes Fi Fac fi fac (%) xi
Total
10
Estatística
__________________________________________________________________________
Exercícios propostos:
1. Foi feita uma coleta de dados relativos às alturas, em centímetros, de 20 pessoas

que compõem uma amostra dos alunos de uma faculdade “A”:
168 168 163 164 160 160 164 166 169 169
166 168 162 165 165 164 168 166 161 168
Determine:
a) o rol
b) a amplitude total
c) a tabela de distribuição de frequências (sem intervalos de classes)
2. A tabela a seguir contém informações sobre estado civil, grau de instrução, número
de filhos, salário, idade (medida em anos e meses) e procedência de 36
funcionários da seção de orçamentos de uma companhia.
Nº Estado Grau de Nº de Salário Idade Região de
Civil Instrução filhos (em reais) Anos Meses procedência
1 solteiro E.Fundam. - 400 26 03 Interior
2 casado E.Fundam. 1 456 32 10 Capital
3 casado E.Fundam. 2 525 36 05 Capital
4 solteiro E. Médio - 573 20 10 Outro
5 solteiro E.Fundam. - 626 40 07 Outro
6 casado E.Fundam. 0 666 28 00 Interior
7 solteiro E.Fundam. - 686 41 00 Interior
8 solteiro E.Fundam. - 739 43 04 Capital
9 casado E. Médio 1 759 34 10 Capital
11 casado E. Médio 2 812 33 06 Interior
12 solteiro E.Fundam. - 846 27 11 Capital
14 casado E.Fundam. 3 895 44 02 Outro
11
Estatística
__________________________________________________________________________

18 casado E.Fundam. 2 980 39 07 Outro
19 solteiro Superior - 1053 25 08 Interior
20 solteiro E. Médio - 1076 37 04 Interior
21 casado E. Médio 1 1106 30 09 Outro
22 solteiro E. Médio - 1159 34 02 Capital
24 casado Superior 0 1279 26 01 Outro
26 casado E. Médio 2 1360 35 00 Outro
31 solteiro Superior - 1622 31 05 Outro
33 casado Superior 3 1726 43 07 Capital
34 solteiro Superior - 1875 33 07 Capital
36 casado Superior 3 2330 42 02 Interior
Determine:
a) Qual é a população estatística? Qual é a amostra?
b) Classificar as variáveis (qualitativa; quantitativa discreta ou quantitativa contínua).
c) Construir as tabelas de distribuição de frequências das variáveis:
1. estado civil
2. grau de instrução
3. número de filhos
4. região de procedência
12
Estatística
__________________________________________________________________________
3. A pesquisa abaixo foi feita com 20 alunos de uma escola. As variáveis estudadas
foram: idade (em anos), peso (em quilogramas) e altura (em centímetros):
14 a; 49.0 kg; 173 cm 14 a; 49.0 kg; 174 cm
14 a; 46.5 kg; 166 cm 14 a; 46.5 kg; 165 cm
16 a; 53.0 kg; 178 cm 15 a; 48.0 kg; 163 cm
15 a; 50.0 kg; 175 cm 14 a; 48.5 kg; 169 cm
14 a; 51.0 kg; 168 cm 16 a; 50.0 kg; 170 cm
15 a; 49.0 kg; 170 cm 14 a; 52.0 kg; 175 cm
14 a; 44.0 kg; 162 cm 14 a; 46.0 kg; 172 cm
15 a; 51.0 kg; 176 cm 15 a; 47.0 kg; 169 cm
14 a; 48.3 kg; 168 cm 14 a; 51.0 kg; 173 cm
16 a; 52.0 kg; 179 cm 14 a; 49.0 kg; 166 cm
a) para a variável idade, determine:

i) o rol
ii) a tabela de distribuição de frequências sem intervalos
b) para as variáveis peso e altura, determine:
i) o rol
ii) a amplitude total
iii) o número de classes
iv) a amplitude das classes
v) a tabela de distribuição e frequências com dados agrupados em intervalos de
classes
13
Estatística
__________________________________________________________________________
Representações gráficas
É comum vermos em jornais, revistas etc. os resultados numéricos referentes

a uma pesquisa apresentados por meio de gráficos.
Os gráficos mostram de forma visual, simples e clara, os dados e informações
que contêm.
A escolha do gráfico mais apropriado dependerá do conjunto de dados a serem
organizados e ficará a critério do analista.
1. Gráfico de colunas
Nesse tipo de gráfico, usamos retângulos com bases de mesma medida e
alturas com comprimentos proporcionais às frequências de cada dado.
Os retângulos são representados em um sistema de coordenadas cartesianas
onde os valores distintos da variável são colocados no eixo horizontal e as frequências
são colocadas no eixo vertical.
1.1. Dados agrupados sem intervalos

Consideremos a seguinte tabela:
PRODUÇÃO DE PEÇAS DA COMPANHIA ALFA
PRODUTOS (xi) QUANTIDADE (%) (fi)
A 32,4
B 21,6
C 43,2
D 10,8
Com esses dados, podemos fazer um gráfico de colunas onde os retângulos

são separados por distâncias iguais:
14
Estatística
__________________________________________________________________________
1.2. Dados agrupados com intervalos (HISTOGRAMA)

Consideremos a seguinte tabela:
Classes Fi
0 |---- 2 3
2 |---- 4 6
4 |---- 6 8
6 |---- 8 5
8 |---- 10 2
Com esses dados, podemos fazer um gráfico de colunas onde os retângulos

são justapostos, esse gráfico recebe o nome de histograma:
Observe que não colocamos o zero do eixo horizontal na origem do sistema cartesiano
por uma questão de clareza da representação gráfica.
2. Gráfico de linhas
Os gráficos lineares são utilizados com a finalidade de oferecer uma impressão
visual nítida de variações numéricas, sob a forma de “subidas e descidas” de uma
linha.
15
Estatística
__________________________________________________________________________
2.1. Dados agrupados sem intervalos

Para o exemplo citado acima temos:
2.2. Dados agrupados com intervalos (POLÍGONO DE FREQUÊNCIAS)

Para o exemplo citado acima temos:
O polígono de frequências é um gráfico de linhas, onde as frequências são

marcadas sobre retas perpendiculares ao eixo horizontal, levantadas pelos pontos
médios dos intervalos de classes.
Obs.: Sempre sobrepor o polígono de frequências ao histograma construído.
16
Estatística
__________________________________________________________________________
3. Gráfico de setores
O gráfico de setores é um círculo dividido em partes (setores). É utilizado
principalmente quando se pretende comparar cada valor com o total.
Tal gráfico deve ser construído de modo que a área de cada setor seja
proporcional à respectiva frequência, ou seja, o ângulo de cada setor deve ser
proporcional à frequência que representa, uma vez que a área do setor é diretamente
proporcional ao ângulo que o define.
Lembrando que uma circunferência completa tem 360º, podemos calcular por
meio de uma regra de três simples o ângulo central de cada setor:
total ----- 360º
parte ----- xº
No nosso exemplo temos:
PRODUTOS QUANTIDADE GRAUS GRAUS ACUMULADOS

A 32,4
B 21,6
C 43,2
D 10,8
TOTAL
Com o auxílio de um transferidor, fazemos a demarcação dos setores:

17
Estatística
__________________________________________________________________________
1. Construir os gráficos de colunas, linhas e setores das tabelas abaixo:

a)
Vendas da Cia Beta
Ano Vendas (em milhões)
2008 10
2009 13
2010 17
2011 16
2012 19
2013 23
Fonte: Departamento de Vendas da Cia
b)
Nº de acidentes por dia na Rodovia X
em janeiro de 2015
Nº de acidentes por dia Nº de dias
0 10
1 7
2 4
3 5
4 3
5 2
Fonte: Dersa
18
Estatística
__________________________________________________________________________
2. Construir o histograma e o polígono de frequências da tabela abaixo:
Estaturas (cm) Fi
150 |---- 155 3
155 |---- 160 9
160 |---- 165 17
165 |---- 170 31
170 |---- 175 36
175 |---- 180 40
180 |---- 185 20
3. Uma empresa automobilística selecionou ao acaso, uma amostra de 40

revendedores autorizados em todo o Brasil e anotou em determinado mês o
número de unidades adquiridas por estes revendedores. Obteve os seguintes
dados:
10 15 25 21 6 23 15 21 26 32 9 14 19 20 32 18 16 26 24 20
7 18 17 28 35 22 19 39 18 21 15 18 22 20 25 28 30 16 12 20
a) Monte a tabela de distribuição de frequência com intervalos.

b) Construa o histograma e o polígono de frequências.
19
Estatística
__________________________________________________________________________
Medidas de tendência central: média aritmética; média

geométrica; média harmônica
Vimos a sintetização dos dados sob a forma de tabelas e gráficos. Dessa forma
podemos localizar a maior concentração de valores de uma dada distribuição.
Contudo, muitas vezes, queremos resumir ainda mais esses dados,
apresentando um ou alguns valores que sejam “representativos” da série toda.
Usualmente, empregam-se as seguintes medidas de posição central: média, moda e
mediana, em torno dos quais tendem a concentrarem-se os dados.
Estudaremos agora os diferentes tipos de médias:
1. Média aritmética x : ()
1º caso: dados não agrupados
A média aritmética dos valores x1, x2, x3, ... , xn é o quociente entre a soma
desses valores e o seu número total n.
x=
x 1 + x 2 + ... + x n
ou simplesmente x =
x i
(onde n é o nº de elementos do
n n
conjunto)
Exemplo: Determinar a média aritmética dos valores: 3, 7, 8, 10 e 11.
2º caso: Dados agrupados sem intervalos

Se os elementos x1, x2, x3, ... , xn apresentam, respectivamente, frequências F1,
F2, F3, ... , Fn, então:
x=
F1x 1 + F2 x 2 + ... + Fn x n
ou simplesmente x =
x F i i
n n
20
Estatística
__________________________________________________________________________
Exemplo: Dada a amostra: 2, 5, 5, 5, 5, 6, 6, 6, 8, 8.

Construindo a tabela de distribuição de frequências, temos:
xi Fi xiFi
Total
Então a média será:
3º caso: Dados agrupados com intervalos

Quando os dados estão agrupados, aceita-se, por convenção, que as
frequências se distribuem uniformemente ao longo da classe e que, portanto, o seu
ponto médio (xi) é o valor representativo do conjunto. Então:
x=
x F i i
n
Exemplo:
Classe Fi xi xiFi
2 |---- 5 1
5 |---- 8 10
8 |---- 11 8
11 |---- 14 1
Total
Interpretação: O valor médio encontrado é o valor em torno do qual os elementos

desta série se concentram.
21
Estatística
__________________________________________________________________________
2. Média geométrica (Mg):

Sejam x1, x2, x3, ... , xn valores da variável X, associadas, respectivamente, às
frequências F1, F2, F3, ... , Fn. Então a média geométrica de X é definida por:
Mg = n x1 1  x 2 2  x 3 3  ...  x n
F F F Fn
Em particular, se F1 = F2 = F3 = ... = Fn = 1, temos:
Mg = n x1  x 2  x 3  ...  x n
onde n é o número total de elementos da amostra.
Exemplos:
1. Determinar a média geométrica dos valores: 3, 6, 12, 24, 48.
2. Dada a tabela de distribuição de frequências:

xi Fi
1 8
2 6
3 5
5 3
Total 22
22
Estatística
__________________________________________________________________________
3. Média harmônica (Mh):

Se os elementos x1, x2, x3, ... , xn apresentam, respectivamente, frequências F1,
F2, F3, ... , Fn, então a média harmônica é definida como o inverso da média aritmética
do inverso dos valores:
n n
Mh = =
F1 F2 F3 Fn F
+ +
x1 x 2 x 3
+ ... +
xn
 xi
i
Em particular, se F1 = F2 = F3 = ... = Fn = 1, temos:
n n
Mh = =
1 1 1 1 1
+ +
x1 x 2 x 3
+ ... +
xn
x
i
onde n é o número total de elementos da amostra.
Exemplos:
1. Determinar a média harmônica dos valores: 2, 5, 8.
2. Dada a tabela de distribuição de frequências:

xi Fi
1 8
2 6
3 5
5 3
Total 22
23
Estatística
__________________________________________________________________________
1. Calcule a média aritmética para as tabelas abaixo:
a)
xi Fi
2 1
3 4
4 3
5 2
Total
(Resposta: 3,6)
b)
xi Fi
17 3
18 18
19 17
20 8
21 4
Total
(Resposta: 18,84)
2. O salário de 40 funcionários de um escritório está distribuído segundo o quadro

abaixo. Calcule o salário médio desses funcionários.
salários(R$) nº de funcionários
400 |---- 500 12
500 |---- 600 15
600 |---- 700 8
700 |---- 800 3
800 |---- 900 2
(Resposta: 570)
24
Estatística
__________________________________________________________________________
3. Calcule a média geométrica para a tabela abaixo:

xi Fi
8 2
9 1
10 3
11 2
12 1
(Resposta: 9,80)
4. Calcule a média harmônica para a tabela abaixo:

xi Fi
8 2
9 1
10 3
11 2
12 1
(Resposta: 9,72)
Exercícios complementares:
1) Calcule a média aritmética das séries abaixo:
a) 1, 2, 8, 10, 12, 16, 21, 30 (Resposta: 12,5)
b) 5, 6, 6, 10, 11, 11, 20 (Resposta: 9,86)
c) 3, 4, 7, 8, 9, 23, 12, 15 (Resposta: 10,12)
2) Calcule a média geométrica das séries abaixo:

a) 8, 15, 10, 12 (Resposta: 10,95)
b) 3, 4, 5, 6, 7, 8 (Resposta: 5,22)
25
Estatística
__________________________________________________________________________
3) Calcule a média harmônica das séries abaixo:

a) 5, 7, 12, 15 (Resposta: 8,12)
b) 3, 4, 5, 6, 7 (Resposta: 4,58)
4) Uma imobiliária gerencia o aluguel de residências particulares, segundo o quadro

abaixo. Calcule o aluguel médio.
aluguel(R$) nº de casas
0 |---- 200 30
200 |---- 400 52
400 |---- 600 28
600 |---- 800 7
800 |---- 1000 3
(Resposta: 335)
Medidas de tendência central: moda e mediana
Apesar de ser bastante utilizada a média aritmética nem sempre é a medida

mais adequada para se analisar um agrupamento de dados.
Veja o exemplo:
Numa certa empresa com 200 empregados, os salários são os seguintes:
Salário (x salário mínimo) nº de empregados
1 100
2 30
3 30
4 5
5 25
10 5
25 3
40 2
26
Estatística
__________________________________________________________________________
Calculando o salário médio desses empregados, obtemos 3 salários mínimos.

Esse número está correto do ponto de vista aritmético, mas não é representativo da
condição salarial da maioria dos empregados. Afinal, 130 (65% do total) deles,
ganham menos do que esse valor. Por outro lado, de acordo com a tabela, 5
empregados (2.5%) ganham mais do que 20 salários mínimos, o que “puxa” a média
para cima.
Nesse caso, é mais conveniente usarmos outro tipo de medida como valor
representativo do salário dos empregados. É o que veremos agora!
Moda (Mo):
Dada uma coleção de números, a moda é o valor que ocorre com maior
frequência.
Assim, no exemplo acima, o salário mais frequente é o salário mínimo que é
recebido por 100 empregados, isto é, 1 salário mínimo.
Observações:
1.) Existem casos em que a moda não existe – os valores não se repetem ou
todos os valores tem a mesma frequência (distribuição amodal).
2.) Em alguns casos, pode haver mais de uma moda, ou seja, a distribuição dos
valores pode ser bimodal, trimodal etc.
1º Caso: Dados não agrupados:

É o valor de maior frequência em um conjunto de dados ou que aparece mais
vezes.
Exemplo: 7, 8, 8, 9, 10, 10, 10, 12, 15.
Exemplo: 3, 5, 8, 10, 12 e 13
Exemplo: 2, 2, 5, 5, 8, 9
27
Estatística
__________________________________________________________________________
2º Caso: Dados agrupados sem intervalos

Basta identificar o elemento de maior frequência.
Exemplo:
xi Fi
0 2
2 4
3 5
4 3
6 1
3º Caso: Dados agrupados com intervalos

Nesse caso, consideramos como moda o valor compreendido entre os limites
da classe modal, ou seja, aquela que apresenta a maior frequência. Tal valor é dado
por:
1
Mo = li + h
1 +  2
onde:
li = limite inferior da classe modal
 1 = diferença entre a frequência (Fi) da classe modal e a imediatamente anterior
 2 = diferença entre a frequência (Fi) da classe modal e a imediatamente posterior.
h = amplitude da classe
Exemplo: Dada a tabela:

Classe Fi
0 |----- 10 1
10 |----- 20 3
20 |----- 30 6
30 |----- 40 2
28
Estatística
__________________________________________________________________________
1º Passo: Identifica-se a classe modal (aquela que possui maior frequência).
2º Passo: Aplica-se a fórmula.

li =
1 =
2 =
h=
Mediana (~
x) :
Dada uma coleção de números colocados em ordem crescente, a mediana ( ~

x
) é o valor que divide a amostra em duas partes iguais:
0 50% 100%
~
x
(50% dos valores da série são valores menores ou iguais a ~

x e 50% dos valores da
série são valores maiores ou iguais a ~
x)
1º caso: Dados não agrupados

Quando temos um número ímpar de elementos, dispostos em ordem crescente,
n +1
a mediana é definida como sendo o elemento central, de ordem .
2
Se a coleção tiver um número par de elementos, também dispostos em ordem
crescente, a mediana é definida como a média aritmética dos dois valores centrais,
n n
de ordens e + 1.
2 2
29
Estatística
__________________________________________________________________________
Exemplos:
1.) Dada a amostra: 5, 13, 10, 2, 18, 15, 6, 16 e 9
2.) Dada a amostra: 2, 6, 7, 10, 12, 13, 18 e 21
2º caso: Dados agrupados sem intervalos

Basta considerar a frequência acumulada e localizar a mediana procedendo da
mesma forma que no caso anterior.
Exemplos:
1.) Dada a distribuição:
xi Fi
12 1
14 2
15 1
16 2
17 1
20 2
Total 9
30
Estatística
__________________________________________________________________________
2.) Dada a distribuição:

xi Fi Fac
7 6
10 12
15 15
20 24
23 9
Total 66
3º caso: Dados agrupados com intervalos

Nesse caso, devemos inicialmente localizar a classe mediana. Para isso
seguimos os seguintes passos:
n
1º Passo: Calculamos a ordem . Independente se n é par ou ímpar.
2
2º Passo: Pela Fac identificamos a classe que contém a mediana (classe Md).
3º Passo: Utilizamos a fórmula:
n 
 − f 
x = li +   .h
~ 2
FMd
Onde: li = limite inferior da classe mediana

n = tamanho da amostra ou número de elementos
f = soma das frequências anteriores à classe mediana
h = amplitude da classe mediana
FMd = frequência da classe mediana
31
Estatística
__________________________________________________________________________
Exemplo: Dada a tabela:

Classe Fi Fac
3 |---- 6 2 2
6 |---- 9 5 7
9 |---- 12 8 15
12 |---- 15 3 18
15 |---- 18 1 19
Total 19
n
1º Passo: Calcula-se .
2
2º Passo: Identifica-se a classe mediana pela Fac.
3º Passo: Aplica-se a fórmula.
li =
f =
h=
FMd =
Interpretação: 50% dos valores da série são valores menores ou iguais à mediana e
50% dos valores da série são valores maiores ou iguais à mediana.
1. Calcule a moda das distribuições abaixo:
a)
xi Fi
2 1
3 7
4 2
5 2
Total
(Resposta: 3)
32
Estatística
__________________________________________________________________________
b)
Xi Fi
17 3
18 18
19 17
20 8
21 4
Total
(Resposta: 18)
2. A distribuição abaixo representa o consumo em Kg de um produto colocado em

oferta em um supermercado. Calcule a moda:
consumo nº de clientes
0 |---- 1 12
1 |---- 2 15
2 |---- 3 21
3 |---- 4 32
4 |---- 5 20
(Resposta: 3,48)
3. Calcule a mediana das distribuições abaixo:

a)
xi Fi
2 5
4 20
5 10
6 10
8 2
Total
(Resposta: 4)
33
Estatística
__________________________________________________________________________
b)
xi Fi
17 3
18 18
19 4
20 3
21 2
Total
(Resposta: 18)
4. Determine o valor mediano da distribuição a seguir que representa os salários dos

funcionários selecionados em uma empresa:
salários (R$) nº funcionários
200 |---- 400 2
400 |---- 600 6
600 |---- 800 10
800 |---- 1000 5
(Resposta: 670)
Exercícios complementares:
1) Calcule a moda para as séries abaixo:
a) 2, 2, 3, 4, 5, 5, 5, 7 (Resposta: 5)
b) 3, 4, 4, 5, 9, 12, 12 (Resposta: 4 e 12)
c) 5, 7, 9, 11, 13 (Resposta: não existe)
2) A distribuição abaixo representa o número de acidentes de trabalho por dia em uma

indústria Petroquímica, verificados durante um mês. Calcule a moda:
nº de acidentes nº de dias
0 |----2 20
2 |---- 4 6
4 |---- 6 3
6 |---- 8 1
34
Estatística
__________________________________________________________________________
(Resposta: 1,18)
3) Calcule a mediana das sequencias abaixo:

a) 2, 5, 8, 10, 12, 15, 18, 20, 21, 25 (Resposta: 13,5)
b) 7, 3, 10, 4, 5, 7, 8 (Resposta: 7)
4) Uma loja de departamentos selecionou um grupo de 54 notas fiscais, durante um

dia e obteve o seguinte quadro. Calcule a mediana.
consumo nº notas
0 |---- 50 10
50 |---- 100 28
100 |---- 150 12
150 |---- 200 2
200 |---- 250 2
(Resposta: 80,36)
5) A distribuição de frequências nos fornece, por faixa etária, a frequência com que
ocorre determinada doença, para um grupo de 100 pessoas estudadas, com idades
entre 16 e 48 anos. Calcule a média, a moda e a mediana.
Idade Fi
16 |---- 20 9
20 |---- 24 18
24 |---- 28 26
28 |---- 32 14
32 |---- 36 10
36 |---- 40 9
40 |---- 44 8
44 |---- 48 6
Total
(Resposta: média = 29,48; moda = 25,6; mediana = 27,54)

35
Estatística
__________________________________________________________________________
Medidas separatrizes
Se estivermos interessados em obter uma divisão de um conjunto numérico em

partes iguais, podemos recorrer às medidas separatrizes. Para dividir um conjunto em
duas partes iguais recorremos à mediana. Estendendo o conceito de mediana,
podemos dividir um conjunto em quatro partes iguais, onde cada parte representa 25%
do conjunto – os quartis. Se quisermos dividir o conjunto em dez partes iguais, onde
cada parte representa 10% do conjunto, teremos os decis, e, para o percentil cada
parte representa 1% do conjunto.
1. Quartis (Qi):
Dividem um conjunto de dados em quatro partes iguais:
Q1 Q2 Q3
I---------------I--------------I---------------I---------------I
0% 25% 50% 75% 100%
Q1: 1ºquartil; deixa 25% dos elementos

Q2: 2ºquartil, coincide com a mediana; deixa 50% dos elementos
Q3: 3ºquartil; deixa 75% dos elementos
Para determinar Q1:

n
1° Passo: Calcula-se
4
2° Passo: Identifica-se a classe Q1 pela Fac
3° Passo: Aplica-se a fórmula:
n 
 − f
+  .h
4
Q1 = l Q1
FQ1
Para determinar Q2: igual à mediana

36
Estatística
__________________________________________________________________________
Para determinar Q3:

3n
1° Passo: Calcula-se
4
2° Passo: Identifica-se a classe Q3 pela Fac
 3n 
 − f
+  .h
4
Q 3 = l Q3
FQ3
Resumindo, temos:
 in 
 − f 
+  .h
4
Q i = l Qi
FQi
Onde: lQi = limite inferior da classe Qi, i = 1, 2, 3.

f = soma das frequências anteriores à classe Qi
h = amplitude da classe Qi
FQi = frequência da classe Qi
Exemplo: considere o problema:

Na empresa Mercury Ltda foi observada a distribuição de funcionários do setor
de vendas com relação ao salário semestral (baseado em comissões sobre vendas):
salário semestral(R$) n° de funcionários
(x salário mínimo)
7 |----- 17 6
17 |----- 27 15
27 |----- 37 20
37 |----- 47 10
47 |----- 57 5
Total 56
37
Estatística
__________________________________________________________________________
Se a empresa divide os funcionários em quatro categorias, com relação ao

salário temos:
- 0s 25 % menos produtivos = categoria C;
- Os 25% seguintes = categoria B;
- Os 25% seguintes mais produtivos = categoria A
- Os 25% restantes = categoria especial.
Quais são os salários limites das categorias acima?
classes Fi Fac
7 |----- 17 6
17 |----- 27 15
27 |----- 37 20
37 |----- 47 10
47 |----- 57 5
Total 56
Diante desses resultados, pode-se afirmar que, nesta distribuição, tem-se:

25% 25% 25% 25%
I---------------I--------------I---------------I---------------I
7 22,33 30,5 38 57
isto é:
22,33 deixa 25% dos elementos
30,5 deixa 50% dos elementos
38 deixa 75% dos elementos
38
Estatística
__________________________________________________________________________
2. Decis (Di):
Dividem um conjunto de dados em dez partes iguais:
D1 D2 D3 D4 D5 D6 D7 D8 D9
I---------I---------I---------I---------I---------I---------I---------I---------I---------I---------I
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
in
1° Passo: Calcula-se , em que i = 1, 2, 3, ... , 9.
10
2° Passo: Identifica-se a classe Di pela Fac
 in 
 − f 
D i = l Di +   .h
10
FDi
Onde: lDi = limite inferior da classe Di, i = 1, 2, 3, ... , 9.

f = soma das frequências anteriores à classe Di
h = amplitude da classe Di
FDi = frequência da classe Di
3. Percentis (Pi):
Dividem um conjunto de dados em cem partes iguais:
P1 P2 P3 P4 P50 P96 P97 P98 P99

I---------I---------I---------I---------I . . . . . .I . . . . . . I---------I---------I---------I---------I
0% 1% 2% 3% 4% 50% 96% 97% 98% 99% 100%
in
1° Passo: Calcula-se , em que i = 1, 2, 3, ... , 98, 99.
100
2° Passo: Identifica-se a classe Pi pela Fac
39
Estatística
__________________________________________________________________________

 in 
 − f 
Pi = lPi +   .h
100
FPi
Onde: lPi = limite inferior da classe Pi, i = 1, 2, 3, ... , 98, 99.

f = soma das frequências anteriores à classe Pi
h = amplitude da classe Pi
FPi = frequência da classe Pi
Exemplo: Determinar o 4º decil e o 72º percentil da distribuição:

classes Fi Fac
4 |----- 9 8 8
9 |----- 14 12 20
14 |----- 19 17 37
19 |----- 24 3 40
Total 40
Portanto, nesta distribuição, o valor 12,33 divide a amostra em 2 partes: uma

com 40% dos elementos e a outra com 60% dos elementos.
O valor 16,59 indica que 72% da distribuição estão abaixo dele e 28% acima.
40
Estatística
__________________________________________________________________________
1. A tabela abaixo refere-se ao tempo de serviço de 50 funcionários de uma
determinada empresa:
Tempo de serviço (anos) Fi
1 |----- 5 10
5 |----- 9 12
9 |-----13 15
13 |----- 17 5
17 |-----21 8
A empresa acima vai dar 10 bonificações de salário conforme o tempo de

serviço do funcionário, sendo valores que variam de R$100,00 a R$1000,00.
Quanto tempo de serviço o funcionário precisa ter para receber uma
bonificação de R$500,00, para receber R$300,00 e para receber R$900,00?
(Respostas: D5 = 9,8; D3 = 6,67; D9 = 18,5)
2. A tabela abaixo se refere às notas de 500 alunos do colégio “x”:

Notas Fi
0 |----- 2 50
2 |----- 4 170
4 |----- 6 130
6 |----- 8 110
8 |----- 10 40
Se a escola dividir os alunos em quatro grupos conforme suas notas, quais as

notas limites de cada grupo?
(Respostas: Q1 = 2,88; Q2 = 4,46; Q3 = 6,45)
3. A distribuição abaixo representa o número de acidentes de trabalho por dia em

uma indústria:
41
Estatística
__________________________________________________________________________
nº de acidentes nº de dias
0 |---- 2 20
2 |---- 4 15
4 |---- 6 12
6 |---- 8 10
8 |---- 10 8
Calcule:
a) Q1 (Resposta: 1,625)
b) P92 (Resposta: 8,7)
c) D7 (Resposta: 5,75)
Medidas de dispersão
“Se uma pessoa comeu dois sanduiches e outra não comeu nenhum, em média
cada uma comeu um sanduiche.”
Essa frase, que tem relação com a Estatística, não agradaria muito aquele que
ficou com fome. Ao fazer a média, há sempre informação que se perde. A média,
apesar de ser uma medida muito utilizada em Estatística, é muitas vezes insuficiente
para caracterizar aceitavelmente uma distribuição. A moda e a mediana também são
medidas que nem sempre são suficientes para caracterizar um conjunto de dados.
Em alguns casos, temos que recorrer a outros parâmetros que são chamados
medidas de dispersão.
As medidas de dispersão são medidas estatísticas utilizadas para avaliar o grau
de variabilidade ou dispersão dos valores em torno da média. Servem para medir a
representatividade da média.
Exemplo: Sejam as séries:

a) 10, 1, 18, 20, 35, 3, 7, 15, 11, 10
b) 12, 13, 13, 14, 12, 14, 12, 14, 13, 13
c) 13, 13, 13, 13, 13, 13, 13, 13, 13, 13
42
Estatística
__________________________________________________________________________
Esses dados possuem a mesma média 13. No entanto, são sequencias

completamente distintas do ponto de vista da variabilidade de dados. Na série “c” não
se tem dispersão. Comparando-se as séries “a” e “b”, percebe-se que “a” apresenta
maior dispersão em torno da média do que “b”. Isso indica que necessitamos de outro
tipo de medida para distinguir e comparar os três conjuntos de dados.
O critério frequentemente usado para tal fim é aquele que mede a maior ou
menor dispersão dos dados em torno da média e as medidas mais usadas são: o
desvio médio, a variância, o desvio padrão e o coeficiente de variação.
1. Desvio Médio (Dm):

É a análise dos desvios em torno da média.
Calculamos inicialmente a média da amostra ( x ).
Em seguida identificamos a distância de cada elemento da amostra para sua
média:
(xi - x )
Finalmente, calculamos o desvio médio:
|di| = |xi - x |, logo o desvio médio será

d F i i
ou
x i − x Fi
n n
onde xi é a variável, x a média e n o número de dados da amostra.
Dessa forma, o desvio médio é a média aritmética dos valores absolutos dos
desvios.
Exemplo: Dada a amostra:

xi Fi xiFi |di|=|xi - x | |di|Fi
2 5
3 4
5 4
6 2
7 3
Total 18
43
Estatística
__________________________________________________________________________
2. Variância (Var):
É a média aritmética dos quadrados dos desvios. Logo:
Var =
 di Fi 2
Exemplo: No caso da tabela acima, temos:

xi Fi x i Fi |di|=|xi - x | di2 di2Fi
2 5 10 2,17
3 4 12 1,17
5 4 20 0,83
6 2 12 1,83
7 3 21 2,83
Total 18 75
3. Desvio Padrão (Dp):

Como para calcular a variância trabalhamos com os quadrados dos desvios,
podemos ter uma incompatibilidade em relação às unidades dos valores da
variável considerada.
Para contornar esse problema, temos o desvio padrão que é a raiz quadrada
da variância:
Dp = Var
Resumindo: a distribuição possui média 4,17. Isto é, seus valores estão em torno de
4,17 e seu grau de concentração é de 1,72, medido pelo desvio médio e de 1,86,
medido pelo desvio padrão.
44
Estatística
__________________________________________________________________________
4. Coeficiente de variação (CV):

O desvio padrão por si só não nos diz muita coisa; para contornar esta
dificuldade, usamos o coeficiente de variação.
Trata-se de uma medida relativa de dispersão útil para a comparação em
termos relativos do grau de concentração em torno da média de séries distintas.
É expresso em porcentagens e dado por:
Dp
CV = . 100
x
(onde Dp é o desvio padrão e x a média da distribuição)
Diz-se que a distribuição possui pequena variabilidade (dispersão) quando o

CV der até 15%; média dispersão quando estiver acima de 15% até 30% e grande
dispersão quando superar 30%:
Baixa dispersão: CV  15%
Média dispersão: 15% < CV < 30%
Alta dispersão: CV  30%
Outro exemplo: Numa empresa, o salário médio dos homens é de R$4000,00, com
desvio padrão de R$1500,00 e, o das mulheres, é em média de R$3000,00, com
desvio padrão de R$1200,00. Então:
1500 1200
CVH =  100 = 37,5% e CVM =  100 = 40%
4000 3000
Logo, podemos concluir que os salários das mulheres apresentam maior

dispersão que os dos homens.
De modo geral, quanto menor o CV, menos dispersos estão os dados em

torno da média, que passa a ser mais representativa do conjunto de dados.
45
Estatística
__________________________________________________________________________
Outro exemplo: Encontre o desvio médio, o desvio padrão e o coeficiente de variação

da distribuição:
classes Fi xi xiFi |di| |di|Fi di2 di2Fi

ponto
médio
2 |--- 4 2
4 |--- 6 4
6 |--- 8 7
8 |--- 10 4
10 |---12 3
Total 20
46
Estatística
__________________________________________________________________________
1. Calcule o desvio médio das séries abaixo:

a)
xi Fi
2 3
4 8
5 10
6 6
8 2
10 1
Total
(Resposta: 1,13)
b)
salários nº de vendedores
70 |---- 120 8
120 |---- 170 28
170 |---- 220 54
220 |---- 270 32
270 |---- 320 12
320 |---- 370 6
total
(Resposta: 45,20)
2. Calcule a variância, o desvio padrão e o coeficiente de variação para as tabelas

abaixo:
a)
Idade nº de alunos
17 3
18 18
47
Estatística
__________________________________________________________________________
19 17
20 8
21 4
Total
(Respostas: 1,05; 1,02 e 5,41%)
b)
Xi Fi
0 30
1 5
2 3
3 1
4 1
Total
(Respostas: 0,84; 0,92 e 204,44%)
3. Calcule a variância, o desvio padrão e o coeficiente de variação para a tabela

abaixo:
Alturas (cm) nº de alunos
150 |---- 160 2
160 |---- 170 15
170 |---- 180 18
180 |---- 190 18
190 |---- 200 16
200 |---- 210 1
Total
(Respostas: 139,26; 11,80 e 6,56%)
48
Estatística
__________________________________________________________________________
Medidas de assimetria
Denomina-se assimetria o grau de afastamento de uma distribuição da

unidade de simetria.
Em uma distribuição unimodal (aquelas que possuem uma única moda) temos
três casos para esse tipo de medida:
1. Distribuição simétrica
Nesse tipo de distribuição temos igualdade dos valores da média, mediana e
moda.
Exemplo gráfico de uma distribuição simétrica:

Fi eixo de simetria
xi
x=~
x = Mo
2. Distribuição assimétrica positiva (ou assimétrica à direita)

Nesse tipo de distribuição temos Mo  ~x  x .
Exemplo gráfico de uma distribuição assimétrica positiva:

Fi
xi
49
Estatística
__________________________________________________________________________
3. Distribuição assimétrica negativa (ou assimétrica à esquerda)

Nesse tipo de distribuição temos x  ~x  Mo .
Exemplo gráfico de uma distribuição assimétrica negativa:

Fi
xi
Existem várias fórmulas para o cálculo do coeficiente de assimetria, mas vamos

destacar o Coeficiente de Pearson:
x − Mo
AS =
S
(onde x é a média, Mo é a moda e S é o desvio padrão da distribuição)
Se AS = 0, a distribuição é simétrica
Se AS > 0, a distribuição é assimétrica positiva ou à direita
Se AS < 0, a distribuição é assimétrica negativa ou à esquerda
Exemplo: Dada a distribuição:

classes Fi
0 |---- 50 80
50 |---- 100 50
100 |---- 150 30
Para calcularmos o coeficiente de Pearson é necessário calcularmos a média,

a moda e o desvio padrão da distribuição:
50
Estatística
__________________________________________________________________________
classes Fi xi xiFi |di|=|xi - x | di2 di2Fi

0 |---- 50 80
50 |---- 100 50
100 |---- 150 30
total
x=
x F i i
=
n
1
Mo = li + h =
1 +  2
S 2
=
 di Fi 2
S= S2 =
Logo, temos:
x − Mo
AS = =
S
51
Estatística
__________________________________________________________________________
Exercícios Complementares
1.) Dada a tabela:

xi Fi
3 1
4 3
5 5
6 6
7 4
8 1
Total
Determine:
a) média
b) moda
c) mediana
d) desvio médio
e) variância
f) desvio padrão
g) coeficiente de variação
h) coeficiente de assimetria
2.) Dada a tabela:

classes Fi
35 |----- 45 5
45 |----- 55 12
55 |----- 65 13
65 |----- 75 14
75 |----- 85 6
85 |----- 95 3
Total
52
Estatística
__________________________________________________________________________
Determine:
a) média
b) moda
c) mediana
d) 30º percentil
e) desvio médio
f) variância
g) desvio padrão
h) coeficiente de variação
i) coeficiente de assimetria
3.) Determine a média, a moda, a mediana, o desvio médio, a variância, o desvio

padrão, o coeficiente de variação e o coeficiente de assimetria para as tabelas
abaixo:
a)
classes Fi
7 |---- 10 6
10 |---- 13 10
13 |---- 16 15
16 |---- 19 10
19 |---- 22 5
Total
b)
classes Fi
1 |---- 3 3
3 |---- 5 5
5 |--- 7 8
7 |---- 9 6
9 |---- 11 4
11 |---- 13 3
Total
53
Estatística
__________________________________________________________________________
c)
Idade nº de
pessoas
10 |---- 14 15
14 |---- 18 28
18 |---- 22 40
22 |---- 26 30
26 |---- 30 20
Total
d)
classes Fi
30 |---- 40 10
40 |---- 50 20
50 |---- 60 35
60 |---- 70 25
70 |---- 80 10
Total
e)
classes Fi
45 |---- 55 15
55 |---- 65 30
65 |---- 75 35
75 |---- 85 15
85 |---- 95 5
Total

Estatística

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Estatística

Enviado por

Direitos autorais:

Formatos disponíveis

1

Organização dos dados estatísticos

Amostra: considerando-se a impossibilidade, na maioria das vezes, do tratamento de

Variável: é qualquer característica de uma população que se está interessado em

Exemplos: sexo, estado civil, cor dos olhos etc.

As variáveis quantitativas subdividem-se em:

b) Quais são as variáveis e qual é o tipo de cada uma?

2.1. Frequência absoluta e frequência absoluta acumulada:

Esse tipo de tabela, cujos elementos não foram numericamente organizados,

A diferença entre o maior e o menor valor da amostra denomina-se amplitude

Observação: O símbolo Σ (somatório) é usado para escrever abreviadamente

Na terceira coluna, chamada frequência absoluta acumulada (Fac),

notas (xi) Fi Fac

Usando a frequência acumulada, podemos fazer algumas observações como:

2.2. Frequência relativa e frequência relativa acumulada:

No exemplo acima, temos:

notas (xi) Fi Fac fi

Geralmente, colocamos a frequência relativa na forma de porcentagem, o que

Observando essa tabela, podemos dizer:

Distribuição de frequências com dados agrupados em intervalos de classes:

Elaborando o rol, temos:

E, organizando estes dados em uma tabela conforme já conhecemos, temos:

Elementos de uma distribuição de frequências com dados agrupados em

Range, amplitude total ou amplitude amostral (R): é a diferença entre o maior e o

No exemplo dado: n = 30, logo, K =

Amplitude das classes (h): é a medida do intervalo que define a classe.

Observação: Quando os resultados acima não são exatos, devemos arredondá-

Limites de classes: são os extremos de cada classe (li |---- Li)

Observação: 21 |---- 24. Compreende todos os valores de 21 a 24, excluindo o

Assim, para montar a tabela de distribuição de frequências com intervalos

Voltando ao exemplo, temos:

1. Foi feita uma coleta de dados relativos às alturas, em centímetros, de 20 pessoas

17 casado E. Médio 1 977 31 07 Capital

a) para a variável idade, determine:

É comum vermos em jornais, revistas etc. os resultados numéricos referentes

1.1. Dados agrupados sem intervalos

Com esses dados, podemos fazer um gráfico de colunas onde os retângulos

1.2. Dados agrupados com intervalos (HISTOGRAMA)

Com esses dados, podemos fazer um gráfico de colunas onde os retângulos

2.1. Dados agrupados sem intervalos

2.2. Dados agrupados com intervalos (POLÍGONO DE FREQUÊNCIAS)

O polígono de frequências é um gráfico de linhas, onde as frequências são

No nosso exemplo temos:

PRODUTOS QUANTIDADE GRAUS GRAUS ACUMULADOS

Com o auxílio de um transferidor, fazemos a demarcação dos setores:

1. Construir os gráficos de colunas, linhas e setores das tabelas abaixo:

2. Construir o histograma e o polígono de frequências da tabela abaixo:

3. Uma empresa automobilística selecionou ao acaso, uma amostra de 40

a) Monte a tabela de distribuição de frequência com intervalos.

Medidas de tendência central: média aritmética; média

Exemplo: Determinar a média aritmética dos valores: 3, 7, 8, 10 e 11.

2º caso: Dados agrupados sem intervalos

Exemplo: Dada a amostra: 2, 5, 5, 5, 5, 6, 6, 6, 8, 8.

Então a média será:

3º caso: Dados agrupados com intervalos

Interpretação: O valor médio encontrado é o valor em torno do qual os elementos

2. Média geométrica (Mg):

Em particular, se F1 = F2 = F3 = ... = Fn = 1, temos:

onde n é o número total de elementos da amostra.

2. Dada a tabela de distribuição de frequências:

3. Média harmônica (Mh):

Em particular, se F1 = F2 = F3 = ... = Fn = 1, temos:

onde n é o número total de elementos da amostra.