UNIDADE 03: MEDIDAS

SEPARATRIZES E MEDIDAS DE
VARIABILIDADE
Curso: Engenharia de Manutenção Eletromecânica

Prof.: Murilo Lopes Prof.ª: Adriana Almeida

Separatrizes

 São números que dividem a sequência ordenada de dados

em partes que contêm a mesma quantidade de elementos
da série.
 Desta forma, a mediana que divide a sequência ordenada
em dois grupos, cada um deles contendo 50% dos valores da
sequência, é também uma medida separatriz.
 Além da mediana, as outras medidas separatrizes que
destacaremos são: quartis e percentis.
Separatrizes

 1º Quartis (Qi): São valores que dividem a distribuição em 4

partes iguais.

 2º Percentis (Pi): Se dividirmos a série ordenada em cem

partes, cada uma ficará com 1% de seus elementos.
Separatrizes

 Q2: percentil 50 = mediana ou segundo quartil;

 Q1: percentil 25 = primeiro quartil;
 Q3: percentil 75 = terceiro quartil;
 Percentil 10 = primeiro decil.
Observação: Sempre colocar a série dada em Rol.
Dados não agrupados em classes: Basta fazer uma regra de três
Separatrizes

 Dados não agrupados em classes: Basta fazer a seguinte

regra de três.

100% dos dados___________________ n

Porcentagem da separatriz___________ i

Onde, n: é amostra e i: é a posição do elemento no Rol.

Separatrizes

 Exemplo: Para o seguinte conjunto de dados encontre os

P25 e Q3.

i 1 2 3 4 5 6 7 8 9 10 11 12 13 14
x 3 5 10 13 14 19 20 28 28 29 37 45 54 67

1º Quartil ou Percentil 25: 3º Quartil ou Percentil 75:

100%-----------14 100%-----------14
25%------------i 75%------------i
i= (25.14)/100= 3,5 =4ª posição I=(75.14)/100=10,5= 11ª posição
P75=37
Logo, Q1=13
Separatrizes

 Dados Agrupados: Sem intervalo de classes.

a) Determinamos as frequências acumuladas;

𝐾 σ 𝑓𝑖 𝐾 σ 𝑓𝑖
b) Calculamos , onde k=1, 2 e 3 ou , onde k= de 1 a
4 100
100.

c) Marcamos a classe correspondente à frequência acumulada

imediatamente superior (classe que contém o quartil ou percentil)
e em seguida, define-se qual é o valor do quartil ou percentil na
coluna das classes.
 Separatrizes

 Exemplo: Determine o 1º Quartil ou Percentil 25.

Dados Agrupados: Sem intervalo de classes

Falhas/Ciclo fi Fi
1 2 2 𝐾 σ 𝑓𝑖 1 ∙ 34
𝐿𝑜𝑐 = = = 8,5
2 6 8 4 4

1º Quartil (Q1) = 3 3 10 18
falhas/ciclo 4 12 30 25% dos dados são
5 4 34 menores ou iguais a 3,
e 75% dos dados são
Σ = 34 maiores ou iguais a 3.
Separatrizes

 Dados Agrupados: Com intervalo de classes.

a) Determinamos as frequências acumuladas;
𝐾 σ 𝑓𝑖 𝐾 σ 𝑓𝑖
b) Calculamos , onde k=1, 2 e 3 ou , onde k= de 1
4 100
a 100.
c) Marcamos a classe correspondente à frequência acumulada
imediatamente superior (classe que contém o quartil ou
percentil).
Separatrizes

 Dados Agrupados: Com intervalo de classes:

d) Em seguida utilizaremos:

𝑘.σ 𝑓𝑖 𝑘.σ 𝑓𝑖
−𝐹(𝑎𝑛𝑡) ℎ∗ −𝐹(𝑎𝑛𝑡) ℎ∗
4
𝑃𝑖 = 𝑙∗ + 100
𝑄𝑖 = 𝑙∗ +
𝑓∗ 𝑓∗
Sendo: 𝒍∗ - limite inferior da classe que contém o quartil e percentil;
𝑭(𝒂𝒏𝒕) - frequência acumulada da classe anterior à classe que contém o
quartil e percentil;
𝒇∗ - frequência simples da classe que contém o quartil e percentil;
𝒉∗ - amplitude do intervalo da classe que contém o quartil e percentil.
Separatrizes
𝐾 σ 𝑓𝑖 90 ∙ 40
𝐿𝑜𝑐 = = = 36
100 100
 Exemplo: Calcule P90.
A menor frequência acumulada
i Vida útil fi Fi que supera esse valor é 36, está
(meses) na 5ª Classe será a Classe que
contém o percentil 90.
1 150 ⌐ 154 4 4
2 154 ⌐ 158 9 13
3 158 ⌐ 162 11 24 36 − 32 ∙ 4
𝑃90 = 166 +
4 162 ⌐ 166 8 32 5
5 166 ⌐ 170 5 37 𝑃90 = 169,2
6 170 ⌐ 174 3 40
90% dos dados são menores ou
Σ = 40
iguais a 169,2 e 10% dos dados
são maiores ou iguais a 169,2.
Separatrizes

 Amplitude interquartil:

 É a diferença entre o terceiro quartil, 𝑄3 , e o primeiro

quartil, 𝑄1 .

 A amplitude interquartil é o intervalo correspondente aos

50% dos dados intermediários.
𝐼𝑄𝑅 = 𝑄3 − 𝑄1
Medidas de Dispersão ou
Variabilidade
 As Medidas de Tendência Central, não são suficientes para
caracterizar totalmente uma sequência numérica.

 Por exemplo, mesmo sabendo que a temperatura média de

duas cidades é igual a 24ºC, temos que pensar sobre o clima
dessas cidades.

 Em uma delas poderá a temperatura variar entre limites de

muito calor e de muito frio e haver, ainda uma temperatura
média de 24ºC.
Medidas de Dispersão ou
Variabilidade
 A outra poderá ter uma pequena variação de temperatura e possuir
a mesma média.

 Vemos então que a média não pode por si só destacar a

homogeneidade ou heterogeneidade que existe entre os valores
que compõem o conjunto. Observe:

 X: 70, 70, 70, 70, 70 média igual a 70.

 Y: 68, 69, 70, 71, 72 média igual a 70.

 Z: 5, 15, 50, 120, 160 média igual a 70.

Medidas de Dispersão ou
Variabilidade
 Desta forma, foi introduzido as medidas de dispersão, com
intuito de verificar como se comportam essas medidas de
tendência central em relação a dispersão.

 As principais medidas de dispersão absolutas são:

Amplitude;

Variância;

Desvio Padrão.
Medidas de Dispersão ou
Variabilidade
 Amplitude total: É a medida mais simples da variabilidade, é a
diferença entre o maior e o menor valor absoluto. 𝐴𝑇 = 𝐿𝑚𝑎𝑥 − 𝑙𝑚𝑖𝑛

𝑨𝑻 = 𝟕𝟎 − 𝟕𝟎 = 𝟎;

𝑨𝑻 = 𝟕𝟐 − 𝟔𝟖 = 𝟒;

𝑨𝑻 = 𝟏𝟔𝟎 − 𝟓 = 𝟏𝟓𝟓.

 É evidente que quanto maior é a amplitude total, maior é a dispersão

ou variabilidade.
Medidas de Dispersão ou
Variabilidade
 Variância – É uma média aritmética calculada a partir dos
quadrados dos desvios obtidos entre os elementos da série e
sua média.
𝑛
(𝑥 − 𝑥)
ҧ 2 +(𝑥 − 𝑥)
ҧ 2 + ⋯ + (𝑥 − 𝑥)
ҧ 2 (𝑥 − 𝑥)
ҧ 2
1 2 𝑛 𝑖
𝜎2 = =෍
𝑛 𝑛
𝑖=1
 Notação:
 Quando a sequência de dados representa uma POPULAÇÃO a
variância será denotada por 𝜎 2 𝑥 .
 Quando se tratar de uma AMOSTRA será denotada por 𝑠 2 𝑥 .
Medidas de Dispersão ou
Variabilidade
𝑛
2 2 2 2
(𝑥1 − 𝑥)
ҧ +(𝑥2 − 𝑥)
ҧ + ⋯ + (𝑥𝑛 − 𝑥)
ҧ (𝑥𝑖 − 𝑥)
ҧ
𝑠2 = =෍
𝑛−1 𝑛−1
𝑖=1

 Notação:
 Quando a sequência de dados representa uma POPULAÇÃO a
variância será denotada por 𝜎 2 𝑥 .
 Quando se tratar de uma AMOSTRA será denotada por 𝑠 2 𝑥 .
Medidas de Dispersão ou
Variabilidade
𝑛
2 2 2 2
(𝑥1 − 𝑥)
ҧ +(𝑥2 − 𝑥)
ҧ + ⋯ + (𝑥𝑛 − 𝑥)
ҧ (𝑥𝑖 − 𝑥)
ҧ
𝑠2 = =෍
𝑛−1 𝑛−1
𝑖=1

 Notação:
 Quando a sequência de dados representa uma POPULAÇÃO a
variância será denotada por 𝜎 2 𝑥 .
 Quando se tratar de uma AMOSTRA será denotada por 𝑠 2 𝑥 .
Medidas de Dispersão ou
Variabilidade
Observações:
Na maioria das aplicações estatísticas, os dados que são
analisados se referem a uma amostra. Quando calculamos
a variância amostral 𝒔𝟐 𝒙 , frequentemente nos interessa
usá-la para estimar a variância populacional 𝝈𝟐 𝒙 .
A variância amostral fornecerá uma estimativa não
enviesada da variância populacional.
 Medidas de Dispersão ou
Variabilidade
 Desvio padrão – É definido como a raiz quadrada positiva da
variância.

𝑠= 𝑠2 Desvio padrão amostral.

Desvio padrão populacional 𝜎= 𝜎2

Medidas de Dispersão ou
Variabilidade
Observações:
A amplitude total é instável, por se deixar influenciar por
valores extremos.
A variância e o desvio padrão são medidas que fogem a
essa falha, pois leva em consideração a sua totalidade
tornando assim mais estáveis e usuais.
 Medidas de Dispersão ou
Variabilidade
Exemplo: Encontre a média, a variância e o desvio-padrão
da série: 5; 7; 8; 6,5.

 Sendo média igual a 6,625, e considerando a série uma

população, teremos:
(5 − 6,625)2 +(7 − 6,625)2 +(8 − 6,625)2 +(6,5 − 6,625)2 4,69
σ2 = = = 1,17
4 4

Desvio padrão populacional σ = 1,17 =1,082

Medidas de Dispersão ou
Variabilidade
Exemplo: Encontre a média, a variância e o desvio-padrão
da série: 5; 7; 8; 6,5.

 Sendo média igual a 6,625, e considerando a série uma

amostra, teremos:
(5 − 6,625)2 +(7 − 6,625)2 +(8 − 6,625)2 +(6,5 − 6,625)2 4,69
s2 = = = 1,56
4−1 3

Desvio padrão amostral s= 1,56 =1,25

Medidas de Dispersão ou
Variabilidade
i Alturas fi xi fi.xi fixi2
1 150 ⌐ 154 4 152 608 92416

2 154 ⌐ 158 9 156 1404 219024

3 158 ⌐ 162 11 160 1760 281600

4 162 ⌐ 166 8 164 1312 215168

5 166 ⌐ 170 5 168 840 141120

6 170 ⌐ 174 3 172 516 88752

Total Σ =40 6440 1.038.080

 Exemplo: Calcule o desvio padrão Amostral e Populacional.

Medidas de Dispersão ou
Variabilidade σ 𝑓𝑖 𝑥𝑖 2 σ 𝑓𝑖 𝑥𝑖
2
𝜎= −
𝑛 𝑛

i Alturas fi xi fi.xi fixi2

2
1 150 ⌐ 154 4 152 608 92416 1038080 6440
𝜎= −
40 40
2 154 ⌐ 158 9 156 1404 219024

3 158 ⌐ 162 11 160 1760 281600

𝜎 = 31
4 162 ⌐ 166 8 164 1312 215168

5 166 ⌐ 170 5 168 840 141120

𝜎 = 5,567
6 170 ⌐ 174 3 172 516 88752

Total Σ =40 6440 1.038.080

Desvio padrão populacional

Medidas de Dispersão ou
Variabilidade 𝑠=
𝑛 ∙ σ 𝑓𝑖 𝑥𝑖 2 − σ 𝑓𝑖 𝑥𝑖 2

𝑛 𝑛−1

i Alturas fi xi fi.xi fixi2

1 150 ⌐ 154 4 152 608 92416 40 ∙ 1038080 − 6440 2
𝑠=
40 40 − 1
2 154 ⌐ 158 9 156 1404 219024

3 158 ⌐ 162 11 160 1760 281600

𝑠= 31,79
4 162 ⌐ 166 8 164 1312 215168

5 166 ⌐ 170 5 168 840 141120

𝑠 = 5,63
6 170 ⌐ 174 3 172 516 88752

Total Σ =40 6440 1.038.080

Desvio padrão amostral

Medidas de Dispersão ou
Variabilidade
Coeficiente de variação: Usado para contornar
algumas limitações, ou mesmo comparar duas ou
mais séries de valores.
𝑠 𝜎
𝐶𝑉 = ∙ 100 𝐶𝑉 = ∙ 100
𝑥ҧ 𝑥ҧ
Observação
• Se Cv ≤ 15% baixa dispersão
• Se 15%< 𝐶𝑣 < 30% Média dispersão
• Se Cv ≥ 30% Alta dispersão
Medidas de Dispersão ou
Variabilidade
Exemplo: Observe a tabela e calcule o coeficiente
de variação das medidas de Estaturas e Pesos.

Média Desvio-padrão
Estaturas 175 cm 5 cm
Pesos 68 kg 2 kg
5
 𝐶𝑉𝐸𝑠𝑡. = ∙ 100 = 2,85%
175

2
 𝐶𝑉𝑃𝑒𝑠. = ∙ 100 = 2,94%
68
Logo, nesse grupo de indivíduos os pesos apresentam maior grau de dispersão do
que as estaturas.
Referências

BRUNI, Adriano Leal. Estatística aplicada à gestão empresarial. 4 ed. São Paulo:
Atlas, 2013. cap. 2. p. 24-39.

SICSÚ, Abraham Laredo; DANA, Samy. Estatística aplicada: Análise Exploratória

de Dados. São Paulo: Saraiva, 2012. cap. 1. p. 7-33.
Muito Obrigado!
Professor Murilo Lopes
(38) 9 91451613