Unidade I - Estatística Aplicada A Psicologia PDF

Estatística
Aplicada a
Psicologia
UNIDADE I
NOTAS INTRODUTÓRIAS E
ESTATÍSTICA DESCRITIVA
2022
Ficha Técnica:
Título: Estatística aplicada a Psicologia - Notas Introdutórias e Estatística Descritiva
Autor: Odete Omar e Didian Natividade
Revisor 1: Abiba Mamade e Amélia Mungoi
Revisor 2: Emílio Muchanga
Execução gráfica e paginação: Instituto Superior Monitor
2ª Edição: 2022
Adaptação por Instituto Superior Monitor Março de 2022
© Instituto Superior Monitor
Todos os direitos reservados por:

Instituto Superior Monitor
Av. Samora Machel, n. º 202 – 2.º andar
Caixa Postal 4388 Maputo
MOÇAMBIQUE
Nenhuma parte desta publicação pode ser reproduzida ou transmitida por qualquer forma ou
por qualquer processo, electrónico, mecânico ou fotográfico, incluindo fotocópia ou gravação,
sem autorização prévia e escrita do Instituto Superior Monitor. Exceptua-se a transcrição de
pequenos textos ou passagens para apresentação ou crítica do livro. Esta excepção não deve de
modo nenhum ser interpretada como sendo extensiva à transcrição de textos em recolhas
antológicas ou similares, de onde resulte prejuízo para o interesse pela obra. Os transgressores
são passíveis de procedimento judicial.
ÍNDICE
ACERCA DESTA DISCPLINA ...................................................................................... 4
PRECISA DE AJUDA ........................................................................................................ 5
TRABALHOS ..................................................................................................................... 6
DURAÇÃO ......................................................................................................................... 6
TÉCNICAS DE ESTUDO .................................................................................................. 6
RESULTADO DE APRENDIZAGEM .............................................................................. 7
ESTRUTURA DA UNIDADE I ....................................................................................... 8
CAPÍTULO I – INTRODUÇÃO À ESTATÍSTICA APLICADA A PSICOLOGIA . 9
OBJECTIVOS DO CAPÍTULO .................................................................................. 9
1.1 CONSIDERAÇÕES GERAIS ...................................................................................... 9
1.2 CONCEITOS BÁSICOS ............................................................................................ 10
1.3 O MÉTODO ESTATÍSTICO ..................................................................................... 14
CAPÍTULO II – ESTATÍSTICA DESCRITIVA......................................................... 18
2.1 DISTRIBUIÇÃO DE FREQUÊNCIA ................................................................. 18
2.2. COMO ELABORAR UMA DISTRIBUIÇÃO FREQUÊNCIA ............................... 20
2.3 MEDIDAS DE TENDÊNCIA CENTRAL .......................................................... 25
2.4. TIPOS DE MÉDIAS .................................................................................................. 26
2.5 MEDIDAS SEPARATRIZES............................................................................... 47
2.6 OUTRAS MEDIDAS DE DISPERSÃO .............................................................. 58
QUADRO SINÓPTICO.................................................................................................. 67
SUGESTÕES DE LEITURA ............................................................................................. 68
ACERCA DESTA DISCPLINA
Bem-vindo (a) ao ISM e a disciplina de Estatística aplicada a Psicologia!
Esta unidade é uma continuidade a disciplinas de Estatística I e II e faz parte de um conjunto

de disciplinas do curso à distância no Instituto Superior Monitor (ISM).
A disciplina de Estatística Aplicada a Psicologia – tem como objectivo apoiar ao estudante

a recapitular conceitos já apreendidos, com vista a desenvolver um conjunto de competências
profissionais como psicólogos no que diz respeito à pesquisa, na intervenção clínica, social
e educacional, usando como recurso a estatística.
A disciplina foi dividida em (três) unidades, para as quais se estabeleceram os seguintes

objectivos específicos:
A primeira unidade apresenta notas introdutórias e estatística Descritiva”, nela pretende-se

levar os estudantes a rever os conceitos principais da Estatística adquiridos nas disciplinas de
Estatística I e II, nos diversos âmbitos, bem como identificar os problemas Estatísticos no
âmbito da aplicação na Psicologia.
Na segunda unidade falaremos das Probabilidades, onde daremos atenção a teoria das
probabilidades, álgebra dos acontecimentos, probabilidade condicional e independencia bem
como o teorema de probabilidade total e fórmula de Bayes. Por outro lado, veremos os testes
de Hipoteses onde iremos aprender a distinguir a hipotese nula da hipotese alternativa, os
tipos de erros e nível de significância quando se pretende analisar e intrepretar os dados,
testes de média em amostras independentes ou relacionadas e testes de proporção , ainda
nesta unidade falar-se-á da amostragem, dando atenção a teoria de amostragem, a teoria da
estimação e a amostragem aleatória simples.
Na terceira unidade dar-se-á continuidade do estudo da amostragem e vai se introduzir o

estudo da correlação e regressão linear simples, onde daremos atenção a correlação linear
onde falaremos das variáveis do disgrama de dispersão, do coeficiente de correlação de linear
de pearson.
Cada unidade corresponde a cerca de 5 semanas de estudo. No final de cada unidade de
estudo irá encontrar um teste de avaliação que deverá ser respondido e enviado para o ISM
pelas seguintes vias: correio, entregue presencialmente na sede ou nos centros de recurso ou
digitalizado e enviado para o email: testes@ismonitor.ac.mz. Os testes devem ser enviados
ao fim de cada 5 semanas de estudo por forma a garantir o conhecimento atempado dos
resultados obtidos no mesmo. Não entregue os 3 testes ao mesmo tempo, pois assim não
estará a par da sua progressão e dos seus erros e melhorias que deve levar a cabo para ter
sucesso.
Na página do ISM www.ismonitor.ac.mz encontra todos os contactos. Deve estar sempre
atento aos contactos da direcção do seu curso, da coordenação e do tutor de cada uma das
disciplinas que frequenta.
No final de cada unidade é providenciada uma lista de bibliografia e de referências na internet

que poderá consultar. A biblioteca virtual do ISM inclui livros digitalizados, artigos, websites
e outras referências importantes para esta e outras disciplinas, que deverá utilizar na
realização de casos práticos. A biblioteca virtual pode ser consultada na página do ISM.
PRECISA DE AJUDA
No caso de dúvidas sobre os conteúdos desta unidade, por favor contacte o respectivo tutor.
O número do tutor será disponibilizado pela sua Faculdade, podendo também consultar os
contactos e horários do tutor através do site: https://www.ismonitor.ac.mz/ ou através da
página facebook: https://www.facebook.com/ismonitor/.
Uma vez que é um estudante universitário, as suas técnicas de aprendizagem deverão ser
distintas das que utilizava durante o ensino secundário, em regime presencial.
Nesta licenciatura, o aluno deverá assumir uma maior autonomia, isto é, uma maior
capacidade de gestão responsável do seu tempo.
Por este motivo, importa que construa um programa de estudos realista e que o cumpra
rigorosamente, seleccionando horários e locais tranquilos para estudar.
INSTITUTO SUPERIOR MONITOR

5
WWW.ISMONITOR.AC.MZ
TRABALHOS
Depois de estudar cada capítulo desta unidade o estudante deve resolver todos os exercícios
de aplicação como forma de consolidação das matérias nela vertidas. Os exercícios de
aplicação não serão submetidos ao Instituto Superior Monitor.
DURAÇÃO
Tempo para leitura da unidade: 23 horas
Tempo para trabalhaos de pesquisa 11 horas
Tempo para a realização de exercícios práticos: 14 horas
Tempo para a realização de avaliação: 2 horas
TÉCNICAS DE ESTUDO
Por você ser um estudante universitário as suas técnicas de aprendizagem serão diferentes
das que usava nos tempos da escola secundária e na presença de um professor.
Neste curso você terá uma grande autonomia, isto é, RESPONSABILIDADE. Acima de
tudo, você fará uma gestão responsável do seu tempo.
Faça um programa de estudos realista e cumpra-o rigorosamente. Escolha horas e locais
tranquilos para os seus estudos.
Faça uso dos demais recursos referenciados na unidade e mobilize a sua motivação
profissional e/ou pessoal para adequar as suas actividades de estudo a outras
responsabilidades profissionais, sociais e pessoais. Partilhe as suas aprendizagens com os
outros.
É boa prática submeter os testes de cada disciplina de forma gradual, isso possibilitará-te a
avaliação do seu aproveitamento pedagógico, isto é, é sempre melhor conhecer a nota do
primeiro teste antes de submeter o segundo para em casos de insucesso saber redobrar o
esforço que lhe fará obter uma nota melhor. Contudo entregando todos os testes ao mesmo
tempo já anula a possibilidade de acompanhar o desempenho académico.

6
WWW.ISMONITOR.AC.MZ
RESULTADO DE APRENDIZAGEM
No final da primeira unidade os estudantes deverão ser capazes de:
▪ Compreender o principal papel da Estatística Aplicada à Psicologia, nos diversos

âmbitos;
▪ Adquirir vocabulário específico e dominar a linguagem própria da Estatística,

fundamental para a compreensão da literatura científica e para a redacção de
relatórios de investigação;
▪ Conhecer procedimentos de investigação científica rigorosos e ter consciência do

papel da Estatística nas várias fases do processo de investigação científica;
▪ Compreender e aplicar conceitos básicos da estatística descritiva e métodos simples

da estatística inferencial – sendo capaz de seleccionar de forma crítica os
procedimentos estatísticos mais apropriados sabendo interpretar os resultados.

7
WWW.ISMONITOR.AC.MZ
UNIDADE I – ESTATÍSTICA APLICADA A PSICOLOGIA
ESTRUTURA DA UNIDADE I
A presente unidade é composta por dois capítulos e visam propiciar aos estudantes os
elementos indispensáveis para a concepção de trabalhos de pesquisa que utilizam o método
estatístico para a recolha tratamento e interpretação de resultados.
O primeiro capítulo introduz os estudantes aos aspectos primários relacionados com o

conceito de Estatística e sua aplicabilidade na área de Psicologia. Estuda o método
estatístico, as etapas necessárias ao desenvolvimento de pesquisa.
O segundo capítulo estuda a estatística descritiva também chamada análise exploratória de

dados abrange o conjunto de métodos estatísticos que visam sumarizar e descrever os
atributos mais proeminentes aos dados.
Recomenda-se que leia atentamente as generalidades desta unidade antes de iniciar os

seus estudos.

8
WWW.ISMONITOR.AC.MZ
CAPÍTULO I – INTRODUÇÃO À ESTATÍSTICA APLICADA A
PSICOLOGIA
OBJECTIVOS DO CAPÍTULO
No final deste capítulo, o estudante deverá ser capaz de:

• Definir a Estatística;
• Identificar os diversos conceitos utilizados em Estatística;
• Distinguir dados de natureza qualitativa de dados de natureza quantitativa, discreta ou
contínua;
• Identificar dados gerados por cada tipo de variáveis e sua natureza para tratamentos
diferentes;
• Organizar dados provenientes de variável qualitativa (nominal e ordinal) e quantitativa
(discreta e contínua).
1.1 CONSIDERAÇÕES GERAIS
Actualmente tem-se discutido muito sobre a Estatística nos seguintes âmbitos: Estatística na
educação, saúde, na pesquisa, na política, e etc. Perante esta situação levantamos uma
questão. Afinal qual será a importância da Estatística na Psicologia?
A prática da Psicologia é feita muitas vezes de investigação e estudos que requerem a análise
de dados.
Quando o psicólogo faz uma intervenção não é, só, pela percepção, pela interpretação, ou
pelo tacto que possa ter para a situação em causa; ele baseia-se num conjunto de estudos
científicos, empíricos, suportados pela evidência e observação experimental, baseada no
método científico. O psicólogo trabalha a dimensão destas emoções, com um suporte teórico
baseado na observação cuidada e na fundamentação empírica. Portanto, a Psicologia é uma
ciência porque o conhecimento é baseado no método científico, tendo por suporte
observações empíricas, isto exige que os psicólogos e os investigadores em psicologia
dominem o método científico e saibam analisar apropriadamente os dados, quer de natureza
experimental ou correlacional, nos quais se irão basear as teorias psicológicas. É exactamente
aqui, na análise dos dados e da informação, que entra a Estatística.
A Psicometria é a aplicação de técnicas estatísticas aos testes psicológicos. Quando falamos
por exemplo de validação de uma escala ou da fiabilidade da medida, que é uma componente
importante da Psicometria exige um profundo conhecimento de técnicas estatísticas. Por

9
WWW.ISMONITOR.AC.MZ
exemplo, a fiabilidade, estimada pelo alfa de Cronbach, é uma fórmula estatística que
pondera o rácio entre a variância do total da escala e a variância de cada um dos itens que
constituem essa escala.
A variância é um conceito estatístico, não é um conceito psicológico. A psicometria está
portanto intimamente ligada à estatística e a interpretação dos testes psicométricos, para além
da demonstração das qualidades psicométricas o que é feito com técnicas de estatística, exige
também a interpretação de normas e resultados estandardizados, como percentis e notas Z,
etc… e estes conceitos são ferramentas estatísticas que o psicólogo tem que dominar para
poder interpretar correctamente os resultados de um teste.
1.2 CONCEITOS BÁSICOS
ESTATÍSTICA
Estatística pode ser definida como o ramo da Matemática aplicada que fornece um conjunto
de métodos científicos de colecta, organização, resumo, descrição, análise e interpretação
de dados visando estudar e medir os fenómenos colectivos, bem como a utilização dos
mesmos na tomada de decisões.
A Estatística é uma área do conhecimento que utiliza teorias probabilísticas para explicação
de eventos, estudos e experimentos, que tem por objectivo obter, organizar e analisar dados,
determinar as correlações que apresentem, tirando delas suas consequências para descrição e
explicação do que passou e previsão e organização do futuro.
O estudo da estatística subdivide-se em: estatística descritiva e estatística inferencial
ESTATÍSTICA DESCRITIVA
É a parte da estatística que se preocupa com a recolha, classificação, apresentação, análise e
interpretação de dados estatísticos de fenómenos da mesma natureza, sem tirar conclusões
sobre um grupo maior.
Exemplo: O estudo da infecção pelo HIV numa determinada região.
ESTATÍSTICA INFERENCIAL
É a parte da estatística que se ocupa com a extrapolação ou inferência, em relação a um dado

universo (uma população), examinando uma pequena parte, chamada amostra (parte
representativa do universo).
Exemplo: o estudo da infecção pelo HIV numa determinada região poderia ser efectuado
através de uma amostragem científica.

10
WWW.ISMONITOR.AC.MZ
FENÓMENO ESTATÍSTICO
É qualquer evento que se pode analisar aplicando técnicas estatísticas. Estes podem ser:
• Colectivos ou de massa - A evolução dos casos de infecção pelo HIV em 65%;

• Individuais – A realização de teste psicotécnico ou de avaliação psicológica.
OBSERVAÇÃO ESTATÍSTICA
É um processo sistemático cientificamente argumentado de dados em massa com uma
característica comum e objecto de estudo.
POPULAÇÃO (UNIVERSO)
Conjunto de todos os valores que descrevem o fenómeno que interessa ao investigador. A
população pode ser finita ou infinita.
AMOSTRA
É o subconjunto ou parte representativa da população (ou universo), seleccionada para o
estudo.
Atenção! A amostra é utilizada quando não é possível ou é difícil estudar toda a população.
A partir das conclusões ou características tiradas desta, faz-se um juízo ou uma inferência
para as características da população.
• Características Amostrais: São chamadas de estatísticas de medidas descritivas;

• Características Populacionais: São chamadas de estatísticas de parâmetros
populacionais.
DADO ESTATÍSTICO
É sempre um número real.
a- Primitivo ou Bruto: é aquele que não sofreu nenhuma transformação Matemática. Ex:
Número directo.
b- Elaborado ou secundário: é aquele que sofreu transformação Matemática. Ex.
Percentagem, média, etc.
VARIÁVEIS
São as características que podem ser observadas (ou medidas) em cada elemento da
população, é um conjunto de resultados possíveis de um fenómeno.

11
WWW.ISMONITOR.AC.MZ
As variáveis estatísticas classificam-se em variáveis quantitativas e qualitativas
Variáveis Estatísticas
Quantitativas (números): Qualitativas (Categorias)
• Discretas; • Nominais;
• Contínuas. • Ordinais.
VARIÁVEIS DISCRETAS
São aquelas que só podem assumir valores inteiros não negativos inclusive o zero, num
intervalo finito ou infinito.
Exemplo:
• Número de estudantes que frequentam a disciplina de Estatística Aplicada à
Psicologia;
• O número de filhos numa determinada família.
VARIÁVEIS CONTÍNUAS
São aquelas que podem assumir qualquer valor real dentro do intervalo finito ou infinito:
Exemplo:
• O peso de cada remessa de manuais de Estatística Aplicada a Psicologia;
• A temperatura dentro de uma escala.
VARIÁVEIS (ESCALAS) NOMINAIS
São aquelas que separam os atributos em categorias diferentes, não forçando uma ordem em
termos de hierarquia
Condições para a utilização de variáveis nominais:
• Divisão completa e coerente de acordo com um único critério;

• Categorias que participam na divisão devem ser mutuamente exclusivas.
Exemplo:
Sexo, cor dos olhos, fumante/não fumante, doente/sadio.

12
WWW.ISMONITOR.AC.MZ
VARIÁVEIS (ESCALAS) ORDINAIS
São aquelas que se baseiam numa classificação hierárquica, através da qual os atributos são
colocados em determinada ordem, conforme o critério escolhido.
Exemplos:
✓ Grau de escolaridade (1º ano, 2º ano, 3º ano);
✓ O estágio da doença (inicial, intermediário, terminal);
✓ Mês de observação Janeiro, fevereiro, … Dezembro).
INFORMAÇÃO ESTATÍSTICA
É um meio e não um fim, porque é um instrumento ao serviço do desenvolvimento de uma
realidade (servindo aos utilizadores de dados estatísticos – governantes, gestores, homens de
negócios, sociólogos, investigadores, etc.). A informação estatística deve obedecer as
seguintes características:
• Qualidade: os dados estatísticos devem traduzir uma realidade de forma simples clara,
para permitir a apreensão e compreensão dos aspectos mais relevantes;
• Actualidade: a informação estatística que se apresenta deve estar disponível de forma
atempada aos utilizadores desta no momento necessário;
• Utilidade (dependentes das anteriores): a informação estatística serve de meio para o
desenvolvimento das sociedades, porque é um instrumento de tomada de decisão.
CIRCUITO DA INFORMAÇÃO ESTATÍSTICA
O circuito da informação estatística é composto pelos seguintes intervenientes:

• Utilizadores: são aqueles que têm a tarefa de seleccionar e analisar a informação de que
necessitam para os seus trabalhos, (governantes, homens de negócio, economistas e
técnicos em geral);
• Fornecedores: são aqueles que prestam informações de base, facultando dados que lhes
são solicitados pelos utilizadores, sem se esquecer da sua cooperação para com os
produtores;
• Produtores: constituem as entidades especializadas, que têm como objectivo a obtenção
e preparação da informação necessária ao conhecimento da realidade nos seus vários
domínios.

13
WWW.ISMONITOR.AC.MZ
1.3 O MÉTODO ESTATÍSTICO
AS ETAPAS DO MÉTODO ESTATÍSTICO
Identificação do Problema
É necessário, desde o início do estudo, estar claro em relação ao problema a analisar e, uma
vez conhecido, qual o tipo de decisões que se pretendem tomar.
Esta etapa já requer algum conhecimento estatístico uma vez que os métodos a aplicar, não
são de modo algum, independentes da informação que se pretende recolher. Uma
identificação incorrecta do problema torna todas as etapas seguintes inúteis. Para identificar
melhor o problema poderá ser usada alguma informação quantitativa já existente
Recolha de Dados
A recolha de toda a informação necessária pode ser:
Directa (Dados primários) - quando os dados são obtidos da fonte originária é possível
encontrar em ficheiros ou registos (certidão de nascimento, casamento e óbito, importação e
exportação de mercadorias);
Indirecta (Dados secundários) - quando é deduzida de elementos conhecidos (recolha
directa) e/ou do conhecimento de outros fenómenos relacionados com o fenómeno em estudo.
Como exemplo, podemos citar
A pesquisa sobre a mortalidade infantil, que é feita através de dados colhidos por uma colecta
directa.
A recolha directa de dados pode ser classificada relativamente ao factor tempo em:
Contínua – quando é feita continuamente (registo de nascimentos e óbitos);

Periódica – quando é feita em intervalos constantes de tempo, como os censos (de 10 em 10
anos) e as avaliações periódicas dos estudantes;
Ocasional – quando feita esporadicamente, dada uma circunstância especifica ou a uma
emergência, como no caso de epidemias que assolam ou dizimam rebanhos inteiros.

14
WWW.ISMONITOR.AC.MZ
Critica dos Dados
Os dados obtidos devem ser submetidos a uma revisão crítica, a fim de detectar possíveis
falhas ou erros que se possam traduzir em futuros enganos de apresentação e análise. Ou até
influenciar significativamente os resultados.
Apresentação de Dados
Uma vez recolhidos os dados é feita a revisão crítica, convém organizar os dados de uma
forma prática e racional, para um melhor entendimento do fenómeno que se pretende estudar.
O principal objectivo da Estatística Descritiva é então criar os instrumentos,
(tabelas ou gráficos) necessários para classificar e apresentar conjuntos de dados numéricos
de tal modo que a informação neles contida seja apreendida de forma eficiente e eficaz.
Análise e Interpretação dos Resultados

A última etapa consiste em analisar e interpretar os resultados encontrados. A análise dos
dados permite caracterizar como os elementos se distribuem, quais os valores de tendência
central, a relação entre as variáveis.
A interpretação dos dados consiste nas comparações, ligações lógicas, estabelecimento de
princípios e generalizações que indiquem as vantagens e desvantagens dos resultados
obtidos.
Esta interpretação está tanto mais facilitada quanto se tiverem escolhido, em etapas
anteriores, os instrumentos mais apropriados à representação e análise do tipo de dados
recolhidos.
EXERCÍCIOS
1. Comente a seguinte afirmação, exemplificando!
“A amostra é utilizada quando não é possível ou é difícil estudar toda a população. A

partir das conclusões ou características tiradas desta, faz-se um Juízo ou uma inferência
desta para as características da população”.
2. Apresente o principal objectivo da Estatística.
3. De uma forma resumida e por palavras suas, apresente, explicitando as características
da Informação Estatística.
4. Classifique as variáveis que se seguem em qualitativas ou
Quantitativas (contínuas ou discretas):

15
WWW.ISMONITOR.AC.MZ
a Universo: estudantes do ISM.
Variável: cor dos cabelos: __________________
b. Universo: casais residentes na cidade da Maputo.
Variável: número de filhos: __________________
c. Universo: as jogadas de um dado.
Variável: o ponto obtido em cada jogada: ________________
d. Universo: peças de capulanas produzidas por certa máquina.
Variável: número de peças produzidas por hora: __________
e. Universo: peças de capulanas por certa máquina.
Variável: comprimento das capulanas: _____________
5. Das variáveis que se seguem distinga as discretas e contínuas:

a. População: estudantes de uma cidade.
Variável: cor dos olhos: __________________
b. População: estação meteorológica de uma cidade.
Variável: precipitação pluviométrica, durante um ano: __________________
c. População: Bolsa de Estudos oferecidas ao Ministério de Educação de
Moçambique
Variável: número de bolsas de estudo negociadas para as Universidades Privadas:
__________________
d. População: funcionários do ISM.
Variável: salários: __________________
e. População: Refeições produzidas por um restaurante
Variável: peso de cada refeição: __________________
f. População: casais residentes na cidade de Maputo.
Variável: sexo dos filhos: __________________
g. População: propriedades agrícolas do Brasil.
Variável: produção de algodão: __________________
h. População: segmentos de recta.

16
WWW.ISMONITOR.AC.MZ
Variável: comprimento: __________________
i. População: bibliotecas de cidade de Maputo.
Variável: número de volumes: __________________
j. População: aparelhos produzidos em uma linha de montagem.
Variável: número de defeitos por unidade: __________________
k. População: hospitais de uma cidade.
Variável: índice de produtividade: __________________

17
WWW.ISMONITOR.AC.MZ
CAPÍTULO II – ESTATÍSTICA DESCRITIVA
No final deste capítulo o estudante deverá ser capaz de:

• Ler, explorar e interpretar informação apresentada por diversas representações gráficas;
• Recolher, classificar em categorias ou classes, e organizar dados de natureza diversa;
• Construir, analisar e interpretar representações de dados (incluindo o histograma) e tirar
conclusões;
• Identificar quais as principais medidas de tendência central;
• Distinguir os vários tipos de médias;
• Relacionar as medidas de tendência central;
• Distinguir, Calcular e interpretar as separatrizes;
• Aplicar as Separatrizes na resolução de problemas relacionados com a Psicologia.
2.1 DISTRIBUIÇÃO DE FREQUÊNCIA
Os dados estatísticos podem ser ordenados com base na elaboração de “tabelas de

frequências” e classificados em:
• Dados não agrupados (ou não tabulados em classes);

• Dados agrupados (ou tabulados em classes).
DADOS BRUTOS: são dados não numericamente organizados.
Exemplo:
A altura de 100 estudantes tirado de uma lista alfabética dos Registos Académicos do ISM.
ROL: é o conjunto de dados numéricos brutos dispostos em ordem crescente ou decrescente
de grandeza.
AMPLITUDE TOTAL DO ROL (At) é a diferença entre o maior e o menor número do rol
AT = X máx − X min

18
WWW.ISMONITOR.AC.MZ
LIMITE INFERIOR (LI): é o menor número do intervalo de classes considerado.
LIMITE SUPERIOR (LS): é o maior número do intervalo de classe considerado.
INTERVALO DE CLASSE: é a diferença entre o limite Superior (Ls) limite inferior (Li) é a
amplitude de classe (At).
INTERVALO TOTAL (IT): é a diferença entre o maior limite superior e o menor limite
inferior de todas as classes do intervalo considerado.
PONTO MÉDIO DE UMA CLASSE (XI): É igual a soma do limite inferior e o limite
superior do intervalo de classe
X min( i ) + X max( i )
xi =
2
As distribuições de frequências podem ser de:
Frequências de Dados não agrupados em classes: distribuição usada para o caso em que
se tem poucos dados e um número de valores ou modalidades apresenta repetições.
Frequências de dados agrupados em classes: distribuição utilizada para o caso do número

de dados observados ser grande.
Tipos de Frequências
Frequências simples Frequência acumulada
quantitativas:
• “Abaixo de” ou
• Absoluta; Crescente:
• Relativa. - Absoluta;
- Relativa
• “Acima de “ou
Decrescente:
- Absoluta;
- Relativa

19
WWW.ISMONITOR.AC.MZ
Classe de Maior Frequência (ou Classe Modal) – É aquela em que a Frequência é maior
Classe de Menor Frequência - É aquela em que a Frequência é menor
Frequência (Simples) Absoluta ( f i ) – É o número de repetições (Observações de um valor

individual ou de uma classe de valores da variável.
Frequência (Simples) Relativa ( f r ) – É a proporção de observações de um valor

individual ou de valores pertencentes a uma categoria em relação ao número total de
observações.
fi fi
fr = ou fr % = *100%
n n
Frequência Absoluta Acumulada “Abaixo de” Uma Classe ou de um Valor Individual.
( F+ ) = ( F ) – É a soma da frequência (simples) absoluta dessa classe (ou ordem) com as

frequências (simples) absolutas das classes anteriores partindo de cima para baixo.
Frequência Absoluta Acumulada “Acima de” Uma Classe ou de um Valor Individual
( F− ) = ( F ) – É a soma da frequência (simples) absoluta dessa classe (ou ordem) com as

frequências (simples) absolutas das classes seguintes partindo de baixo para cima.
Frequência Relativa Acumulada “Abaixo de “ e “Acima de “ ( Fr  ) = ( F ) ” – Pode ser

calculada a partir da definição das frequências absolutas acumuladas “abaixo de “ e “ acima
de”
2.2. COMO ELABORAR UMA DISTRIBUIÇÃO FREQUÊNCIA
1. Construção do Rol (na posse dos dados brutos que pode ou não ser construído);
2. Determinação da Amplitude Total (Diferença entre o maior e menor valor do Rol);
At = X máx − X min
3. Determinação ou Escolha do número de Classes (k)
Método 1: Escolha arbitrária entre 5 a 20
Método 2: Pela regra de Struges k = 1 + 3,3*log
Onde: K = número de classes

20
WWW.ISMONITOR.AC.MZ
n = número total de observações
Método 3: K = n

4. Determinação da Amplitude do intervalo de classes
At
A icl =
k
Onde: A t = Amplitude Total
K = número de classes
Observação:
Por vezes esta divisão não fornece números inteiros devendo-se para o efeito arredondar o
número correspondente da amplitude do intervalo de classe a que se chegou, para um
número mais adequado que facilite os cálculos (arredondamento arbitrário).
5. Determinação das classes (escolhendo-se preferencialmente números inteiros) e

construção da tabela de freqüências.
Exemplo:
Construção de histogramas e polígonos de frequências
Para representar dados não agrupados em classes (variável discreta), provenientes de uma
tabela de distribuição de frequências use:
• O diagrama de barras – para frequências absolutas ou relativas;

• Ogiva – para frequências acumuladas;
Histograma: é um diagrama de áreas formado por rectângulos de tal forma que a área de
cada um dos rectângulos seja proporcional à frequência de classe. O histograma é
representado para dados agrupados em classes.
Polígono de Frequências: é um gráfico de linha, com frequências traçadas sobre as

perpendiculares levantadas dos pontos médios das classes. O polígono pode ser obtido,
através da ligação dos pontos médios do topo de cada rectângulo do histograma.

21
WWW.ISMONITOR.AC.MZ
Considere a seguinte tabela; esta representa a altura de 30 estudantes do curso de Psicologia
do ISM, medidos até aos centímetros.
162 188 173 168 179 183
174 164 174 159 177 173
184 179 190 181 166 181
162 175 192 178 177 200
193 175 160 180 187 176
Com base nestes dados vamos elaborar uma tabela de distribuição de frequências absolutas,
e determinar os pontos médios da classe.
RESOLUÇÃO:
1º Passo) Construção do Rol. Passo não obrigatório.
159 .... .... .... .... .... .... .... .... ....
160 .... .... .... .... .... .... .... .... ....
162 .... .... .... .... .... .... .... .... ....
162 .... .... .... .... .... .... .... .... ....
164 .... .... .... .... .... .... .... .... ....
2º Passo) Determinação da amplitude total ( ATotal )
X máx = 200 e X min = 159
ATotal = 200 – 159 = 41

3º Passo) Determinação do número de classes
Método 2: Pela regra de Struges k= 1 + 3,3 x log n

22
WWW.ISMONITOR.AC.MZ
K = 1 + 3,3 x log n = 1 + 3,3 x log 30
K= 5,8  6  K  6
ou
Método 3: K = n
Onde: K = número de classes, e n = número total de observações
K = n= 30 =K = 5,4772256
K  5
4º Passo) Determinação da amplitude do intervalo de classes ( Aicl )
ATotal 41
Aicl =  Aicl = = 8,2  8
K 5
5º Passo) Determinação das classes e construção da tabela de frequências
Classes fi xmin + xmáx

xi =
2
159 |– 167 6 163
167 |– 175 5 171
175 |– 183 11 179
183 |– 191 5 187
191 | – 199 3 195
- 30 -
6º Passo) Construção do histograma e do polígono de frequências

23
WWW.ISMONITOR.AC.MZ
Histograma
12
10
0
159 |– 167 167 |– 175 175 |– 183 183 |– 191 191 | – 199
EXERCÍCIOS DE APLICAÇÃO
Depois de ter lido com atenção o capítulo I, procure agora responder às seguintes questões:
1. Quais as formas da apresentação da informação estatísticas? Indique as vantagens
e desvantagens de cada uma delas.
2. Quais as componentes de um quadro (tabela) estatística?
3. Elabore um quadro (tabela) contendo informação estatística aplicada a Psicologia.

Para o efeito inclua o maior número de componentes do quadro (tabela) estatístico.
4. Explique por palavras suas quais as características desejáveis dos gráficos, no

seu contexto estatístico? No que respeita ao tamanho adequado, informação a
conter e a não conter no gráfico; etc
5. Abaixo estão apresentados dados de uma distribuição de frequência, onde poderá

ser identificada a: frequência absoluta e relativa (simples); frequência absoluta
acumulada “abaixo de”; frequência absoluta acumulada “acima de”; frequência
Relativa acumulada.

24
WWW.ISMONITOR.AC.MZ
i xi fi fr f r% Fi Fi Fr  Fr  % Fr  Fr 
%
1 2 3 0,12 12 3 25 0,12 12 1,00 100
2 6 4 0,16 16 7 22 0,28 28 0,88 88
3 10 10 0,40 40 17 18 0,68 68 0,72 72
4 14 6 0,24 24 23 8 0,92 92 0,32 32
5 18 2 0,08 08 25 2 1,00 100 0,08 8
- - 25 1,00 100 - - - - - -
a) Identifique cada uma das frequências apresentadas na tabela de distribuição acima;

b) Os dados da tabela são “não agrupados” ou “agrupados” em Classes? Justifique-se.
Recorrendo -se ao 6º passo do exemplo do item “Construção de um diagrama contendo o
histograma e o polígono de frequências”. Construa um diagrama manualmente ou usando o
Excel.
2.3 MEDIDAS DE TENDÊNCIA CENTRAL

Os estudos de distribuição de frequência efectuados até agora, permitem apenas localizar a
maior e a menor concentração dos valores de uma dada distribuição. No entanto, para
destacar as tendências características necessita-se de elementos típicos da distribuição que
são as:
• Medidas de posição;
• Medidas de variabilidade ou dispersão;
• Medidas de assimetria;
• Medidas de curtose.
As medidas de posição mais importantes são as medidas de tendência central. E que tal
denominação deve-se ao facto destas tenderem a localizar-se no centro de uma série de dados.
Assim, de modo geral, se houver a necessidade ou interesse em apresentar informações de
um conjunto de dados na forma resumida devemos apresentá-los em forma de medidas de
tendência central.
Dentre elas destacam-se:
• A média aritmética;
• A mediana;
• A moda.

25
WWW.ISMONITOR.AC.MZ
2.4. TIPOS DE MÉDIAS
MÉDIAS ARITMÉTICA SIMPLES ( X ):
É a média usada para o caso em que se pretende conhecer a média dos dados não agrupados.
Na soma de todos os valores observados atribui-se o mesmo peso.
n
x + x 2 + .... + x n x i
X = 1 = i =1
n n
Onde xi são os valores da variável e n o número de valores
Desvio em relação a média (di): d i = xi − x
Exemplo: (dados simples)
Sejam dadas notas de 12 estudantes do curso de Psicologia.

a) Calcule a média;
b) Calcule os desvios em relação a média e some o resultado.
7 8 5,5 6 6,5 8,5 9 10
RESOLUÇÃO
a) A média será dada por:

65
X = = 7,5625  7,56
8
Nota: Esta média será representativa da série de valores apresentada, embora o resultado
obtido não esteja representado nos dados. O que significa que a média obtida não tem
existência concreta

26
WWW.ISMONITOR.AC.MZ
b) Desvios:
7-7,56 -0,56
8-7,56 0,44
5,5-7,56 -2,06
6-7,56 -1,56
6,5-7,56 -1,06
8,5-7,56 0,94
9-7,56 1,44
10-7,56 2,44
Total 0,0
MÉDIA PONDERADA ( X P ):
f .x1 + f 2 .x 2 + .... + f n .x n  ( f .x ) i i
Xp = n
= i =1
n

i =1
fi fi =1
i
Onde xi são os valores da variável e n o número de valores
Exemplo: (Dados agrupados - distribuição de frequência sem intervalos de classe)

Dada a distribuição de número de nascimentos prematuros no hospital psiquiátrico da região
centro do país. Calcule a média.

27
WWW.ISMONITOR.AC.MZ
no de fi fi . xi
nascimentos (xi)
prematuros
0 2 0
1 4 4
2 8 16
3 10 30
4 4 16
Total 24 66
RESOULUÇÃO
Tem -se como média ponderada a seguinte:

66
Xp = = 2,75  3,0
24
Exemplo: (Dados agrupados - distribuição de frequência com intervalos de classe)
Dada a distribuição das alturas extraídas de uma turma de estudantes do primeiro ano do
ISM. Calcule a média
Classes de fi xi fi . xi
alturas
150 |- 154 2 152 304
154 |- 158 4 156 624
158 |- 162 8 160 1.280
162 |- 166 10 164 1.640
166 |- 170 4 168 672
Total 24 - 4.520

28
WWW.ISMONITOR.AC.MZ
RESOULUÇÃO
4.520
Xp = = 188,33333333  188,3
24
Propriedades da média aritmética:
1. A soma algébrica dos desvios em relação a média é nula.
2. Somando-se (ou subtraindo-se) uma constante (c) de todos os valores de uma variável, a
média do conjunto fica aumentada (ou diminuída) dessa constante.
3. Multiplicando-se (ou dividindo-se) uma constante (c) de todos os valores de uma

variável, a média do conjunto fica multiplicada (ou dividida) por essa constante.
MÉDIA GEOMÉTRICA
A média geométrica de n valores é definida, genericamente, como a raiz n − ésima do

produto de todos eles. A média geométrica pode ser simples ou ponderada, conforme se
utilize ou não em seu cálculo uma tabela de frequências.
A média geométrica subdivide-se em:
Média geométrica simples ( X g )
n
X g = ( x1 )( x2 ).......( xn )  X g =
n n
x i
i =1
Onde:
n
 = ( pi)
i =1
- É o símbolo que indica o produto de valores da variável
X g = Valor genérico da observação
n = Número de observações

29
WWW.ISMONITOR.AC.MZ
O estudante deve estar recordado que a interpretação e as propriedades da média geométrica
tornam-se mais evidentes quando se reduz a fórmula anterior a sua forma logarítmica.
Assim, partir da fórmula anterior tem-se:
n
log x1 + log x2 + ... + log x n  log x i

log x g = log n ( x1 )( x 2 ).....( x n ) = = i =1
n n
Em suma tem-se:
1 n
log X g =  log xi
n i =1
A expressão acima mostra que o logaritmo da média geométrica é igual à média aritmética
dos logaritmos dos valores da série.
Para a obtenção de X g , calcula-se o anti-logaritmo do valor correspondente ao segundo

membro da expressão anterior, ficando:
log x1 + log x2 + log x3 + ......... + log xn

X g = anti log( )
n
1 n
X g = anti log  log xi
n i =1
Atenção! Recorde-se que a média geométrica somente tem significado quando todos os
valores da série são positivos
MÉDIA GEOMÉTRICA PONDERADA
k
X gp = n ( x1f1 )( x 2f 2 ).....(. x j j )  X gp = n
f
x
fj
j
j =1
Onde:
k
n = i =  f i = Número de observações
i =1
k = número de classes ou de valores individuais diferentes da variável

30
WWW.ISMONITOR.AC.MZ
Nota: Analogamente ao processo de cálculo da média geométrica simples calcula-se X g
usando o logaritmo, para o caso em que, o número de elementos for superior a 2 ou 3 i.é se
n = 2 ou n = 3 .
1 k 1 k
log X gp = 
n j =n
log( x f
j j ) = ( f j x j )
n j =1
1 k
X gp = anti log  ( f j * log x j )
n j =1
Propriedades da média geométrica:
1. O produto dos quocientes de cada valor de um conjunto de números pela média;
2. Séries que apresentam o mesmo número de elementos com o mesmo produto têm a
mesma média geométrica;
3. A média geométrica é menor ou igual a média aritmética;
4. A desigualdade X g  X sempre se verifica, quando os valores da série forem positivos

e nem todos iguais. Se entre eles houver um ou mais zeros, a média geométrica será nula;
5. A igualdade X g = X só ocorrerá quando todos os valores da série forem iguais;
6. Quanto maior for a diferença entre os valores originais maior será a diferença entre as
médias aritmética e geométrica
NOTA: Aplicações da Média Geométrica

Se, para uma determinada empresa, se deseja estabelecer uma relação do tipo Capital
Líquido/Dívida que seja independente da dívida ou do capital das diferentes empresas
envolvidas, é recomendável o uso da média geométrica. Se o que se deseja saber é a
relação Capital Líquido/Dívida de um certo número de empresas, após a consolidação, a
cifra correcta será obtida através da média aritmética.

31
WWW.ISMONITOR.AC.MZ
MÉDIA QUADRÁTICA
A média quadrática de um conjunto de n valores xi é a raiz quadrática da média aritmética

dos quadrados. Podemos dizer, então que X q é a média quadrática de um conjunto de valores
xi se a operação que igualar os dois conjuntos for a adição dos quadrados
A média quadrática subdivide-se em:
MÉDIA QUADRÁTICA SIMPLES ( X q )
x
2
i
Xq = i =1
Onde:
X q = Valor genérico da observação
MÉDIA QUADRÁTICA PONDERADA ( X qp )
xj * f j
2
j =1
X qp = k
f j =1
j
Onde:
k
n =
j =  f j = Número de observações
j =1

32
WWW.ISMONITOR.AC.MZ
MÉDIA HARMÓNICA
A média harmónica de um conjunto de valores xi é o inverso da média aritmética dos

inversos. De acordo com essa definição, pode-se afirmar que o valor X k é a média harmónica
de um conjunto de valores, se a operação que iguala os dois conjuntos for a adição dos
inversos. Para o conjunto de n valores da variável
MÉDIA HARMÓNICA SIMPLES ( X h )
n
Xh = n
1

i =1 x i
Onde:
X h = Valor genérico da observação
MÉDIA HARMÓNICA PONDERADA ( X h p )
n
H p = X hp = k fj
x
j =1 j
Onde:
k
n= j = fj = Número de observações
j =1

33
WWW.ISMONITOR.AC.MZ
Propriedades da média harmónica:
A média harmónica é menor que a média geométrica para valores da variável diferentes de
zero. Xh  Xg e por extensão de raciocínio podemos escrever:. Xh  Xg  X
NOTA:
1) A média harmónica não aceita valores iguais a zero como dados de uma série;
2) A igualdade X h = X g = X . Só ocorrerá quando todos os valores da série forem iguais;
3) Quando os valores da variável não forem muito diferentes, verifica-se aproximadamente
a seguinte relação:
(X + X h )
Xg =
2
Em suma tem-se a seguinte relação entre médias:
RELAÇÃO ENTRE MÉDIAS

SIMPLES PONDERADAS
Xh  Xg  X  X q X hp  X gp  X p  X qp
Exemplo: (dados simples)

Dados os números 12;4;3;8;7;2, calcule a:
a) Média aritmética;
b) Média geométrica;
c) Média quadrática;
d) Média harmónica; e
e) Usando a relação entre médias compare as médias das alinhas anteriores. A que conclusão
chega?

34
WWW.ISMONITOR.AC.MZ
RESOLUÇÃO
2 1
xi xi log xi
xi
12 144 0,083333333 1,07918

4 16 0,250000000 0,60206
3 9 0,333333333 0,47712
8 64 0,125000000 0,90309
7 49 0,142857143 0,84510
2 4 0,500000000 0,30103
36 286 1,434523809 4,20758
x i
36
a) Média aritmética: X = i =1
= =6 X =6
n 6
b) Média geométrica:
1 n 1 1 n
X g = log X g = 
n i =1
log xi = (4,20758) = 0,70126
6
 X g = anti log  log xi =
n i =1
anti log 0,70126 = 5,02636  5,03  X g  5,03
c) Média quadrática:
n
x
2
i
Xq = i =1
= 47,66  6,903  Q = X q  6,903
n

35
WWW.ISMONITOR.AC.MZ
d) Média harmónica:
n 6
Xh = n
=  4,183  H = X h  4,183
1
x
1,434523809
i =1 i
e) Comparação entre as médias:
X h  X g  X  X q  4,183  5,03  6  6,90

Significa que as médias obtidas estão compreendidas entre 4 e 7, que são os números situados
no centro da série.
MEDIANA ( M e )
Você deve estar recordado que, a mediana é um valor central de um rol, ou seja, a mediana
de um conjunto de valores ordenados (crescente ou decrescente) é a medida que divide este
conjunto em duas partes iguais, cujo valor está sucedido de 50% e antecedido de 50% desse
conjunto.
Dado um conjunto qualquer de valores:

1º) Ordenam-se os valores em ordem crescente ou decrescente;
2º) Verificam-se se o número de elementos que compõem este conjunto é par ou ímpar.
A MEDIANA (DADOS NÃO-AGRUPADOS)
• Número de elementos for ímpar

n +1
Em =
2
Onde:
Em = elemento mediano
n = número de elementos do conjunto
Exemplo:
Dado o conjunto X= {5, 2, 6, 12, 9, 16, 10}, encontre o elemento mediano.

36
WWW.ISMONITOR.AC.MZ
RESOLUÇÃO
1º) Ordenamento dos valores em ordem crescente.
{2, 5, 6, 9, 10, 12, 16}
2º) O número de elementos que compõem este conjunto é ímpar.
n +1 7 +1
Em = = =4
2 2
“4”, Indica a posição do elemento mediano no conjunto dado. No caso concreto corresponde
ao valor “9”, que antecede de {2;5;6} e sucede de {10;12;16} respectivamente.
• Se número de elementos for par
2n + 2
Em =
4
Exemplo:
Dado o conjunto X= {2;5;7;9;9;10;16} encontre o elemento mediano em:
RESOLUÇÃO:
1º) Os valores já estão ordenados em ordem crescente.
2º) O número de elementos que compõem este conjunto é par.
2n + 2 (2).(6) + 2
Em =  Em = = 3,5  Em = 3,5
4 4
“3,5”, indica a posição do elemento mediano dentro deste rol. Portanto, a mediana
7 + 9 16
corresponde à média aritmética entre os valores centrais “7” e “9”, ou seja = = 8.
2 2
Notas:
• Quando o número de elementos da série estatística for ímpar, haverá coincidência da
mediana com um dos elementos da série.
• Quando o número de elementos da série estatística for par, nunca haverá coincidência da
mediana com um dos elementos da série. A mediana será sempre a média aritmética dos
2 elementos centrais da série.
• Em uma série a mediana, a média e a moda não têm, necessariamente, o mesmo valor.

37
WWW.ISMONITOR.AC.MZ
• A mediana depende da posição e não dos valores dos elementos na série ordenada. Essa
é uma das diferenças marcantes entre mediana e médias (que se deixa influenciar, e
muito, pelos valores extremos).
MEDIANA (VALORES ISOLADOS PONDERADOS NÃO AGRUPADOS EM

CLASSES)
Caro estudante, recorde-se que quando aparecem repetições de valores o cálculo da mediana
passa a ter um procedimento análogo, lembre -se que temos as frequências correspondentes
para cada uma das varáveis dadas.
Comece por acumular as frequências absolutas de formas a poder localizar o elemento que
divide esta observação, em duas partes iguais.
De seguida verifique se o número de observações é impar ou par, e para cada caso aplique
os procedimentos anteriormente vistos.
Exemplo: (número de observações impar)
xi fi Fa
2 2 2
4 5 7
5 8 15
7 6 21
8 4 25
- 5 -
f
i =1
i = 25
a) Calcule o Em (elemento mediano)?

b) Represente os valores observados na forma de conjunto X = x1 ; x2 ; x3 ;......; xn , e
localize o Em

38
WWW.ISMONITOR.AC.MZ
RESOLUÇÃO:
n +1 25 + 1
a) Em =  Em = = 13  Em = 13º Elemento é o mediano
2 2
b) X= {2; 2; 4; 4; 4; 4; 4; 5; 5; 5; 5; 5; 5 ; 5; 5; 7; 7; 7; 7; 7; 7; 8; 8; 8; 8}
Exemplo: (número de observações par)

Dada a tabela:
xi fi fac
3 5 5
5 4 9
6 6 15
7 8 23
9 3 26
- 5 -
f
i =1
i = 26
a) Calcule o Em (elemento mediano)?

b) Represente os valores observados na forma de conjunto X = x1 ; x2 ; x3 ;......; xn , e
localize o Em
RESOLUÇÃO:
2n + 2 (2).( 26) + 2
a) Em =  Em = = 13,5  Em = 13,5º Elemento é o mediano
4 4
c) X= {3; 3; 3; 3; 3; 5; 5; 5; 5; 6; 6; 6; 6, 6; 6; 7;7;7;7;7;7;7;7;9;9;9}

39
WWW.ISMONITOR.AC.MZ
“13,5” Corresponde à média aritmética entre os valores centrais “6” e “6”, ou seja
6 + 6 12
= =6.
2 2
MEDIANA (DADOS AGRUPADOS EM CLASSES)
 Em − fac  ant 
Me = li +  *h
 f i classe 
Onde:
• li = Limite inferior da classe mediana
n
f i
• Em = i =1
= Elemento mediano
2
• fac  ant = Frequência acumulada até a classe anterior à classe mediana
• f i = Frequência simples ou absoluta da classe mediana
• h = Amplitude do intervalo da classe mediana
Nota importante:
• Para dados agrupados em classe não se toma em consideração as observações pares ou
ímpares.

40
WWW.ISMONITOR.AC.MZ
Exemplo:
Dada a tabela
xi fi fac
0|- 2 27 27
2|- 4 16 43
4|- 6 34 77
6|- 8 17 94
8|- 10 16 110
- 5 -
f
i =1
i = 110
Calcule o Em (elemento médiano)?
 Em = 55 
l = 4; (4 | − − −6)
 Em − fac  ant  i



Me = li +   * h ;  fac  ant = 43   Me = 4,7
 f i classe   fclasse = 34 
 
h = 2 
Nota:
1. Processo: “Interpolação”.
Neste processo admite-se uma distribuição de frequências contínua, onde a mediana será
aquela que antecede e sucede respectivamente, em 50% dos valores observados.
Exemplo:
Com base nos dados do exemplo anterior o Em (elemento mediano) usando o processo de
interpolação seria:
110
1º) Em = = 55
2

41
WWW.ISMONITOR.AC.MZ
2º) Percorra pelas frequências acumuladas e verifique onde está localizada a mediana. A
mediana está localizada na 3ª classe (4|------6), com 34 elementos. Para completar a 55ª
posição teríamos que adicionar a fac  ant = 43 mais 12º termo pertencente a classe (4|-----
--6);
3º) Supondo que estamos perante uma variação uniforme dos elementos dentro da classe,
pode-se calcular a mediana através da regra três simples.
Sendo assim, teríamos a seguinte correspondência:
34 Elementos ( fclasse mediana) ; 2 (intervalo de classe mediana)
12 Elementos (= Em - fac  ant da classe mediana  55 − 43 = 12 )

12 * 2
x= = 0,7
34
Me = li classe mediana + x  Me = 4 + 0,7 = 4,7
2. Processo: “Gráfico”
Neste processo deverão ser seguidos os critérios seguintes:
a) Construir no primeiro quadrante de um sistema de coordenadas um diagrama de linha tal
que, em Y (vertical) seja representada as frequências absolutas acumuladas, e em x
(horizontal) as classes correspondentes à variável.
n
f i
b) A partir do E m = i =1
, trace uma paralela ao eixo x até que esta se intercepte com a
2
linha do diagrama.
c) Deste ponto de intersecção da paralela com a linha do diagrama, projecte
d) Uma perpendicular ao eixo x, e no ponto onde ela se interceptar ler-se a mediana. Assim,
para o exemplo anterior
Exemplo:
Use os dados do exemplo anterior e obtenha a mediana pelo processo gráfico
MODA ( M o )
Valor que ocorrem com maior frequência em um rol.

42
WWW.ISMONITOR.AC.MZ
Exemplos:
X 1 ={1; 2; 3; 4; 5; 6} – conjunto amodal
X 2 ={10; 10; 12; 13; 18} – conjunto unimodal
X 3 ={100; 100; 200; 200;300; 600} – conjunto bimodal
DETERMINAÇÃO DA MODA PARA DADOS NÃO AGRUPADOS EM CLASSE

(VALORES ISOLADOS PONDERADOS)
EXEMPLO:
Estatura ( m ) Número de
xi estudantes
1,60 03
1,62 08
1,64 12
1,70 20
1,73 10
1,80 07
- 6
f
i =1
i = 60
Na tabela, o valor modal é de 1,70m porque e o resultado que apresenta maior número de
estudantes 25
MODA BRUTA
Toma o ponto médio da classe modal, aquela que contém a maior frequência.
MODA (PROCESSO DE CZUBER)

Processo em que e necessário que sejam identificados os seguintes elementos:
• Moc =Moda processo do Czuber
• 1 = f max - f ant (frequência absoluta simples máxima - frequência absoluta simples
anterior)

43
WWW.ISMONITOR.AC.MZ
•  2 = f max – f post (frequência absoluta simples máxima - frequência absoluta simples
posterior) h = amplitude da classe posterior a classe modal
• li = limite inferior da classe modal (a classe que contem a frequência absoluta simples
máxima)
 1   ( fmáx − fant 
Moc = li +   * h  Moc = li +  *h
 1 +  2   2 * fmáx − ( fant + fpost ) 
MODA (PROCESSO GRÁFICO)

• Processo que consiste na identificação das três classes de frequências que a moda
interessa:
• A classe de frequência absoluta simples máxima (modal) e as frequências absolutas
simples anterior e posterior das duas classes adjacentes e seus respectivos limites inferior
e superior.
MODA (PROCESSO KING)
Neste processo é considerada a influência sobre a classe modal das frequências das classes
anterior e posterior, fazendo com que a moda se destaque dentro do intervalo de classe para
um ponto tal que as distâncias deste ponto aos limites da classe sejam inversamente
proporcionais as frequências anteriores e posterior.
Assim,
 f post 
Mo k = li +  *h
 f ant − f ant 
onde:
• f post = Frequência absoluta simples posterior a classe modal
•
f ant = Frequência absoluta simples anterior a classe modal
Nota:
Este processo tem 0 inconveniência de não levar em consideração a frequência máxima e a
frequência da classe modal

44
WWW.ISMONITOR.AC.MZ
MODA (PROCESSO DE PEARSON)
Processo que pressupõe que a distribuição seja aproximadamente simétrica, na qual a média
aritmética e a mediana são levadas em consideração. Pela relação empírica seguinte entre a
Média. A Moda e a Mediana:
2 x p = 3M e − Mo p - Relação de Pearson
Donde:
3M e − Mo p
xp = ;
2
Mo p = 3M e − 2 x p ;
2 x p + Mo p
Me =
3
Nota:
Existem algumas considerações a serem satisfeitas para que a relação proposta por Pearson
se verifique com maior aproximação:
• A distribuição (curva) de frequência deve ser unimodal;
• A distribuição de frequências deve ser fracamente assimétrica; e
• O número de observações deve ser suficientemente grande e pequeno a escala de
unidades que divide a distribuição.
EXEMPLO
Classes de notas fi
0 |----2 27
2|----4 16
4|----6 34
6|----8 17
8|----10 16
- 5
f
i =1
i = 110

45
WWW.ISMONITOR.AC.MZ
Calcule:
a) A moda bruta;
a.1) Identifique a classe modal (ou o local onde se localiza a moda). Justifique;
a.2) Calcule o ponto media da classe modal
b) A moda Czuber ( Mo c );
d) A moda pela relação de Pearson.
RESOLUÇÃO:
a) A moda bruta
a.1) A moda está na classe 4|-----6 (classe modal). Porque, é a classe com o maior número
de observações;
4+6
a.2) Ponto médio da classe modal = =5
2
a.3) Mobruta = 5
b) A moda Czuber ( Mo c )
 1   18 
Moc = li +   * h  Moc = 4 +  * 2  5,03
 1 +  2  18 + 17 
 Moc  5,03
ou
 ( fmáx − fant)   34 − 16 
Moc = li +   * h  Moc = 4 +   * 2  5,03
 2 * fmáx − ( fant + fpost )   2 * 34 − (16 + 17 
 Moc  5,03
d) A moda pela relação de Pearson.

 Em = 55 
l = 4; (4 | − − −6)
 Em − fac  ant  i 
Me = li +   * h ; Nota:  fac  ant = 43  ; Me = 4,7
 f i classe   
 fclasse034 
 
h = 2 

46
WWW.ISMONITOR.AC.MZ
1  linf + lsup 
x= n
*   
 

2
fi
i =1
 2 + 2  2 + 4  4+ 6  6 + 8  8 + 10 
  * 27 +   *16 +   * 34 +   *17 +   *16
x=         2 
2 2 2 2
= 4,62  x = 4,62
110
Mo k = 3 * M e − 2 * x
Mo k = 3 * (4,7) − 2 * (4,62) = 4,86

Mo k = 4,86
COMPARAÇÃO ENTRE A MÉDIA, A MEDIANA E A MODA
MEDIDA DE VANTAGENS DESVANTAGENS

POSIÇÃO
MÉDIA Reflecte cada valor É influenciada por
observado na valores extremos.
distribuição.
MEDIANA Menos sensível a Difícil de determinar
valores extremos do para grande quantidade
que a Média. de dados.
MODA Maior quantidade de Não se presta à análise
valores matemática
concentrados neste
ponto.
2.5 MEDIDAS SEPARATRIZES
Os quartis, decis e os percentis - são, juntamente com a mediana, conhecidas pelo nome
genérico de separatrizes.
As separatrizes - como o próprio nome sugere - são aquelas medidas que "separam" ou que
dividem o conjunto em um certo número de partes iguais.
A Mediana divide o conjunto em duas metades. Já o Quartil, separa o conjunto em quatro

partes iguais; o Decil, em dez partes e, finalmente, o Centil (ou Percentil), em cem partes
iguais!

47
WWW.ISMONITOR.AC.MZ
Atenção! As separatrizes– são valores que ocupam determinados lugares de uma série
ordenada (rol).
Estes classificam–se em:

• Quartil (Qi )
• Mediana ( M e )
• Decil ( Di )
• Percentil ( Pi ) ou Centil ( C i )
QUARTIS ( Q i )
Divide a distribuição em quatro partes iguais quanto ao número de elementos de cada uma.
Calculam-se apenas 3 quartis, nomeadamente, Q1 , Q2 e Q3
25% 25% 25% 25%
Q1 Q2 Q3
A tabela abaixo ilustra o seguinte:
Designação Interpretação Posição

/Notação
1º quartil = Q1 25% das observações
serão menores que P=0,25(n+1)
ele e 75% serão
maiores
2º quartil = Q2 = M e 50% das observações
ele e 50% serão
maiores
3º quartil = Q3 75% das observações
ele e 25% serão
maiores

48
WWW.ISMONITOR.AC.MZ
QUARTIS (DADOS NÃO AGRUPADOS NÚMERO DE OBSERVAÇÕES PARES)
Formula:
i ( N + 1)
Eqi =
4
Exemplo: Dado o conjunto X = 10;12;12;16;20;23;25;27 . Calcule o 1º e 3º quartil.
RESOLUÇÃO:
1º quartil
i ( N + 1) 1(8 + 1)
Eqi =  Eq1 = =2,25 (posição do1º elemento quartil)  Q1 = 12
4 4
Nota:
2,25 Corresponde (a 2ª posição =12 e a 3ª posição=12) i.é, a 25% da diferença entre 12 e 12
cujo resultado é adicionado ao valor que ocupa a 2ª posição.
12 – 12 = 0
0*0,25 =
Qi = 12 + 0 = 12
(2ª posição)
2º quartil
i ( N + 1) 3(8 + 1)
Eqi  Eq3 = =6,75 (posição do 3º elemento quartil)  Q3 = 24,5
4 4
Nota:
6,75 Corresponde (a 6ª posição =23 e a 7ª posição=25) i.é, a 75% da diferença entre 25 e 23
cujo resultado é adicionado ao valor que ocupa a 6ª posição.
25 – 23 = 2
2*0,75 =1,5
Qi = 23 + 1,5 = 24,5
(6ª posição)

49
WWW.ISMONITOR.AC.MZ
Significa que: 75% das observações são menores que 24,5 e 25% das observações são
maiores que 24,5.
QUARTIS (DADOS NÃO AGRUPADOS EM CLASSES COM NÚMERO DE

OBSERVAÇÕES IMPARES)
Exemplo:
Dado o conjunto X = 185;196;207;305;574;597;612. Calcule o 1º e 3º quartil.
RESOLUÇÃO:
i ( N + 1) 1(7 + 1)
Eqi =  Eq1 = =2,0 (posição do 1º elemento quartil)  Q1 = 196
4 4
i ( N + 1) 3(7 + 1)
Eqi =  Eq3 = =6,0 (posição do 3º elemento quartil)  Q3 = 597
4 4
QUARTIS ( DADOS AGRUPADOS EM CLASSES)
i*n  Eq − fac  ant 

Eqi = e Qi = li +  i *h
4  fclasse 
Onde:
• Eq i = Elemento quartil (localizado através da coluna das frequências acumuladas);
• l i = Limite inferior da posição onde se encontra o elemento quartil previamente calculado;
• fac  ant = Frequência acumulada da classe anterior;

• h = Amplitude da classe;
• fclasse = Frequência da classe.
Exemplo: Dada a tabela abaixo, calcule o Q1 e Q2 abaixo:

50
WWW.ISMONITOR.AC.MZ
Classe de notas fi
0 |– 2 27
2|–4 16
4 |– 6 34
6|–8 17
8 | - 10 16
- 5
f
i =1
i = 110
RESOLUÇÃO:
i*n  Eq − fac  ant 
Eqi = e Qi = li +  i *h
4  fclasse 
Classes de notas fi f ac  ant.
0 |– 2 27 27
2|–4 16 43
4 |– 6 34 77
6|–8 17 94
8 | - 10 16 110
- 5 -
f
i =1
i = 110
 Eq1 = 27,5 
l = 2; 
i 
1 * 110  
Eq1 = =27,5ª Posição (27º+0,5ºtermo  2 |– 4);  fac  ant = 27   Q1 =2,06
4  fclasse = 16 
 
h = 2 

51
WWW.ISMONITOR.AC.MZ
 Eq2 = 55 
l = 4; 
i 
2 *110 110  
Eq2 = = =55,0ª Posição (43º+12ºtermo  4| – 6) ;  fac  ant = 43  Q2
4 2  fclasse = 34 
 
h = 2 
=4,70
Interpretação dos resultados:

27,5 *100
Q1 = 2,06  25% Dos estudantes obtiveram a nota 2,06 ou menos  =25%
110
55 *100
Q2 = 4,70  50% Dos estudantes obtiveram a nota 4,70 ou menos  =50%
110
DECIL ( Di )
São valores que dividem o conjunto de dados ordenados (rol) em 10(dez) partes iguais.
Calculam-se apenas 9 decis, nomeadamente, D1 , D2 , D3 ,.... e D9
D1 D2 D3 D4 D5 D6 D7 D8 D9

/Notação
1º decil = D1 10% Das
observações serão P=0,10
menores que ele e (n+1)
90% serão maiores
... ... ...
5º decil = D5 = Q2 = M e 50% das observações
serão menores que P=0,50
ele e 50% serão (n+1)
maiores
9º decil = D9 90% das observações
serão menores que P=0,90
ele e 10% serão (n+1)
maiores

52
WWW.ISMONITOR.AC.MZ
DECIS (DADOS AGRUPADOS EM CLASSES)
in  Ed − fac  ant 
Ed i = e Di = li +  i *h
10  fclasse 
Onde:
Ed i = Elemento decil
l i = Limite inferior da posição onde se encontra o elemento decil previamente calculado
fac  ant = Frequência acumulada da classe anterior

h = Amplitude da classe
fclasse = Frequência da classe.
Exemplo:
Calcule D2 e D5 . Use a tabela do exemplo anterior das classes de notas
RESOLUÇÃO:
i*n  Ed − fac  ant 

Ed i = e Di = li +  i *h
10  fclasse 
 Ed 2 = 22 
l = 0; 
i 
2 * 110  
Ed 2 = =22,0ª Posição (22º termo  0 – 2);  fac  ant = 0  D2 =1,63
10  fclasse = 27 
 
h = 2 
 Ed 5 = 55 
l = 4; 
i 
5 * 110  
Ed 5 = =55,0ª Posição (43º+12ºtermo  4| –6) ;  fac  ant = 43  D5 =4,70
10  fclasse = 27 
 
h = 2 

53
WWW.ISMONITOR.AC.MZ
22,0 *100
D2 = 1,63  20% Dos estudantes obtiveram a nota 1,63 ou menos  =25%
110
55 *100
D5 = 4,70  50% Dos estudantes obtiveram a nota 4,70 ou menos  =50%
110
CENTIL ( C i )
São valores que dividem o conjunto de dados ordenados (rol) em 100 (cem) partes iguais.
Calculam-se apenas 99 decis, nomeadamente, C1 , C2 , C 3 ,.... e D99
C1 C2 C3 ... ... ... ... ... C99

/Notação
1º Centil = C1 1% Das observações
serão menores que ele P=0,01(n+1)
e 99% serão maiores
... ... ...
25º Centil = C 25 = Q1 25% das observações
... ... ...
50º Centil = C50 = Q2 50% das observações
... ... ...
75º Centil = C75 = Q3 75% das observações
... ... ...
99º Centil = C99 99% das observações
e 1% serão maiores

54
WWW.ISMONITOR.AC.MZ
in  Ec − fac  ant 
Eci = e Ci = l i +  i *h
100  fclasse 
Onde:
Eci = Elemento centil
l i = Limite inferior da posição onde se encontra o elemento centil previamente calculado
fac  ant = Frequência acumulada da classe anterior

h = Amplitude da classe
f classe = Frequência da classe.
Exemplo:
Calcule C 2 5 ;C5 0 e C75 a partir da tabela do exemplo das notas de classe
RESOLUÇÃO:
i*n  Ec − fac  ant 

Eci = e Ci = l i +  i *h
100  fclasse 
 Ec25 = 27,5 
l = 2 
i 
25 * 110  
Ec25 = =27,5ª Posição (27º+0,5ºtermo  2|–4) ;  fac  ant = 27   C 25 =2,06
100  fclasse = 16 
 
h = 2 
 Ec50 = 55 
l = 4 
i 
50 *110  
Ec50 = =55,0ª Posição (43º+12º termo  4|–6) ;  fac  ant = 43  C50 =4,71
100  fclasse = 34 
 
h = 2 

55
WWW.ISMONITOR.AC.MZ
27,5 *100
C25 = 2,06  25% Dos estudantes obtiveram a nota 2,06 ou menos  =25%.
110
55 *100
C50 = 4,71  50% Dos estudantes obtiveram a nota 4,71 ou menos  =50%.
110
EXERCÍCIOS DE APLICAÇÃO
Depois de ter lido com atenção, e apoiando-se nos conhecimentos adquiridos na disciplina
de Estatística I procure agora responder às seguintes questões:
1. “As vezes, a média pode ser um número diferente de todos os dados da série de dados
que ela representa”. Explique por palavras suas, em que circunstâncias é que acontecem.
2. A Federação de FUTSAL organizou jantar (Take Away) para 12 atletas. A cada atleta
cabia 1 frango. Dez dos atletas comeram a dose definida pela Federação ( 1 frango cada
um) e 2 dos atletas comeram 2 frangos inteiros cada um. Após o jantar, o Treinador
pergunta: Qual foi a média de frangos que os jogadores comeram. Qual deve ser a
resposta a dar ao Treinador.
3. Complete a tabela e calcule a média aritmética da distribuição
Nº horas de estudo fi fi . xi
realizadas (por dia) pelos
Estudantes do 1 º ano de
Psicologia
1 3
2 4
3 5
4 8
5 2
6 1

56
WWW.ISMONITOR.AC.MZ
4. Complete a tabela e calcule a média aritmética da distribuição.
Subsídio mensal de xi fi fi . xi
estudantes/ estagiários
Finalistas do ISM nas
Empresas Unid: (10^3)
4,5 |- 6,5 2
6,5 |- 8,5 6
8,5 |- 10,5 5
10,5 |- 12,5 10
12,5 |- 14,5 12
.
14,5 |- 16,5 4
Total - 39
5. Sejam dados os seguintes 5 testes de um mesmo estudante, contados na escala de 0 a 20

valores: 2;8;17;12;3 sabendo que os seus coeficientes são respectivamente 2;3;1;3;2
Calcule a média:
a) Aritmética;
b) Geométrica;
c) Quadrática;
d) Harmónica;
Usando a relação entre médias compare as médias das alinhas anteriores e, tire as suas
conclusões
Sugestão: Recurso Excel ou cálculo manual
6. Você deve estar recordado que, na disciplina Estatística I – unidade III foi abordada a
relação entre a média, mediana e moda.
a) A média é uma medida de tendência central mais usada, que a mediana. Entretanto
facilmente influenciada. Explique porquê usando palavras suas?
b) “A mediana não é tão influenciada pelos valores extremos”. Interprete a afirmação.

57
WWW.ISMONITOR.AC.MZ
c) Indique as vantagens e desvantagens da média, mediana e moda.
7. Dada a tabela:
Classes de fi
notas
0 |----2 27
2|----4 16
4|----6 34
6|----8 17
8|----10 16
- 5
f
i =1
i = 110
Calcule a moda pelo processo King.
8.Use a tabela do exercício anterior e calcule:

a) Q3 ;
b) D7 ;
c) C75 .
2.6 OUTRAS MEDIDAS DE DISPERSÃO
TEOREMA DE TCHEBICHEV
Teorema que utiliza o desvio padrão para dar informação sobre uma distribuição de dados.
O Teorema de Tchebichev trata acerca de uma relação entre a Média ( X ) e o Desvio-Padrão

(S) de um conjunto.
Podemos aprende-se este Teorema de uma forma quase que meramente visual. Veja o
exemplo abaixo:

58
WWW.ISMONITOR.AC.MZ
Esta curva é representativa de uma distribuição qualquer. Suponhamos que a Média esteja
mais ou menos no meio da curva.
O teorema vai fornecer o valor da Média, e o valor do Desvio-Padrão (S), também irá
fornecer dois limites, os quais vão definir um intervalo qualquer.
1ª) Qual a proporção máxima de elementos fora destes limites?

ou
2ª) Qual a proporção mínima de elementos dentro destes limites?
Suponhamos que para um conjunto qualquer, o valor da média é igual a 100 (cem) e o desvio-
padrão é igual a 10 (dez). Estabeleçendo um intervalo, que vai de 70 a 130.
Qual a proporção máxima de elementos do conjunto que está fora desse intervalo?
Desenhando a questão, teremos:
70 100 130

59
WWW.ISMONITOR.AC.MZ
Quem for bom observador já percebeu que a distância entre a média e o limite superior do
intervalo será a mesma entre a média e o limite inferior. Ou seja, os limites são equidistantes
da Média. Chamando essa distância de D, teremos:
70 100 130
D D
1ª) Qual a proporção máxima dos elementos do conjunto fora do intervalo 70 a 130? Essa
pergunta seria representada ilustrativamente assim:
70 100 130
2ª) Qual a proporção mínima dos elementos do conjunto dentro do intervalo 70 a 130?
Essa pergunta seria representada ilustrativamente assim:

60
WWW.ISMONITOR.AC.MZ
70 100 130
Para responder à primeira pergunta, relativa à proporção máxima fora do intervalo,

realizaremos os seguintes passos:
1º Passo) Calculamos o valor D que é a diferença entre qualquer dos limites do intervalo e a
média do conjunto.
70 100 130
D D
No caso deste exemplo, teríamos D=30.

61
WWW.ISMONITOR.AC.MZ
2º Passo) Calcularemos o valor da fração (D/Desvio-Padrão), a qual chamaremos de K.
Ou seja:
D
K= S
Com os dados do nosso exemplo, encontraremos que:

K=(30/10)=3,0
3º Passo) Aplicação direta da fórmula de Tchebichev.
1
2
PMÁXIMA= K
Teremos, pois, que:
1 1
2
= = 0,1111
→ PMÁXIMA= 3 9 =11,11%
Ou seja: 11,11% é a proporção máxima dos elementos do conjunto que estão fora daquele
intervalo (70 a 130).
Uma vez conhecedores da PMÁXIMA fora do intervalo estabelecido, sem maiores problemas
chegaremos à pmínima dos elementos dentro do mesmo intervalo.
→ pmínima = 1 – PMÁXIMA
Para o mesmo exemplo, teríamos que:
→ pmínima = 1 – PMÁXIMA → pmínima=1-0,1111=0,8889=88,89

62
WWW.ISMONITOR.AC.MZ
EXEMPLO
As realizações anuais Xi dos salários anuais de uma firma com N os trabalhadores

produziram as estatísticas:
Seja P a proporção de empregados com salários fora do intervalo [R$ 12.500,00; R$

16.100,00]. Assinale a opção correta.
a) P é no máximo 1/2
b) P é no máximo 1/1,5
c) P é no mínimo 1/2
d) P é no máximo 1/2,25
e) P é no máximo 1/20
Sol.: Observemos que o enunciado pergunta por uma proporção que estará fora de um
determinado intervalo. Daí, sabemos imediatamente que se tratará de uma proporção
máxima.
1º Passo) Calculamos o valor D que é a diferença entre qualquer dos limites do intervalo e a
média do conjunto.
12500 14300 16100
D D
Daí, teremos que: D=1.800
2º Passo) Calcularemos o valor da fração K. Teremos:

63
WWW.ISMONITOR.AC.MZ
D
→ K= S → K=(1800/1200)=1,5
3º Passo) Aplicação direta da fórmula de Tcheb.
1
2
PMÁXIMA= K
Teremos, pois, que:
1 1
2
=
→ PMÁXIMA= 1,5 2,25 → Resposta!
EXERCICIOS DE APLICAÇÃO
1. Tem-se um conjunto de n mensurações X1, ... , Xn com média aritmética M e variância

S2, onde M = (X1 + ... + Xn )/ n e S2 = (1/ n) i ( Xi – M )2 . Seja  a proporção dessas
mensurações que diferem de M, em valor absoluto, por pelo menos 2S. Assinale a opção
correta.
a) Apenas com o conhecimento de M e S não podemos determinar 

exatamente, mas sabe-se que 0,25  .
b) O conhecimento de M e S é suficiente para determinar  exatamente, na

realidade tem-se  = 5% para qualquer conjunto de dados X1, ... , Xn.
c) O conhecimento de M e S é suficiente para determinar  exatamente, na realidade

tem-se  = 95% para qualquer conjunto de dados X1, ... , Xn.
d) O conhecimento de M e S é suficiente para determinar  exatamente, na realidade

tem-se  = 30% para qualquer conjunto de dados X1, ... , Xn.

64
WWW.ISMONITOR.AC.MZ
e) O conhecimento de M e S é suficiente para determinar  exatamente, na
realidade tem-se  = 15% para qualquer conjunto de dados X1, ... , Xn.
2. Sejam X1, X2, X3, ... , Xn observações de um atributo X. Sejam

1 n
x=  xi
n i =1
1 n
s2 =  (xi − x )2
n i =1
Assinale a opção correta.
a) Pelo menos 95% das observações de X diferem de x em valor absoluto por menos que
2S.
b) Pelo menos 99% das observações de X diferem de x em valor absoluto por menos que
2S.
c) Pelo menos 75% das observações de X diferem de x em valor absoluto por menos que
2S.
d) Pelo menos 80% das observações de X diferem de x em valor absoluto por menos que
2S.
e) Pelo menos 90% das observações de X diferem de x em valor absoluto por menos que
2S.
OUTLIERS
Outliers são observações que apresentam um grande afastamento das restantes, são também
designados por observações anormais, contaminantes ou extremas. A preocupação com o
tratamento deste tipo de observações e antiga e as opiniões quanto ao seu tratamento não são
unânimes, uns acreditam que a melhor forma de lidar com outliers seria a sua eliminação da
análise, enquanto outros defendem que todas as observações devem contribuir com igual
peso para o resultado final.
As principais causas do aparecimento dos outlies são:
• Erros de medição;
• Erros de execução;
• Variabilidade inerente dos elementos da população.

65
WWW.ISMONITOR.AC.MZ
São inúmeras as aplicações práticas dos outliers de entre elas podemos ver:
• Detecção de fraudes;
• Comportamento de gastos de consumidores;
• Análise de médicas;
• Pesquisa farmacêutica;
• Marketing.
O estudo dos outliers e efectuado em 3 fases

• Identificação das observações – por análise gráfica ou observação directa dos dados
que têm fortes possibilidades de serem outliers;
• Eliminação da subjectividade – testes efectuados as observações candidatas a
outliers, as observações são testadas quanto a sua discordância e diz-se uma
observação discordante se puder se considerar inconsistente com os restantes valores;
• O que fazer com as observações discordantes – a forma mais simples de se lidar
com estas observações seria a sua eliminação porem são dados que podem conter
informações relevantes sobre as características subjacentes aos dados que se podem
tornar decisivas no conhecimento ou caracterização da população a qual pertence a
amostra em estudo.

66
WWW.ISMONITOR.AC.MZ
QUADRO SINÓPTICO
TEMA SUB-TEMA RELEVÂNCIA
1. Introdução a Estatística 1.1Considerações gerais i) A importância da

Aplicada a Psicologia Estatística na Psicologia
1.2 Definições básicas i) Conceitos estatísticos

básicos de revisão
1.3 Método Estatístico i)Identificação do

problema
i)Colecta de dados
i)Crítica dos dados
i) Apresentação dos dados
i) Análise e interpretação
dos dados
2. Estatística Descritiva 2.1Distribuição de i) Definição dos

Frequências componentes de uma
tabela de frequência
i) Passos para elaboração
de uma tabela de
frequência
2.2 Medidas de tendência i)Media

central i)Moda
i) Mediana
2.3Medidas Separatrizes i) Quartil

i)Decil
i)Centil
2.4 Outras medidas de i) Teorema de Tchebichev

Dispersão i) Outliers

67
WWW.ISMONITOR.AC.MZ
SUGESTÕES DE LEITURA
• CRESPO A. (1997). Estatística Fácil. 15ª Edição, Brasil, Editora Saraiva.
• MARTINS, G. (2002). Estatística Geral Aplicada. 2ª Edição, Brasil, Editora Atlas.
• REIS E. (1996). Estatística Descritiva. 3ª Edição, Lisboa, Edições Sílabo.
• SPIEGEL, M. & Schiller, R. (2004). Probabilidades e Estatística. 2ª Edição, Brasil,

Editora Bookman.
• TOLEDO, G. & Ovalle, I. (1992). Estatística Básica. 2ª Edição, Brasil, Editora

Atlas.
• MULENGA, A (2000). Introdução à Estatística
Web Sites
http://www.somatematica.com.br/estat/basica/exercicios1.php, acedido a 07/03/2011
https://online.isegi.unl.pt/Classificacoes/Parciais/23_2009261822.pdf acedido a
07/03/2011

68
WWW.ISMONITOR.AC.MZ

Unidade I - Estatística Aplicada A Psicologia PDF

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

Unidade I - Estatística Aplicada A Psicologia PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Estatística

Todos os direitos reservados por:

Bem-vindo (a) ao ISM e a disciplina de Estatística aplicada a Psicologia!

Esta unidade é uma continuidade a disciplinas de Estatística I e II e faz parte de um conjunto

A disciplina de Estatística Aplicada a Psicologia – tem como objectivo apoiar ao estudante

A disciplina foi dividida em (três) unidades, para as quais se estabeleceram os seguintes

A primeira unidade apresenta notas introdutórias e estatística Descritiva”, nela pretende-se

Na terceira unidade dar-se-á continuidade do estudo da amostragem e vai se introduzir o

No final de cada unidade é providenciada uma lista de bibliografia e de referências na internet

INSTITUTO SUPERIOR MONITOR

INSTITUTO SUPERIOR MONITOR

No final da primeira unidade os estudantes deverão ser capazes de:

▪ Compreender o principal papel da Estatística Aplicada à Psicologia, nos diversos

▪ Adquirir vocabulário específico e dominar a linguagem própria da Estatística,

▪ Conhecer procedimentos de investigação científica rigorosos e ter consciência do

▪ Compreender e aplicar conceitos básicos da estatística descritiva e métodos simples

INSTITUTO SUPERIOR MONITOR

O primeiro capítulo introduz os estudantes aos aspectos primários relacionados com o

O segundo capítulo estuda a estatística descritiva também chamada análise exploratória de

Recomenda-se que leia atentamente as generalidades desta unidade antes de iniciar os

INSTITUTO SUPERIOR MONITOR

No final deste capítulo, o estudante deverá ser capaz de:

1.1 CONSIDERAÇÕES GERAIS

INSTITUTO SUPERIOR MONITOR

1.2 CONCEITOS BÁSICOS

É a parte da estatística que se ocupa com a extrapolação ou inferência, em relação a um dado

INSTITUTO SUPERIOR MONITOR

• Colectivos ou de massa - A evolução dos casos de infecção pelo HIV em 65%;

• Características Amostrais: São chamadas de estatísticas de medidas descritivas;

INSTITUTO SUPERIOR MONITOR

VARIÁVEIS (ESCALAS) NOMINAIS

Condições para a utilização de variáveis nominais:

• Divisão completa e coerente de acordo com um único critério;

INSTITUTO SUPERIOR MONITOR

CIRCUITO DA INFORMAÇÃO ESTATÍSTICA

O circuito da informação estatística é composto pelos seguintes intervenientes:

INSTITUTO SUPERIOR MONITOR

Contínua – quando é feita continuamente (registo de nascimentos e óbitos);

INSTITUTO SUPERIOR MONITOR

Análise e Interpretação dos Resultados

1. Comente a seguinte afirmação, exemplificando!

“A amostra é utilizada quando não é possível ou é difícil estudar toda a população. A

INSTITUTO SUPERIOR MONITOR

5. Das variáveis que se seguem distinga as discretas e contínuas:

INSTITUTO SUPERIOR MONITOR

INSTITUTO SUPERIOR MONITOR

No final deste capítulo o estudante deverá ser capaz de:

2.1 DISTRIBUIÇÃO DE FREQUÊNCIA

Os dados estatísticos podem ser ordenados com base na elaboração de “tabelas de

• Dados não agrupados (ou não tabulados em classes);

DADOS BRUTOS: são dados não numericamente organizados.

INSTITUTO SUPERIOR MONITOR

LIMITE SUPERIOR (LS): é o maior número do intervalo de classe considerado.

As distribuições de frequências podem ser de:

Frequências de dados agrupados em classes: distribuição utilizada para o caso do número

INSTITUTO SUPERIOR MONITOR

Classe de Menor Frequência - É aquela em que a Frequência é menor

Frequência (Simples) Absoluta ( f i ) – É o número de repetições (Observações de um valor

Frequência (Simples) Relativa ( f r ) – É a proporção de observações de um valor

Frequência Absoluta Acumulada “Abaixo de” Uma Classe ou de um Valor Individual.

( F+ ) = ( F ) – É a soma da frequência (simples) absoluta dessa classe (ou ordem) com as

Frequência Absoluta Acumulada “Acima de” Uma Classe ou de um Valor Individual

( F− ) = ( F ) – É a soma da frequência (simples) absoluta dessa classe (ou ordem) com as