UNIVERSIDADE CATÓLICA DE MOÇAMBIQUE

Instituto de educação á distância

Medidas de tendência central

Estudante: Awasse João Ambasse - 708215798

Curso: Licenciatura em Administração Pública

Disciplina: Estatística

Nível: 1º Ano—IED

Docente: Ricardina Jacinto Francisco Leitão Sousa

Nampula, Maio de 2022

 Folha de Feedback
Classificação
Not
Categorias Indicadores Padrões Pontuaçãomáxim Subtota
a do
a l
tutor
 Capa 0.5
 Índice 0.5
Aspectos
 Introdução 0.5
Estrutura organizacionai
s  Discussão 0.5
 Conclusão 0.5
 Bibliografia 0.5
 Contextualização
(Indicação clara do 1.0
problema)
Introdução
 Descrição dos objectivos 1.0

 Metodologia adequada ao
2.0
objecto do trabalho
 Articulação e domínio do
discurso académico
Conteúdo 2.0
(expressão escrita cuidada,
coerência / coesão textual)
Análise e
 Revisão bibliográfica
discussão
nacional e internacionais
2.
relevantes na área de
estudo
 Exploração dos dados 2.0
 Contributosteóricosprático
Conclusão 2.0
s
 Paginação, tipo e tamanho
Aspectos
Formatação de letra, paragrafo, 1.0
gerais
espaçamento entre linhas
Normas APA
Referências  Rigor e coerência das
6ª edição em
Bibliográfica citações/referências 4.0
citações e
s bibliográficas
bibliografia
Folha para recomendações de melhoria: a ser preenchida pelo tutor
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________
Índice

Introdução..........................................................................................................................4

Medidas de tendência central............................................................................................5

Media aritmética................................................................................................................5

Média aritmética ponderada..............................................................................................6

Mediana.............................................................................................................................7

Moda................................................................................................................................10

Conclusão........................................................................................................................14

Referencias bibliográficas...............................................................................................15

3
Introdução
O trabalho fala das medidas de tendência central ou de posição, essas medidas são
importantes na interpretação de dados estatísticos.

O objectivo fundamental da estatística é o de caracterizar (ou inferir sobre) uma

população conhecendo apenas uma parte dela. Neste caso, a verdadeira arte está no
observador que tem de ser capaz de ver o que está encoberto só com base na quilo que
consegue observar. Para tal reunimos um conjunto de conceitos de estatística e de
métodos de análise considerados fundamentais para analisar dados estatístico.

Objectivos do trabalho

 Determinar a média, moda, mediana, quartís,decís e percentís ;

 Interpretar as medidas de localização

4
Medidas de tendência central

Para Murteira, Ribeiro et al (2007), as medidas de localização informam sobre a

localização de alguns valores importantes da distribuição. Estas medidas classificam-se
em dois tipos:

1. Medidas de tendência central: representam os fenómenos pelos seus valores

médios, em torno dos quais tendem a concentrar-se os valores observados.
2. Medidas de tendência não central: fornecem a localização dos valores da
variável.

Media aritmética

Emprega-se a média quando desejamos obter uma medida de posição de maior

estabilidade e quando houver necessidade de tratamento algébrico ulterior.

Chama-se média aritmética ou média de um conjunto de números x 1 , x 2 , x 3 , x 4 … x ne

representa-se por x e definido por:

 Para dados simples ou não agrupados

x 1+ x 2 +…+ x n
x=
n

Pelo símbolo do somatório teremos

n n

∑ xi ∑ xi
i=1
x= ou x= i=1
n n

∑ fi
i=1

Exemplos:

As alturas de 5 árvores são:2 , 3 ,2 , 4 ,5 metros. Calcular a média das alturas das árvores.

Resolução

Dados

n=5

x 1+ x 2 +…+ x n 2+ 3+2+4 +5 16
x= = = =3,2
n 5 5
5
A altura das 5 arvores é de 3,2 metros

 Para dados classificados

∑ f i xi
f 1 x 1+ f 2 x2 +…+ f n x n i=1
x= =
n n

Exemplos: Consideremos a variável idade (em anos) dos alunos da 10ª classe cuja a
distribuição é dada pela tabela:

Xi(idade) 13 14 15 16 17

Fi 2 7 9 3 2

Resolução

∑ f i xi 2 ×13+7 × 14+9 × 15+3 ×16+2 ×17 341

i=1
x= = = =14,83
n 23 23

A idade media é de 14,83 anos.

 Para dados ponderados

Associam se os números x 1 , x 2 , x 3 … x k a certos factores de ponderação ou pesos

w 1 , w 2 , … , w k que dependem do significado ou importância atribuída aos números.
Neste caso:

w 1 x i+ w2 x 2+ w3 x3 …+ wn x n i=1
∑ w i xi
x= = n
w1 +w 2+ w3 +w 3
∑ wi
i=1

Exemplos: Um aluno obteve no primeiro bimestre em Estatística, respectivamente, 6, 7

e prova final 8 e os pesos das provas são respectivamente¨3,2 e 5. Achar a média final
do 1º trimestre.

Resolução

3 ×6+2 ×7 +5× 8 18+14+ 40 72

x= = = =7,2
10 10 10

6
Média aritmética ponderada

Como as frequências são números indicadores da intensidade de cada valor, elas

funcionam como factores de ponderação.

Para dados agrupados em classe

∑ fi× Pm
x= i=1 k

∑ fi
i=1

Li+li
Onde pm é o ponto medio de cada classe dado por, pm=
2

Li –limite superior da classe li- limite inferior da classe

Exemplo

Consideremos a variável altura(em metros) dos alunos de uma turma da 10ª classe.

Alturas(em m) fi Xi fiXi

[1,45; 1,50[ 2 1,475 2,95

[1,50; 1,55[ 4 1,525 6,10

[1,55; 1,60[ 5 1,575 7,875

[1,60; 1,65[ 7 1,625 11,375

[1,65; 1,70[ 3 1,675 5,025

[1,70; 1,75[ 2 1,725 3,45

n= 23 36,775

Resolução

∑ fi× Pm 36,775
i=1
x= = =1,6
k
23
∑ fi
i=1

Para além da média aritmética, existem outros tipos de média como: média harmónica,
média geométrica e média quadrática.
7
Mediana

Mediana é um valor central de um rol, isto é, o valor que divide um conjunto de dados
ordenados (crescente ou decrescente) em duas partes iguais. E representa-se por: Me ou
Md ou ~x.

A mediana é a medida de posição ou tendencia central que divide a serie estatística em

duas partes iguais, ou seja, é o valor da variável que estatística precedida por 50% das
observações.

Sejam x1,x2,x3,…,xn, n dados estatísticos ordenados, se:

 n é ímpar, o valor da variável que ocupa a posição central(mediana) é Me= X k ,

com

n+1
k= Indica a posição do elemento medio.
2

 n é par

x k + x k+1 n n
Me= , k 1= e k 2= +1
2 2 2

Exemplo: Para dados simples

Consideremos dois conjuntos de elementos: A={2,7,13,5,9,15,22} e

B={7,16,2,10 ,5,9 }. Determinemos a mediana de cada conjunto.

Para o conjunto A:

1º ordenar os dados: A={2 , 5 ,7 , 9 , 13 ,15 , 22 }

7 +1 ⇒
2º como n é impar, k = =4 ❑ x 4 =Me=9
2

Para o conjunto B:

1º ordenar os dados: B={2 ,5 , 7,9 ,10 , 16 }

2º neste caso, n é par,

n 6 ⇒
k = = =3❑ k 2=k 1+1=3+1=4 , assim x 3=7 e x 4=9
2 2

8
 x k + x k+1 7+ 9
Me= = =8
2 2

Consideremos a tabela das idades dos alunos da duma turma da 10ª classe

Idade(em anos) Xi Frequência fi Fi

13 2 2

14 7 9

15 9 18

16 3 21

17 2 23

n=23

n+ 1 23+1
k= = =12 ⇒ Me= X 12=15 anos
2 2

O número 12 indica a posição do elemento mediana e procura-se na Fi. E nesta posição

encontramos a idade 15. Porque de 10 a 18 encontramos uma sequência de 15

2- se n é par

Consideremos os dados da seguinte tabela:

xi Fi Fi

33 6 6

45 11 17

87 17 34

88 9 43

91 5 48

N=48

n 48
k 1 = = =24
2 2
K 2=k 1+1=24+1=25.

9
Como se pode ver na tabela, de 18 a 34 encontramos uma sequência de 87 isto significa
que na posição 24 e 25 temos o mesmo valor ou seja X 24 =X 25 =87 assim,
x24 + x 25
Me= =87
coincidentemente, 2

Dados em tabelas agrupados em classe

Para calcular a mediana em dados agrupados em classes usa-se a expressão

Md=liMd
(+ n2 )−Fa × h
fac

n
Onde l Me -limite inferior da classe mediana; - elemento mediano, n, pode ser par ou
2
ímpar.

fa- frequência absoluta da classe mediana, h - amplitude da classe mediana, Fa - ant-

frequência absoluta acumulada a anterior a classe mediana.

Exemplo. Consideremos a tabela abaixo das alturas dos alunos da 10ª classe

Alturas (em m) fi Fi

[1,45; 1,50[ 2 23

[1,50; 1,55[ 4 21

[1,55; 1,60[ 5 17

[1,60; 1,65[ 7 12

[1,65; 1,70[ 3 5

[1,70; 1,75[ 2 2

n= 23

n 23
= =11,5, é o elemento mediano que indica a posição da classe mediana, e
2 2
observando na tabela a coluna de Fi podemos ver que de 6 a 12 temos uma sequência da
classe ¿ Logo na posição 11,5 temos classe mediana ¿; l Me .=1,60 ,
f Me=7 , h=0,05 , Fa=5

10
 Md=liMd
(+ n2 )−Fa × h=1,60+ 11,5−5 ×0,05=1,60+0,046 ≈ 1,65
fac 7

Moda

Segundo Guimarães & Cabral (2010), chama-se moda ou valor modal da distribuição de
frequências ao valor da variável que corresponde a maior frequência.

Chama-se moda de um conjunto de n dados, x 1 , x 2 , … , x n de uma variável estatística, ao

dado que ocorre com maior frequência e representa se por Mo .

Para um conjunto de dados, pode existir mais do que uma ou até nem existir moda.

 se num conjunto de dados existir uma moda, diz-se unimodal

 se o conjunto de dados tiver duas modas, ele diz se bimodal
 se o conjunto de dados tiver mais que duas modas, ele diz se multimodal ou
plurimodal
 se o conjunto de dados não tiver modas, ele diz se amodal. Ex.
4,1,3,5,7,4,3,1,5,7.
Para dados agrupados em classes, utilizamos diversos processos na sua obtenção. Mas o
primeiro passo é identificar a classe modal.
Moda bruta

É o processo mais elementar, basta tomar o ponto médio da classe modal.

Processo de Czuber

Leva em consideração as frequências anteriores e posteriores `a classe modal.

d1
Mod=l iMod + ×h
d 1+ d 2

Onde Mod é a moda, Limod - limite inferior da classe modal d1 e d2 são frequências
absolutas, d2 é frequência absoluta posterior e d1 frequencia absoluta anterior.

Exercícios:

São fornecidos os seguintes dados das idades dos alunos da 12ª da Escola Secundaria de
Nampula,

11
20 13 10 18 23 10 5 2 21 18 20 13
15 16 17 11 10 3 4 2 6 10 8
9 20 21 11 10 9 10 26 5 7 12
11 9 20 28 24 25 20 19 16 18 16
17 28 14 9 13
Determine:

3. a idade media dos alunos

4. a mediana das idades
5. a idade mais frequente

Resolução
Resolução:
1. Organizando em o rol:
2 2 3 4 5 5 6 7 8 9
9 9 9 10 10 10 10 10 10 11
11 11 12 13 13 13 14 15 16 16
16 17 17 18 18 18 19 20 20 20
20 20 21 21 23 24 25 26 28 28
Organizando os dados em classe n=50
Primeiro acharemos a amplitude total, amplitude da Classe, o numero de classes:
AT =X max −X min =28−2=26
⇔ ⇒
k =1+3,32× log n❑ k=1+3,32 ×1,69897❑ k =6,64 ≈ 7
AT 26
h= = =3,7 ≈ 4
k 7
Tabela 2: Distribuição de frequências
Fra
Classes fi xi fi*xi fiac fr c fr% ( x− X) (x− X)2 (x− X)2 fi
[2; 6[ 6 4 24 6 0.12 0.12 12% -10.48 109.83 658.98
[6; 10[ 7 8 56 13 0.14 0.26 14% -6.48 41.99 293.93
[10; 14[ 13 12 156 26 0.26 0.52 26% -2.48 6.15 79.96
[14; 18[ 7 16 112 33 0.14 0.66 14% 1.52 2.31 16.17
[18; 22[ 11 20 220 44 0.22 0.88 22% 5.52 30.47 335.17
[22; 26[ 3 24 72 47 0.06 0.94 6% 9.52 90.63 271.89
[26; 30[ 3 28 84 50 0.06 1 6% 13.52 182.79 548.371

12
 100
  50   724   1   %   464.17 2204.48

2. Determinando a media:
k

∑ fi × xi 724
Med= i=1 = =14,48
n 50
3. Determinando a mediana:

Md=liMd
(+ n2 )−Fa × h❑ Md =10+ 502 −13 × 4=10+3,692=13,692
⇔

fac 13
4. O tempo mais frequente.
d1 13−7
Mod=li Mod + × h=10+ × 4=10+2=12
d 1 +d 2 ( 13−7 )+(13−7)

13
Conclusão

A importância das medidas consideradas está dependente do tipo de variável estatística,

da distribuição dos dados e do objectivo que se tem em vista.
Das três medidas acima referidas, a mais importante é a média seguida da mediana e
finalmente a moda. Na maioria dos estudos, o conhecimento das 3 medidas proporciona
uma melhor descrição do fenómeno ou acontecimento.
A mediana é preferível à média quando se está interessado em conhecer o ponto médio
da distribuição, aquele valor que divide um rol de dados em duas partes iguais.
A moda revela a sua importância perante o estudo de caracteres qualitativos, já que
tanto a média como a mediana são medidas aplicáveis apenas a caracteres quantitativos.

14
Referencias bibliográficas

Guimarães, R. C. e Cabral, J. A. S. (2010). Estatística. 2ª Edição. Verlag Dashöfer.

Murteira, B., Ribeiro, C. S., Silva, J. A. e Pimenta, C. (2007). Introdução à estatística.
McGraw-Hill.
Newbold, P., Carlson, W. e Thorne, B. (2013). Statistics for business and economics. 8ª
Edição. Pearson.

15