Estatística I: 2. Estatísticas Descritivas e Apresentação de Dados

03/10/2022
2. Estatísticas
ESGHT -Descritivas
UAlg
Estatística I
2. Estatísticas Descritivas e
Apresentação de Dados
Lara Noronha Ferreira
Lnferrei@ualg.pt
Estatística I 1 Lara N. Ferreira
1
03/10/2022
2. Estatísticas Descritivas
2.1. Introdução
Existem diferentes tipos de dados: (1)
 Dados Seccionais:
Quando os valores se referem a um conjunto de indivíduos num certo
momento do tempo (por exemplo, os valores referentes à população
de vários países no ano de 2015).
 Dados Temporais ou Cronológicos:

Quando os valores se referem a um indivíduo ao longo de vários
períodos do tempo (por exemplo, valores da população do país A de
1995 a 2018).
2
03/10/2022
2.1. Introdução
Existem diferentes tipos de dados: (2)
 Dados em Painel:
Quando os valores se referem a um conjunto de indivíduos ao longo
de vários períodos do tempo (por exemplo, a população anual de
vários países de 1975 a 1998).
Consoante o tipo de dados e de variáveis, diferentes métodos

de sintetização de dados podem ser aplicados usando:
• Tabelas
• Gráficos
• Medidas descritivas
3
03/10/2022
2.2. Tabelas
As tabelas apresentam um sumário dos dados do ficheiro,

normalmente em forma de frequências, e podem ser de
dois tipos:
1 – Tabelas simples
Apresentam informação para as categorias (ou valores) de
uma única variável qualitativa ou quantitativa
2 – Tabelas de dupla entrada (ou de contingência)
Apresentam informação para duas (ou mais) variáveis em
simultâneo, resultante do cruzamento das suas categorias
4
03/10/2022
2.2. Tabelas
É desejável que as tabelas incluam:
• Título, indicando de modo preciso e sintético o

campo de informação;
• Designação para as linhas e colunas;
• Fonte de informação para permitir o controlo da
fiabilidade da informação;
• Período de tempo a que respeita a informação;
• Unidade de medida utilizada
5
03/10/2022
2.2. Tabelas
Exemplo: Tabela simples com informação sobre o número de

empregados por sector de atividade:
Tabela 1 – Emprego civil segundo o sector de atividade em

Portugal durante o ano de 2021
Sector de Actividade Efectivos (milhares)
Sector Primário 845,1

Sector Secundário 1624,5
Sector Terciário 2225,4
TOTAL 4695
Fonte: INE; Inquérito ao Emprego, citado em INE, Portugal Social, p.41
6
03/10/2022
2.2. Tabelas
Exemplo: Tabela de dupla entrada com informação sobre o número de

empregados por sector de atividade e sexo:
Tabela 2 – Emprego civil por sector de atividade e género em

Portugal durante o ano de 2021
Sector de Actividade (milhares)

Sexo
Género Primário Secundário Terciário TOTAL
Homens 427,2 1108 1164,4 2699,6
Mulheres 417,9 516,5 1061 1995,4
TOTAL 845,1 1624,5 2225,4 4695
Fonte: INE; Inquérito ao Emprego
7
03/10/2022
2.3. Gráficos
Os gráficos são utilizados para ilustrar de modo simples e intuitivo
a distribuição da informação.
Existem vários tipos de gráficos, que devem ser aplicados em

função do tipo de dados e de variáveis.
Alguns tipos de gráficos:

1 – Gráfico de barras
2 – Gráfico circular
3 – Histograma
4 – Polígonos de frequências
5 – Diagrama de dispersão
6 – Cronograma
8
03/10/2022
2.3. Gráficos
2.1. Gráficos de Barras
São gráficos em que as categorias (os valores) da variável em

estudo são representados por barras cuja altura ou comprimento
representa a frequência (absoluta ou relativa).
Podem ser usados para representar dados seccionais de

variáveis qualitativas ou quantitativas discretas.
9
03/10/2022
2.3. Gráficos
2.1. Gráficos de Barras
Exemplo: Gráfico de barras para Exemplo: Gráfico de barras para

uma variável qualitativa duas variáveis qualitativas
2225,4
2500
2500
2000 1624,5
2000
milhares
1500
Milhares
845,1 1500
1000
1000
500
500
0
0
Sector Primário Sector Secundário Sector Terciário
Primário Secundário Terciário
Sector de Actividade Sector de Actividade
Homens Mulheres
Gráfico 1 – Emprego em Portugal Gráfico 2 – Emprego em Portugal segundo
segundo o sector de actividade, em 2021 o sector de actividade e sexo, em 2021
10
03/10/2022
2.3. Gráficos
2.2. Gráficos Circulares
Nestes gráficos um círculo é dividido em partes (“fatias”)

proporcionais à frequência (número ou percentagem) de cada
categoria da característica em estudo.
Podem ser usados para representar dados seccionais de

variáveis qualitativas ou quantitativas discretas.
11
03/10/2022
2.3. Gráficos
2.2. Gráficos Circulares
Exemplo: Gráfico circular para uma variável qualitativa
Sector Terciário
Sector Primário
47%
18%
Sector
Secundário
35%
Gráfico 2 – Emprego em Portugal segundo

o sector de actividade, em 2021 (em%)
12
03/10/2022
2.3. Gráficos
2.3. Histogramas
São gráficos usados para representar a distribuição de
frequências de uma variável quantitativa em classes, nos
quais as frequências são representadas por retângulos.
Exemplo: Distâncias percorridas por vendedores
40
Distâncias Frequência
35
Frequencia
400-419 12 30
25
420-439 27
20
440-459 34 15
460-479 24 10
5
480-499 15
0
400-419 420-439 440-459 460-479 480-499 500-519
500-519 8
Distância
13
03/10/2022
2.3. Gráficos
2.4. Polígono de frequências
É um gráfico formado a partir do histograma, através da união
dos pontos médios da parte superior dos retângulos.
Exemplo: Distâncias percorridas por vendedores

40
Distâncias Frequência
35
400-419 12 30
Frequency 25
420-439 27
20
440-459 34 15
10
460-479 24 5
0
480-499 15 409,5 429,5 449,5 469,5 489,5 509,5
Class mid-point miles
500-519 8
14
03/10/2022
2.3. Gráficos
2.5. Diagrama de dispersão
São gráficos de pontos usados para ilustrar a forma da relação
existente entre duas variáveis quantitativas (dados seccionais).
Exemplo: Diagrama de dispersão entre o volume de vendas e o

salário dos vendedores
1400
Salário dos vendedores
1200
1000
800
600
400
200
0
0 10 20 30 40 50 60
Volume de vendas
15
03/10/2022
2.3. Gráficos
2.6. Cronograma
São gráficos de linhas que ilustram a evolução de variáveis
quantitativas ao longo do tempo (dados temporais).
Exemplo: Cronograma do volume de vendas mensal

1200
Volume de 1000
vendas
800
600
400
200
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Meses (período temporal)

16
03/10/2022
2.4. Medidas descritivas

Existem algumas medidas que permitem representar um conjunto de
dados quantitativos de forma resumida
possibilitam também comparar diferentes conjuntos de dados
Medidas Descritivas
Estas medidas descritivas (parâmetros se se referirem à população

e estatísticas se se referirem à amostra):
 permitem sumariar os dados através de um só valor

 devem obedecer a algumas propriedades para serem
consideradas boas medidas de descrição dos fenómenos em estudo
17
03/10/2022

 objectividade
 dependência de todas as observações
 significado bem preciso para a sua
interpretação
Propriedades  facilidade de cálculo
 pouca variabilidade às flutuações da
amostragem
 facilidade de manejo no cálculo
algébrico.
mas, não existem medidas descritivas que satisfaçam todas as propriedades.
As que verificam umas propriedades, não satisfazem em geral as outras.
18
03/10/2022
As medidas descritivas classificam-se em:
• Tendência central
1 – Medidas de localização
• Tendência não central
2 – Medidas de dispersão
Observação:
3 – Medidas de assimetria Vai ser apresentada a indicação de
como estas medidas são
4 – Medidas de curtose denominadas em SPSS
5 – Medidas de concentração Descriptive Statistics
19
03/10/2022
2.5. Medidas de Localização
Medidas de localização de tendência central:
São as medidas descritivas que nos dão uma indicação dum valor central
ou médio em torno do qual se encontram os valores da variável.
Estas medidas descritivas classificam-se em:
 Aritmética (simples ou ponderada);

1 – Média  Geométrica;
 Harmónica.
2 – Mediana
3 – Moda
20
03/10/2022
Moda Mode
É o valor de um conjunto de dados que apresenta maior frequência.
O seu cálculo torna-se mais fácil se os dados estiverem ordenados.
Exemplo 2.1:
Considere os seguintes dados: 12 14 9 13 15 12
Mo = 12
21
03/10/2022
Mediana Median
É o valor central dum conjunto ordenado de dados, isto é, é o valor
que divide a distribuição em duas partes iguais.
Ao contrário da média, a mediana não é afectada por valores extremos.
Cálculo da mediana:
1. ordenar os dados
2. calcular a estatística de ordem do(s) elemento(s) central(is):
 se n for ímpar a mediana corresponde ao valor do elemento de
ordem: n  1
2
 se n for par a mediana será a média dos elementos centrais de
ordens: n e n  1
2 2
22
03/10/2022
Exemplo 2.2:
Considere os seguintes dados: 12 14 9 13 12
Passos para o cálculo da Mediana:
1. ordenação dos dados: 9 12 12 13 14
2. n=5 (n é ímpar)
n  1 5  1 6
   3 Me x3 Me =12
2 2 2
23
03/10/2022
Exemplo 2.3:
Considere os seguintes dados: 12 14 9 13 15 12
Passos para o cálculo da Mediana:
1. ordenação dos dados: 9 12 12 13 14 15
2. n=6 (n é par)
n 6
  3
2 2 x  x 12  13
Me 3 4 Me   12 . 5
n 6 2 2
 1   1  4
2 2
24
03/10/2022
Média aritmética simples Mean
É a soma de todos os valores observados dividida pelo número de

observações.
Para uma amostra de n elementos tem-se:
n - dimensão da amostra
xi - i-ésima observação da variável aleatória X
25
03/10/2022
Média aritmética ponderada Mean
Indica o valor médio de uma distribuição quando existem observações

que se repetem no conjunto de dados.
wi - ponderador da i-ésima observação
Frequentemente esta expressão toma a forma:
n - dimensão da amostra
xi - i-ésima observação da variável aleatória X
ni - número de vezes que a observação xi se repete (frequência absoluta)
26
03/10/2022
Exemplo 2.4:
As classificações que seis alunos x1 x2 x3 x4 x5 x6
obtiveram num teste de estatística
12 10 13 11 14 15
foram:
A média aritmética simples 12  10  13  11  14  15

x   12 , 5
é dada por: 6
Exemplo 2.5:
As classificações que seis alunos x1 x2 x3 x4 x5 x6 x7 x8
obtiveram num teste de estatística 10 14 12 12 14 18 12 10
foram:
A média aritmética ponderada 2  10  3  12  2  14  18

x   12 , 75
é dada por: 8
27
03/10/2022
Propriedades da Média aritmética:
1. A adição de uma constante, c, a todos os valores de uma variável X tem
como resultado uma média que vem adicionada da mesma constante
2. A multiplicação por uma constante, c, de todos os valores de uma

variável X tem como resultado uma média que vem multiplicada pela
mesma constante
3. A soma dos desvios em relação à média é nula

n
 (x  x)  0
i
i  1
4. A soma dos quadrados dos desvios em relação a um ponto a é

mínima quando o ponto a coincide com a média:
n
 (x i  a)2 é m in im o quando a  x
i  1
28
03/10/2022
Média geométrica
A média geométrica (Mg) é a raiz de índice n do produto dos dados.
n
Mg  n x1  x2  ...  xn  n x
i 1
i
 A Mg é utilizada quando se está em presença de fenómenos cujas

variações são proporcionais a um valor inicial;
 A utilidade e o significado da Mg podem ser ilustrados através de um

exemplo.
29
03/10/2022
Exemplo 2.6:
Admita-se que, nos últimos 4 anos, o PIB de um determinado país cresceu
2,5%; 1,7%; 2,2% e 3,5%. Se se denotar por PIB0 o valor do PIB no ano
anterior a este período, o seu valor no último ano será dado por:
PIB4 = (R1.R2.R3.R4).PIB0
Onde as razões de crescimento, Rn, são: R1 = 1 + 0,025
R2 = 1 + 0,017
R3 = 1 + 0,022
R4 = 1 + 0,035
Qual é a taxa média anual de crescimento do PIB?
Mg  4 1,025  1,017  1,022 1,035  1,0247  Taxa média anual = 2,47%

30
03/10/2022
Média harmónica
A média harmónica (Mh) é o inverso da média aritmética dos inversos
dos dados, xi (i=1, 2, ..., n).
1
Mh 
1 n 1

n i 1 xi
 A Mh é utilizada em situações onde a proporcionalidade inversa esteja
presente;
 A utilidade e o significado da Mh são igualmente ilustrados através de

um exemplo.
31
03/10/2022
Exemplo 2.7:
Um empreiteiro dispõe de 4 camiões cuja tarefa consiste em transportar
pedra desde uma pedreira até um porto. A pedra destina-se a formar o
ancoramento de um molhe em construção. Na tabela seguinte apresenta-se
o número de cargas efectuadas por cada camião num determinado turno de
8 horas e o valor correspondente do tempo médio por carga.
Camião Nº de cargas Tempo médio por

carga (minutos)
1 10 48
2 16 30
3 12 40
4 15 32
Relativamente ao conjunto de 4 camiões, qual é o tempo médio por carga?

32
03/10/2022
Pode-se calcular através de dois métodos:
1
1º método: Mh   36,2
1 1 1 1 1 
    
4  48 30 40 32 
2º método: X  4  8  60 1920 minutos

  36,2
10  16  12  15 53 camiões
33
03/10/2022
Medidas de localização de tendência central:
São as medidas descritivas que nos dão a localização relativa de certas
observações na distribuição.
Estas medidas descritivas são normalmente denominadas por quantis,

que podem ser:
1 – Quartis
São os valores que dividem a distribuição em 4 partes iguais.
2 – Decis
3 – Percentis
34
03/10/2022
Quantis Percentiles
O método geral de cálculo do quantil de ordem p (0<p<1) é o seguinte:

1. ordenar os dados;
2. calcular a posição do quantil, (n+1)p, e aplicar a seguinte regra:
- se (n+1)p = r , onde r é um inteiro, qp = xr;
- se (n+1)p não é um inteiro, seja (n+1)p = r + a, onde r é a parte

inteira e a é a parte fraccionária, então
qp = (1-a)xr + axr+1
35
03/10/2022
Quartis Quartiles
São os valores que dividem um conjunto ordenado de dados em quatro

partes iguais.
Q1, o primeiro quartil, é o valor tal que 25% das observações são mais
pequenas e 75% são maiores.
Q2, o segundo quartil, é o valor tal que 50% das observações são
menores e 50% são maiores, logo, coincide com a mediana.
Q3, o terceiro quartil, é o valor tal que 75% das observações são mais
pequenas e 25% são maiores.
36
03/10/2022
Quartis
Apesar de se poder o método geral de cálculo dos quantis, no caso dos

quartis pode usar o mesmo método de cálculo que é usado na mediana:
1. ordenar os dados;
2. determinar a estatística de ordem que contém cada quartil, utilizando as
seguintes fórmulas:
n  1 3 (n  1)
Q1  ; Q 2  Mediana ; Q 3 
4 4
37
03/10/2022
Exemplo 2.8:
Considere uma amostra de dimensão 11:

x1 2 Resolução:
x2 3
x3 4
x4 5 Q1 
n  1 11  1
4

4
 3 x 3   Q
1
 4
x5 5
x6 7
x7
x8
18
21
Q2 
n  1 11  1
2

2
 6 x 6   Q
2
 7
x9 22
x10 32
x11 41 Q3 
3 n  1  36
4

4
 9 x 9   Q
3
 22
Como n é ímpar, calcula-se a posição a que corresponde cada um dos

quartis e em seguida identifica-se o valor do quartil.
38
03/10/2022
Exemplo 2.9:
Considere uma amostra de dimensão 12:
x 2
Resolução:
1
x2 3
Para o 1.º quartil tem-se p=1/4
x3 4
x4 5 n  1 12  1
x5 5 Q1    3 , 25 
4 4
x6 7
x7 18
x8 21 Logo r=3 e a=0,25
x9 22
x10 32 Q 1  ( 1  0 , 25 )  4  0 , 25  5  4 , 25
x11 41
x12 48
Calcula-se a posição de cada um dos quartis e em seguida usa-se o

método geral de cálculo dos quantis.
39
03/10/2022
Resolução:

n  1 12  1
Q1    6 ,5 
2 2
Logo r=6 e a=0,50
Q 2  ( 1  0 , 5 )  7  0 , 5  18  12 , 5
Q 
n  1 3

13  3
 9 , 75 
3
4 4
Logo r=9 e a=0,75
Q 3  ( 1  0 , 75 )  22  0 , 75  32  29 , 5
40
03/10/2022
2.6. Medidas de Dispersão
As medidas de localização não são suficientes, por si só, para caracterizar de
forma adequada um conjunto de dados
é necessário conhecer medidas que nos indiquem a dispersão ou variabilidade

dos dados - medidas de dispersão
que servem para verificar a representatividade das medidas de localização, pois

pode acontecer estarmos perante grupos de dados com a mesma média, e com
valores bastante diferentes
As medidas de dispersão são as seguintes:
1 – Intervalo de variação 3 - Variância 5 – Coeficiente variação
2 – Intervalo interquartil 4 – Desvio-padrão

41
03/10/2022
Intervalo de variação ou amplitude total Range
É a diferença entre o maior e o menor valor dos dados observados.

AT  X maior  X menor
Exemplo 2.10:
Considere os dados: 25 7 22 33 18 15
AT = 33 – 7 = 26
Observações:
• É fácil de calcular, mas nada nos diz como os dados estão distribuídos
entre o valor mais baixo e o valor mais alto, não devendo ser utilizada
quando os valores extremos são invulgares.
• Duas distribuições, tendo a mesma amplitude, podem ser bastante
diferentes.
42
03/10/2022
Intervalo interquartil Interquartile Range
É a diferença entre o terceiro e o primeiro quartis. Corresponde a um

intervalo que engloba 50% das observações centrais.
IQ  Q 3  Q 1
Variância Variance
Variância corrigida de uma amostra é aproximadamente a média dos

quadrados dos desvios entre cada uma das observações e a média.
Para uma amostra de dimensão n, a variância será:

n
( x1  x )  ( x 2  x )  ...  ( x n  x )
2 2 2  (x i  x)2
s  2
 i 1
n 1 n 1
43
03/10/2022
Desvio padrão Std. deviation
O desvio padrão é a raiz quadrada da variância.
 ( xi  x)2
s  s 2
 i1
n  1
Observações:
• A variância e o desvio padrão avaliam a variabilidade dos dados em torno
da média.
• A variância pode ser calculada a partir do desvio padrão e vice-versa.
• Para amostras de grande dimensão então no denominador usa-se n.
44
03/10/2022
O resultado da variância vem em unidades quadradas.

Assim, em termos práticos, a principal medida de dispersão é o desvio padrão,
cujo valor vem nas mesmas unidades das variável inicial.
O desvio padrão indica-nos o valor médio que os dados se encontram

distanciados da média.
Por vezes pode tornar-se mais prático utilizar as seguintes fórmulas no

cálculo da variância:
2
 n 
p   xi 
  i 1 
n
ni ( xi  x ) 2
 xi2 
n
s  2 i 1
s 
2 i 1
n 1 n 1
45
03/10/2022
As Medidas de Dispersão
apresentadas anteriormente, Medidas de Dispersão
são expressas na mesma Absolutas
unidade da variável
Quando se comparam 2 ou mais distribuições

deve-se usar Medidas de Dispersão Relativa.
46
03/10/2022
Coeficiente de variação
O coeficiente de variação é uma medida de dispersão relativa, expressa
em percentagem, que relaciona o desvio padrão com a média.
 s 
CV      100
 x 
Observações:
• Se CV = 0%, então não existe dispersão.
• Se CV < 50%, então a dispersão é baixa.
• Se CV  50%, então a dispersão é elevada.
47
03/10/2022
Exemplo 2.11:
Considere os dados: 25 7 22 33 18 15
Sabendo que x  20 , então calcula-se a variância, o desvio padrão e o CV.
Variância:
( 7  20 ) 2  (15  20 ) 2  (18  20 ) 2  ( 22  20 ) 2  ( 25  20 ) 2  (33  20 ) 2
s 
2

5
s2  79,2
Desvio Padrão: Coeficiente de variação:
8,9
s  s2  79,2  8,9 CV   100%  44,5%
20
48
03/10/2022
2.7. Medidas de Assimetria
Indicam-nos a forma como os dados estão distribuídos.
Para se determinar o tipo de simetria duma distribuição podemos

comparar os valores da média com os da mediana:
Assimetrica Se x > Me a distribuição diz-se assimétrica positiva; a

Positiva média é aumentada por valores extremos elevados;
Assimetrica Se x < Me a distribuição diz-se assimétrica negativa; a

Negativa média é reduzida por valores extremos baixos;
49
03/10/2022
Simetrica Se x = Me a distribuição diz-se simétrica; não existem

valores extremos em qualquer direcção.
50
03/10/2022
Existem várias medidas para avaliar o grau de assimetria, sendo uma
delas o coeficiente de assimetria dado por:
m3 1 1 n 3
g  3  3    xi  x   Skewness
S S  n i 1 
Para valores grandes de n (n  50), o primeiro e segundo coeficientes

de assimetria de Pearson constituem uma maneira,
computacionalmente simples, de avaliar o grau de assimetria
x  Mo 3 x  Me 
g1  g1 
S S
51
03/10/2022
Assimetrica
Se g 0
Positiva
Assimetrica
Se g 0
Negativa
Se g 0 Simetrica
52
03/10/2022
2.8. Medidas de Achatamento
Indicam-nos também a forma como os dados estão distribuídos.
Kurtosis
O achatamento mede-se da seguinte forma:
1 n
 xi  x 4
n i 1
g 2  b2  3 onde: b2  2
1 n
2
 n xi  x  
 i 1 
53
03/10/2022
2.8. Medidas de Achatamento
As distribuições classificam-se em:
- leptocúrticas: g2 > 0
- mesocúrticas: g2 = 0
- platicúrticas: g2 < 0
54
03/10/2022
2.9. Outliers
100
75
São observações anormais,
QoL
50
inconsistentes ou aberrantes.

Podem ser severos ou moderados, 25 


consoante o seu afastamento em 



0
relação às observações seja mais ou < 45 45-59 60-74 >74
Age groups
menos pronunciado.
Os outliers moderados são marcados por um círculo no gráfico Box-

and-Whiskers (caixa de bigodes) e os outliers severos são
marcados por uma estrela.
55
03/10/2022
2.9. Outliers
Outliers Moderados:
Q1  3Q3  Q1   xi  Q1  1,5Q3  Q1 
Q3  1,5Q3  Q1   xi  Q3  3Q3  Q1 
Outliers Severos:
xi  Q1  3Q3  Q1 
xi  Q3  3Q3  Q1 
56
03/10/2022
2.9. Outliers
Exemplo 2.12 (continuação de 2.9):
x1 2
x2 3 Outliers moderados:
x3 4
4,25  329,5  4,25  xi  4,25  1,529,5  4,25

x4 5
x5 5
x6 7  71,5  xi  33,6
x7 18
x8 21
x9
x10
22
32
29,5  1,529,5  4,25  xi  29,5  329,5  4,25
x11 41 67,4  xi  105,3
x12 48
Conclusão: Não existem outliers

Q1= 4,25 moderados nem severos
Q2= 12,50
Q3= 29,50
57
03/10/2022
2.10. Diagrama de Caule e Folhas
Os dígitos correspondentes a cada dado dividem-se em caule
("leading digits“) e em folhas ("trailing digits“).
Steam-and-leaf
Os primeiros vão fazer parte do caule e colocam-se em coluna à

esquerda duma linha vertical; os segundos vão constituir as folhas e
colocam-se em linha à direita dessa linha vertical.
 Se um dado tem o valor de 47, o caule é 4 e a folha é 7.

 Para um dado cujo valor seja de 2, o caule é 0 e a folha é 2.
 No caso de o valor de um dado ser de 153, o caule será 15 e a folha 3.
58
03/10/2022
2.10. Diagrama de Caule e Folhas 16
20
10
Exemplo 2.13: 15
32
Considere uma amostra de dimensão 24. Construa o Diagrama 33
44
de Caule e Folhas: 24
2
Diagrama 6
41
de Caule e Folhas 59
55
0 26 60
39
1 001356 13
2 02334457 25
24
3 239 23
23
4 14 10
5 59 11
22
6 0 27
Para o valor 2, o caule é 0 e a folha é 2
Para o valor 39, o caule é 3 e a folha é 9

59
03/10/2022
2.11. Gráfico Caixa de Bigodes
Boxplot
Fornece uma representação gráfica de 5 medidas:
X menor Q 1 Mediana Q 3 X maior
possibilitando estudar a configuração da distribuição (assimetria), quer

através da comparação da posição relativa destas medidas, quer através
do diagrama "Box-and-Whisker“.
É também muito utilizado para comparar conjuntos de dados.
60
03/10/2022
Exemplo 2.14:
x1 10
x2 12 Q1 
n  1 15  1
4

4
 4 x 4   Q
1
 13
x3 13
x4 13
x5 14
x6 14 n  1 15  1
Q  Me    8
x7 16 2 2 2
x8
x9
17
17
x 8   Me  Q
2
 17
x10 18
x11 21
x12 21
x13
x14
27
29
Q3 
3 n  1  48
4

4
 12 x 12   Q
3
 21
x15 30
61
03/10/2022
X  10 X  30
menor maior
X  10 Q  13 M e  17 Q  21 X  30
menor 1 3 maior
X  10 Q  21 X  30
menor Q  13 M e  17 3 maior
1
62
03/10/2022
             Distribuição
D is trib u iç ã o Simétrica
s im é tric a
               Distribuição
D i s t r i b u i ç ã o Assimétrica
a s s s i m é t r i c Positiva
a p o s itiv a
               Distribuição
D i s t r i b u i ç ã o Assimétrica
a s s s i m é t r i c Negativa
a n e g a tiv a
Se a distribuição for simétrica, a linha vertical que representa a mediana, situa-

se no centro da caixa e a caixa está posicionada ao meio da linha a tracejado;
Se a distribuição for assimétrica positiva, a linha vertical dentro da caixa não

está centrada, desloca-se para a esquerda e a caixa também se desloca para a
esquerda ao longo da linha a tracejado;
Se a distribuição é assimétrica negativa, a linha vertical dentro da caixa não está

centrada, desloca-se para a direita e a caixa também se desloca para a direita ao
longo da linha a tracejado.
63
03/10/2022
2.12. Medidas descritivas para uma população
 É praticamente igual ao cálculo das medidas descritivas

apresentadas para uma amostra, gozando das mesmas
propriedades e características.
 As medidas descritivas para a população passam a designar-se por
parâmetros.
 A notação e cálculo difere somente nalguns casos
64
03/10/2022
Medidas descritivas para uma população de dimensão N:
N
 xi
Média Aritmética:  x  i 1
N
Me igual ao método apresentado

Mediana:
anteriormente, substituindo n por
N
Moda: Mo igual ao método apresentado

anteriormente
65
03/10/2022
Q1; Q2; Q3 igual ao método

Quartis: apresentado anteriormente,
substituindo n por N
IQ igual ao método apresentado

Intervalo Interquartis: anteriormente
Variância:  (x i   x ) 2
i 1
 2x 
N
66
03/10/2022
N
Desvio Padrão:  (x i   x ) 2
i 1
x 
N
 
 x 
CV     100
Coeficiente de Variação:  x 
igual ao método apresentado

Assimetria e curtose:
anteriormente, substituindo x por μ x
67
03/10/2022
2.13. Cálculo de medidas descritivas
Excel:
O cálculo de medidas descritivas em Excel pode ser feito através da
utilização das Funções ou através do suplemento de Análise de Dados:
Seleccionar Dados
Seleccionar Análise de Dados
Clicar em Estatística Descritiva e em seguida OK
Introduzir o Intervalo de entrada (quadro de dados)
Indicar se os dados estão em linha ou em coluna: Agrupado por (…)
Escolher o Intervalo de saída (para onde vão os resultados)
Clicar em OK
68
03/10/2022
SPSS:
O cálculo de medidas descritivas, sobretudo para variáveis quantitativas,
pode ser feita em:
Analyze – Descriptive Statistics – Descriptives…
E depois:
1. Seleccionar a variável
2. Escolher opções (medidas descritivas)
3. Clicar em Ok
69
03/10/2022
SPSS:
O cálculo de medidas descritivas e a produção de gráficos, para variáveis
qualitativas e quantitativas, pode ser feita em:
Analyze – Descriptive Statistics – Frequencies…
E depois:
1. Seleccionar a variável
2. Escolher as medidas descritivas em Statistics…
3. Escolher o gráfico adequado em Charts…
4. Clicar em Ok
70
03/10/2022
Exemplo 2.15: Uma empresa de compra e venda de imóveis registou o
preço de venda de todos os imóveis de uma determinada tipologia na mesma
cidade, de forma a fazer recomendações aos seus clientes.
Com os dados disponíveis nos ficheiros em SPSS e em Excel, calcule todas

as medidas descritivas e interprete os resultados.
𝑋 = 173839
𝐴𝑇 = 90927
𝑀𝑒 = 175144 𝑆 = 23120
𝑄1 = 155332 𝐶𝑉 = 13,3%
𝐴𝑠𝑠𝑖𝑚𝑒𝑡𝑟𝑖𝑎 = −0,164
𝑄3 = 193021,5
𝐶𝑢𝑟𝑡𝑜𝑠𝑒 = −0,765
71
03/10/2022
2. Estatísticas
ESGHT -Descritivas
UAlg
Estatística I
2. Estatísticas Descritivas e
Apresentação de Dados
Dúvidas?
1. Tutorias
2. Lnferrei@ualg.pt
3. Gabinete 40
72

Estatística I: 2. Estatísticas Descritivas e Apresentação de Dados

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Estatística I: 2. Estatísticas Descritivas e Apresentação de Dados

Enviado por

Direitos autorais:

Formatos disponíveis

03/10/2022

Estatística I 1 Lara N. Ferreira

 Dados Temporais ou Cronológicos:

Estatística I 2 Lara N. Ferreira

Existem diferentes tipos de dados: (2)

Consoante o tipo de dados e de variáveis, diferentes métodos

As tabelas apresentam um sumário dos dados do ficheiro,

Estatística I 4 Lara N. Ferreira

É desejável que as tabelas incluam:

• Título, indicando de modo preciso e sintético o

Estatística I 5 Lara N. Ferreira

Exemplo: Tabela simples com informação sobre o número de

Tabela 1 – Emprego civil segundo o sector de atividade em

Sector de Actividade Efectivos (milhares)

Sector Primário 845,1

Fonte: INE; Inquérito ao Emprego, citado em INE, Portugal Social, p.41

Estatística I 6 Lara N. Ferreira

Exemplo: Tabela de dupla entrada com informação sobre o número de

Tabela 2 – Emprego civil por sector de atividade e género em

Sector de Actividade (milhares)

Homens 427,2 1108 1164,4 2699,6

Mulheres 417,9 516,5 1061 1995,4

TOTAL 845,1 1624,5 2225,4 4695

Fonte: INE; Inquérito ao Emprego

Estatística I 7 Lara N. Ferreira

Existem vários tipos de gráficos, que devem ser aplicados em

Alguns tipos de gráficos:

Estatística I 8 Lara N. Ferreira

São gráficos em que as categorias (os valores) da variável em

Podem ser usados para representar dados seccionais de

Estatística I 9 Lara N. Ferreira

Exemplo: Gráfico de barras para Exemplo: Gráfico de barras para

Estatística I 10 Lara N. Ferreira

Nestes gráficos um círculo é dividido em partes (“fatias”)

Podem ser usados para representar dados seccionais de

Estatística I 11 Lara N. Ferreira

Exemplo: Gráfico circular para uma variável qualitativa

Gráfico 2 – Emprego em Portugal segundo

Estatística I 12 Lara N. Ferreira

Exemplo: Distâncias percorridas por vendedores

Estatística I 14 Lara N. Ferreira

Exemplo: Diagrama de dispersão entre o volume de vendas e o

Exemplo: Cronograma do volume de vendas mensal

Meses (período temporal)

2.4. Medidas descritivas

possibilitam também comparar diferentes conjuntos de dados

Estas medidas descritivas (parâmetros se se referirem à população

 permitem sumariar os dados através de um só valor

Estatística I 17 Lara N. Ferreira

2.4. Medidas descritivas

mas, não existem medidas descritivas que satisfaçam todas as propriedades.

As que verificam umas propriedades, não satisfazem em geral as outras.

Estatística I 18 Lara N. Ferreira

2.4. Medidas descritivas

As medidas descritivas classificam-se em:

5 – Medidas de concentração Descriptive Statistics

Estatística I 19 Lara N. Ferreira

Estas medidas descritivas classificam-se em:

 Aritmética (simples ou ponderada);

Estatística I 20 Lara N. Ferreira

Estatística I 21 Lara N. Ferreira

Considere os seguintes dados: 12 14 9 13 12