Moda, média e mediana são medidas de tendência central que são utilizadas para descrever

um grupo de dados. A moda é o valor que ocorre com maior frequência em um conjunto de
dados. É a medida de tendência central mais simples e fácil de calcular. A sua principal
característica é que ela não é afetada por valores extremos ou outliers no conjunto de dados. A
moda é útil para descobrir qual valor é mais comum em um conjunto de dados.

A média é a soma de todos os valores do conjunto de dados, dividido pelo número total de
valores. É a medida de tendência central mais comum e amplamente utilizada. Sua principal
característica é que é sensível à presença de valores extremos nos dados. A média é útil para
encontrar uma representação numérica do conjunto de dados como um todo.

A mediana é o valor que divide o conjunto de dados em duas partes iguais, sendo que metade
dos valores é maior e a outra metade é menor. A mediana é útil quando há valores extremos
no conjunto de dados, pois ela não é influenciada por esses valores. A mediana é útil para
encontrar um valor que seja representativo da "posição central" dos dados.

Em resumo, a moda é a medida mais comum, a média é a medida mais utilizada e a mediana é
a medida que é indicada para dados com valores extremos ou outliers. Cada uma dessas
medidas é importante ao seu modo, e o objetivo principal delas é ajudar a entender melhor o
que está acontecendo em um conjunto de dados.

A frequência acumulada é a soma das frequências até um determinado valor em um conjunto

de dados, ou seja, é o número acumulado de vezes que um determinado valor apareceu em
um conjunto de dados. A frequência relativa, por sua vez, é a proporção da frequência de uma
determinada categoria em relação ao total de observações. As principais características da
frequência acumulada são que ela ajuda a visualizar a distribuição dos dados e a identificar os
valores mais frequentes. Além disso, a frequência acumulada pode ser utilizada para calcular
percentis e quartis, que ajudam a entender a posição de um determinado valor em relação ao
resto do conjunto de dados.

Já a principal função da frequência relativa é dar uma medida proporcional da frequência de

cada uma das categorias em relação ao total de observações. Isso permite comparar diferentes
conjuntos de dados com tamanhos diferentes e é particularmente útil na comparação de
frequências de eventos ocorridos em diferentes períodos.

Em resumo, a frequência acumulada é utilizada para entender a distribuição dos dados e a

posição de um determinado valor em relação aos demais, enquanto a frequência relativa é
uma medida proporcional da frequência de cada categoria de dados e é útil na comparação de
diferentes conjuntos de dados. Ambas as medidas são importantes na análise estatística e
podem fornecer informações valiosas sobre um conjunto de dados.
O desvio padrão é uma medida de dispersão que indica o quanto os dados se afastam da
média. Ele mede a variabilidade ou a diferença entre os valores do conjunto de dados e sua
média. O desvio padrão pode ser calculado tanto para populações quanto para amostras. As
principais características do desvio padrão são que ele é sempre não negativo, ou seja, não
pode ser menor do que zero; quanto maior o desvio padrão, mais dispersos estão os dados; e
ele é influenciado por valores extremos ou outliers no conjunto de dados.

A função do desvio padrão na estatística é importante porque ele fornece uma medida da
variância dos dados e ajuda a avaliar se os dados são homogêneos ou heterogêneos. Além
disso, o desvio padrão é amplamente utilizado em testes estatísticos e análises de inferência,
pois pode indicar se as diferenças entre as amostras são significativas ou não.

Em geral, o desvio padrão é uma medida essencial na estatística, pois permite entender melhor
a natureza dos dados e ajudar a tomar decisões mais informadas com base nos dados
coletados.