ISMU

INSTITUTO SUPERIOR MUTASA

DELEGAÇÃO DE CHIMOIO

Cadeira: Estatística

Tema: Medidas de Localização (Separatrizes)

Medidas de Dispersão

Docente:
dr. Marcelino Chatepa

Discentes:
1. Erasmo Arão Pachau 4. Elisa Pedro Nanguissai
2. Delfina José Fernando 5. Eufrásia Maronela
3. Barica A. Almeida 6. Alzira Ressurreição

Chimoio, Abril de 2023

 ISMU

INSTITUTO SUPERIOR MUTASA

DELEGAÇÃO DE CHIMOIO

Cadeira: Estatística
Tema: Medidas de Localização (separatrizes)

Medidas de Dispersão

DOCENTE:
dr. Marcelino Chatepa

REALIZADORES:
Erasmo Arão Pachau
Delfina José Fernando
Barica A. Almeida
Elisa Pedro Nanguissai
Eufrásia Maronela
Alzira Ressurreição

LICENCIATURA EM
ENSINO DE GEOGRAFIA COM HABILIDADES EM TURISMO

Chimoio, Abril de 2023

Índice
Introdução ............................................................................................................................................... 1

1.1. Objectivos ............................................................................................................................... 2

1.1.1. Geral ................................................................................................................................ 2

1.1. Metodologia ............................................................................................................................ 2

2. Medidas de Localização .............................................................................................................. 3

2.1. A média ................................................................................................................................... 4

2.2. A Moda.................................................................................................................................... 5

2.3. A Mediana ............................................................................................................................... 5

3. Medidas Separatrizes................................................................................................................... 6

3.1. Mediana a partir da tabela de frequência em intervalos de classe ........................................... 7

3.2. Quartis ..................................................................................................................................... 8

3.3. Quintis ..................................................................................................................................... 8

3.4. Decis........................................................................................................................................ 9

3.5. Percentis .................................................................................................................................. 9

3.6. Valor do primeiro quartil (Q1) .............................................................................................. 10

4. Medidas de Dispersão ............................................................................................................... 11

4.1. Variância ............................................................................................................................... 11

4.2. Desvio Padrão ....................................................................................................................... 13

4.3. Amplitude .............................................................................................................................. 13

4.4. Desvio ................................................................................................................................... 14

5. Conclusão .................................................................................................................................. 15
Introdução

O cálculo das estatísticas depende da forma em que os dados disponíveis estão organizados. Se
temos acesso à lista individual de todos os dados, então temos dados não classificados. Por outro
lado, se temos acesso a uma distribuição de frequências, então os dados estão classificados. Neste
contexto, iremos de seguida apresentar as estatísticas mais importantes para caracterizar um
determinado fenómeno, distinguindo entre dados não classificados e dados classificados.

Para entender bem uma distribuição, pode-se conhecer valores acima ou abaixo dos quais se
encontra uma determinada porcentagem dos dados através das medidas separatrizes.

A medida de localização é uma medida de valores numa amostra que identifica os diferentes pontos
centrais nos dados, muitas vezes referidos coloquialmente como “médias”. As medidas mais
comuns de tendência central são a média, a mediana e a moda.

Separatriz de uma série de n elementos colocados em ordem crescente de valor, é o elemento da

série que a divide em duas partes quaisquer. As principais separatrizes são: Percentis Decis Quartis
Mediana.

Para verificar a dispersão entre os valores em um conjunto de dados, podemos utilizar duas
importantes medidas, a variância e o desvio padrão

1
 1.1. Objectivos
1.1.1. Geral
 Compreender o estudo das medidas de localização e dispersão.
1.1.2. Específicos
 Formular questões, organizar, representar e tratar dados recolhidos para tirar conclusões

numa análise crítica e consciente dos limites do processo de matematização da situação;

 Calcular Medidas de Localização, discutindo as limitações dos diferentes parâmetros

estatísticos.

 Interpretar as medidas de dispersão.

1.1. Metodologia

O presente trabalho tem como pesquisa bibliográfica que é feita a partir do levantamento de
referências teóricas já analisadas, e publicadas por meios escritos e eletrônicos, como livros, artigos
científicos, páginas de web sites.
Este método baseou-se unicamente na pesquisa bibliográfica, procurando referências teóricas
publicadas com o objetivo de recolher informações ou conhecimentos sobre diversos conteúdos
relacionados com as medidas de localização (separatriz), e medidas de dispersão.

2
2. Medidas de Localização
Medidas de localização de uma amostra são estatísticas que resumem a informação da amostra,
dando indicação quer do centro da distribuição dos dados, de que são exemplos a média e a
mediana, quer de outros pontos importantes dessa distribuição, de que são exemplos os quartis.

A medida de localização também conhecida como medida de tendência central é uma medida de
valores numa amostra que identifica os diferentes pontos centrais nos dados, muitas vezes referidos
coloquialmente como “médias”. As medidas mais comuns de tendência central são a média, a
mediana e a moda.

A identificação do valor central permite que outros valores sejam comparados a ele, mostrando a
dispersão ou o agrupamento da amostra, o que é conhecido como dispersão ou distribuição. Estas
medidas de dispersão são categorizadas em 2 grupos: medidas de dispersão baseadas em percentis
e medidas de dispersão baseadas na média (que é frequentemente conhecida como desvio padrão).
A análise da distribuição dos dados determina se os dados têm uma tendência central forte ou fraca
com base na sua dispersão. Quando a distribuição dos dados é simétrica e a média = mediana =
moda, diz-se que os dados têm uma distribuição normal. Também são possíveis outros tipos de
distribuições, e são conhecidas como distribuições não normais.As medidas de localização indicam
valores típicos a volta dos quais os dados se distribuem.

As medidas de localização amostrais médias, mediana e quartis, dão informação sobre as

correspondentes características populacionais ou parâmetros da população (ou variável aleatória)
de onde se selecionou a amostra, respectivamente valor médio, mediana populacional e quartis
populacionais.

Existe uma outra medida que é a moda, que localiza a categoria ou classe de maior frequência em
dados qualitativos ou quantitativos discretos, ou os picos da distribuição de frequências para dados
contínuos.

Para caraterizar os dados de uma amostra não são suficientes as medidas de localização.Exemplo:

Conj – A 15 15 15 15 15
Conj – B 10 13 15 17 20
Conj – C 0 7 15 23 30

3
Estas medidas chamam-se de localização porque localizam pontos importantes na caracterização
da amostra. Nota – se que no exemplo acima embora tenhamos a mesma média e mediana, têm
um aspecto bem diferente no que diz respeito à variabilidade ou dispersão, sendo assim necessário
definir outras medidas, as medidas de dispersão, que medem essa variabilidade ou dispersão
presente nos dados.

2.1.A média

A média (Me) é calculada somando-se todos os valores de um conjunto de dados e dividindo-se

pelo número de elementos deste conjunto. Como a média é uma medida sensível aos valores da
amostra, é mais adequada para situações em que os dados são distribuídos mais ou menos de forma
uniforme, ou seja, valores sem grandes discrepâncias.

𝑋1+ 𝑋2+ 𝑋3+ 𝑋4+ …𝑋𝑛

Fórmula Me=
𝑛
Sendo:

Me : média
x1, x2, x3,..., xn corresponde os valores dos dados;
n – corresponde o número de elementos do conjunto de dados.

Ex1.

Os jogadores da equipe de basquetbol do Textafrica de Chimoio apresentam as seguintes idades:

25, 27, 19, 23 e 21 anos. Qual a média de idade desta equipe?

25+27+19+23+21 115
Temos Me = = = 23 Média é igual a 23
5 5

Em algumas situações estatísticas, os dados são apresentados em intervalos agrupados. Dessa

forma, o cálculo da média aritmética é realizado de forma mais complexa. Nesse caso, temos que
determinar primeiramente a média de cada intervalo multiplicando o resultado pela frequência

4
absoluta do intervalo. O somatório desses produtos deverá ser dividido pelo somatório da
frequência absoluta, constituindo a média dos valores agrupados em intervalos

2.2.A Moda

A Moda (Mo) representa o valor mais frequente de um conjunto de dados, sendo assim, para defini-
la basta observar a frequência com que os valores aparecem. Um conjunto de dados é chamado de
bimodal quando apresenta duas modas, ou seja, dois valores são mais frequentes.

Em uma sapataria durante um dia foram vendidos os seguintes números de sapato: 34, 39, 36, 35,
37, 40, 36, 38, 36, 38 e 41. Qual o valor da moda desta amostra?

Observando os números vendidos notamos que o número 36 foi o que apresentou maior frequência
(3 pares), portanto, a moda é igual a:

Mo = 36

2.3.A Mediana

A Mediana (Md) representa o valor central de um conjunto de dados. Para encontrar o valor da
mediana é necessário colocar os valores em ordem crescente ou decrescente.

Quando o número elementos de um conjunto é par, a mediana é encontrada pela média dos dois
valores centrais. Assim, esses valores são somados e divididos por dois.

Exemplo

EX1: Em uma escola, o professor de educação física anotou a altura de um grupo de alunos.
Considerando que os valores medidos foram: 1,54 m; 1,67 m, 1,50 m; 1,65 m; 1,75 m; 1,69 m;
1,60 m; 1,55 m e 1,78 m, qual o valor da mediana das alturas dos alunos?

Primeiro devemos colocar os valores em ordem. Neste caso, colocaremos em ordem crescente.
Assim, o conjunto de dados ficará:

1,50; 1,54; 1,55; 1,60; 1,65; 1,67; 1,69; 1,75; 1,78

5
Como o conjunto é formado por 9 elementos, que é um número ímpar, então a mediana será igual
ao 5º elemento, ou seja:

Md = 1,65 m

EX2: Calcule o valor da mediana da seguinte amostra de dados: (32, 27, 15, 44, 15, 32).

Primeiro precisamos colocar os dados em ordem, assim temos: 15, 15, 27, 32, 32, 44

Como essa amostra é formada por 6 elementos, que é um número par, a mediana será igual a
média dos elementos centrais, ou seja:

M com d subscrito igual a numerador 27 mais 32 sobre denominador 2 fim da fração igual a 59
sobre 2 igual a 29 vírgula 5

27 + 32 59
𝑀𝑑 = = = 29,5
2 2

3. Medidas Separatrizes
Separatrizes (ou quantis) são valores que dividem uma série de dados ordenados (X1, X2 ,X3,…Xn)
em partes iguais. Assim como a mediana divide a série dados ordenados em duas partes iguais,
podem ser obtidos valores que separam a série em mais parte iguais. As separatrizes mais
importantes são:

 A Mediana (uma medida que divide a série ordenada em duas partes iguais);
 Os Quartis (três medidas que dividem a série ordenada em quatro partes iguais);
 Os Decis (nove medidas que dividem a série ordenada em dez partes iguais) e os
 Percentis (noventa e nove medidas que dividem a série ordenada em cem partes iguais).

A estratégia usada para a obtenção das demais separatrizes segue a mesma ideia aquela empregada
para obter o valor da mediana. Então, para encontrar as medidas a partir de uma tabela de
frequência, encontra-se a classe que contém a medida desejada observando as frequências relativas
acumuladas. Se a tabela possuí intervalos, deve-se aproximar as medidas dentro de suas respectivas
classes usando expressões que podem ser como segue.

6
3.1. Mediana a partir da tabela de frequência em intervalos de classe
A obtenção de uma aproximação da mediana a partir de dados agrupados em uma tabela de
frequência em intervalos, assim como no caso de uma tabela de frequência simples, pode ser feita
localizando a classe que contém a mediana. Neste caso, o valor da mediana não pode ser obtido de
modo preciso, exigindo, pois é requerida uma aproximação dentro do intervalo que contém esse
valor. Essa aproximação será feita aqui de modo a levar em consideração a distribuição de
frequência por meio da relação:

(0,5−𝐹𝑎𝑐(𝑎𝑛𝑡))
𝑀𝑒𝑑=𝐿𝑖 = [ ]×𝜎
𝑓𝑖

Onde:

 Li: limite inferior da classe mediana,

 Fac (ant) : frequência relativa acumulada da classe anterior à classe mediana,

 δ: amplitude da classe

 e fi é a frequência relativa da classe mediana.

O Exemplo da ilustração da obtenção de aproximação da mediana em tabela com intervalos.

Tabela 2.2: Distribuição de frequência da variável “Local” em quilômetro.

Km Freq.Curvas Fi Fac

(53.05,59.78] 6 0.16 0.16

(59.78,66.46] 4 0.11 0.26
(66.46,73.13] 8 0.21 0.47

7
3.2. Quartis
Ao dividir a série ordenada em quatro partes, cada uma ficará com seus 25% de seus elementos.

Os elementos que separam estes grupos são chamados de quartis.

Assim, o primeiro quartil, que indicado por Q1, separa a sequência ordenada deixando 25% de seus
valores à esquerda e 75% de seus valores à direita.

O segundo quartil, indicado por Q2, separa a sequência ordenada deixando 50% de seus valores à
esquerda e 50% de seus valores à direita. O Q2 é a Mediana da série.

O terceiro quartil Q3 obedece a mesma regra dos anteriores.

𝑝𝑗= 𝑗 para j = 1,2,3

4

(𝑝𝑗−𝐹𝑎𝑐(𝑎𝑛𝑡))
𝑄𝑗=𝐿𝑖 = [ ]×𝜎
𝑓𝑖

Onde:

 Li é o limite inferior da classe definida por pj;

 Fac (ant) é a frequência absoluta acumulada da classe anterior à que contém o j-ésimo
quartil;
 δ é a amplitude da classe e
 fi é a frequência relativa da classe definida por pj.

3.3. Quintis
Ao dividir a série ordenada em cinco partes, cada uma ficará com seus 20% de seus elementos.

Os elementos que separam estes grupos são chamados de quintis.

Assim, o primeiro quintil, indicado por K1, separa a sequência ordenada deixando 20% de seus
valores à esquerda e 80% de seus valores à direita.

8
3.4. Decis
Ao dividir a série ordenada em dez partes, cada uma ficará com seus 10% de seus elementos. Os
elementos que separam estes grupos são chamados de decis.

Assim, o primeiro decil, indicado por D1, separa a sequência ordenada deixando 10% de seus
valores à esquerda e 90% de seus valores à direita. De modo análogo são definidos os outros decis.

𝑝𝑗= 𝑗 para j = 1,2,3…9

10

(𝑝𝑗−𝐹𝑎𝑐(𝑎𝑛𝑡))
𝐷𝑗=𝐿𝑖 = [ ]×𝜎
𝑓𝑖

Onde:
 Li é o limite inferior da classe definida por pj;
 Fac (ant) é a frequência absoluta acumulada da classe anterior à que contém o j-ésimo decil;
 δ é a amplitude da classe e
 fi é a frequência relativa da classe definida por pj.

3.5. Percentis

Ao dividir a série ordenada em cem partes, cada uma ficará com 1% de seus elementos. Os
elementos que separam estes grupos são chamados de centis ou percentis. Assim, o primeiro
percentil, indicado por P1, separa a sequência ordenada deixando 1% de seus valores à esquerda e
99% de seus valores à direita. De modo análogo são definidos os outros percentis.

𝑝𝑗= 𝑗 para j = 1,2,3…99

100

(𝑝𝑗−𝐹𝑎𝑐(𝑎𝑛𝑡))
𝑝𝑗=𝐿𝑖 = [ ]×𝜎
𝑓𝑖

Onde:

 Li é o limite inferior da classe definida por pj;

 Fac(ant) é a frequência absoluta acumulada da classe anterior à que contém o j – ésimo

percentil;
 δ é a amplitude da classe e

9
  fi é a frequência relativa da classe definida por pj.

Verifica-se que os quartis, quintis e decis são múltiplos dos percentis, então basta estabelecer a
fórmula de cálculo de percentis. Todas as outras medidas podem ser identificadas como percentis.
Ou seja:

Percentis Quartis Quintis Decis

P10 D1
P20 K1 D2
P25 Q1
P30 D3
P40 K2 D4
P50 Q2 D5
P60 K3 D6
P70 D7
P75 Q3
P80 K4 D8
P90 D9

Exemplo de cálculo de quartis

3.6. Valor do primeiro quartil (Q1)

O valor Q1 está na segunda classe da tabela (tab:tabelas), pois essa acumula mais de 25\% dos
dados, como pode ser visto na classe destacada a seguir.

Q1 ∈ (59,78;66,46] n2 = 12 f2 = 0,32 Fac = 0,26

Nota - se que até essa classe concentra-se 26% dos dados, logo contém o Q1. Para aproximar essa
medida dentro da classe encontrada, basta usar a relação:

𝑝𝑗= 1=0,25
4

(𝑝1−𝐹𝑎𝑐(1)) (0,12−0,16)
𝑄1=𝐿2 = [ ] × 𝜎 = 𝑄1=59,78 + [ ] × 66,46 − 59,78)
𝑓2 0,32

= Q1 = 59,78 + 0,82 × 6,68 = 59,78 + 5,47 ≈ 65,25 Então, Q1 ≈ 65,25

10
4. Medidas de Dispersão
Para verificar a dispersão entre os valores em um conjunto de dados, podemos utilizar duas
importantes medidas: a variância e o desvio padrão.

No estudo da Estatística, dispomos de algumas estratégias para verificar se os valores apresentados

em um conjunto de dados estão dispersos ou não e o quão distantes um do outro eles podem estar.
As ferramentas empregadas para que isso seja possível são classificadas como medidas de
dispersão e denominadas de variância e desvio padrão. Vejamos o que representa cada uma delas:

4.1. Variância
Dado um conjunto de dados, a variância é uma medida de dispersão que mostra o quão distante
cada valor desse conjunto está do valor central (médio). Quanto menor é a variância, mais próximos
os valores estão da média; mas quanto maior ela é, mais os valores estão distantes da média.

A variância não é geralmente utilizada como medida de dispersão mas é o suporte para o cálculo
do desvio - padrão. Existem duas expressões para representar a variância. Ambas são obtidas a
partir da soma dos quadrados dos desvios relativamente à média.

Considere que (x1, x2, …, xn) são os n elementos de uma amostra e que x é a média aritmética
desses elementos. O cálculo da variância amostral é dado por:

(x1 – x)² + (x2 – x)² + (x3 – x)² + ...+ (xn – x)²

Var. amostral = n–1

Para calcular a variância populacional, consideraremos todos os elementos da população, e não

apenas de uma amostra. Nesse caso, o cálculo possui uma pequena diferença. Observe:

(x1 – x)2 + (x2 – x)2 + (x3 – x)2 + … + (xn – x)2

Var. Populacional = n

Exemplo:

Em uma escola, a direção decidiu observar a quantidade de alunos que apresentam todas as notas
acima da média em todas as disciplinas. Para analisar melhor, a diretor Ntefula resolveu montar
uma tabela com a quantidade de notas “azuis” em uma amostra de quatro turmas ao longo de um
ano.

11
 Notas trimestrais
Classes 1º trimestre 2º trimestre 3º trimestre 4º Trimestre
6ª Classe 5 8 10 7
7ª Classe 8 6 6 12
8ª Classe 11 9 5 10

Antes de calcular a variância, é necessário verificar a média aritmética (x) da quantidade de alunos
acima da média em cada turma:

5 + 8 + 10 + 7 30
6ª Classe → x = = = 3 = 7,50.
4 4

8 + 6 + 6 + 12 32
7ª Classe → x = = = 8,00.
4 4

11 + 9 + 5 + 10 35
8ª Classe → x = = = 8,75.
4 4

Para calcular a variância da quantidade de alunos acima da média em cada turma, utilizamos uma
amostra, por isso empregamos a fórmula da variância amostral:

(x1 – x)² + (x2 – x)² + (x3 – x)² + ...+ (xn – x)²

Var. amostral =
n–1

(5 – 7,50)² + (8 – 7,50)² + (10 – 7,50)² + (7 – 7,50)²

6ª Classe → Var = 4–1

(– 2,50)² + (0,50)² + (2,50)² + (– 0,50)²

Var = 3

6,25 + 0,25 + 6,25 + 0,25

Var = 3

13,00
Var = 3

Var = 4,33

(8 – 8,00)² + (6 – 8,00)² + (6 – 8,00)² + (12 – 8,00)²

7ª Classe → Var = 4−1

(0,00)² + (– 2,00)² + (– 2,00)² + (4,00)²

Var = 3

12
 0,00 + 4,00 + 4,00 + 16,00 24
Var = = =
3 3

Var = 8,00

(11 – 8,75)² + (9 – 8,75)² + (5 – 8,75)² + (10 – 8,75)² (2,25)² + (0,25)² + (– 3,75)² + (1,25)²
8ª Classe → Var = =
4−1 3

5,06 + 0,06 + 14,06 + 1,56 20,74

Var = = Var = = 6,91
3 3

4.2. Desvio Padrão

O desvio padrão é capaz de identificar o “erro” em um conjunto de dados, caso quiséssemos
substituir um dos valores coletados pela média aritmética.

O desvio padrão aparece junto à média aritmética, informando o quão “confiável” é esse valor. Ele
é apresentado da seguinte forma:

Média aritmética (x) ± desvio padrão (dp)

O cálculo do desvio padrão é feito a partir da raiz quadrada positiva da variância. Portanto:

dp = √var

Seguindo o exemplo já exposto acima podemos assim calcular o desvio – padrão

6ª – Classe 7ª – Classe 8ª - Classe

dp = √var dp = √var dp = √var

dp = √4,33 dp = √8,00 dp = √6,91
dp ≈ 2,08" dp ≈ 2,83" dp ≈ 2,63"

4.3. Amplitude
A amplitude de um conjunto, em Estatística, é a diferença entre o maior elemento desse conjunto
e o menor. Em outras palavras, para encontrar a amplitude de uma lista de números, basta subtrair
o menor elemento do maior.

13
 a) Amostra à = Xmax –Xmin
b) População A = Xmax – Xmin

Salvo aplicações de controlo de qualidade a amplitude, não é muito utilizada como medida de
Dispersão.

Embora não seja possível determinar qual dos dois teve um melhor desempenho apenas por essa
medida – pois não é possível saber qual dos dois teve um aumento nas notas –, esses resultados já
dizem que a variação de notas do primeiro aluno foi muito menor do que a do segundo.

4.4. Desvio
O desvio é a diferença entre um dos números de um conjunto e a média desse conjunto. Portanto,
cada um dos números de um conjunto tem um desvio, e esse resultado pode ser diferente para cada
um desses elementos.

Observe, por exemplo, os desvios das notas do primeiro aluno, sabendo que sua média foi 7,0:

d1 = 8,0 – 7,0 = 1,0

d2 = 7,0 – 7,0 = 0,0
d3 = 7,0 – 7,0 = 0,0
d4 = 6,0 – 7,0 = – 1,0

14
5. Conclusão
A organização das informações podem ser dispotas em gráficos de forma a obter uma melhor
visualização dos dados. Porém as informações podem ser analisadas de acordo com as medidas de
localização tendo elas as sua vantagens e desvantagens.s medidas de localização a:
Média - Média amostral, ou apenas média, é o quociente entre a soma de todos os dados e a
dimensão da amostra, isto é, o número total de dados.
Moda - Pode ser expressa por Mo e representa o valor mais frequente de uma distribuição
estatística, isto é, é o valor que aparece mais vezes.
Mediana - trata-se do valor que ocupa o lugar central da distribuição, quando se considera o número
total de dados ordenados por ordem crescente.
Tambem ao londo do trabalho, vimos que separatrizes são valores da distribuição que a dividem
em partes quaisquer. A mediana, apesar de ser uma medida de tendência central, é também uma
separatriz de ordem 1/2, ou seja, divide a distribuição em duas partes iguais.
A dispersão mostra o quão esticada ou espremida uma distribuição é. Exemplos comuns de medidas
de dispersão estatística são a variância, o desvio padrão e a amplitude interquartil. Dispersão é
contrastada com posição ou tendência central, e juntas, elas são as propriedades de distribuições
mais usadas

15
Referencias Bibliográficas
Manual Modulo Estatistica UCM PAPMEM – julho/2019 – Medidas de posição e dispersão

GOUVEIA, Rosimar (2003). Média, Moda e Mediana. Toda Matéria, [s.d.]. Disponível em:
https://www.todamateria.com.br/media-moda-e-mediana

Andrade, DF(2013). Ogliari, PJ. Estatística para as ciências agrárias e biológicas, com noções de
experimentação. Florianópolis: Editora da UFSC.

Bussab, WO;(2006) Morettin, PA. Estatística Básica. São Paulo: Editora Saraiva, 2006 (5ª Edição).

Magalhães, MN; Lima, ACP (2008). Noções de Probabilidade e Estatística. São Paulo: EDUSP,
2008 (6ª edição).

FERREIRA, Maria Augusta Neves; CARVALHO, Maria Luísa Brito; Exercícios de; Matemática
10º Ano, Porto Editora, Lisboa.

16