Índice

Introdução............................................................................................................................ 1

Resolução dos exercícios .................................................................................................... 2

1. a) Medidas de dispersão ............................................................................................... 2

2. Dados em rol ................................................................................................................ 2

b) Medidas de separactrizes ................................................................................................ 3

Percentis .............................................................................................................................. 4

c) Coeficiente de assimetria ................................................................................................ 4

d) Coeficiente de curtose ou achatamento........................................................................... 4

e) Diagrama de dispersão .................................................................................................... 5

f) Co-variância..................................................................................................................... 5

g) Coeficiente de correlação de Pearson ............................................................................. 6

i) Significado dos coeficientes de regressão linear ............................................................. 8

2. Probabilidade................................................................................................................... 8

Conclusão .......................................................................................................................... 10

Bibliografia........................................................................................................................ 11
Introdução
Estatística é um conjunto de técnicas utilizadas para a colecta, organização, resumo, análise e
interpretação de dados. A Estatística tem um papel fundamental em diversas áreas do
conhecimento, pois o uso de técnicas estatísticas apropriadas fornece informações que
auxiliam no processo de tomada de decisões. Métodos estatísticos são essenciais no estudo de
situações em que as variáveis de interesse estão sujeitas, inerentemente, a flutuações
aleatórias. Este trabalho visa demonstrar a resolução de exercícios referentes às medidas de
dispersão, medidas de separactrizes, coeficiente de assimetria, coeficiente de Curtose ou
achatamento, diagrama de dispersão, covariância, coeficiente de correlação de Pearson,
significado dos coeficientes de regressão linear e probabilidade.

1
Resolução dos exercícios
1. a) Medidas de dispersão
2. Dados em rol

1,1;1,4;1,5;1,9;1,9;2,2;2,3;2,5;2,8;5,1;6,1

Amplitude total

𝐴𝑇 = 𝑋𝑚𝑎𝑥 − 𝑋𝑚𝑖𝑛

𝐴𝑇 = 6,1 − 1,1 = 5,0

Desvio médio

𝒙𝒊 𝒇𝒊 𝒙𝒊 . 𝒇𝒊 |𝒙𝒊 − 𝒙
̅| ̅) 𝟐
(𝒙𝒊 − 𝒙 𝒇𝒊 . |𝒙𝒊 − 𝒙
̅|
1,1 1 1,1 1,5 2,25 1,5
1,4 1 1,4 1,2 1,44 1,2
1,5 1 1,5 1,1 1,21 1,1
1,9 2 3,8 0,7 0,49 1,4
2,2 1 2,2 0,4 0,16 0,4
2,3 1 2,3 0,3 0,09 0,3
2,5 1 2,5 0,1 0,01 0,1
2,8 1 2,8 0,2 0,04 0,2
5,1 1 5,1 2,5 6,25 2,5
6,1 1 6,1 3,5 12,25 3,5
∑ 11 28,8 11,5 24,19 12,2

∑ 𝒙 .𝒇 28,8 Variância Desvio padrão

𝑋̅ = 𝑛𝒊 𝒊 = 11 = 2,6

̅)𝟐
∑(𝒙𝒊 −𝒙 ̅)𝟐
∑(𝒙𝒊 −𝒙
Desvio médio 𝑆2 = 𝑆=√ 𝑛−1
𝑛−1

̅|
∑.|𝒙𝒊 −𝒙 24,19 24,19
𝐷𝑚 = 𝑆 2 = 11−1 = 2,419 𝑆 = √11−1 = 1,57
𝑛

11,5
𝐷𝑚 = = 1,04
11

2
Coeficiente de variação

𝑆
𝐶𝑣 = 𝑋̅ × 100%

1,57
𝐶𝑣 = × 100%
2,6

𝐶𝑣 = 60 %

Interpretação: Como o coeficiente de variação esta acima de 50%, logo, não representa a
média, pois existe uma grandíssima dispersão dos dados em torno da média.

Amplitude interquatilica

𝐴𝑞 = 𝑄3 − 𝑄2

𝐴𝑞 = 2,8 − 1,5 = 1,3

Interpretação: 50% dos valores (mais centrais) estão dentro deste intervalo, portanto
diferem, no máximo, em 1,3.

b) Medidas de separactrizes
Dados em rol

1,1; 1,4; 1,5; 1,9; 1,9; 2,2; 2,3; 2,5; 2,8; 5,1; 6,1

Quartis

Para determinar o 𝑄1 e 𝑄3 devemos determinar primeiro a posição (𝑝) do quartil no conjunto

ordenado de dados (dados em rol), como o numero total de dados (𝑛) é impar, então .

𝑛+1 3(𝑛+1)
Para 𝑄1, temos: 𝑝 = ; 𝑛 = 11 Para 𝑄3 , temos: 𝑝 = ; 𝑛 = 11
4 4

11+1 3(11+1)
𝑝= =3 𝑝= =9
4 4

Sendo 𝑝 um número inteiro, então: Sendo 𝑝 um número inteiro, então:

𝑄1 = 𝑥3 = 1,5 𝑄3 = 𝑥9 = 2,8

3
Percentis

𝑷𝟏𝟎 𝑷𝟗𝟎

10.𝑛 90.𝑛
𝑃10 = 𝑃90 =
100 100

10.11 90.11
𝑃10 = = 1,1 ≅ 2 𝑃90 = = 9,9 ≅ 10
100 100

𝑃10 = 1,4 𝑃90 = 5,1

c) Coeficiente de assimetria

Primeiro coeficiente Segundo coeficiente

𝑋̅ −𝑀𝑜 3(𝑋̅ −𝑀𝑒𝑑 )

𝐴𝑆 = ;como 𝑀𝑜 = 1,9, então: 𝐴𝑆 = ;como 𝑀𝑒𝑑 = 2,2, então:
𝑆 𝑆

2,6−1,9 3(2,6−2,2)
𝐴𝑆 = = 0,4458 ≅ 0,446 𝐴𝑆 = = 0,764
1,57 1,57

Interpretação: Como 𝐴𝑆 > 0, então, a distribuição da população do censo 2017 é assimétrica

positiva.

d) Coeficiente de curtose ou achatamento

𝑄3 −𝑄1
2
𝐶= 𝑃90 −𝑃10

2,8−1,5 Interpretação: Como o coeficiente de Curtose é menor que

2
𝐶= 0,263 (𝐶0,176 < 0,263), então, estamos diante de uma curva
5,1−1,4

1,3 leptocúrtica.
𝐶 = 2×(3,7)

1,3
𝐶 = 7,4

𝐶 = 0,1756 ≅ 0,176

4
e) Diagrama de dispersão
Província 𝐗 (𝐂𝐞𝐧𝐬𝐨 𝟐𝟎𝟎𝟕) 𝐘 (𝐂𝐞𝐧𝐬𝐨 𝟐𝟎𝟏𝟕)
Maputo Cidade 1,1 1,1
Maputo 1,2 2,5
Gaza 1,2 1,4
Inhambane 1,3 1,5
Sofala 1,7 2,2
Manica 1,4 1,9
Tete 1,8 2,8
Zambézia 3,9 5,1
Nampula 4,1 6,1
Cabo Delgado 1,6 2,3
Niassa 1,2 1,9

7
Y (Censo 2017)

6
y = 1.4092x - 0.0081
5
4
3
2
1
0
0 1 2 3 4 5

X (Censo 2007)

Interpretação: O gráfico mostra uma proximidade dos pontos recta de regressão, neste
sentido, existe uma correlação linear entre os dados do censo de 2007 e 2017, ou seja, a
medida que os valores de X aumenta os de Y também aumentam.

f) Co-variância
Média de X
Média de Y
∑ 𝒙 .𝒇 20,5
𝑋̅ = 𝑛𝒊 𝒊 = 11 = 1,86 ≅ 1,9 ∑ 𝒙 .𝒇 28,8
𝑌̅ = 𝑛𝒊 𝒊 = 11 = 2,6
5
 Província 𝐗 (𝐂𝐞𝐧𝐬𝐨 𝟐𝟎𝟎𝟕) 𝐘 (𝐂𝐞𝐧𝐬𝐨 𝟐𝟎𝟏𝟕) ̅
𝑿−𝑿 ̅
𝒀−𝒀 ̅ ). (𝒀 − 𝒀
(𝑿 − 𝑿 ̅)
Maputo Cidade 1,1 1,1 -0,8 -1,5 1,2
Maputo 1,2 2,5 -0,7 -0,1 0,07
Gaza 1,2 1,4 -0,7 -1,2 0,84
Inhambane 1,3 1,5 -0,6 -1,1 0,66
Sofala 1,7 2,2 -0,2 -0,4 0,08
Manica 1,4 1,9 -0,5 -0,7 0,35
Tete 1,8 2,8 -0,1 0,2 -0,02
Zambézia 3,9 5,1 2 2,5 5
Nampula 4,1 6,1 2,2 3,5 7,7
Cabo Delgado 1,6 2,3 -0,3 -0,3 0,09
Niassa 1,2 1,9 -0,7 -0,7 0,49
∑ 20,5 28,8 16,46

∑𝑛 ̅ ̅
𝑖=1(𝑿−𝑿).(𝒀−𝒀)
𝐶𝑜𝑣(𝑋, 𝑌) = Interpretação: Como o coeficiente de co-variância é
𝑛−1

16,46 positivo, então, as duas variáveis tendem a variar na mesma

𝐶𝑜𝑣(𝑋, 𝑌) = 11−1
direcção, isto é, se uma sobe a outra tende a subir e vice-
16,46 versa.
𝐶𝑜𝑣(𝑋, 𝑌) = = 1,646
10

g) Coeficiente de correlação de Pearson

Variância de X (Censo 2007)

∑𝑛 ̅ 2 ̅ 2 ̅ 2 ̅ 2 ̅ 2 ̅ 2 ̅ 2 ̅ 2 ̅ 2 ̅ 2 ̅ 2
2 𝑖=1(X1 −X) +(X2 −X) +(X3 −X) +(X4 −X) +(X5 −X) +(X6 −X) +(X7 −X) +(X8 −X) +(X9 −X) +(X10 −X) +(X11 −X)
S = 𝑛−1

∑𝑛 2 2 2 2 2 2 2 2 2 2
𝑖=1(−0,8) +(−0,7) +(−0,7) +(−0,6) +(−0,2) +(−0,5) +(−0,1) +(2) +(2,2) +(−0,3) +(−0,7)
2
S2 =
11−1
11,7
S2 = = 1,17
10

Desvio padrão de X (Censo 2007)

S𝑋 = √𝑆 2 = √1,17 = 1,08

Desvio padrão de Y (Censo 2017)

𝑆𝑌 = 1,57

6
Co-variância
16,46
𝐶𝑜𝑣(𝑋, 𝑌) = = 1,646
10

Logo o coeficiente de correlação de Pearson fica:

𝐶𝑜𝑣(𝑋,𝑌) 1,646
℘= = 1,08.1,57 = 0,97
S𝑋 .𝑆𝑌

Interpretação: Há uma correlação positiva entre as variáveis.

h)

Província 𝐗 (𝐂𝐞𝐧𝐬𝐨 𝟐𝟎𝟎𝟕) 𝐘 (𝐂𝐞𝐧𝐬𝐨 𝟐𝟎𝟏𝟕) 𝑿𝒊 . 𝒀𝒊 𝑿𝟐𝒊

Maputo Cidade 1,1 1,1 1,21 1,21
Maputo 1,2 2,5 3 1,44
Gaza 1,2 1,4 1,68 1,44
Inhambane 1,3 1,5 1,95 1,69
Sofala 1,7 2,2 3,74 2,89
Manica 1,4 1,9 2,66 1,96
Tete 1,8 2,8 5,04 3,24
Zambézia 3,9 5,1 19,89 15,21
Nampula 4,1 6,1 25,01 16,81
Cabo Delgado 1,6 2,3 3,68 2,56
Niassa 1,2 1,9 2,28 1,44
∑ 20,5 28,8 70,14 49,89
Com base na tabela acima e resoluções anteriores, obtemos:

𝑛 = 11

𝑋̅ = 1,9

𝑌̅ = 2,6

∑ 𝑋𝑖 . 𝑌𝑖 = 70,14

∑ 𝑋𝑖2 = 49,89
𝑛
∑ 𝑋𝑖 .𝑌𝑖 −𝑛𝑋̅ 𝑌̅
𝛽̂1 = ∑𝑖=1
𝑛 𝑋 2 −𝑛𝑋 ̅2
𝛽̂0 = 𝑦̅ − 𝛽̂1 𝑥̅
𝑖=1 𝑖

70,14−11×1,9×2,6 𝛽̂0 = 2,6 − 1,55 × 1,9

𝛽̂1 = 49,89−11×1,92
𝛽̂0 = −0,345
7
 15,8
𝛽̂1 = 10,18 = 1,55

Logo, a recta de regressão estimada da evolução da população moçambicana de III Censo

(2007) (X) para o último Censo (2017) (Y) é:

𝑌̂ = 𝛽̂0 +𝛽̂1 𝑋

𝑌̂ = −0,345 + 1,55𝑋

Esta recta é o “melhor” ajustamento para estes dados e seria diferente para cada amostra das
variáveis X e Y, retiradas desta mesma população. Esta recta pode ser considerada uma
estimativa da verdadeira linha de regressão onde 1,55 seria uma estimativa do valor
(parâmetro angular) e -0,345 uma estimativa do valor (parâmetro linear), que são os
verdadeiros coeficientes de regressão.

i) Significado dos coeficientes de regressão linear

𝛽̂1 :parâmetro angular (inclinação da recta).

𝛽̂0 :parâmetro linear (o ponto de intersecção entre X e Y)

j) Coeficiente de determinação

𝑆2
𝑋𝑌
2
𝑆𝑄𝐸 𝑆𝑋𝑋 𝑆𝑋𝑌
𝑅 2 = 𝑆𝑄𝑇 = =𝑆 = ℘2
𝑆𝑌𝑌 𝑋𝑋 .𝑆𝑌𝑌

𝑅 2 = 0,972 = 0,9409 = 94,09%

Interpretação: 94,09% da variação total da evolução da população moçambicana de III

Censo (2007) (X) é explicado pelo último Censo (2017) (Y), e os restantes 5,91% por outros
factores.

2. Probabilidade
#𝐴
a) 𝑃(𝐴) = 𝑛

777
𝑃(𝐵𝑒𝑚 𝑝𝑟𝑒𝑝𝑎𝑟𝑎𝑑𝑜) = = 0,1197
6489

#𝐴
b) 𝑃(𝐴) = 𝑛

1656
𝑃(𝑁ã𝑜 𝑚𝑢𝑖𝑡𝑜 𝑝𝑟𝑒𝑝𝑎𝑟𝑎𝑑𝑜) = 6489 = 0,255

#𝐴
c) 𝑃(𝐴) = 𝑛
8
 674
𝑃(𝑁ã𝑜 𝑝𝑟𝑒𝑝𝑎𝑟𝑎𝑑𝑜, 𝑀𝑢𝑙ℎ𝑒𝑟) = 4326 = 0,155

#𝐴
d) 𝑃(𝐴) = 𝑛

952
𝑃(𝑈𝑚 𝑝𝑜𝑢𝑐𝑜 𝑝𝑟𝑒𝑝𝑎𝑟𝑎𝑑𝑜, 𝐻𝑜𝑚𝑒𝑚) = 2163 = 0,440

9
Conclusão
Com base na resolução dos exercícios propostos foi possível aprimorar os conhecimentos
sobre referentes às medidas de dispersão, medidas de separactrizes, coeficiente de assimetria,
coeficiente de Curtose ou achatamento, diagrama de dispersão, covariância, coeficiente de
correlação de Pearson, significado dos coeficientes de regressão linear e probabilidade.

10
Bibliografia
Mahaluça, F.(2011). Livro de Estatística.

Mahaluça, F.(2016). Estatística Aplicada. Disponível em: WWW.ResearchGate.net

Morettin, Pedro Alberto (2010). Estatística Básica. 6ª ed. São Paulo : Saraiva.

Ribeiro-Santos, T. C. S. C (2015). Probabilidade e estatística. Londrina: Editora e

Distribuidora Educacional S.A.

11