Estatistica Fernando

UNIVERSIDADE COMUNITÁRIA DA REGIÃO DE CHAPECÓ
UNOCHAPECÓ
CURSO DE CIÊNCIA DA COMPUTAÇÃO
DISCIPLINA: ESTATÍSTICA
Prof.:Fernando Tosini
Chapecó - SC
Sumário
1 Conceitos Básicos 1
1.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 A incerteza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Estatı́stica Aplicada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Abusos da Estatı́stica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4 Perfil do Estatı́stico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.5 Divisões da Estatı́stica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.6 Métodos Cientı́ficos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.7 Bioestatı́stica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.8 Definições Básicas da Estatı́stica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.8.1 Fenômeno Estatı́stico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.8.2 População ou Universo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.8.3 Amostra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.8.4 Dados Estatı́sticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.8.5 Parâmetros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.8.6 Estimativas ou Estimadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.8.7 Dados Primários . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.8.8 Dados Secundários . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.8.9 Estatı́stica Oficiais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.8.10 Estatı́stica Não oficiais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.8.11 Censo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.8.12 Amostragem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.8.13 Atributos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
i
1.9 Natureza da Estatı́stica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.9.1 Variável . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.9.2 Observação Importante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.10 Pesquisa Estatı́stica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.10.1 Fases de uma Pesquisa Estatı́stica . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.11 Lista de Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2 Normas de Construção de Tabelas e Séries Estatı́sticas 21
2.1 Representação Tabular ou Tabelar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1.1 Tabela ou Tabua de Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2 Elementos de uma Tabela . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3 Arredondamento de Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.4 Séries Estatı́sticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.4.1 Tipos de Séries Estatı́sticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3 Organização de Dados em Tabelas 32
3.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.2 Distribuição de Frequência . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.3 Outras Formas de Representação Gráfica . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.3.1 Gráficos Comparativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.3.2 Gráficos Pictogramas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.3.3 Gráficos Cartogramas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.3.4 Gráfico Polar ou Radar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.4 Elementos para uma Distribuição de Freqüência . . . . . . . . . . . . . . . . . . . . . . . 44
3.4.1 Dados Brutos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.4.2 Rol . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.4.3 Amplitude de uma Amostra (Aa ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.4.4 Classe ou Classe de Frequência . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.4.5 Frequência de uma Classe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.5 Aplicação Envolvendo Distribuição de Frequências . . . . . . . . . . . . . . . . . . . . . 47
3.5.1 1◦ Situação: Distribuição de Frequências em Classes Não-Unitárias ou Dados
Agrupados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
ESTATÍSTICA Prof. Fernando Tosini
3.5.2 2◦ Situação: Distribuição de Frequências em Classes Unitárias ou Pontual ou
Dados Não Agrupados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4 Medidas Descritivas 54
4.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.2 Medidas de Posição ou Tendência Central . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.2.1 Representativas (Médias) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.2.2 Separatrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.2.3 Dominantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.2.4 Notas importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.2.5 Comparação das Medidas de Posição . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.3 Medidas de Variabilidade ou Dispersão . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.3.1 Medidas de dispersão Absoluta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.3.2 Propriedades da Variância . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.3.3 Medidas de dispersão Relativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
5 Comportamento em curva de um Histograma 81
5.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
5.2 Interpretação de um Histograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
5.3 Curva de Frequência − Curva Polida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
5.3.1 Curva simétrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5.3.2 Curva Assimétrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5.4 Medidas de Assimetria e Curtose . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
5.4.1 Assimetria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
5.4.2 Curtose . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
iii
Capı́tulo 1
Conceitos Básicos
Resumo: O objetivo deste capı́tulo é apresentar importantes conceitos de estatı́stica e trabalhar a intuição do
aluno, para que, este raciocine em cima de problemas que são tipicamente solucionados com o uso de técnicas
estatı́sticas.
1.1 Introdução
Para iniciar toda a discussão, primeiramente é necessário conhecer melhor o conceito de estatı́stica.
Hoje em dia, é comum, a mı́dia divulgar estatı́sticas. Diariamente, são divulgadas informações, tais
como:
• − Índices de inflação; • − Produção agrı́cola anual;
• − Taxa de mortalidade; • − Índice de desenvolvimento humano;
• − Proporção de eleitores; • − Dentre outras.
O primeiro cuidado que devemos tomar é distinguir as estatı́sticas (valores numéricos que resu-
mem informações) da Estatı́stica que ganhou status de ciência. Esta distinção, será feita da seguinte
forma, a Estatı́stica como ciência terá sempre a primeira letra maiúscula, enquanto a estatı́stica que
transmite uma informação numérica, será mencionada com a primeira letra minúscula.
Como a definição de Estatı́stica não é única, a primeira definição de Estatı́stica, segundo o di-
cionário Aurélio é:
1
Parte da matemática em que se investigam os processos de obtenção, organização e análise de dados sobre
uma população ou sobre uma coleção de seres quaisquer, e os métodos de tirar conclusões e fazer ilações ou
predições com base nesses dados.
Nesta definição, a Estatı́stica é definida como parte da matemática. Entretanto, a Estatı́stica já se
desenvolveu o bastante para ocupar um campo no cenário cientı́fico como ciência que possui métodos
e técnicas próprias.
Enquanto, o famoso matemático John Tukey, que muito contribuiu para a Estatı́stica, a caracterizou
como:
“É uma ciência e não apenas um ramo da matemática, embora ferramentas da matemática sejam essenciais”.
Em uma pesquisa rápida, é possı́vel encontrar várias definições para Estatı́stica, das quais citaremos
algumas:
“Ciência que procura estabelecer os limites da incerteza”.
“Ciência que coleta, classifica e avalia numericamente fatos que servirão de base para inferência”.
“Ciência da Incerteza”.
Outras definições de conteúdo metafórico são:
“...é a arte de torturar os dados até que eles confessem a verdade”.
“...nada mais é do que o bom senso expresso em números”.
Embora todas as definições apresentadas contenham elementos importantes, a definição de Es-
tatı́stica a ser apresentada neste material é:
Estatı́stica é a ciência que tem por objetivo planejar, coletar, tabular, analisar e interpretar informações e
delas extrair conclusões que permitam a tomada de decisões certas mediante incertezas.
Estatı́stica é um campo dedicado à coleta, ao processamento e à análise de dados, com objetivo de reduzir as
incertezas sobre o que está em avaliação e apresentar os resultados com a menor margem de erro possı́vel.
Na maioria das definições apresentadas, verificamos a presença da palavra incerteza. De fato, o
conceito de incerteza está vinculado à aplicação dos métodos e técnicas de análise estatı́stica.
1.1.1 A incerteza
A incerteza permea várias áreas do conhecimento: fı́sica, ciências sociais, comportamento humano,
economia e ciências naturais. O tratamento quantitativo adequado a incerteza é obtido por meio do
estudo da Teoria das Probabilidades.
A incerteza é consequência da variabilidade de um fenômeno e dificulta a tomada de decisões.
2
Considere um simples exemplo da vida cotidiana:
A ida de uma pessoa a uma agência bancária.
Em torno deste fenômeno há uma série de incertezas, por exemplo: a quantidade de pessoas na
fila, o número de atendentes, o tempo de atendimento, as condições do tempo, a cotação da moeda,
etc.
Mesmo que um indivı́duo procure informações prévias sobre todos estes elementos, sob os quais
paira a incerteza, ainda assim não será possı́vel predizer o desfecho. Podemos, por exemplo, analisar
as condições do tempo, obter informações sobre o tráfego, ligar para a agência bancária e, ainda assim,
não conseguimos precisar o horário em que receberemos o desejado atendimento bancário.
1.2 Estatı́stica Aplicada
As aplicações da estatı́stica se desenvolveram de tal forma que, hoje, praticamente todo o campo
de estudo se beneficia da utilização de métodos estatı́sticos. Por exemplo:
• Os fabricantes fornecem melhores produtos a custos menores através de técnicas de controle de
qualidade;
• Controlam-se doenças com o auxı́lio de análises estátisticas que antecipam epidemias;
• Espécies ameaçadas são protegidas por regulamentos e leis que reagem a estimativas estatı́sticas
de modificação de tamanho da população;
• Visando reduzir as taxas de casos fatais, os legisladores têm melhor justificativas para leis, como
as que regem a poluição atmosférica, inspeções de automóveis, utilização de cinto de segurança,
etc.
De acordo com o campo de aplicação, a estatı́stica recebe uma terminologia especializada dentro
dos cursos. Por exemplo.
◦ Biometria ou Bioestatı́stica ◦ Psicometria ◦ Sociometria
◦ Controle de qualidade ◦ Ecomometria ◦ Demografia
◦ Contabilometria ◦ Geoestatı́stica ◦ Estatı́stica engenharia
3
1.3 Abusos da Estatı́stica
Não é de hoje que ocorrem abusos com a estatı́stica. Assim é que , há cerca de um século, o estadista
Benjamin Disraeli disse: “Há três tipos de mentiras: as mentiras, as mentiras sérias e as estatı́sticas”.
Já se disse também que “os números não mentem, mas os mentirosos forjam os números” (Figures
don’t lie; liars figure) e que “se torturarmos os dados por bastante tempo, eles acabam por admitir
qualquer coisa”. O historiador Andrew Lang disse que algumas pessoas usam a estatı́stica “como
um bêbado utiliza um poste de iluminação, para servir de apoio e não para iluminar”. Todas essa
afirmações se referem aos abusos da estatı́stica quando os dados são apresentados de forma enganosa.
Eis alguns exemplos das diversas maneiras como os dados podem ser distorcidos.
◦ Pequenas amostras ◦ Distorções deliberadas
◦ Números imprecisos ◦ Perguntas tendenciosas
◦ Estimativas por suposição ◦ Gráficos enganosos
◦ Porcentagens distorcidas ◦ Pressão do pesquisador
◦ Cifras parciais ◦ Más amostras
1.4 Perfil do Estatı́stico
A formação acadêmica do estatı́stico está fundamentada em conhecimentos de Matemática, Cálculo
e Teoria das Probabilidades, Técnicas e Métodos Estatı́sticos, Computação, Métodos de Análise Estatı́stica e
Disciplinas Prolissionalizantes.
Essa formação acadêmica básica permite ao estatı́stico utilizar técnicas para:
• Efetuar levantamentos e análises de informações;
• Planejar e realizar experimentos e pesquisas em várias áreas cientı́ficas;
• Formular a solução para os mais variados e complexos problemas concernentes à melhoria e
otimização dos mais variados processos.
A exploração das diversas bases de dados estatı́sticos, hoje existentes, requer um profissio-
nal capaz de extrair relevantes informações através do uso de modernas técnicas de amostragem,
modelagem e inferência da Estatı́stica.
4
A formação do estatı́stico desenvolve aptidões que lhe permitam solucionar problemas atuando
como um detetive em busca de evidências quantitativas sobre determinados fenômenos.
É preciso, pois:
• Construir uma sólida base de conhecimentos em matemática;
• Incorporar habilidades no uso de computadores;
• Desenvolver uma boa comunicação oral e escrita;
• Estar permanentemente aberto ao aprendizado de novas técnicas e métodos de trabalho;
• Aprender a trabalhar em conjunto com profissionais de diferentes áreas do conhecimento.
1.5 Divisões da Estatı́stica
De modo geral, constuma-se dividir a Estatı́stica em três partes:
• Estatı́stica Dedutiva ou Descritiva: Em geral, se encarrega de descrever o conjunto de dados
desde a elaboração da pesquisa até o cálculo de determinada medida. Pode ser definda, como
um conjunto de técnicas, destinadas para descrever e resumir as principais caracterı́sticas de
um conjunto de dados, afim de que possamos, tirar conclusões a respeito das caracterı́sticas de
interesse.
As principais técnicas de análise da Estatı́stica descritiva são:
i) Tabelas de frequência: Ao dispor de uma lista volumosa de dados, as tabelas de
frequência servem para agrupar informações de modo que estas possam ser analisadas.
As tabelas podem ser de frequência simples(classe unitária) ou de frequência em faixa de
valores (classe não unitária).
ii) Gráficos: O objetivo da representação gráfica é dirigir a atenção do analista para alguns
aspectos de um conjunto de dados. Alguns exemplos de gráficos são: diagrama de barras,
diagrama em setores, histograma, boxplot, ramo-e-folhas, diagrama de dispersão, gráfico
sequencial.
iii) Medidas numéricas: Por meio de medidas ou resumos numéricos, podemos levantar
importantes informações, sobre o conjunto de dados, tais como: medidas de posição (média,
5
moda e mediana), medidas de dispersão (Desvio padrão e variância), simetria, valores
extremos, valores discrepantes, etc.
• Probabilidade A teoria de probabilidades nos permite descrever os fenômenos aleatórios, ou
seja, aqueles em que está presente a incerteza.
• Estatı́stica Inferencial ou indutiva: Trabalha com os dados de forma a estabelecer hipóteses em
função desses dados, até chegar à conclusões cientı́ficas. O alicerce das técnicas de estatı́stica
inferencial está no cálculo de probabilidades.
As técnicas mais conhecidas da estatı́stica inferencial são:
i) Técnicas de Amostragem: Estuda métodos para levantar amostras que sejam representa-
tivas da população. As técnicas de amostragem que mais se destacam são: Amostragem
Aleatória Simples, Aleatória Estratificada, por Conglomerados, Sistemática, por Cotas, de
Conveniência.
ii) Estimação: A técnica de estimação consiste em utilizar um conjunto de dados incompletos,
ao qual iremos chamar de amostra, e nele calcular estimativas de quantidades de interesse.
Estas estimativas podem ser pontuais (representadas por um único valor) ou intervalares.
iii) Teste de Hipóteses: O fundamento do teste estatı́stico de hipóteses é levantar suposições
acerca de uma quantidade não conhecida e utilizar, também, dados incompletos para criar
uma regra de escolha. Os testes que se destacam são: Teste t-student, Anova e Qui-
quadrado.
Na sequência, será apresentada duas situações reais, que usam a técnicas de resolução da Estatı́stica
inferencial.
Exemplo 1.1 Um instituto de pesquisa deseja estimar a proporção de eleitores do partido de situação no primeiro
turno das eleições presidenciais. Ao coletar uma amostra de 1200 eleitores, a proporção foi estimada em 54%.
No Exemplo 1.1, a quantidade a ser estimada é a proporção de eleitores que votarão no partido
de situação nas eleições presidenciais. Somente a realização das eleições revelará esta quantidade.
Entretanto, estimá-la, com base em uma amostra, auxilia a tomada de decisões tais como a alteração
de uma estratégia de campanha polı́tica.
6
Exemplo 1.2 Em uma fábrica de parafusos, a peça é considerada dentro da especificação caso seu comprimento
esteja no intervalo entre 4,8 cm e 5,2 cm. Os técnicos de controle de qualidade selecionam diariamente 100
parafusos fabricados e calculam o comprimento médio. Conhecendo a variabilidade nos tamanhos dos parafusos
fabricados, caso o comprimento médio esteja abaixo de 4,8 cm ou acima de 5,2 cm, o processo será interrompido.
No Exemplo 1.2, espera-se que o comprimento médio de um conjunto de parafusos amostrados
esteja dentro de um intervalo. Caso isto não ocorra, o processo de produção sofre uma interrupção.
Neste caso, a estatı́stica inferencial é utilizada para criar uma regra de decisão com base em observações
de um subconjunto de 100 peças.
1.6 Métodos Cientı́ficos
Desde a antigüidade o homem fez descobertas que o levaram a desenvolver muitos dos conhe-
cimentos que hoje temos. Naquela época, não se aplicavam métodos, as descobertas eram feitas por
acaso ou necessidades práticas. Atualmente, quase todo o acréscimo de conhecimento se dá por
aplicações de métodos de observação e estudo. Mesmo que muito desse conhecimento tenha sido
adquirido por acaso, o seu desenvolvimento se deu com base em métodos muito bem estudados e
caracterizados, denominados métodos cientı́ficos.
Existem dois métodos cientı́ficos a destacar:
• O Experimental: Geralmente ocorre em laboratório, e é o mais usado nas ciências. É um
método, onde o pesquisador mantém as variáveis do estudo constantes, menos uma, sendo esta
modificada para se observar qual o resultado que ela apresenta no estudo. Por exemplo, para
fazer café, você usa 1/2 litro de água, 3 colheres de café, um coador, 4 colheres de açúcar. Se você
repetir esta receita diversas vezes é em provavél que todas as vezes você tenha o mesmo tipo de
resultado. Todavia, se for alterado algum dos fatores, como aumentar quantidade de água por
exemplo o café ficará mais aguado, se aumentar o açúcar, ficará mais doce e assim por diante.
• O Estatı́stico: Esse método é o mais usado pela estatı́stica, nele é impossı́vel manter as causas
ou fatores constantes, neste caso, deve-se admitir todos os valores dessas variáveis e analisá-los,
procurando determinar qual é a influência que cada fator apresenta no resultado final. Por
exemplo, uma empresa teve uma queda nas vendas no mês de julho. Os estudos indicam que
este mês foi férias escolares, aumentou o fluxo de turistas na região, porém foi mais frio, nosso
7
concorrente baixou o preço dele, nosso produto perdeu em qualidade. Qual desses fatores
poderia ter feito as vendas dessa empresa cair?
1.7 Bioestatı́stica
Bioestatı́stica é a estatı́stica aplicada nos campos relacionados a saúde. Dentro da medicina,
especificamente, pode ser entendida em dois ambiente:
i) O primeiro referente ao levantamento de informações, como registro de doenças, surtos, epide-
mias, habitação, educação etc. Esse ambiente denomina-se de Ambiente Macro, porque se refere
a execução de ações da Saúde Pública.
ii) O segundo ambiente refere-se à elaboração de experiências e pesquisa cientı́fica, tais como testes
de vacinas, avaliação terapêutica, testes de medicamentos etc. Esse ambiente denomina-se de
Ambiente Micro, porque tem a ver com o pesquisa laboratorial e cientı́fica, relacionada as disciplinas
de Imunologia, Fisiologia e Farmacologia.
1.8 Definições Básicas da Estatı́stica
A seguir, apresentamos algumas definições importante da Estatı́stica.
1.8.1 Fenômeno Estatı́stico
Fenômeno Estatı́stico é qualquer evento ou acontecimento que se pretenda analisar, cujo estudo
seja possı́vel a aplicação do método estatı́stico. São divididos em três grupos:
• Fenômenos de massa ou coletivos: São aqueles que não podem ser definidos por uma simples
observação. Exemplos: A taxa de natalidade em Chapecó.
• Fenômenos individuais: São aqueles que compõe os fenômenos de massa. Exemplo: Cada
nascimento em Chapecó.
• Fenômenos de multidão: Quando as caracterı́sticas observadas para a massa, não se verificam
para o particular.
8
1.8.2 População ou Universo
População é o conjunto de elementos (valores, pessoas, medidas etc) que tem pelo menos uma
caracterı́stica em comum. A população pode ser finita ou infinita.
• Finita: Apresenta um número limitado de observações (elementos), que é passı́vel de contagem.
Exemplo: Os acadêmicos que estudam na Unochapecó.
• Infinita: Apresenta um número ilimitado de observações (elementos), que é impossı́vel de
contar. Geralmente está associada a processos. Exemplos: Uma colônia de bactérias; O número
de vezes que se pode jogar um dado.
1.8.3 Amostra
Amostra é um subconjunto de elementos extraı́dos de uma população, apartir de uma série
de critérios que garantam sua representatividade. Por exemplo, se consideremos a população os
acadêmicos da unochapecó, então, os acadêmicos do Curso de Ciência da Computação é uma amostra.
Note:
Uma população pode, mediante processos operacionais, ser considerada infinita, pois a mesma
irá depender do tamanho da amostra. Se a freqüência relativa entre amostra e população for menor
do que 5% ela é considerada infinita, se a freqüência relativa for maior do 5% ela é considerada
finita.
1.8.4 Dados Estatı́sticos
Dado estatı́stico é qualquer caracterı́stica que possa ser observada ou medida de alguma maneira.
Esses dados são chamados de matérias-primas da estatı́stica, sobre a qual serão aplicados os métodos
estatı́sticos. Por exemplo, o conjunto de notas da primeira avaliação da disciplina de estatı́stica da
terceira fase do curso de de Engenharia X.
1.8.5 Parâmetros
Parâmetro é uma medida numérica que descreve uma caracterı́stica de uma população. Por
exemplo, a média ou desvio padrão do conjunto de todas as notas do curso de Engenharia X.
9
1.8.6 Estimativas ou Estimadores
Estimativas é um valor aproximado do parâmetro, que é calculado em cima de uma amostra.
1.8.7 Dados Primários
Dados primários são dados coletados pelo próprio pesquisador e sua equipe.
1.8.8 Dados Secundários
Dados secundários são dados que não foram obtidos pelo pesquisador e sua equipe e sim por
institutos de pesquisa como IBGE (Instituto Brasileiro de Geografia e Estatı́stica), DATASUS (Banco
de dados do Sistema Único de Saúde), ...).
1.8.9 Estatı́stica Oficiais
São estatı́sticas coletadas, tratadas e divulgadas por órgãos do governo (IBGE- Instituto Brasi-
leiro de Geografia e Estatı́stica) que, em princı́pio seguem diretrizes aceitas internacionalmente, a
respeito de padrões de despesas, salários, emprego, importação, exportação, caracterı́sticas sociais,
levantamento demográfico, etc...
1.8.10 Estatı́stica Não oficiais
São organizações semigovernamentais e privadas que ocupam espaço no mercado de informação.
Por exemplo: FGV - Fundação Getúlio Vargas, DIEESE - Departamento Intersindical de Estatı́stica e
Estudos Socioeconômicos, IBOPE - Instituto Brasileiro de Opinião Pública e Estatı́stica.
10
1.8.11 Censo
O censo ou recenseamento demográfico é um estudo estatı́stico (ou uma coleção de dados) refe-
rente a todos os elementos de uma populacão, que possibilita o recolhimento de várias informações,
tais como o número de homens, mulheres, crianças e idosos, onde e como vivem as pessoas. Esse
estudo é realizado, normalmente, de dez em dez anos, na maioria dos paı́ses.
1.8.12 Amostragem
Amostragem é o processo de retirada de informações dos “n” elementos amostrais de uma
população, no qual deve seguir um método criterioso e adequado determinado pelo tipos de amos-
tragem.
1.8.13 Atributos
São dados estatı́sticos apresentam um caráter qualitativo, o levantamento e os estudos necessários
ao tratamento desses dados são designados genericamente de estatı́stica de atributo.
1.9 Natureza da Estatı́stica
1.9.1 Variável
Variável é a caracterı́stica de interesse que é medida em cada indivı́duo da amostra ou população,
podendo ter resultados numéricos ou não. Seus valores variam de indivı́duo a indivı́duo. Por
exemplo, a idade, a cor, o sexo, o tipo sanguı́neo, o nı́vel de hemoglobina no sangue, etc.
As variáveis podem ser classificadas em quantitativas e qualitativas.
• Variável Quantitativa: São aquelas que são numericamente mensuráveis. Por exemplo, a idade,
a altura, o peso.
Estas ainda se subdividem em:
– Variável Quantitativa Contı́nua: São aquelas que assumem valores dentro de um conjunto
contı́nuo, tipicamente os números reais. Geralmente são resultados de medidas.
Exemplos: o peso, a altura, o tempo, a pressão arterial, idade.
11
– Variável Quantitativa Discreta: São aquelas que assumem valores dentro de um tempo finito
ou enumerável, tipicamente números inteiros. Geralmente são resultados de contagens.
Exemplos: o número de filhos de uma pessoa, o número de cigarros fumados por dia.
• Variável Qualitativa: São aquelas que se baseiam em qualidades ou atributos e não podem ser
mensuráveis numericamente.
Estas ainda se subdividem em:
– Variável Qualitativa Ordinal: São aquelas que podem ser colocadas em ordem.
Exemplos: a escolaridade (1◦ , 2◦ , 3◦ grau), o estágio da doença (inicial, intermediário, termi-
nal), mês de observação (janeiro, fevereiro,..., dezembro), o peso (pouco pesados, pesados,
muito pesados).
– Variável Qualitativa Nominal: São aquelas que não podem ser ordenadas.
Exemplos: a cor dos olhos, o local de nascimento, o sexo, fumante/não fumante, do-
ente/sadio.
Esquematizando:
 

 


 


 
 Contı́nua

 





 Quantitativa 


 


 


 

 Discreta






Variável 







 

 


 


 
 Ordinal

 





 Qualitativa 



 


 

 
Nominal
1.9.2 Observação Importante
Destacamos duas importantes observação.
1. Uma variável originalmente quantitativa pode ser coletada de forma qualitativa.
Exemplos:
12
• A variável idade, medida em anos completos, é quantitativa contı́nua; mas, se for informada
apenas a faixa etária (0 a 5 anos, 6 a 10 anos, etc...), torna-se qualitativa ordinal.
• O peso dos lutadores de boxe, uma variável quantitativa contı́nua, se trabalhamos com o
valor obtido na balança, mas torna-se qualitativa ordinal se o classificarmos nas categorias
do boxe (peso-pena, peso-leve, peso-pesado, etc.).
2. Outro ponto importante é que nem sempre uma variável representada por números é quantita-
tiva.
Exemplos:
• O número do telefone de uma pessoa, o número da casa, o número de sua identidade.
• Às vezes o sexo do indivı́duo é registrado na planilha de dados, como 1 se macho e 2 se
fêmea, isto não significa que a variável sexo passou a ser quantitativa.
Exemplo 1.3 Classifique as variáveis apresentadas na tabela:
Tabela 1.1: Classificação de variáveis
Idade Sexo Hemoglobina Tipo de Urticária Duração
34 Masculino 14.2 Fı́sica Curta
58 Masculino 14.4 Fı́sica Longa
31 Femenino 15.1 Idiopática Média
49 Masculino 10.9 Idiopática Média
39 Femenino 14.4 Fı́sica Longa
33 Masculino 14.1 Fı́sica Curta
35 Femenino 14.0 Idiopática Longa

Fonte: Internet
A idade e a quantidade de hemoglobina são variáveis quantitativas contı́nuas, enquanto o sexo
e o tipo de urticária pertencem ao grupo das variáveis qualitativas nominais, e por fim o tempo de
duração pertence ao grupo de variáveis qualitativas ordinais.
13
1.10 Pesquisa Estatı́stica
É qualquer informação retirada de uma população ou amostra, podendo ser através de Censo ou
Amostragem.
1.10.1 Fases de uma Pesquisa Estatı́stica
Uma pesquisa estatı́stica abrange as seguintes fases:
1◦ Definição do Problema: Definir ou formular corretamente o objeto de pesquisa, ou seja, saber
extamente o que se pretende pesquisar.
2◦ Planejamento: Determinar o procedimento necessário para resolver o problema e em especial,
como levantar informações sobre o assunto de estudo. (Elaboração do questionário, tipo de levanta-
mento (censo ou amostra), cronograma de execução, exame das informações disponı́veis, orçamento,
etc).
3◦ Coleta dos Dados: É uma fase operacional. Trata da coleta e registro sistemático de dados, com
um objetivo determinado. Nesta fase, define-se o tipo de coleta:
• Coleta Direta : Quando a coleta é realizada diretamente da fonte. Exemplos, registros de
nascimentos, casamentos, óbitos, importação, exportação, produção agrı́cola, etc. A coleta
direta é classificada de acordo com a forma em que os dados formaram coletados; em:
i) Coleta contı́nua: Os dados são coletados ininterruptamente, automaticamente e na
vigência de um determinado perı́odo. Exemplos, registros de nascimento, óbitos, casa-
mentos, etc.
ii) Coleta periódica: Quando é realizada em perı́odos curtos, determinados de tempo em
tempo. Exemplos, censo demográfico, pesquisa anual do comércio, pesquisa agrı́cola
municipal, censo escolar, etc.
iii) Coleta ocasional: Realizada para atender uma situação ou uma emergência. Exemplos,
casos fatais em um surto epidêmico (febre amarela, dengue, gripe H1N1).
• Coleta Indireta : É feita por deduções a partir dos elementos conseguidos pela coleta direta,
por analogia, por avaliação, indı́cios ou proporcionalização, ou seja, feita através de outras
fontes. Exemplos: Balança comercial, Produtividade, Taxa de mortalidade infantil, etc.
14
Os dados podem ser obtidos pela própria pessoa(primários) ou se baseia no registro de tercei-
ros(secundários).
4◦ Crı́tica dos Dados: Objetiva identificar possı́veis falhas, no levantamento dos dados, a fim de
não cometer erros grosseiros no resultado que possam influenciar os resultados.
5◦ Apuração dos Dados ou Sumarização: Significa fazer a contagem e agrupamento dos dados
em tabelas, mediante os critérios de classificação adotados.
6◦ Apresentação dos Dados: É a fase no qual mostra-se os resultados obtidos na coleta e na
organização. Há duas formas de apresentação: A apresentação tabular, ou seja, é uma apresentação
numérica dos dados em linhas e colunas distribuı́das de modo ordenado, segundo regras práticas
fixadas pelo Conselho Nacional de Estatı́stica. A apresentação gráfica dos dados numéricos, constitui
uma apresentação geométrica, permitindo uma visão rápida e clara do fenômeno.
7◦ Análise e Interpretação dos Dados: A última fase do trabalho estatı́stico é a mais importante e
delicada. A análise das informações é feita por meio de comparações percentuais, gráficos ou ainda
por cálculo de medidas, coeficientes, ou testes estatı́sticos.
Exemplo 1.4
Esta questão tem por objetivo conhecer o perfil dos acadêmicos do Curso de Ciência da Computação.
Cabeçalho: Genero: ( ) Masculino ( ) Feminino
Idade: ( ) menor que 20 anos ( ) 20 anos ou mais
6.1) Porque optou pela Uno?
a) Localização c) Qualidade de ensino e) Outro motivo
b) Pouca concorrência d) Status da universidade
6.2) Porque optou por Ciência da computação?
a) Afinidade com o curso c) Baixo custo e) Outro motivo
b) Campo de trabalho d) Falta de opção
6.3) Já atua no campo da Computação?
a) Sim b) Não
15
Tabela 1.2: Resultados
Perg. Resp. Masculino Feminino Total
-20 +20 Total -20 +20 Total -20 +20 Total
6.1) b
6.2) b
6.3) a
Fonte: Autor
16
1.11 Lista de Exercı́cios
1. O que é, e para que serve a Estatı́tica?
2. Explique o princı́pio da incerteza, e dentro de que teoria é bastante estudada?
3. Cite exemplos alguns práticos, onde podemos aplicar os métodos estatı́sticos?
4. Defina a onde a estatı́stica é aplicada de acordo com a terminologia.
(a) Biometria (c) Psicometria
(b) Contabilometria (d) Demografia
5. Cite as três divisões da Estatı́stica e explique-as?
6. Cite os dois métodos estatı́sticos cientı́ficos e explique-os?
7. O que é um fenômeno estatı́stico?
8. Qual a diferença entre população e amostra?
9. Qual a diferença entre parâmetro e estimativa?
10. Qual a diferença entre dados primários e secundários?
11. Dê o significado das siglas IBGE, DATASUS e IBOPE? Qual a função de cada um?
12. Qual a diferença entre censo e amostragem?
13. O que é atributo?
14. Qual a diferença entre dados estatı́sticos e variável?
15. Explique a diferença entre variável quantativa contı́nua de variável quantativa discreta?
16. Explique a diferença entre variável qualitativa ordinal de variável qualitativa nominal?
17. Classifique os dados, quanto a tempo em contı́nua ou periódica ou ocasional.
(a) Inflação e desemprego.
(b) Censo.
(c) Pesquisa de mercado ou eleitoral.
17
18. População ou Universo é:
(a) Um conjunto de pessoas
(b) Um conjunto de elementos quaisquer
(c) Um conjunto de pessoas com uma caracterı́stica comum
(d) Um conjunto de elementos com pelo menos uma caracterı́stica em comum
(e) Um conjunto de indivı́duo de um mesmo municı́pio, estado ou paı́s
19. Uma parte da população retirada para analisá-la denomina-se:
(a) Universo
(b) Parte
(c) Pedaço
(d) Dados Brutos
(e) Amostra
20. A parte da estatı́stica que se preocupa somente com a descrição de determinadas caracterı́sticas
de um grupo, sem tirar conclusões sobre um grupo maior denomina-se:
(a) Estatı́stica de População
(b) Estatı́stica de Amostra
(c) Estatı́stica Inferecial
(d) Estatı́stica Descritiva
(e) Estatı́stica Grupal
21. Parâmetro é:
(a) Um conjunto numérico
(b) Uma medida numérica que descreve uma caracterı́stica de uma população
(c) Um conjunto de dados coletados pelo pesquisador e sua equipe
(d) Um conjunto de dados que não são coletados pelo pesquisador e sua equipe
(e) É uma medida numérica que descreve várias caracterı́stica de uma popu- lação
18
22. Classifique as seguintes variáveis.
I) Cor dos olhos. V) Tipo sanguı́neo.
(a) Qualitativa ordinal (a) Qualitativa ordinal
(b) Qualitativa nominal (b) Qualitativa nominal
(c) Quantitativa contı́nua (c) Quantitativa contı́nua
(d) Quantitativa discreta (d) Quantitativa discreta
(e) Qualitativa contı́nua (e) Qualitativa contı́nua
II) Peso de um indivı́duo. VI) Fator RH.
III) Nı́veis de peso de um lutador. VII) Nı́vel social de famı́lias.
IV) Raça. VIII) Religião.
19
IX) Estado civil. XII) Causa de morte.
X) Grau de escolaridade. XIII) Quantidade de álcool engerido.
XI) Dias da semana. XIV) Número de mortos no trânsito.
23. Classifique em verdadeiro ou falso as seguintes afirmações:
(a) ( ) Estatı́stica é um conjunto de técnicas destinadas a organizar um conjunto de valores
numéricos.
(b) ( ) Sempre que estivermos trabalhando com números, deveremos utilizar a Inferência
Estatı́stica.
(c) ( ) A Estatı́stica Descritiva fornece uma maneira adequada de tratar um conjunto de
valores, numéricos ou não, com a finalidade de conhecermos o fenômeno de interesse.
(d) ( ) Qualquer amostra representa, de forma adequada, uma população.
20
Capı́tulo 2
Normas de Construção de Tabelas e
Séries Estatı́sticas
Resumo: O objetivo deste capı́tulo é apresentar as normas para construção de uma tabela, os critérios de
arredondamentos de dados e a definição e classificação de séries estatı́sticas.
2.1 Representação Tabular ou Tabelar
Consiste em dispor os dados em linhas e colunas, distribuı́das de modo ordenado, segundo
algumas regras práticas e obedecendo à Resolução nº 886/66, de 26 de outubro de 1966, do Conselho
Nacional de Estatı́stica. As normas de apresentação são editadas pelo Intituto Brasileira de Geografia
e Estatı́stica (IBGE).
2.1.1 Tabela ou Tabua de Dados
Tabela é uma forma resumida de apresentar um conjunto de dados. Geralmente, uma tabela
apresenta a seguinte representação esquemática.
Tabela 2.1: Tı́tulo

Cabeçalho
corpo
Rodapé:
21
2.2 Elementos de uma Tabela
Uma tabela deve conter:
• Tı́tulo: O tı́tulo deve responder as seguintes questões:
− O que? (Assunto a ser representado (Fato));
− Onde? (O lugar onde ocorreu o fenômeno (local));
− Quando? (A época em que se verificou o fenômeno (tempo)).
• Cabeçalho: parte da tabela na qual é designada a natureza do conteúdo de cada coluna.
• Corpo: parte da tabela composta por linhas e colunas.
• Linhas: parte do corpo que contém uma seqüência horizontal de informações.
• Colunas: parte do corpo que contém uma seqüência vertical de informações.
• Coluna Indicadora: coluna que contém as discriminações correspondentes aos valores dis-
tribuı́dos pelas colunas numéricas.
• Casa ou célula: parte da tabela formada pelo cruzamento de uma linha com uma coluna.
• Rodapé: É o espaço aproveitado em seguida ao fecho da tabela, onde são colocadas as notas de
natureza informativa (fonte, notas e chamadas).
• Fonte: refere-se à entidade que organizou ou forneceu os dados expostos.
Notas e Chamadas: são esclarecimentos contidos na tabela (nota - conceituação geral e chamada -
esclarecer minúcias em relação a uma célula).
Notação Convencional
A substituição de uma informação da tabela, poderá ser feita pelos sinais abaixo:
i) − Dado numérico igual a zero; iii) ? Quando temos dúvida na informação;
ii) ... Quando não temos os dados; iv) 0 Quando o valor for muito pequeno.
22
Exemplo 2.1 A tabela apresenta o esqueleto estrutural e seus elementos.
2.3 Arredondamento de Dados
Segunda a portaria 36 de 06/07/1965 - INPM - Instituto Nacional de Pesos e Medidas, o arredon-
damento segue as seguintes critérios:
1◦ ) Se o primeiro algarismo, após aquele que queremos arredondar for de 0 a 4, conservamos o
algarismo a ser arredondado e desprezamos os seguintes.
Exemplo: 7,34856 (para décimos) → 7,3
2◦ ) Se o primeiro algarismo, após aquele que queremos arredondar for de 6 a 9, acrescenta-se uma
unidade no algarismo a ser arredondado e desprezamos os seguintes.
Exemplo: 1,2734 (para décimos) → 1,3
3◦ ) Se o primeiro algarismo, após aquele que queremos arredondar for 5, seguido apenas de ze-
ros, conservamos o algarismo se ele for par ou aumentamos uma unidade se ele for ı́mpar,
desprezando os seguintes.
Exemplos: 6,2500 (para décimos) → 6,2 12,350 (para décimos) → 12,4
Se o 5 for seguido de outros algarismos dos quais, pelo menos um é diferente de zero, aumen-
tamos uma unidade no algarismo e desprezamos os seguintes.
Exemplos: 8,2502 (para décimos) → 8,3 8,4503 (para décimos) → 8,5
4◦ ) Quando, arredondarmos uma série de parcelas, e a soma ficar alterada, devemos fazer um novo
arredondamento (por falta ou por excesso), na maior parcela do conjunto, de modo que a soma
fique inalterada.
23
Exemplo: 17,4% + 18,4% + 12,3% + 29,7% + 22,2% = 100%
Arredondando para inteiro:
17% + 18% + 12% + 30% + 22% = 99%
17% + 18% + 12% + 31% + 22% = 100%
2.4 Séries Estatı́sticas
Uma série estatı́stica, define-se, como toda e qualquer coleção de dados estatı́sticos referidos a
uma mesma ordem de classificação quantitativa. Em um sentido mais restrito, diz-se que uma série
estatı́stica é uma sucessão de dados estatı́sticos referidos a caracteres quantitativos.
Para diferenciar uma série estatı́stica de outra, temos que levar em consideração três fatores:
• A ÉPOCA (fator temporal ou cronológico) a que se refere o fenômeno analisado;
• O LOCAL (fator espacial ou geográfico) onde o fenômeno acontece;
• O FENÔMENO (espécie do fato ou fator especı́fico) que é descrito.
2.4.1 Tipos de Séries Estatı́sticas
São quatro os tipos de séries estatı́sticas, conforme a variação de um dos fatores:
Série Temporal ou Cronológica
Também pode ser chamada série histórica, evolutiva ou marcha. É a série cujos dados estão
dispostos em correspondência com o tempo, ou seja, varia o tempo e permanece constante o fato e o
local.
Tabela 2.2: Produção de Petróleo no Brasil de 2013 a 2017 (mil barris/dia)
Anos Produção
2013 2110
2014 2341
2015 2525
2016 2608
2017 2734
Total 12318
Fonte: Anuário Estatı́stico - 2018
24
Série Geográfica ou Territorial
Também pode ser chamada série espaciais ou de localização. É a série cujos dados estão
dispostos em correspondência com o local, ou seja, varia o local e permanece constante a época e o
fato.
Tabela 2.3: População do Brasil em 2017
Região População
Norte 17.936.201
Nordeste 57.254.159
Sudeste 86.949.714
Sul 29.644.948
Centro-Oeste 15.875.907
Total 207.660.929
Fonte: IBGE
Série Especı́fica ou Qualitativa
Também pode ser chamada série categórica. É a série cujos dados estão dispostos em corres-
pondência com a espécie ou qualidade, ou seja, varia o fato e permanece constante a época e o
local.
Tabela 2.4: População Urbana e Rural do Brasil (Censo 2010)
Localização População
Urbana 160.879.708
Rural 29.852.986
Total 190.732.694
Fonte: IBGE
Série Mista ou Composta
A combinação entre duas ou mais séries constituem novas séries denominadas compostas e
apresentadas em tabelas de dupla entrada. O nome da série mista surge de acordo com a combinação
de pelo menos dois elementos:
Local + Época = Série Geográfica Temporal
25
Tabela 2.5: População do Brasil por Região de 2013 a 2017
Regiões
Anos N NE SE S CO
2013 16 983 484 55 794 707 84 465 570 28 795 762 14 993 191
2014 17 231 027 56 186 190 85 115 623 29 016 114 15 219 608
2015 17 472 636 56 560 081 85 745 520 29 230 180 15 442 232
2016 17 707 783 56 915 936 86 356 952 29 439 773 15 660 988
2017 17 936 201 57 254 159 86 949 714 29 644 948 15 875 907
Fonte: IBGE
Exemplo 2.2 Faça o arredondamento na segunda casa decimal, segundo os critérios do Instituto Nacional de
Pesos e Medidas.
a) 7, 46882 c) 7, 47500 e) 7, 41582
b) 7, 43222 d) 5, 48500 e) 7, 47551
Exemplo 2.3 Classifique as séries estatı́sticas.
a) Série 1.
Tabela 2.6: Produção de Borracha Natural de 1991 a 1993
Anos Toneladas
1991 29.543
1992 30.712
1993 40.663
Fonte: IBGE
b) Série 2.
Tabela 2.7: Vacinação Contra a Poliometite - 1993
Regiões Quantidade
Norte 211.209
Nordeste 631.040
Sudeste 1.119.708
Sul 418.785
Centro-Oeste 185.823
Fonte: IBGE
26
1. Assinale a alternativa verdadeira.
(a) Tanto a nota quanto a chamada são usadas para esclarecimento geral sobre um quadro e
uma tabela.
(b) Tanto a nota quanto a chamada são usadas para esclarecer detalhes em relação à casa, linhas
ou colunas de um quadro ou uma tabela.
(c) A nota é usada para esclarecer detalhes em relação a casas, linhas ou colunas enquanto a
chamada é usada para um esclarecimento geral sobre um quadro ou uma tabela.
(d) A nota é usada para esclarecimento geral sobre um quadro ou tabela enquanto a chamada
é usada para esclarecer detalhes em relação a casas, linhas ou colunas.
(e) Todas as afirmativas anteriores são falsas.
2. A representação tabular de dados no Brasil obedece às normas
(a) Da SUNAB; (d) Do Governo Federal;
(b) Da Receita Federal; (e) Da Secretaria Municipal de Estatı́stica.
(c) Do IBGE;
3. De acordo com as normas para representação tabular de dados, quando o valor de um dado é
zero, deve-se colocar na célula correspondente:
(a) Zero (0). (d) Um ponto de interrogação (?).
(b) Três pontos (...). (e) Um ponto de exclamação (!).
(c) Um traço horizontal (−).
não está disponı́vel, deve-se colocar na célula correspondente.
27
muito pequeno, para ser expresso com o número de casa decimais utilizadas ou com a unidade
de medida utilizada, deve-se colocar na célula correspondente.
6. De acordo com as normas para representação tabular de dados, quando há dúvida, na exatidão
do valor de um dado, deve-se colocar na célula correspondente.
7. Uma série estatı́stica é denominada evolutiva quando?
(a) O elemento variável é o tempo;
(b) O elemento variável é o local;
(c) O elemento variável é a espécie;
(d) É o resultado da combinação de séries estatı́sticas de tipos diferentes;
(e) Os dados são agrupados em subintervalos do intervalo observado.
8. Uma série estatı́stica é denominada espacial quando?
9. Uma série estatı́stica é denominada cronológica quando?
28
10. Uma série estatı́stica é denominada categórica quando?
11. Uma série estatı́stica é denominada marcha quando?
12. Uma série estatı́stica é denominada geográfica quando?
13. Uma série estatı́stica é denominada composta quando?
29
14. Uma série estatı́stica é denominada qualitativa quando?
15. Uma série estatı́stica é denominada especı́fica quando?
16. Uma série estatı́stica é denominada mista quando?
17. Uma série estatı́stica é denominada temporal quando?
30
18. Uma série estatı́stica é denominada evolutiva quando?
19. Classifique as séries estatı́sticas.
(a) Série 1.
Tabela 2.8: Avicultura Brasileira - 1992

Espécies Números de cabeças (x 1000)
Galinhas 204.160
Galos 435.465
Codornas 2.488
Fonte: IBGE
(b) Série 2.
Tabela 2.9: Exportação Brasileira 1985-1990-1995
Importadores 1991 1992 1993

América Latina 13,0 13,4 25,6
EUA e Canadá 28,2 26,3 22,2
Europa 33,9 35,2 20,7
Ásia e Oceania 10,9 17,7 15,4
África e Oriente Médio 14,0 8,8 5,5
Fonte: IBGE
31
Capı́tulo 3
Organização de Dados em Tabelas
Resumo: O objetivo deste capı́tulo é apresentar as formas de como, compactar ou resumir, amostras de dados
numéricos em tabelas de frequência ou gráficos.
3.1 Introdução
Atualmente é muito comum organizar os dados de uma pesquisa estatı́stica em tabelas de
frequência ou gráficos(diagramas). Essas tabelas aparecem com muita frequência em jornais
informativos (Zero Hora, Correio do Povo, etc.), relatórios técnicos, monografias, dissertações, teses e
revistas cientı́ficas. São tabelas que apresentam de forma concisa o número de ocorrências (absoluta
e relativa) dos valores de uma variável.
A organização dos dados é realizada através da distribuição de frequência, no qual, consiste
dispor os dados em linhas e colunas distribuı́dos de modo ordenado.
Exemplo 3.1 Consideremos uma amostra de dados que representa a massa em kg de 20 acadêmicos.
50 65 70 80 50 72 72 80 65 72
70 70 50 72 65 65 72 70 70 70
Faça a distribuição de frequência dos dados e suas representações gráficas.
Exemplo 3.2 Consideremos uma amostra de dados que representa a altura em cm de 20 acadêmicos.
160 160 162 163 163 165 167 168 170 170
171 172 174 174 175 177 178 178 178 180
Faça a distribuição de frequência dos dados e suas representações gráficas.
32
3.2 Distribuição de Frequência
É o tipo de série estatı́stica na qual permanece constante o fato, o local e a época. Os dados
são colocados em classes preestabelecidas, registrando a freqüência de ocorrência. Uma distribuição de
freqüência pode ser classificada em classe discreta(pontual,unitária) e classe intervalar(não unitária).
• Distribuição de Frequência em Classe Discreta ou Pontual ou Unitária: É uma série
de dados agrupados na qual, o número de observações(frequência) está relacionado com um
ponto real, ou seja, as classes são unitárias.
A representação gráfica desse tipo de distribuição, é feita em gráfico de linha, ou barras verticais,
ou barras horizontais e gráficos de setores.
Exemplos:
i) Tabela de distribuição de frequência em classes unitárias:
Tabela 3.1: Produção de Petróleo Bruto no Brasil de 1976 a 1980 (× 1000 m3 )
Anos Produção
1976 9702
1977 9332
1978 9304
1979 9608
1980 10562
Σ 485908
Fonte: Conjuntura Econômica (fevereiro 1983)
ii) Gráfico de Linha de distribuição de frequência em classes unitárias:
Figura 3.1: Produção de Petróleo Bruto no Brasil de 1976 a 1980 (×1000 m3 )
Fonte: Conjuntura Econômica (Fev. 1983)
33
iii) Gráfico de barras verticais de distribuição de frequência em classes unitárias: Este gráfico é
utilizado para variáveis nominais e ordinais.
Figura 3.2: População Urbana do Brasil em 1980 (×1000)
Fonte: Anuário Estatı́stico (1984)
Caracterı́sticas:
- Todas as barras devem ter a mesma largura;
- Devem existir espaços entre as barras;
Observações: As larguras das barras que deverão ser todas iguais podendo ser adotado
qualquer dimensão, desde que seja conveniente e desde que não se superponham. O
número no topo de cada barra pode ou não omitido, se forem conservados, a escala vertical
pode ser omitida.
iv) As regras usadas para o gráfico de barras veticais são iguais as usadas para o gráfico de
barras horizontais.
34
v) Gráfico de Setores de distribuição de frequência em classes unitárias: Este gráfico é utilizado
para variáveis nominais e ordinais. É um gráfico usado para dar ênfase à comparação das
percentagens de cada categoria. A construção do gráfico de setores segue uma regra de
três simples, onde as freqüências de cada classe correspondem ao ângulo que se deseja
representar em relação a freqüência total que representa o total de 360°.
Figura 3.4: População Urbana e Rural do Brasil em 1980 (×1000)
Caracterı́sticas:
- A área do gráfico equivale à totalidade de casos (360° = 100%);
- Cada “fatia” representa a percentagem de cada categoria.
• Tabela de Distribuição de Freqüências em Classe Intervalar ou Não-unitária: É uma
série de dados agrupados na qual o número de observações(frequência) está relacionado com
um intervalo, ou seja, as classes são não-unitárias. O intervalo de classe mais usado, é do tipo
fechado a esquerda e aberto a direita, representado pelo sı́mbolo: |−.
A representação gráfica desse tipo de distribuição é feita em histogramas ou polı́gonos de frequências
ou ogivas.
Exemplos:
i) Tabela de distribuição de frequência em classes não-unitárias:
Tabela 3.2: Altura em centı́metros de 160 alunos

Altura (cm) xi fi
150 |− 158 154 18
158 |− 166 162 25
166 |− 174 170 20
174 |− 182 178 52
182 |− 190 186 30
190 |− 198 194 15
Σ — 160
Fonte: Autor
35
ii) Histograma de uma distribuição de frequência em classes não-unitárias: Este gráfico é
utilizado para variáveis contı́nuas. As classes sempre estão representadas no eixo horizontal
e as frequência no eixo vertical.
Figura 3.5: Altura em centı́metros de 160 alunos
Fonte: Autor
O histograma é o gráfico que aparece com maior frequência na representação de dados
agrupados em classes não-unitárias.
Caracterı́sticas:
- Cada barra representa a frequência do intervalo respectivo;
- Os intervalos devem ter a mesma amplitude;
- As barras devem estar todas juntas.
iii) Polı́gono de Freqüências de uma distribuição de frequência em classes intervalares: No eixo
horizontal são representadas os pontos médios das classes intervalares e no vertical a frequência.
Fonte: Autor
36
iv) Ogivas de uma distribuição de frequência em classes não-unitárias: No eixo horizontal são
representadas as classes intervalares e no vertical a frequência acumulada.
Fonte: Autor
Resumindo:
 

 


 


 
 Gráfico de linha

 


 


 
 Gráfico de barras verticais

 

 Classe Pontual 


 


 
 Gráfico de barras horizontais

 


 


  Gráfico de setores

Distribuição de frequência: 






 

 

 


 
 Histograma

 


 

 Classe Intervalar 


 

Polı́gono de frequência

 


 
 Ogivas

37
3.3 Outras Formas de Representação Gráfica
Na sequência é apresentado outras formas de representação gráfica de uma série de dados. Essas
representações são bastante usadas pelo IBGE, para compactar e representar algumas série de dados.
3.3.1 Gráficos Comparativos
São gráficos usados para representar uma série mista(local + época). A representação é feita por
meio de gráfico de linhas comparativas ou colunas justapostas ou colunas sobrepostas.
Exemplo:
Considere a série mista representada na tabela abaixo.
Tabela 3.3: População Urbana do Brasil por Região de 1940 a 1980 (×1000)
Regiões
Anos N NE SE S CO
1940 406 3 381 7 232 1 591 271
1950 581 4 745 10 721 2 313 424
1960 958 7 517 17 461 4 361 1 007
1970 1 624 11 753 28 965 7 303 2 437
1980 3 037 11 567 42 810 11 878 5 115
Fonte: IBGE
A representação da série em gráfico de linhas comparativas é:
38
A representação da série em gráfico de colunas juntapostas é:
A representação da série em gráfico de colunas sobrepostas é:
3.3.2 Gráficos Pictogramas
Pictogramas são gráficos semelhantes aos gráficos de barras, onde se utilizam sı́mbolos ou
imagens apelativos em substituição das barras. Esse tipo de gráfico tem por objetivo chamar atenção
do publico em geral, e, seu uso geralmente está associado à sinalização pública, instruções, orientações
e qualquer outro meio para transmitir informações. É muito comum, encontrar o uso de pictogramas
em diversos contextos cotidianos, como placas em shoppings, aeroportos, guias, manuais, mapas,
infográficos, etc.
Exemplos:
39
Figura 3.11: Evolução da Frota Nacional de Carros à Álcool de 1979 à 1987
Figura 3.12: Comparação do Crescimento Populacional do BrasiL e o Estado do RS em 2014 - 2015
Fonte:IBGE
3.3.3 Gráficos Cartogramas
Cartograma é a representação sobre uma carta geográfica, ou seja, é um mapa que mostra
informação quantitativa, com um certo grau de precisão geográfica das unidades espaciais mapea-
das. Geralmente, é empregado, quando o objetivo é o de figurar os dados estatı́sticos diretamente
relacionados com as áreas geográficas ou polı́ticas.
40
◦ Dados absolutos (população): Usa-se pontos proporcionais aos dados.
Figura 3.13: Matriz de Pequenos Múltiplos com os mapas univariados representando casos totais, por
quilômetro quadrado e por 100 mil habitantes, para as ocorrências de Dengue, Chikungunya e Zika
no Brasil em 2016
Fonte: IBGE
41
◦ Dados relativos (densidade): Usa-se hachaduras.
Figura 3.14: Mapa coroplético e de sı́mbolos proporcionais e com as ocorrências de Dengue, Chikun-
gunya e Zika no Brasil em 2016 e Mapa de hachuras bivariado sobre mapa coroplético representando
os casos de Dengue, Chikungunya e Zika por 100 mil habitantes no Brasil, em 2016.
Fonte: IBGE
3.3.4 Gráfico Polar ou Radar
É o tipo de gráfico em forma de uma polı́gono, ideal para representar séries temporais cı́clicas,
ou seja, toda a série que apresenta uma determinada periodicidade.
Passo de construção de um gráfico polar
1) Traça-se uma circunferência de raio arbitrário (preferencialmente, a um raio de comprimento
proporcional a média dos valores da série);
2) Constrói-se uma semi-reta (de preferência horizontal) partindo do ponto 0 (pólo) e com uma
escala (eixo polar);
3) Divide-se a circunferência em tantos arcos forem as unidades temporais;
4) Traça -se semi-retas a partir do ponto 0 (pólo) passando pelos pontos de divisão;
42
5) Marca-se os valores correspondentes da variável, iniciando pela semi-reta horizontal (eixo polar);
6) Ligam-se os pontos encontrados com segmentos de reta;
7) Para fechar o polı́gono obtido, emprega-se uma linha interrompida.
Exemplo: Considere a precipitação pluviométrica do Municı́pio de Chapecó no ano de 2017.
Tabela 3.4: Precipitação Pluviométrica do Municı́pio de Chapecó - SC - 2017
Meses Precipitação (mm)

Janeiro 170
Fevereiro 174
Março 129
Abril 167
Maio 184
Junho 156
Julho 153
Agosto 155
Setembro 174
Outubro 198
Novembro 176
Dezembro 161
Total 2 181
Fonte: Climate-data.org
A representação em gráfico polar é:
Figura 3.15: Precipitação Pluviométrica do Municı́pio de Chapecó - SC - 2017
Fonte: Autor
43
3.4 Elementos para uma Distribuição de Freqüência
Para organizar dos dados em tabelas de frequência, é necessário conhecer alguns elementos
importantes, que destacamos a seguir.
3.4.1 Dados Brutos
Dados brutos é a massa de dados resultante da coleta ou experimento.
3.4.2 Rol
Chama-se rol toda sequência a1 , a2 , a3 , ..., an de dados numéricos tal que:
• Cada termo, apartir do segundo, é maior ou igual ao seu antecessor;
• Ou cada termo, apartir do segundo, menor ou igual ao seu antecessor.
Exemplo 3.3 Para uma amostragem de nota bimestral da disciplina de estatı́stica, foram escolhidos aleatóriamente
sete acedêmicos com as seguintes notas: 6, 6, 5, 3, 8, 7, 8. Apresente essa amostra de dados em rol?
Em rol, temos:
(3, 5, 6 , 6, 7, 8, 8) ou (8, 8, 7, 6, 6, 5, 3)
3.4.3 Amplitude de uma Amostra (Aa )
A amplitude de uma amostra de dados numéricos, é dada pela diferença, entre o maior e o menor
valor dessa amostra.
Exemplo 3.4 Considere a altura em metros de 12 jogadores de futebol: 1.59, 1.60, 1.65, 1.72, 1.58, 1.50, 1.43,
1.62, 1.65, 1.70, 1.58, 1.63. Determine a amplitude da amostra?
Observe que a maior medida da amostra é 1.72 m e a menor é 1.43 m. Assim, a amplitudade dessa
amostra é:
Aa = 1.72 − 1.43 = 0.29 m
44
3.4.4 Classe ou Classe de Frequência
Classe é cada subintervalo (linha) na qual dividimos o fenômeno, ou seja, é qualquer intervalo real
que contenha um rol da amostra.
Uma classe é formada por dois valores extremos, o limite inferior(Li) e o limite superior(Ls), e
pode ser representada da forma:
Li ⊢ − Ls ou Li − ⊣ Ls ou Li ⊢⊣ Ls
Ou
[Li ; Ls[ ou ]Li ; Ls] ou [Li ; Ls]
A diferença entre os valores extremos de cada classe é denominada amplitude da classe (Ac ), e
definida por:
Ac = Ls − Li (3.1)
Geralmente, a amplitude do intervalo de classe deve ser constante em todo a distribuição de
freqüências intervalar.
As classes que possuem a mesma amplitude são denominadas classes homogêneas, caso contrário,
são denominadas classes heterogêneas.
O ponto médio da classe (Xi ) é dado pela média aritmética simples do limite inferior com o limite
superior de uma mesma classe.

Ls + Li
xi = (3.2)
2
ou a partir do xi , os demais pontos médios pode ser determinado por:
xn = xn−1 + Ac , ∀ n = 2, 3, .... (3.3)
Obs: Quando substituirmos os intervalos de classes pelos pontos médios xi , temos uma distribuição
de frequência pontual, conforme mostra o item ii) do polı́gono de frequência a cima graficado.
As classes também podem ser classificadas em:
• Pontual ou Unitárias: Quando são representadas por um único número real.
• Intervalar ou Não-unitárias: Quando são representadas por um intervalo.
Notas Gerais:
Normalmente a determinação do número de classes, bem como, a determinação dos intervalos de
classe e a constituição das classes, é um problema para o qual não existe uma regra cem por eficiente.
Entretanto, é possı́vel adotar algumas orientações de caráter geral.
45
I) Quando o problema não especı́fica o número de classe, podemos adotar a fórmula de Sturges para
determinar o número de classes de um conjunto de dados não tabelados.
C = 1 + 3, 33 · log(n) (3.4)
Onde, C é o representa o número de classes e n o número de elementos da amostra ou número de
informações.
Além da Regra de Sturges, existem outras fórmulas empı́ricas para resolver o problema para
√
determinação do número de classes [C], há quem prefere usar C n . Entretanto, a verdade é que
essas fórmulas não nos levam a uma decisão final, esta vai depender na realidade de um julgamento
pessoal, que deverá estar ligado a natureza dos dados, procurando, sempre que possı́vel, evitar classes
com freqüências nulas ou freqüências relativas exageradamente grandes.
II) Se a e b são, respectivamente, o menor e o maior elemento da amostra, então, o extremo inferior
da primeira classe deve ser menor ou igual a a e o extremo superior da última classe deve ser maior
ou igual a b;
III) O extremo inferior de cada classe, apartir da segunda, deve ser igual ao extremo superior da
classe imediatamente anterior;
IV) Dependendo da notação utilizada na representação de cada classe os extremos destas pode ou
não participar da amostra.
3.4.5 Frequência de uma Classe
A frequência de uma classe é o número de valores compreendidos em seu intervalo. Para
diferenciá-la de outros tipos de frequência é comum dividı́-la em:
• Freqüência absoluta ( fi ): é a quantidade de valores em cada classe.

X
n
n= fi = f1 + f2 + ... + fn
i=1
• Frequência acumulada (Fai ): é o somatório da freqüência absoluta da i-ésima classe com a
freqüência absoluta das classes anteriores, ou a freqüência acumulada da classe anterior.

X
n
Fan = fi = n
i=1
• Frequência relativa (Fri ): é a divisão de cada frequência pelo total de frequências. Neste caso,
46
os valores da frequência relativa, devem ser devidamente arredondados afim de que totalize 1.
fi
Fri =
X
n
fi
i=1
• Frequência percentual (Fpi ): é a multiplicação de cada frequência relativa por 100.
Fpi = Fri · 100
• Frequência percentual acumulada (Fpai ): é o somatório da freqüência percentual da i-ésima
classe com a freqüência percentual das classes anteriores, ou a freqüência percentual acumulada
da classe anterior.
X
n
Fpan = f pi = 100
i=1
3.5 Aplicação Envolvendo Distribuição de Frequências
Naturalmente, a distribuição de frequência é representada em tabelas e gráficos. Dessa forma,
vamos considerar duas situações para a distribuição de frequência, uma para classe unitária e outra
para classe não-unitária.
3.5.1 1◦ Situação: Distribuição de Frequências em Classes Não-Unitárias ou Da-

dos Agrupados
Nesse tipo de apresentação os valores observados não aparecerão individualmente, e sim agrupa-
dos em classes. Quando a variável objeto do estudo for contı́nua, será sempre conveniente agrupar
os valores observados em classes. Se, por outro lado, a variável for discreta e o número de valores
representativos dessa variável for muito grande, recomenda-se o agrupamento dos dados em classes,
evitando com isso grande extensão da tabela, aparecimento de diversos valores com frequência nula
e impossibilidade de visualização do fenômeno como um todo.
Exemplo 3.5
A tabela abaixo mostra a distribuição de freqüência dos dados resultantes das emissões de um determinado gás
em um laboratório.
47
Emissão (µg/L) N° de ocorrências F. acum. F. relat. F. perc. F. p. acum.

50 ⊢ 59 8
59 ⊢ 69 10
69 ⊢ 80 16
80 ⊢ 89 14
89 ⊢ 100 10
100 ⊢ 109 5
109 ⊢ 119 2
Total
Determine:
(a) O número de classes. (d) O ponto médio da 3a classe.
(b) O limite inferior da 4a classe. (e) A amplitude das classes.
(c) O limite superior da 5a classe. (f) O intervalo de classe de maior frequência.
(g) A freqüência relativa e percentual acumulada da 1◦ e da 7◦ classe.
(h) A porcentagem de emissões maior ou igual a 100 (µg/L).
(i) A porcentagem de emissões que se mantiveram nos valores aceitáveis, maior igual 69 menor que 100
(µg/L).
Exemplo 3.6
Os dados a seguir, refere-se a altura em centı́metros de uma amostra de 70 alunos.
153 154 155 156 158 160 160 161 161 161 162 162 163 163 164
164 165 166 167 167 172 173 173 174 174 175 175 176 177 178
179 179 180 182 183 184 185 186 186 187 188 188 189 189 190
191 192 192 192 192 193 194 194 195 197 197 199 200 201 205
(a) Qual a variável em estudo?
(b) Separar essa amostra, em classes de mesma amplitude, e construir a tabela de distribuição de frequência.
(c) Construir o histograma, polı́gono de frequência e a ogivas crescente.
48
3.5.2 2◦ Situação: Distribuição de Frequências em Classes Unitárias ou Pontual

ou Dados Não Agrupados
Nesse tipo de apresentação os valores observados aparecerão individualmente, e deveram ser
agrupados em classes unitárias.
Exemplo 3.7
Os dados da amostra, representam as notas de 80 acadêmicos.
4 4 5 7 8 7 6 6 8 4 5 5 5 6 6 7 8 7 7 7
7 6 6 6 6 4 4 8 8 5 5 7 7 7 6 6 6 7 8 4
7 5 5 5 5 4 6 8 6 5 5 7 7 7 6 6 6 7 8 6
7 5 5 5 5 4 6 8 6 5 6 7 7 7 6 6 6 8 8 6
Apresentar os dados em tabelas de distribuição de frequência, apresentar essa distribuição em gráficos de
linha, barras verticais e de setores.
49
1. Assinale a afirmativa verdadeira:
(a) Um gráfico de barras ou colunas é aquele em que os retângulos que o compõem estão
dispostos horizontalmente.
(b) Um gráfico de barras ou colunas é aquele em que os retângulos que o compõem estão
dispostos verticalmente.
(c) Um gráfico de barras é aquele em que os retângulos que o compõem estão dispostos
verticalmente e um gráfico de colunas, horizontalmente.
(d) Um gráfico de barras é aquele em que os retângulos que o compõem estão dispostos
horizontalmente e um gráfico de colunas, verticalmente.
(e) Todas as alternativas anteriores são falsas.
2. O gráfico mais comumente utilizado, quando se deseja evidenciar a participação de um dado
em relação ao total é denominado:
(a) Gráfico em barras; (d) Gráfico pictórico ou pictograma;
(b) Gráficos em colunas; (e) Gráfico polar.
(c) Gráfico em setores;
3. Uma representação gráfica, comumente encontrada em jornais e revistas que inclui figuras de
modo a torná-las, mais atraente é denominada:
(a) Gráfico em barras; (d) Gráfico pictórico ou pictograma;
(b) Gráficos em colunas; (e) Gráfico cartograma.
(c) Gráfico em setores;
4. A tabela abaixo, mostra o consumo de determinada bebida durante um baile:
Bebida Consumo
Vodka 100
Suco de Frutas 200
Água Mineral 400
Refrigerante 700
Cerveja 1600
50
Foi construı́do um gráfico em setores para melhor representar o fenômeno acima.
(a) Qual o ângulo do setor correspondente ao vodka?
a) 6◦ b) 10◦ c) 12◦ d) 24◦ e) 100◦
(b) Qual o ângulo do setor correspondente ao suco de frutas?
a) 12◦ b) 20◦ c) 24◦ d) 48◦ e) 200◦
(c) Qual o ângulo do setor correspondente à água mineral?
a) 24◦ b) 40◦ c) 48◦ d) 84◦ e) 100◦
(d) Qual o ângulo do setor correspondente aos refrigerantes?
a) 42◦ b) 70◦ c) 84◦ d) 192◦ e) 220◦
(e) Qual o ângulo do setor correspondente ao de cervejas?
a) 12◦ b) 96◦ c) 160◦ d) 192◦ e) 260◦
5. Observe o seguinte pictograma e responde às questões.
(a) Quantos cafés foi vendido na 4ª feira? E na 6ª feira?
(b) Quantos cafés foram vendidos a mais, de 5ª para 6ª feira?
(c) A D. Rosa quer encerrar um dia por semana. Qual dia ela deve escolher? Porquê?
(d) Se um café custar R$ 3,50 qunato recebe a Dona Rosa pela venda de cafés durante um mês?
51
6. A tabela mostra a distribuição de frequência de uma amostra, referente ao consumo mensal de
energia elétrica da cidade de Xanxere do ano de 2017.
Consumo (kwh) N° de residências F. acum. F. relat. F. perc. F. p. acum.

0 ⊢ 100 786
100 ⊢ 200 1491
200 ⊢ 300 634
300 ⊢ 400 327
400 ⊢ 500 261
500 ⊢ 600 103
Total
Determine:
(a) Qual é o percentual de residências com consumo inferior a 300 Kwh.
(b) Qual é o percentual de residências com consumo igual ou superior a 200 kwh, mas inferior
a 300 Kwh.
(c) Qual é o percentual de residências com consumo igual ou superior a 400 Kwh.
(d) Qual é o consumo médio por residências?
7. As rendas mensais em reais dos 25 ingressantes, num certo curso de pós-graduação em enge-
nharia de uma universidade foram as seguintes (em mil reais):
2, 90; 2, 90; 2, 95; 2, 95; 3, 10; 3, 10; 3, 15; 3, 20; 3, 20; 3, 25; 3, 30; 3, 40; 3, 45;
3, 45; 3, 50; 3, 65; 3, 65; 3, 80; 3, 90; 3, 90; 4, 00; 5, 00; 5, 20; 5, 50; 6, 40
(a) Qual a variável em estudo?
(b) Separar essa amostra, em classes de mesma amplitude, e construir a tabela de distribuição
de frequência.
(c) Construir o histograma, polı́gono de frequência e ogiva decrescente.
8. Uma pesquisa foi realizada na cidade de Chapecó, com o intúito de saber, qual tipo de carro
que o cidadão, utiliza diariamente, para deslocar-se ao trabalho. Dentre ônibus, carro e moto, o
número de diferentes meios de transporte utilizados foi o seguinte:
2, 3, 2, 1, 2, 1, 2, 1, 2, 3, 1, 1, 1, 2, 2,
52
3, 1, 1, 1, 1, 2, 1, 1, 2, 2, 1, 2, 1, 2, 3
(a) Organize uma tabela de freqüência.
(b) Faça uma representação gráfica de linha e de setores.
(c) Admitindo que essa amostra represente bem o comportamento do cidadão chapecoense,
você acha que a porcentagem dos usuários que utilizam mais de um tipo de transporte é
grande?
9. O valor médio de comercializaçáo da saca de milho de 60 quilos na Bolsa de Cereais é apresentado
abaixo, em reais, para últimos 40 meses.
6, 1 6, 2 6, 7 6, 5 6, 9 6, 3 7, 4 7, 6 7, 7 7, 6
7, 3 7, 7 7, 6 7, 4 7, 2 7, 2 7, 3 7, 6 7, 5 7, 4
7, 5 7, 7 8, 2 8, 3 8, 1 8, 1 8, 1 7, 9 7, 8 7, 4
7, 5 7, 6 7, 5 7, 6 7, 4 7, 3 7, 4 7, 5 7, 5 7, 4
(a) Organize os dados em faixas de tamanho 0,4 a partir de 6.
(b) Construa o histograma.
10. Os dados a seguir mostram os resultados de 20 exames hematológicos efetuados no Laboratório
de Análises Clı́nicas USP, referentes ao número percentual de linfócitos, em um grupo de
pacientes que apresentam leucemia linfóide.
10, 12, 18, 12, 15, 14, 10, 12, 11, 19, 13, 14, 10, 11, 15, 16, 22, 14, 12, 13
(a) Calcular a amplitude total da amostra.
(b) Estimar usando a fórmula de sturges o número de classes conveniente.
(c) Construir a tabela de distribuição de frequência, usando o critério de valores diferenciados
para limites superiores e inferiores das classes subsequentes.
11. Os conteúdos de vinte caixas de leite longa-vida, apresentaram os seguintes volumes, em litro:
0, 98 1, 00 1, 01 0, 98 0, 99 0, 99 1, 01 1, 01 1, 00 0, 99
1, 00 1, 02 0, 98 0, 99 1, 00 0, 99 1, 00 1, 01 0, 98 0, 99
(a) Organize uma tabela de frequência com classes unitária.
(b) Faça uma representação gráfica de barras e setores.
53
Capı́tulo 4
Medidas Descritivas
Resumo: O objetivo deste capı́tulo, é apresentar as duas principais medidas descritivas, sua diferenciação e as
formas de como determiná-las e aplicá-las.
4.1 Introdução
As medidas descritivas, são medidas numéricas que tem objetivo, descrever um conjunto de dados
de forma organizada e compacta. As medidas descritivas mais importantes são:
• Medidas de posição: Mostra o posicionamento dos elemento da amostra;
• Medidas de dispersão: Mede o afastamento dos elemento da amostra;
4.2 Medidas de Posição ou Tendência Central
São medidas que nos mostram o posicionamento dos elementos de uma amostra de números,
quando esta é dispota em rol. Dentro de uma amostra, essas medidas possuem carater representativo,
separador e dominante, isto é:






 Média Aritmética


• Representativas: Médias: 


 Média Geométrica




Média Harmônica
54
 

 


 


 Mediana 
 Moda Bruta

 


 


 Quartis 
 Moda de Czuber
• Separatrizes: 
 • Dominantes: Moda: 


 


 
 Moda de King

 Decis 


 


 

Centis ou Percentis Moda de Pearson
4.2.1 Representativas (Médias)
São medidas descritivas que tem por finalidade representar um conjunto de dados.
a) Média Aritmética
A média aritmética de um conjunto com n dados não tabelados x1 ; x2 ; ...; xn , é representada
por x̄, e definida por:

X
n
xi
x1 + x2 + ... + xn i=1
x̄ = µ = = (4.1)
n n
Onde:
x̄ é a média amostral (dados de uma amostra) e µ é a média populacional (dados de uma
população).
Observação: É comum diferenciar, em termos de notação, a média amostral da média populacional.
Embora, o cálculo de ambas seja feito da mesma forma, geralmente, os valores dessas médias são
próximos.
Propriedades da Média Aritmética
i) A soma algébrica dos desvios de um conjunto X = {x1 ; x2 ; ...; xn } com n números em relação
à média aritimética x̄, é sempre igual a zero, ou seja:
X
n
(xi − x̄) = 0
i=1
Demonstração:
X
n
xi
X
n X
n X
n X
n X
n
i=1
X
n X
n
(xi − x̄) = xi − x̄ = xi − n · x̄ = xi − n · = xi − xi = 0
n
i=1 i=1 i=1 i=1 i=1 i=1 i=1
55
ii) A média de um conjunto de números X = {x1 ; x2 ; ...; xn } é também igual à média de cada
um destes números menos uma constante k, somada depois a essa mesma constante k, ou
seja:
X
n X
n
xi (xi − k)
i=1 i=1
x̄ = = +k
n n
Demonstração:
X
n X
n X
n X
n X
n X
n
xi (xi − k + k) (xi − k) k (xi − k) (xi − k)
i=1 i=1 i=1 i=1 i=1 n·k i=1
= = + = + = +k
n n n n n n n
iii) A soma dos quadrados dos desvios de um conjunto X = {x1 ; x2 ; ...; xn } com n números em
relação à qualquer número A, é um mı́nimo quando A = x̄, ou seja:
X
n
(xi − x̄)2 = minimo
i=1
Exemplo 4.1 Calcule:
a) A média aritmética das idades dos acadêmicos que cursam a disciplina de Estatı́stica.
b) Se a média das notas 3; x; 6 e 10 é igual a 7. Qual é o valor de x.
Exemplo 4.2 A altura média de 22 estudantes de uma classe é 170 cm. Em um determinado dia faltaram
dois estudantes, um de altura 190 cm e outro de 170 cm. Determine a altura média dos estudantes
presentes neste dia?
Média Aritmética Ponderada
A média aritmética ponderada de um conjunto de dados x1 ; x2 ; ...; xn , aos quais são atri-
buidos respectivamente, fatores de ponderação (pesos ou frequência) p1 ; p2 ; ...; pn , é representada
por x̄, e definida por:
X
n
xi · pi
x1 · p1 + x2 · p2 + ... + xn · pn i=1
x̄ = = (4.2)
p1 + p2 + ... + pn X
n
pi
i=1
56
Observação: Esta fórmula pode ser usada, para calcular a média a aritmética de dados agrupa-
dos em tabelas com classe unitária.
Exemplo 4.3 Um acadêmico realizou seis provas de estatı́stica valendo 10 pontos e tirou 5; 8; 4; 6; 9 e 8.
Porém as provas tinham pesos 2; 1; 2; 3; 1 e 1. Calcule a média das notas desse acadêmico?
Exemplo 4.4 Uma industria produz diariamente três produtos, com respectivos lucros percentuais apre-
sentado na tabela.
X Vendas Lucro
Pregos 2500,00 30%
Parafusos 1500,00 50%
Rebites 750,00 40%
Qual é o lucro médio diario dessa industria?
Média Aritmética de Classe Não-Unitárias
De modo geral, para dados agrupados em classe intervalares, a média aritmética é definida
por:
X
m
xi · fi
x1 · f1 + x2 · f2 + ... + xm · fm i=1
x̄ = = (4.3)
f1 + f2 + ... + fm Xm
fi
i=1
Onde:
xi é o ponto médio da classe i; fi é a freqüência da classe i; m é o número de classes;
Exemplo 4.5 A tabela mostra a distribuição de frequência das estaturas, em cm, de uma amostra de
acadêmicos.
Classe (Estaturas em cm) Número de acadêmicos

[150.5 - 156.5[ 4
[156.5 - 160.5[ 5
[160.5 - 168.5[ 8
[168.5 - 178.5] 3
Determine a estatura média dos acadêmicos dessa amostra?
57
Exemplo 4.6 O histograma mostra a distribuição das idades de uma amostra de estudantes.
Calcule a idade média desses estudantes?
b) Média Geométrica
A aplicação da média geométrica deve ser feita, quando os valores do conjunto de dados
considerado se comportam segundo uma progressão geométrica (P.G.) ou dela se aproximam.
A média geométrica de um conjunto de dados, formado por n números x1 ; x2 ; ...; xn , com
comportamento de uma progressão geométrica é representada por G, e definida por:
– Para dados não tabelados:
 n 1
Y  n √
G =  xi  = n x1 · x2 · ... · xn (4.4)
i=1
– Para dados tabelados:
n v
X t n X
n
Y q
fi f fi f1 f2 f
G= xi i = x1 · x2 · ... · xnn (4.5)
i=1 i=1
i=1
Onde:
fi é a freqüência da classe i; xi é o ponto médio da classe i em classes intervalares;
Observações:
58
– Na área biomédica, a média geométrica é frequentemente empregada para expressar re-
sultados de experiências laboratoriais que se apresentam em escala não-linear geométrica.
Por exemplo, para determinar Concentração Mı́nima Inibitória (CMI) de um determinado
antibiótico.
– A média geométrica de um conjunto é sempre menor ou igual a média aritmética, vários
problemas de desigualdades presentes na geometria são resolvidos através dela.
Exemplo 4.7 Digamos que uma categoria de operários tenha um aumento salarial de 20% após um mês,
12% após dois meses e 7% após três meses. Qual o percentual médio mensal de aumento desta categoria?
Exemplo 4.8 Prove que a fórmula da média geomética pode ser apresentada na forma:
X
n
√
n
logb xi
G= (b) i=1
c) Média Harmônica
A média harmônica de um conjunto com n dados numéricos x1 ; x2 ; ...; xn , é representada por
H, e definida por:
– Para dados não tabelados:
 n −1
X 1  n
H = n ·   =
 (4.6)
xi  1 1 1
i=1 + + ... +
x1 x2 xn
– Para dados tabelados:
 n −1
X
n X fi 
H= fi ·   = f1 + f2 + ... + fn
 (4.7)
xi  f1 f2 fn
i=1 i=1 + + ... +
x1 x2 xn
Onde:
fi é a freqüência da classe i;
xi é o ponto médio da classe i em classes intervalares;
Observação: A média harmônica nunca é maior do que a média geométrica ou do que a média
aritmética, é geralmente é utilizada para calcular a média de problemas, que envolvem dados
inversamente proporcionais, como velocidades, vazões, freqüências e taxas.
59
Exemplo 4.9 Um ônibus viaja de A para B a 30 km/h, e volta no mesmo caminho B para A a uma
velocidade de 60 km/h. Qual é a velocidade média de todo o percurso?
Exemplo 4.10 Use o exemplo anterior, e comprove a propriedade das médias: H ≤ G ≤ x̄.
Emprego da média
i) Deseja-se obter a medida de posição que possui a maior estabilidade;
ii) Houver necessidade de um tratamento algébrico posterior.
Resumindo:
60
4.2.2 Separatrizes
São medidas de posição que divide o conjunto de dados em partes proporcionais, quando os
mesmos são ordenados (colocados em rol). De acordo com a divisão elas são classificadas em:
• Mediana (Md): dividem um conjunto de dados em partes iguais;
• Quartis (Qi ): dividem um conjunto de dados em quatro partes iguais;
• Decis (Di ): dividem os dados em dez partes iguais;
• Percentis (Pi ): dividem os dados em sem partes iguais.
Cálculo das Separatrizes
Para encontrar as separatrizes de um conjunto de dados amostrais, representados em classes
unitárias ou intervalares, devemos:
Primeiramente, dispor a amostra em rol e em seguida, calcular a posição da separatriz.
⊠ Para dados amostrais ou agrupados em classes unitárias:
Se o número de elementos n for par ou ı́mpar, as separatrizes, seguem a seguinte ordem:
i(n + 1)
Posição = S
(4.8)
 

 

 i=1
  1≤i≤9

◦ Se for mediana: 
 ◦ Se for decis: 


 S=2 
 S = 10


 
 1≤i≤3
 

◦ Se for quartis: 

  1 ≤ i ≤ 99

 S=4 ◦ Se for percentis: 


 S = 100
Exemplo 4.11 Considere as seguintes grandezas:
3; 5; 8; 9; 10; 10; 7; 3; 12
Dertemine a Md, Q1 , Q3 , D8 e P80 .
61
Exemplo 4.12 A tabela apresenta o número de salários que os funcionários de uma industria recebem
mesalmente.
Número de salários Numero de funcionários

3 192
4 328
5 321
6 180
7 43
Dertemine a Md, Q1 ,Q2 , Q3 , D7 e P60 .
⊠ Para dados agrupados em classes intervalares:
Para os dados agrupados em uma distribuição de classes intervalares, as separatrizes
são calculadas por:
i·n
Posição = S (4.9)

Posição − Faant · Ac
Si = lSi + (4.10)
fSi
Onde:
Si = Md, para i = 1.
Si = Qi , para 1 ≤ i ≤ 3.
Si = Di , para 1 ≤ i ≤ 9.
Si = Pi , para 1 ≤ i ≤ 99.
lSi é o limite inferior da classe que contém a separatriz;

i·n
é a posição da classe separatriz;
S
Faant é a freqüência acumulada da classe anterior a que contém a separatriz;
Ac é a amplitude do intervalo da classe;
fSi é a freqüência absoluta da classe que contém a separatriz;
Exemplo 4.13 A tabela mostra a distribuição de frequência das estaturas, em cm, de uma amostra de 160
acadêmicos da Universidade.
62

Altura (cm) xi fi
150 |− 158 154 18
158 |− 166 162 25
166 |− 174 170 20
174 |− 182 178 52
182 |− 190 186 30
190 |− 198 194 15
Σ — 160
Fonte: Autor
Dertemine a Md, Q1 , Q3 , D6 e P80 .
Emprego da mediana
i) Quando se deseja obter um ponto que divide a distribuição em partes iguais;
ii) Há valores extremos que afetam de uma maneira acentuada a média;
Resumindo:
63
4.2.3 Dominantes
São medidas descritivas que tem por finalidade, mostrar o elemente dominante em um conjunto
de dados.
Cálculo das Dominâncias
Podemos encontrar as medidas dominantes de um conjunto de dados amostrais representados
em classes unitarias e intervalares.
⊛ Para dados amostrais ou agrupados em classes unitárias:
Moda
A moda (Mo) é o valor mais frequente em um conjunto de dados. A moda pode não existir,
e, mesmo que exista, pode não ser única. De acordo com o número de moda que o conjunto de
dados possui, ele é classificado em:
– Amodal: Não tem moda;
– Unimodal: tem uma moda;
– Bimodal: tem duas modas;
– Multimodal ou polimodal: tem três ou mais modas.
Exemplo 4.14 Considre o conjunto de dados e determine a moda e classifique-a.
a) 1; 1; 3; 3; 5; 7; 7; 7; 11; 13 c) 3; 5; 5; 5; 6; 6; 7; 7; 7; 11; 12
b) 3; 5; 8; 11; 13; 18 d) 5; 5; 6; 6; 7; 7; 8
Exemplo 4.15 A tabela apresenta o número de salários que os funcionários de uma industria recebem
mesalmente.
Número de salários Numero de funcionários

3 192
4 328
5 321
6 180
7 43
Dertemine a moda.
64
⊛ Para dados agrupados em classes intervalares:
Para os dados agrupados em uma distribuição de classes intervalares, as dominâncias
modais são:
Moda Bruta (Mob )
A moda bruta é simplesmente, o ponto médio xi da classe de maior freqüência (classe modal).
Mob = xi (4.11)
Moda de Czuber: (Moc )
O processo para determinar a moda usado por Czuber leva em consideração as freqüências
anteriores e posteriores à classe modal.

∆1
Moc = lMo + · Ac (4.12)
∆1 + ∆ 2
Onde:
∆1 = fMo − fant e ∆2 = fMo − fpos .
lMo é o limite inferior da classe modal;
fMo é a freqüência absoluta da classe modal;
Ac é a amplitude do intervalo de classe;
fant é a freqüência absoluta da classe anterior a classe modal;
fpos é a freqüência absoluta da classe posterior a classe modal;
Moda de King: (Mok )
O processo proposto por King considera a influência existente das classes anterior e posterior
sobre a classe modal. A inconveniência deste processo é justamente não levar em consideração
a freqüência máxima.
!
fpos
Mok = lMo + · Ac (4.13)
fpos + fant
Moda de Pearson: (Mop )
O processo usado por Pearson pressupõe que a distribuição seja aproximadamente simétrica,
na qual a média aritmética e a mediana são levadas em consideração.
Mop = 3 · Md − 2 · x̄ (4.14)
65

Altura (cm) xi fi
150 |− 158 154 18
158 |− 166 162 25
166 |− 174 170 20
174 |− 182 178 52
182 |− 190 186 30
190 |− 198 194 15
Σ — 160
Fonte: Autor
Dertemine a Mob , Moc , Mok e Mop .
Emprego da moda
i) Quando se deseja obter uma medida rápida e aproximada de posição;
ii) Quando a medida de posição deve ser o valor mais tı́pico da distribuição.
Resumindo:
66
4.2.4 Notas importantes
⋆ A média é a mais utilizada, principalmente quando não há valores aberrantes, sendo a medida
mais conveniente para cálculos posteriores;
⋆ A mediana deve ser usada, sempre que possı́vel, como medida representativa de distribuições
fortemente assimétricas, pois o seu valor não é afetado por valores extremos;
⋆ A moda é usada quando há interesse em saber o ponto de concentração do conjunto ou o tipo de
distribuição que se está analisando, sendo que o seu valor, em se tratando de dados agrupados,
é fortemente afetado pela maneira como as classes são constituı́das.
4.2.5 Comparação das Medidas de Posição
Medidas Definição Vantagem Desvantagem

Média Centro da Reflete todos os dados É muito afetada por valores
distribuição extremos
Mediana Divide a distribuição Menos sensı́vel a valo- Difı́cil de calcular, quando te-
ao meio res extremos mos, grandes amostras de da-
dos
Moda Valor mais frequentes Valor tı́pico Não é utilisado em analises
matemática
Exemplo 4.17 Considere as notas das provas de estatı́stica realizada por 50 acadêmicos.
22 46 9 40 57 22 22 13 50 42
35 2 15 41 34 52 32 75 69 44
26 42 60 56 30 3 17 79 45 37
12 62 50 35 41 59 11 66 39 1
43 33 70 50 47 20 36 40 37 29
(a) Calcule a média, mediana e moda da amostra de notas;
(b) Monte uma tabela com 7 classes;
(c) Calcule a média, mediana e moda da tabela de notas agrupadas;
(d) O que se pode concluir, quando se compara os valoes obtidos no item a) e c).
67
4.3 Medidas de Variabilidade ou Dispersão
São medidas, que visam descrever os dados no sentido de informar o grau de dispersão ou
afastamento dos valores observados em torno de um valor central representativo chamado média.
Com essas medidas é possı́vel, informar se um conjunto de dados é homogêneo (pouca variabilidade)
ou heterogêneo (muita variabilidade).
As medidas de dispersão são:
 

 


 


 
 Desvio extremo ou amplitude de variação

 


 


 
 Desvio médio

 

 Absoluta 


 


 
 Desvio padrão

 

 

Medidas de dispersão: 
  Variância ou desvio quadrático









 

 

 


  Variância Relativa

 


 Relativa 

 Coeficiente de variação de Pearson
Para compreendermos, o porque, devemos estudar as medidas de dispersão. Analisemos o
exemplo prático.
Supondo que uma empresa, esteja realizando uma entrevista e análise curricular, para contratar
um funcionário. Ao final da entrevista, foram classificados apenas dois candidatos, para uma única
vaga. Então, para a escolha final, foi realizado 4 tarefas para cada um, onde, as mesmas tiveram como
registro o tempo (em minutos) de execução.
Tabela 4.3: Tempo de excecução de 4 tarefas
Tarefas 1 2 3 4
Candidato 1 (tempo) 45 55 52 48
Candidato 2 (tempo) 30 70 40 60
Fonte: Autor
Análise gráfica
Graficando as tarefas de cada um dos candidatos, temos:
68
Como se pode notar nos gráficos, os candidatos possuem a mesma média, porém, a dispersão
dos dados em torno da média do candidato 1, é menor do que o do candidato 2. Isso quer dizer, que,
durante a execução das tarefas, o canditato 1 obteve, tempos mais próximos da média, isto significa
que, o candidato 1 é mais regular do que o candidato 2.
Observação:
◦ Conjunto de dados são melhor analisado, quando se utiliza medida de tendência central e medida
de dispersão, pois, é comum encontrar-se séries que, apesar de apresentarem a mesma média, são
compostas de maneiras diferentes.
◦ Só as medidas de tendência central, geralmente, são insuficientes para descrever ou analizar
adequadamente um conjunto de dados.
4.3.1 Medidas de dispersão Absoluta
São medidas de dispersão sensı́veis às unidades de medida.
Desvio Extremo ou Amplitude de Variação
É a diferença entre o maior e o menor valor de um conjunto de dados.
H = xmax − xmin (4.15)
Desvio Médio Absoluto
O desvio médio absoluto de uma amostra de dados, com n números, x1 ; x2 ; ...; xn , é representada
por Dma, e definida por:
69
• Para dados não tabelados:
X
n
|xi − x̄|
i=1
Dma = (4.16)
n
• Para dados tabelados:
X
n

fi · |xi − x̄|
i=1
Dma = X
n (4.17)
fi
i=1
Onde:
Desvio Padrão
O desvio padrão pode ser amostral s ou populacional σ, e definida por:
v
u
u
u
u
u X
n
t
(xi − x̄)2
i=1
σ= (4.18)
n
v
u
u
u
u
u X
n
t
(xi − x̄)2
i=1
s= (4.19)
n−1
v
u
u
u
u
u Xn
u
u
u
u
u fi · (xi − x̄)2
u
u
u
u i=1
σ= t (4.20)
X n
fi
i=1
70
v
u
u
u
u
u Xn
u
u
u
u
u fi · (xi − x̄)2
u
u
u
s= u
t i=1
Xn (4.21)
fi − 1
i=1
Onde:
Desvio Quadrático ou Variância
O desvio quadrático pode ser amostral s2 ou populacional σ2 , e definida por:
X
n
(xi − x̄)2
i=1
σ2 = (4.22)
n
X
n
(xi − x̄)2
i=1
s2 = (4.23)
n−1
X
n
fi · (xi − x̄)2
i=1
σ2 = X
n (4.24)
fi
i=1
X
n
fi · (xi − x̄)2
i=1
s2 = X
n (4.25)
fi − 1
i=1
Onde:
71
Observação:
◦ (n − 1) é usado como um fator de correção ou grau de liberdade da estimativa, onde deve-
mos considerar a variância amostral como uma estimativa da variância populacional.
◦ A desvantagem em usar a variância como medida de dispersão é que, se os elementos da amostra
apresentam unidade u, a variância vai se apresentar em u2 , o que pode causar dificuldade na
interpretação.
4.3.2 Propriedades da Variância
i) A variância de uma amostra com todos os valores iguais, é zero;
ii) Somando-se ou subtraindo-se uma constante k, a cada valor observado (elementos amostrais),
a variância não será alterada;
iii) Multiplicando-se ou dividindo-se por uma constante k, cada valor observado, a variância ficará
multiplicada ou dividida pelo quadrado dessa constante.
4.3.3 Medidas de dispersão Relativas
São medidas de dispersão que não dependem da unidade de medida. Essas medidas são obtidas,
a partir da variância, da média e o desvio padrão. Em geral, são medidas expressa em porcentagem,
e tem por função determinar o grau de concentração dos dados em torno da média. Geralmente é utilizada
para fazer a comparação entre dois conjuntos de dados em termos percentuais, esta comparação
revelará o quanto os dados estão próximos ou distantes da média do conjunto de dados.
Variância Relativa
É obtida pela divisão entre a variância e o quadrado da média, e é representada por Vr , e definida
por:
• Variância relativa amostral:

s2
Vr = (4.26)
x̄2
• Variância relativa populacional:

σ2
Vr = (4.27)
µ2
72
Coeficiente de Variação de Pearson
É obtida pela divisão entre o desvio padrão e a média, e é representada por Cv , e definida por:
• Coeficiente de variação amostral:

s
Cv = · 100 (4.28)
x̄
• Coeficiente de variação populacional:
σ
Cv = · 100 (4.29)
µ
Observação:
◦ Se Cv < 15%, temos, pequena dispersão, em caso, 15 ≤ Cv ≤ 30%, temos, média dispersão, e
por fim, se Cv > 30%, temos, alta dispersão.
◦ Se Cv ≤ 50%, significa que a média é representativa.
◦ Se Cv 0, temos a maior representatividade da média (s = 0).
Exemplo 4.18 Ás vésperas de um jogo decisivo, o técnico de uma equipe de basquetebol, deve optar pela
escalação de um dos jogadores, A ou B. As tabelas mostram o desempenho de cada jogador nos últimos cinco
jogos que participaram:
Jogador A Jogador B
Jogo Número de Pontos Jogo Número de Pontos
1 20 1 30
2 22 2 14
3 18 3 20
4 20 4 12
5 20 5 24
(a) Calcular a média e desvio médio absoluto de cada um nesses cinco jogos;
(b) Calcular o desvio padrão de cada um nesses cinco jogos;
(c) Você, sendo técnico desse time, se tivesse que escalar um desses jogadores, num jogo onde a simples vitória
daria o tı́tulo da competição, qual deles escalaria?
73

Altura (cm) xi fi
150 |− 158 154 18
158 |− 166 162 25
166 |− 174 170 20
174 |− 182 178 52
182 |− 190 186 30
190 |− 198 194 15
Σ — 160
Fonte: Autor
(a) Determine a altura média desses acadêmicos;
(b) Determine o desvio médio absoluto das medidas;
(c) Determine o desvio padrão das medidas;
(d) Determine o coeficiente de variação de Pearson;
Média e desvio-padrão em uma calculadora Casio
1) Ligue sua calculadora, aperte Mode e escolha a opção 2 (SD);
2) Agora digite o primeiro dado e aperte M+ (para registrar na memória);
3) Insira o próximo número e aperte M+, siga fazendo isso para cada dado a ser inserido;
4) Após registrar todos os dados na memória de sua calculadora, aperte Shift e o número 2 (S-VAR);
5) Escolha a opção 1 para média, 2 para desvio-padrão populacional e 3 para desvio-padrão
amostral;
6) Aperte o botão de igual (=) e confira o resultado;
7) Se necessário, retorne ao passo 4, escolha outra opção e aperte novamente o botão de igual (=)
para ver o resultado relativo à opção escolhida.
74
Resumindo:
75
1. Considere as grandezas:
3 7 8 22 10 17 12 6 13 15 19
17 18 21 4 8 11 13 14 18 25
(a) Determine a média aritmimética.
(b) Dertemine a Md, Q1 , Q3 , D4 e P70 . (c) Determine a moda.
(d) Determine o desvio padrão, a variância e o coeficiente de Pearson.
2. A tabela mostra a distribuição de frequência das estaturas, em cm, de uma amostra de 90 pessoas.
Altura (cm) fi
63 15
75 25
84 30
91 20
Σ 90
Fonte: Autor
(a) Determine a média aritmimética e harmônica.
(b) Dertemine a Md, Q1 , Q3 , D4 e P70 . (c) Determine a moda e o desvio padrão.
3. A tabela mostra a distribuição de frequência das estaturas, em cm, de uma amostra de 110
crianças.
Altura (cm) fi
61 |− 65 12
65 |− 69 23
69 |− 73 34
73 |− 77 26
77 |− 81 15
Σ 110
Fonte: Autor
(a) Determine a média aritmimética e harmônica.
(b) Dertemine a Md, Q1 , Q3 , D7 e P40 . (c) Dertemine a Mob , Moc , Mok e Mop .
76
4. A tabela a seguir, mostra a distribuição salarial de seis funcionários, em três diferentes empresas.
Empresa A Empresa B Empresa C

1000 1000 1000
1000 800 200
1000 1000 300
1000 1200 1000
1000 1300 2100
1000 700 1400
(a) Determine a média, a mediana e a moda.
(b) O que aconteceu com as medidas de tendencia central do item a)?
(c) As três empresas são iguais em relação a distribuição salarial?
(d) O que diferencia uma empresa da outra?
(d) Determine o desvio padrão de cada empresa;
5. O gráfico abaixo, mosta a distribuição de frequência das notas, obtidas pelos acadêmicos do
curso de biomedicina em uma prova de bioestatı́stica.
(a) Determine a nota média aritmimética, geométrica e harmônica.
77
(b) Dertemine a Md, Q1 , Q3 , D4 e P55 . (c) Determine a moda.
(d) Determine o desvio médio absoluto, o desvio padrão e a variância.
6. As amostras de exames bioquı́micos de sangue de três diferentes laboratórios apresentaram os
nı́veis de creatinina (mg%) mostrados no quadro abaixo.
Exame 1 2 3 4 5 6 7
Laboratório A 0,6 0,4 0,5 0,8 0,2 0,8 -
Laboratório B 0,7 0,8 0,6 0,9 0,5 1,1 0,3
Laboratório C 0,6 0,7 2,0 0,5 0,8 0,9 0,9
(a) Calcular a média, mediana e a moda para os dados do Laboratório A;
(b) Calcular a média, mediana e a moda para os dados do Laboratório B;
(c) Calcular a média, mediana e a moda para os dados do Laboratório C;
(d) Calcular a média global dos dados;
(e) Calcular a mediana para os dados dos três Laboratórios;
(f) Calcular a moda de todos os nı́veis de creatinina;
(g) Os problemas verificados com a média, no caso dos dados do Laboratório C, continuam no
caso da média de todos os dados?
(i) Qual seria a MTC mais representativa do conjunto de dados dos três Laboratórios?
7. As quantidades de Ácido Ascórbico, em miligramas por 100 mililitros, presentes em 80 exames
quı́micos de plasma humano, estão indicados na tabela abaixo.
Classe fi f rp(%) Fa Fpa(%)

0,0 |− 0,2 3 3,75 3 3,75
0,2 |− 0,4 6 7,50 9 11,25
0,4 |− 0,6 18 22,50 27 33,75
0,6 |− 0,8 35 43,75 62 77,50
0,8 |− 1,0 16 20,00 78 97,50
1,0 |− 1,2 2 2,50 80 100
Total 80 100 - -
Com base nessas informações, determine o que pede os itens abaixo:
78
(a) Calcule a taxa média;
(b) Calcule a taxa mediana;
(c) Calcule a taxa modal de ácido ascórbico no plasma.
(d) Calcule o desvio padrão e o coeficiente de variação de Pearson.
8. Os dados agrupados na tabela abaixo referem-se ao número total de óbitos provocados por
epilepsia (CID-BR 225), durante o ano de 1983, no Estado de Minas Gerais, de acordo com a
faixa etária.
Classe fi f rp(%) Fa Fpa(%)

0−9 44 18,72 44 18,72
10 − 19 30 12,77 74 31,49
20 − 29 48 20,43 122 51,92
30 − 39 50 21,28 172 73,20
40 − 49 28 11,91 200 85,11
50 − 59 15 6,38 215 91,49
60 − 69 11 4,68 226 96,17
70 ou + 9 3,83 235 100
Total 235 100 - -
Com base nessas informações, determine o que pede os itens abaixo:
(a) Calcule a idade média;
(b) Calcule a idade mediana;
(c) Calcule a idade modal de óbito por epilepsia.
(d) Calcule o desvio padrão e o coeficiente de variação de Pearson.
9. Os dados representam a altura em cm de uma amostra de 70 alunos de uma universidade.
153 154 155 156 158 160 160 161 161 161 162 162 163 163 164
164 165 166 167 167 172 173 173 174 174 175 175 176 177 178
179 179 180 182 183 184 185 186 186 187 188 188 189 189 190
191 192 192 192 192 193 194 194 195 197 197 199 200 201 205
79
(a) Calcular a média, mediana e a moda dessas medidas;
(b) Calcular o desvio médio absoluto, o desvio padrão, a variância e o coeficiente de variação
de Pearson.
(c) Podemos afirmar que a média é representativa ou não?
10. A tabela (10) apresenta os dados obtidos com uma experiência 25 indivı́duos, em relação a
Concentração Inibitória (CI) de determinado antibiótico para um certo tipo de bactéria. Deter-
minar a Concentração Mı́nima Inibitória (CMI) para este tipo de bactéria?
CMI(µg/ml) Número de Indivı́duos
1 1
0.5 2
0.25 6
0.125 4
0.0625 3
0.03125 9
11. Sendo a e b números não negativos. Prove que a média geométrica de a e b é menor ou igual à
média aritmética.
12. Sendo a e b números positivos. Prove que a média harmõnica de a e b é menor ou igual à média
geométrica.
80
Capı́tulo 5
Comportamento em curva de um
Histograma
Resumo: Este capı́tulo tem por objetivo, apresentar a forma de fazer o polimento, cálcular as medidas de
assimetria e curtose de uma distribuição de frequência representada em um histograma.
5.1 Introdução
Por que devemos transformar ou aproximar um histograma por uma curva?
Figura 5.1: Gráfico de Dados Fictı́cios
81
A descrição, interpretação e analise de um gráfico apresentado na forma de curva contı́nua,
é mais compreensı́vel e descreve de forma mais realista a tendência da distribuição.
Como se obtém a curva contı́nua de um histograma e quais suas caracterı́sticas?
Através do polimento do histograma de distribuição de frequências, é possı́vel obter a curva
polida em forma contı́nua da distribuição dos dados. Essa curva, apresenta uma forma suave, com
caracterı́sticas de assimetria e curtose, que são medidas essenciais para proporcionar uma descrição
e compreensão mais completa das distribuições de frequências.
A obtenção da curva polida nos da uma ideia de como surge a Curva Normal de Gauss na
distribuição de probabilidade.
Para realizar o polimento e saber a forma de uma distribuição, é necessário saber construir e
interpretar um histograma de distribuição de frequência.
5.2 Interpretação de um Histograma
A interpretação de histogramas é feita com uma simples observação de sua forma. Dessa forma,
vamos interpretar alguns exemplos.
a) A figura (5.2) apresenta um histograma com simetria. A média dos dados está no centro do
desenho. As frequências mais altas também estão no centro da figura. Em processos industriais,
esta é a forma desejável.
Figura 5.2: Histograma com simetria
b) A figura (5.3) apresenta um histograma com assimetria positiva. A média dos dados está
localizada à esquerda do centro da figura e a cauda à direita é alongada. Esta ocorre quando o
limite inferior é controlado ou quando não podem ocorrer valores abaixo de determinado limite.
82
Figura 5.3: Histograma com assimetria positiva
c) A figura (5.4) apresenta um histograma com assimetria negativa. A média dos dados está
localizada à direita do centro da figura e a cauda à esquerda é alongada. Esta forma ocorre
quando o limite superior é controlado ou quando não podem ocorrer valores acima de certo
limite.
Figura 5.4: Histograma com assimetria negativa
d) A figura (5.5) mostra um histograma em plateau, isto é, com exceção das primeiras e das últimas
classes, todas as outras têm freqüências quase iguais. Essa forma ocorre quando se misturam
várias distribuições com diferentes médias.
Figura 5.5: Histograma com plateau
e) A figura (5.6) mostra um histograma com dois picos, ou duas modas. As freqüências são baixas
no centro da figura, mas existem dois picos fora do centro. Esta forma ocorre quando duas
distribuições com médias bem diferentes se misturam. Podem estar misturados, por exemplo,
os produtos de dois turnos de trabalho.
83
Figura 5.6: Histograma com dois picos
f) A figura (5.7) mostra o histograma à esquerda mostra pouca dispersão, mas o histograma à
direita mostra grande dispersão.
Figura 5.7: Histogramas com dispersões diferentes
5.3 Curva de Frequência − Curva Polida
Em geral, os dados coletados pertencem a uma amostra extraı́da de uma população. Essas amostras,
geralmente, são cada vez mais amplas, com amplitude das classes cada vez menor, o que nos permite
concluir, que o contorno do polı́gono de freqüências tende a se transformar numa curva de freqüência,
mostrando, de modo mais evidente, a verdadeira natureza da distribuição da população.
Pode-se dizer, então, que, enquanto que o polı́gono de freqüência nos dá a imagem real do
fenômeno estudado, a curva de freqüência nos dá a imagem tendenciosa.
Assim, após o traçado de um polı́gono de freqüência, é desejável, muitas vezes, que se faça um
polimento, de modo a mostrar o que seria tal polı́gono com um número maior de dados.
Esse procedimento é claro, não nos dará certeza absoluta que a curva polida seja tal qual a curva
resultante de um grande número de dados. Porém, pode-se afirmar que ela assemelha-se mais a curva
de freqüência que o polı́gono de freqüência obtido de uma amostra limitada.
O polimento, geometricamente, corresponde à eliminação dos vértices da linha poligonal. Consegue-
84
se isso, com a seguinte fórmula:

fant + 2 · fi + fpost
f ci = (5.1)
4
Onde:
f ci é a frequência calculada da classe considerada;
fi é a frequência absoluta da classe i;
fant é a frequência absoluta da classe anterior a i;
fpost é a freqüência absoluta da classe posterior a i;
Exemplo 5.1
Determine a curva polida da distribuição de frequência relativa as estaturas de 40 acadêmicos.

Altura (cm) xi fi f ci
150 |− 154 152 4 (0 + 2 · 4 + 9)/4 = 4, 25
154 |− 158 156 9 (4 + 2 · 9 + 11)/4 = 8, 25
158 |− 162 160 11 (9 + 2 · 11 + 8)/4 = 9, 75
162 |− 166 164 8 (11 + 2 · 8 + 5)/4 = 8, 00
166 |− 170 168 5 (8 + 2 · 5 + 3)/4 = 5, 25
170 |− 174 172 3 (5 + 2 · 3 + 0)/4 = 2, 75
Σ — 40 —
Fonte: Autor
A curva polida da distribuição de frequência no histograma é apresentada na figura (5.8):
Figura 5.8: Histograma com curva polida
Fonte: Autor
85
Observação:
Note que, a curva do exemplo a cima, tem forma de sino. Esse tipo de curva se diferencia pela
sua simetria, podendo ser simétrica ou assimétrica
5.3.1 Curva simétrica
É uma curva que se caracteriza por apresentar o valor máximo no ponto central e os pontos
equidistantes desse ponto tem a mesma frequência.
Figura 5.9: Curva simétrica
5.3.2 Curva Assimétrica
Na prática, não se encontram distribuições perfeitamente simétricas. As distribuições obtidas de
medidas reais são mais ou menos assimétricas, em relação à freqüência máxima. Assim, as curvas
correspondentes a tais distribuições apresentam a cauda de um lado da ordenada máxima mais longa
do que o outro, isto é:
◦ Se a cauda mais longa fica a direita, a curva é chamada assimétrica positiva ou enviesada à
direita;
◦ Se a cauda mais longa fica a esquerda, a curva é chamada assimétrica negativa ou enviesada à
esquerda.
Figura 5.10: Curva Assimétrica Positiva Figura 5.11: Curva Assimétrica Negativa
86
5.4 Medidas de Assimetria e Curtose
5.4.1 Assimetria
Uma distribuição de valores sempre poderá ser representada por uma curva (gráfico). Essa
curva, conforme a distribuição, pode apresentar várias formas. Se considerarmos o valor da moda
da distribuição como ponto de referência, vemos que esse ponto sempre corresponde ao valor de
ordenada máxima, dando-nos o ponto mais alto da curva representativa da distribuição considerada,
logo a curva será analisada quanto à sua assimetria.
• Distribuição Simétrica: É aquela que apresenta a x̄ = Mo = Md e os quartis Q1 e Q3 eqüidistantes
do Q2 .
Figura 5.12: Distribuição Simétrica
• Distribuição Assimétrica: É aquela onde os valores da moda, da mediana e da média divergem,
sendo que a média sempre estará do mesmo lado em que a cauda é mais longa.
Figura 5.13: Distribuição Assimétrica
Observe que:
– Na distribuição assimétrica negativa, a maioria dos dados estão a esquerda da moda;
– Na distribuição assimétrica positiva, a maioria dos dados estão a direita da moda;
87
Como medir a assimetria e a intensidade de assimetria de uma distribuição?
Podemos medir a assimetria e a intensidade de assimetria de uma distribuição, calculando os
coeficientes de assimetria. Temos duas formas de medir:
• O mais utilizado é o Coeficiente de Assimetria de Pearson, que é determinado por:
x̄ − Mo
As = (5.2)
s
De acordo como o Coeficiente de Assimetria de Pearson, a distribuição será:
– Se As < 0, a distribuição será Assimétrica Negativa ou a Esquerda;
– Se As > 0, a distribuição será Assimétrica Positiva ou Direita;
– Se As = 0, a distribuição será Simétrica.
Segundo o Coeficiente de Assimetria de Pearson, a classificação da distribuição, quanto a inten-
sidade de assimetria é:
– Se As ≤ −1, a distribuição será Assimétrica Negativa Forte;
– Se −1 < As < 0, a distribuição será Assimétrica Negativa Fraca;
– Se As = 0, a distribuição será Simétrica;
– Se 0 < As < 1, a distribuição será Assimétrica Positiva Fraca;
– Se As > 1, a distribuição será Assimétrica Positiva Forte.
• Quando não tivermos condições de calcular o desvio padrão, podemos usar o Coeficiente de
Bowley:
Q3 + Q1 − 2 · Md
As = (5.3)
Q3 − Q1
De acordo como o Coeficiente de Assimetria de Bowley, a distribuição será:
– Se As < 0, a distribuição será Assimétrica Negativa ou a Esquerda;
– Se As > 0, a distribuição será Assimétrica Positiva ou Direita;
– Se As = 0, a distribuição será Simétrica.
88
Segundo o Coeficiente de Assimetria de Bowley, a classificação da distribuição, quanto a inten-
sidade de assimetria é:
– Se −1 ≤ As ≤ −0.3, a distribuição será Assimétrica Negativa Forte;
– Se −0.3 < As < −0.1, a distribuição será Assimétrica Negativa Moderada;
– Se −0.1 ≤ As < 0, a distribuição será Assimétrica Negativa Fraca;
– Se As = 0, a distribuição será Simétrica;
– Se 0 < As ≤ 0.1, a distribuição será Assimétrica Positiva Fraca;
– Se 0.1 < As < 0.3, a distribuição será Assimétrica Positiva Moderada;
– Se 0.3 ≤ As ≤ 1, a distribuição será Assimétrica Positiva Forte.
Observação:
Teoricamente, o coeficiente de assimetria de pode variar entre -3 e +3. Na prática, porém, raramente
ultrapassará os limites de -1 e +1.
5.4.2 Curtose
Já estudamos as medidas de tendência central, de dispersão e de assimetria. Falta somente
examinarmos mais uma das medidas de uso comum em Estatı́stica, que completa as caracterı́sticas
de uma distribuição de valores. Essas medidas, são as chamadas de Curtose ou de Achatamento,
que nos mostra até que ponto a curva representativa de uma distribuição é a mais aguda ou a mais
achatada do que uma curva normal, de altura média.
Podemos dizer que uma distribuição de freqüências é:
• Curva Mesocúrtica (Normal): É considerada a curva padrão.
• Curva Leptocúrtica: É uma curva mais alta do que a normal. Apresenta o topo relativamente
alto, significando que os valores se acham mais agrupados em torno da moda.
• Curva Platicúrtica: É uma curva mais baixa do que a normal. Apresenta o topo achatado,
significando que várias classes apresentam freqüências quase iguais.
89
Graficamente:
Como medir curtose ou grau de achatamento de uma distribuição?
Na prática só é possı́vel medir o grau de achatamento em distribuições simétricas, ou muito próximas
as simétricas. Esse grau de achatamento pode ser obtido por meio do Coeficiente Percentı́lico de Curtose,
que é determinado por:
Q3 − Q1
k= (5.4)
2(P90 − P10 )
De acordo como o Coeficiente de Percentı́lico, a distribuição será classificada em:
• Se k > 0.263, a distribuição será Platicúrtica;
• Se k = 0.263, a distribuição será Mesocúrtica;
• Se k < 0.263, a distribuição será Leptocúrtica.
Exemplo 5.2 A tabela apresenta a distribuição de frequência das estaturas, em cm, de uma amostra de 160
acadêmicos.

Altura (cm) xi fi
150 |− 158 154 18
158 |− 166 162 25
166 |− 174 170 20
174 |− 182 178 52
182 |− 190 186 30
190 |− 198 194 15
Σ — 160
Fonte: Autor
90
(a) Faça o polimento da distribuição de frequências;
(b) Determine o tipo de assimetria e a intensidade da assimetria da distribuição;
(c) Determine o coeficiente percentı́lico de curtose e sua classificação quanto o grau de achatamento;
(d) Que conclusões você pode tira da distribuição;
91
1. Construa uma tabela de dispersão o suficiente para determinar as medidas de posição (média
aritmética, mediana e moda de czuber), dispersão (desvio padrão e variância, coeficiente de
variação de Pearson), assimetria (coeficiente de assimetria, e coeficiente de curtose). Faça um
relatório referente ao comportamento dos dados em função dos resultados obtidos.
(a) Os dados a seguir, referem-se, as notas de uma prova final de Estatı́stica, aplicado a 48
alunos.
4, 0 4, 2 4, 3 4, 4 4, 5 4, 5 4, 6 5, 0 5, 1 5, 2 5, 3 5, 5 5, 7 5, 8 6, 0 6, 1
6, 3 6, 4 6, 5 6, 7 6, 8 6, 9 7, 0 7, 2 7, 5 7, 6 7, 7 7, 9 8, 0 8, 3 8, 5 8, 6
8, 8 8, 9 9, 0 9, 1 9, 2 9, 3 9, 3 9, 4 9, 4 9, 5 9, 5 9, 6 9, 7 9, 8 9, 9 10, 0
(b) Os dados a seguir, referem-se, aos salários anuais pagos em dólares a 60 funcionários da
Empresa X.
50, 00 52, 50 53, 50 54, 00 54, 20 55, 50 56, 30 56, 50 57, 00 58, 10 58, 50 59, 00
60, 30 61, 50 62, 00 62, 90 63, 50 64, 00 64, 30 65, 00 66, 00 66, 25 67, 50 68, 00
68, 70 69, 50 70, 00 72, 00 75, 00 76, 50 77, 00 78, 00 80, 00 81, 50 82, 50 83, 50
85, 00 87, 30 88, 00 89, 10 90, 00 91, 35 92, 10 93, 20 94, 00 95, 25 96, 00 97, 00
98, 00 99, 80 100, 10 100, 20 101, 00 102, 00 103, 40 104, 30 105, 00 107, 00 108, 00 109, 10
2. A tabela mostra a distribuição de frequência das estaturas, em cm, de uma amostra de 40
acadêmicos.

Altura (cm) fi
150 |− 154 4
154 |− 158 9
158 |− 162 11
162 |− 166 8
166 |− 170 5
170 |− 174 3
Σ 40
Fonte: Autor
92
(a) Determine o tipo de assimetria e a intensidade da assimetria da distribuição;
(b) Determine o coeficiente percentı́lico de curtose e sua classificação quanto o grau de acha-
tamento;
3. Considere as distruições:
Tabela 5.4: Distrib I Tabela 5.5: Distrib II Tabela 5.6: Distrib III
Classes fi Classes fi Classes fi

02 |− 06 6 02 |− 06 6 02 |− 06 6
06 |− 10 12 06 |− 10 12 06 |− 10 30
10 |− 14 24 10 |− 14 24 10 |− 14 24
14 |− 18 12 14 |− 18 30 14 |− 18 12
18 |− 22 6 18 |− 22 6 18 |− 22 6
Σ 60 Σ 78 Σ 78
x̄ = 12, 0 kg x̄ = 12, 9 kg x̄ = 11, 1 kg
Md = 12, 0 kg Md = 13, 5 kg Md = 10, 5 kg
Mo = 12, 0 kg Mo = 16, 0 kg Mo = 8, 00 kg
s = 4.42 kg s = 4, 20 kg s = 4, 20 kg
Verifique o tipo de assimetria e o grau de achatamento de cada distribuição.
4. Trabalho em grupo: - Colete um conjunto de dados; - Construa a distribuição de frequência; -
Faça o seu histograma e a curva polida; - Calcule a sua média, mediana, moda, desvio padrão e
coeficiente de variação de Pearson; - Determine assimetria (coeficiente de assimetria, e coeficiente
de curtose); - Interprete os resultados.
93

Estatistica Fernando

Enviado por

Dados do documento

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

Estatistica Fernando

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE COMUNITÁRIA DA REGIÃO DE CHAPECÓ

CURSO DE CIÊNCIA DA COMPUTAÇÃO

1.2 Estatı́stica Aplicada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

1.3 Abusos da Estatı́stica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

1.4 Perﬁl do Estatı́stico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

1.5 Divisões da Estatı́stica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

1.6 Métodos Cientı́ﬁcos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

1.8 Deﬁnições Básicas da Estatı́stica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

1.8.1 Fenômeno Estatı́stico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

1.8.2 População ou Universo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

1.8.4 Dados Estatı́sticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

1.8.6 Estimativas ou Estimadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

1.8.7 Dados Primários . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

1.8.8 Dados Secundários . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

1.8.9 Estatı́stica Oﬁciais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

1.8.10 Estatı́stica Não oﬁciais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

1.9.2 Observação Importante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

1.10 Pesquisa Estatı́stica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

1.10.1 Fases de uma Pesquisa Estatı́stica . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

1.11 Lista de Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

2 Normas de Construção de Tabelas e Séries Estatı́sticas 21

2.1 Representação Tabular ou Tabelar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

2.1.1 Tabela ou Tabua de Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

2.2 Elementos de uma Tabela . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

2.3 Arredondamento de Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

2.4 Séries Estatı́sticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

2.4.1 Tipos de Séries Estatı́sticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

2.5 Lista de Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

3 Organização de Dados em Tabelas 32

3.2 Distribuição de Frequência . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

3.3 Outras Formas de Representação Gráﬁca . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

3.3.1 Gráﬁcos Comparativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

3.3.2 Gráﬁcos Pictogramas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

3.3.3 Gráﬁcos Cartogramas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

3.3.4 Gráﬁco Polar ou Radar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

3.4 Elementos para uma Distribuição de Freqüência . . . . . . . . . . . . . . . . . . . . . . . 44

3.4.1 Dados Brutos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

3.4.3 Amplitude de uma Amostra (Aa ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

3.4.4 Classe ou Classe de Frequência . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

3.4.5 Frequência de uma Classe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

3.5 Aplicação Envolvendo Distribuição de Frequências . . . . . . . . . . . . . . . . . . . . . 47

3.5.1 1◦ Situação: Distribuição de Frequências em Classes Não-Unitárias ou Dados

3.5.2 2◦ Situação: Distribuição de Frequências em Classes Unitárias ou Pontual ou

Dados Não Agrupados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

3.6 Lista de Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

4.2 Medidas de Posição ou Tendência Central . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

4.2.1 Representativas (Médias) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

4.2.4 Notas importantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67

4.2.5 Comparação das Medidas de Posição . . . . . . . . . . . . . . . . . . . . . . . . . 67

4.3 Medidas de Variabilidade ou Dispersão . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68

4.3.1 Medidas de dispersão Absoluta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69

4.3.2 Propriedades da Variância . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72

4.3.3 Medidas de dispersão Relativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72

4.4 Lista de Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76

5 Comportamento em curva de um Histograma 81

5.2 Interpretação de um Histograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82

5.3 Curva de Frequência − Curva Polida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84

5.3.1 Curva simétrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86

5.3.2 Curva Assimétrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86

5.4 Medidas de Assimetria e Curtose . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87

5.5 Lista de Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92

• − Índices de inﬂação; • − Produção agrı́cola anual;

• − Taxa de mortalidade; • − Índice de desenvolvimento humano;