1

BIOESTATÍSTICA
INTRODUÇÃO

ESTATÍSTICA
Ciência que trata do delineamento, colheita, organização, sumarização, apresentação
e análise de dados, bem como, na obtenção de conclusões válidas e tomadas de decisões em
diversos campos, a saber, engenharias, campo da saúde, biologia, farmácia, biofísica, etc.
Estatística é o estudo das populações, das variações e dos métodos de redução de
dados.
Uma metodologia desenvolvida para a coleta, a classificação, a apresentação, a
análise e a interpretação de dados quantitativos e a utilização desses dados para a tomada de
decisões
É objetivo da Estatística extrair informação dos dados para obter uma melhor
compreensão das situações que representam.

POPULAÇÃO E AMOSTRA

População (universo) = é o conjunto de todos os possíveis valores de uma variável

ou característica.
• Finita = é aquela cujo o número total (número finito) de elementos é
conhecido.
• Infinita = é aquela cuja a população é uma quantidade de elementos muito
grande ou difícil de ser quantificada.
Resumindo: população é o conjunto de elementos que desejamos observar para
obtermos determinados dados.

Amostra = conjunto de observações extraídas de uma população.

• É um conjunto de elementos retirados da população que estamos observando,
para obtermos determinados dados.
• É toda fração (independente de seu tamanho) obtida de uma população.

amostra
População

EXEMPLOS DE POPULAÇÃO

Exemplo 1: Relativamente à população constituída pelos alunos da Pós Graduação

da Unimar, podemos estar interessados em estudar as seguintes características populacionais:
• Altura (em cm) dos alunos: Depois de medir a altura de cada aluno,
obteríamos um conjunto de dados com o seguinte aspecto: 160, 161, 158,
163, 146, ..., 170, 169, 172.
• Medidas obtidas na disciplina de Bioestatística, no 1º módulo: 7.8, 4.5,
8.0, 6.5, 9.0, 7.0, 10, ..., 8.0, 5.5, 5.0, 8.0.

EXEMPLOS DE AMOSTRA

Nem sempre é possível estudar exaustivamente todos os elementos da população!

Porquê?
 2
• Pode a população ter dimensão infinita. Exemplo: população constituída
pelas pressões atmosféricas, nos diferentes pontos de uma cidade.
• Pode o estudo da população ser muito dispendioso. Exemplo: Sondagens
exaustivas de todos os eleitores, sobre determinado candidato.
• Relativamente à população das alturas dos alunos da Pós Graduação na
Unimar em Fisioterapia e Nutrição, consideremos a seguinte amostra,
constituída pelas alturas (em cm) de 30 alunos escolhidos ao acaso: 165, 163,
157, 152, 156, 159, 160, 157, 168, 177, 151, 152, 150, 168, 156, 160, 170,
157, 153, 162, 163, 167, 169, 170, 171, 174, 172, 168, 175, 171.

POPULAÇÃO E AMOSTRA

É importante a fase de coleta da amostra?

Sim, pois a amostra deve ser tão representativa quanto possível da população que se
pretende estudar, uma vez que vai ser a partir do estudo da amostra, que vamos tirar
conclusões para a População.
Quando a amostra não representa corretamente a população, a sua utilização pode dar
origem a interpretações erradas, como por exemplo:
• Utilizar uma amostra constituída por 10 palmeirenses, para prever o vencedor
do próximo Palmeiras X Corinthians.
• Utilizar uma amostra constituída pelos leitores habituais de determinada
revista especializada, para tirar conclusões sobre a população geral.

POPULAÇÃO EM ESTUDO

Características clínicas e demográficas definem a população-alvo, o conjunto maior

de pessoas ao redor do mundo para as quais os resultados serão generalizado (ex.: todos os
atletas com toxoplasmose).
A amostra do estudo é o subconjunto da população-alvo disponível para estudo
(ex.: os atletas com toxoplasmose que moram na cidade de Marília em 2010).

ESTATISTICA, PARÂMETRO E ESTIMATIVA

Considera-se que o resultado de qualquer cálculo estatístico realizado em um grupo

de indivíduos (população ou amostra) gera uma estatística.
Parâmetro ➔ Quando a estatística é obtida em uma população.
Estimativa (de parâmetro) ➔ quando a estatística é obtida em uma amostra.

CLASSIFICAÇÃO

Planejamento de
Experimentos É a parte que tem por objetivo planejar a pesquisa e se preocupa com o
mecanismo da coleta de dados
e Amostragem

Estatística É a parte que tem por objetivo organizar, apresentar e sintetizar dados
observados de determinada população, sem pretensões de tirar conclusões de
Descritiva caráter extensivo.

É a parte que. Baseando-se em estudos realizados sobre os dados de uma

amostra, procura inferir, induzir ou verificar leis de comportamento da
Estatística população da qual a amostra foi retirada. A estatística inferencial tem sua
Inferencial estrutura fundamental na teoria matemática das probabilidades. É, também
definida como um conjunto de métodos para a tomada de decisões.
 3
TIPOS DE DADOS

Em Estatística, variável é atribuição de um número a cada característica da unidade

experimental de uma amostra ou população.
Vários tipos de variáveis são encontradas no dia-a-dia, sendo importante a distinção
entre as mesmas.
Quando uma característica ou variável é não-numérica, denomina-se variável
qualitativa ou atributo.
Exemplos de variável qualitativa:
• Sexo
• Religião
• Cor dos olhos
• Faixa etária.
Uma variável qualitativa é expressa em categorias.

Quando a variável é expressa numericamente, denomina-se variável quantitativa.

Exemplos de variável quantitativa:
• Peso dos órgãos
• Idade
• Número de filhos
• Altura.
Uma variável quantitativa pode ser discreta ou contínua.

VARIÁVEL

É o conjunto de resultados possíveis de um fenômeno.

Variável qualitativa: Quando seus valores são expressos por atributos: sexo, cor da
pele, cor dos olhos, raça, etc.
Variável quantitativa: Quando os dados são de caráter nitidamente quantitativo, e o
conjunto dos resultados possui uma estrutura numérica, trata-se portanto da estatística de
variável e se dividem em:
• Variável discreta ou descontínua: Seus valores são expressos geralmente
através de números inteiros não negativos. Resulta normalmente de
contagens. Ex.: nº de alunos presentes às aulas de estatística básica no 1º
semestre de 2006: fev = 18, mar = 22, abr = 30, mai = 35, jun = 36.
• Variável contínua: Resulta normalmente de uma mensuração, e a escala
numérica de seus possíveis valores corresponde ao conjunto R dos números
Reais, ou seja, podem assumir, teoricamente, qualquer valor entre dois
limites. Ex.: Quando você vai medir a temperatura de seu corpo com um
termômetro de mercúrio o que ocorre é o seguinte: O filete de mercúrio, ao
dilatar-se, passará por todas as temperaturas intermediárias até chegar na
temperatura atual do seu corpo.

De um modo geral as variáveis quantitativas contínuas são obtidas por medições e as

discretas por contagens, enumerações.

Exemplos:

Cor dos olhos das alunas ....................................... ......... qualitativa

Índice de liquidez nas indústrias paulistas ............ ......... quantitativa contínua
Número de defeitos em aparelhos de TV .............. ......... quantitativa discreta
Comprimento dos pregos produzidos por uma empresa . quantitativa contínua
 4
O ponto obtido em cada jogada de um dado ......... ......... quantitativa discreta
EXERCÍCIOS PROPOSTOS --------------------------------------------------------------------------

01) Classifique as variáveis em qualitativas e quantitativas:

a) População: alunos da escola

Variável: cor dos cabelos
b) População: propriedades agrícolas do Brasil
Variável: produção de algodão
c) População: aparelhos produzidos numa linha de montagem
Variável: número de defeitos por unidade
d) População: Indústrias de uma cidade
Variável: índice de liquidez

02) Diga qual das variáveis abaixo são discretas e quais são contínuas:

a) População: alunos de uma cidade

Variável: cor dos cabelos
b) População: estação meteorológica de uma cidade
Variável: precipitação pluviométrica durante o ano
c) População: Bolsa de Valores de São Paulo
Variável: número de ações negociadas
d) População: funcionários de uma empresa
Variável: salários
e) População: pregos produzidos por uma certa máquinas
Variável: comprimento
f) População: bibliotecas da cidade de São Paulo
Variável: número de livros

03) Classifique as seguintes variáveis:

a) Cor dos olhos

b) Número de filhos de um casal
c) Peso de um indivíduo
d) Altura de um indivíduo
e) Número de alunos de uma escola
f) Tipo sanguíneo
g) Valor obtido na face superior de um dado
h) Sexo de uma pessoa
i) Resultado da loteria federal
j) Religião
k) Estado Civil
l) Salários dos empregados de uma empresa
m) Volume de água contida numa piscina.

04) Diga qual tipo de variável estamos trabalhando em cada caso abaixo:

a) Número de inscritos no Seguro Social.

b) Escolaridade.
c) Altitude acima do nível do mar.
d) Peso médio dos recém nascidos.
e) Número de passageiros no ônibus da linha Tupã-São Paulo.
 5

TECNICAS DE AMOSTRAGEM

Amostras Probabilísticas

Todos os elementos da população têm igual probabilidade e diferente de zero de

serem selecionados para compor a amostra.

Amostra Simples ➔ há uma igual probabilidade, diferente de zero, de cada

elemento da população ser escolhido por meio de sorteio (escolha aleatória). É impraticável
quando a população é muito grande.
Exemplo: 20% dos prontuários de uma população de pacientes que estiveram
internados com hérnia de disco são sorteados para receber visita domiciliar visando avaliar a
qualidade de vida atual.

Amostra Estratificada ➔ é utilizada quando há a necessidade de subdividir a

população em partes homogêneas, como por exemplo, idade, sexo, classe social, etc.
Quando feitas as divisões, pode-se aplicar a técnica da probabilidade Simples.
Exemplo de amostra estratificada proporcional: a população de pacientes com hérnia
de disco é composta por 40% de homens e 60% de mulheres. Separam-se os dois grupos e
sorteiam-se 30 mulheres e 20 homens.
Exemplo de amostra estratificada igualitária: o investigador tem especial interesse na
hérnia de disco em obesos (87% dos casos); separa-se a população em obesos e não obesos e
sorteia 25 casos de cada grupo.

Amostra Sistemática ➔ os elementos da amostra serão selecionados aleatoriamente

e será estabelecido um intervalo entre esses elementos. Difere da aleatória simples porque a
seleção da amostra é feita por um processo periódico pré-ordenado. I = N/n onde:
I = intervalo
N = população
n = amostra
Exemplo: amostra de 20% dos pacientes com hérnia de disco num hospital. Sorteia-
se um valor de 1 a 5. Se o sorteado for o 2, incluem-se na amostra o paciente 2, o 7, o 12 e
assim por diante de cinco em cinco.

Amostra por Conglomerado ➔ exige a utilização de mapas detalhados de regiões,

estados, municípios, etc., pois para a seleção da amostra, há subdivisão de área a ser
pesquisada que serão sorteados para composição dos elementos da amostra, e a pesquisa será
realizada de forma sistemática. Tem vantagens logísticas na sua aplicação, porém aumenta a
complexidade da análise estatística porque os indivíduos de um mesmo conglomerado tendem
a ter uma certa homogeneidade.
Exemplo: num estudo de sinais de depressão em uma população de alunos do ensino
médio, foram sorteadas as salas de aula das escolas em um município e aplicado um
questionário a todos os alunos das turmas sorteadas.

Amostras por Estágios Múltiplos ➔ são amostras obtidas por métodos

combinados.
Exemplo: numa pesquisa sobre tabagismo em estudantes de ensino médio foram
sorteadas as escolas e depois as turmas (amostra por conglomerados). De cada turma, foram
sorteados 20% dos alunos do sexo masculino e 20% dos alunos do sexo feminino (amostra
aleatória estratificada).
 6

EXERCÍCIOS PROPOSTOS --------------------------------------------------------------------------

1. Estabeleça a população e a amostra abaixo:

Numa escola do ensino fundamental, foram sorteados 100 alunos que responderam a um
questionário sobre preferências por refrigerantes.
População:

Amostra:

2. Na EE Professor Sebastião Torres, quer fazer-se um estudo sobe o peso dos alunos de 7
anos de idade. Sabendo-se que há 120 crianças na faixa dos 7 anos, selecione uma
amostra de 10 alunos por:
(a) Amostragem aleatória simples.

(b) Amostragem sistemática.

3. Na escola São Leonardo, para estudar a preferência em relação a refrigerantes, sortearam-

se 150 estudantes, entre os 1000 matriculados. Responda:
(a) Qual a população envolvida na pesquisa?

(b) Que tipo de amostragem foi utilizado e qual a amostra considerada?

4. A população envolvida em uma pesquisa sobre a incidência de cárie dentária em escolares

da cidade de Morro Grande é apresentada abaixo. Baseando-se nesses dados, estratifique
uma amostra (amostra proporcional estratificada) com 200 elementos.
ESCOLA POPULAÇÃO AMOSTRA
A 550
B 650
C 440
D 360
TOTAL 2000
 7
5. Responda:
(a) Qual das técnicas probabilísticas estudadas, seria possível usar para retirar uma
amostra de 32 elementos de uma população ordenada e formada por 2.432?

(b) Na ordenação geral qual dos elementos abaixo será escolhido para pertencer à
amostra, sabendo-se que o elemento de ordem 1420 à ela pertence?
1.648º, 290º, 725º, 1.120º

6. Uma firma de produtos alimentícios tem 120 empregados. Obtenha uma amostra
representativa correspondente a 10% da população. Sugestão: use a 8ª, 9ª e 10ª colunas, a
partir da 1ª linha, da Tabela de Números Aleatórios.

7. Uma população encontra-se dividida em 3 estratos, com tamanhos respectivamente 40,

100 e 60 elementos. Sabendo-se que ao ser realizada uma amostragem estratificada, nove
elementos da amostra foram retirados do 3º estrato. Determine o número total de
elementos da amostra.

O MÉTODO DE PESQUISA SURVEY

A pesquisa Survey pode ser descrita como a obtenção de dados ou informações sobre
características, ações ou opiniões de determinado grupo de pessoas, indicado como
representante de uma população alvo, por meio de um instrumento de pesquisa, normalmente
um questionário Tanur (apud PINSONNEAULT; FRAEMER, 1993).
Surveys são muito semelhantes a censos, mas deles se diferenciam porque examinam
somente uma amostra da população (enquanto o censo geralmente implica uma enumeração
da população toda) (BABBIE, Earl, 2001).
Como principais características do método de pesquisa survey podem ser citadas: o
interesse é produzir descrições quantitativas de uma população; e faz uso de um instrumento
pré-definido.
 8
Surveys amostrais são realizados para entender-se a população maior da qual a
amostra foi inicialmente selecionada. Análises explicativas em pesquisas de survey visam a
desenvolver proposições gerais sobre o comportamento humano.
Survey é apropriada como método de pesquisa quando:
• Se desejar responder questões do tipo “o quê?”, “por que?”, “como?” e
“quando?”, ou seja, quando o foco de interesse é sobre “o que está
acontecendo” ou “como e por que isso está acontecendo”;
• O ambiente natural é a melhor situação para estudar o fenômeno de interesse;
• O objeto de interesse ocorre no presente ou no passado recente.

TAMANHO DA AMOSTRA

Um passo importante antes de iniciar o cálculo do tamanho da amostra é definir qual

o erro amostral tolerável para o estudo que será realizado.
Observe a seguinte fórmula:

1
n0 = 2
E 0

Onde:
n0 é a primeira aproximação do tamanho da amostra.
E0 é o erro amostral tolerável (exemplo: 2% = 0,02 se definirmos este valor).

N .n0
n=
N + n0

onde:

N é o número de elementos da população.

n é o tamanho da amostra.

Exemplo

Em uma empresa que contém 2000 colaboradores, deseja-se fazer uma pesquisa de
grau de satisfação. Quantos colaboradores devem ser entrevistados para tal estudo?

Resolução:

N = 2000

Definindo o erro amostral tolerável em 2%

E 0 = 0 ,02

n 0 = 1 /( E 0 ) 2
n 0 = 1 /( 0 , 02 ) 2
n 0 = 2500
 9
n = ( N .n0 ) /( N + n0 )
n = (2000.2500) /(2000 + 2500)
n = 1111 colaboradores

Com o erro amostral tolerável em 2%, 1111 colaboradores devem ser entrevistados
para a pesquisa.

Vamos repetir os cálculos, definindo o erro amostral tolerável em 4%.

N = 2000

E 0 = 0 ,04

n 0 = 1 /( E 0 ) 2
n 0 = 1 /( 0 ,04 ) 2
n 0 = 625

n = ( N .n0 ) /( N + n0 )
n = (2000.625) /(2000 + 625)
n = 476 colaboradores

Através desse segundo cálculo, é possível observar que, quando aumentamos a

margem de erro, o tamanho da amostra reduz.

E se houvesse 300.000 colaboradores na empresa?

N = 300.000

E 0 = 0 ,04

n 0 = 1 /( E 0 ) 2
n 0 = 1 /( 0 ,04 ) 2
n 0 = 625

n = ( N .n0 ) /( N + n0 )
n = (300000.625) /(300000 + 625)
n = 623 colaboradores

Observe que a diferença entre n e n0, neste último cálculo, é muito pequena.

Portanto: se o número de elementos da população (N) é muito grande, a primeira

aproximação do tamanho da amostra já é suficiente.

Observe ainda:

N = 2000
E0 = 0,04
n = 476 coladoradores = 23,8% da população
 10
N = 300.000
E0 = 0,04
n = 623 coladoradores = 0,2% da população

EXERCÍCIOS PROPOSTOS --------------------------------------------------------------------------

1. Numa empresa com 1.000 deseja-se estimar a porcentagem dos empregados favoráveis a
certa mudança em cursos de treinamentos. Qual deve ser o tamanho da amostra aleatória
simples que garanta um erro amostral não superior a 5%?

2. Numa pesquisa para eleição do cargo de presidente de um país, qual deve ser o tamanho
de uma amostra aleatória simples, se deseja garantir um erro amostral não superior a 2%?

TABELAS

Os dados devem ser apresentados em tabelas construídas de acordo com as normas

técnicas ditadas pela Fundação Instituto Brasileiro de Geografia e Estatística (Fundação
IBGE).

Componentes mais importantes de uma tabela:

Título ➔ explica o que a tabela contém.
Corpo ➔ formado pelo cabeçalho, pela coluna indicadora e pelas linhas e colunas de
dados:
Cabeçalho = especifica o conteúdo das colunas.
Coluna indicadora = especifica o conteúdo das linhas.
 11

Outros componentes da tabela:

Fonte ➔ é a entidade ou o pesquisador que fornece os dados.
Nota ➔ deve esclarecer aspectos relevantes de apuração os dados.
Chamada ➔ dão esclarecimentos sobre os dados. Nº arábico entre parênteses.

Tabela de Contingência

Os elementos da amostra ou população são classificados de acordo com dois ou mais

fatores (diferentes anos de arrecadação).

Tabelas de Distribuição de Freqüências

Distribuição de frequências é um método de agrupamento de dados em categorias,

classes ou intervalos, de tal forma que se possa determinar o número ou a porcentagem de
cada categoria, classe ou intervalo.
 12

As tabelas com muitos dados são cansativas e não mostram ao leitor uma visão
rápida e global do fenômeno.
Para isso, é preciso que os dados estejam organizados em uma tabela de distribuição
de frequências. Exemplo:

Exemplo 1:
Idades dos Empregados de uma
empresa
15 30 39 18 33 21
42 23 49 46 38 29
59 57 58 35 53 29
34 39 45 49 43 33
22 22 35 27 32 19

Para que a tabela fique menor e permita melhor compreensão, podemos agrupar os
valores da variável em vários intervalos, sendo que, em Estatística, prefere-se chamar os
intervalos de classes.
O que se pretende com a construção dessa nova tabela é realçar o que há de essencial
nos dados e, também, tornar possível o uso de técnicas analíticas para sua total descrição, até
porque a Estatística tem por finalidade específica, analisar o conjunto de valores,
desinteressando-se por casos isolados.
Temos de criar intervalos denominados classes (intervalos de idades, no exemplo
anterior) e o número de dados que pertencem a cada intervalo são denominados freqüência da
classe ou simplesmente freqüência.
Para indicar o intervalo, utilizaremos o símbolo |⎯. Por exemplo, a classe de 150 a
154 será representada, daqui a diante, por: 150 |⎯154.
Onde 150 é chamado de limite inferior da classe e 154, de limite superior da classe.
Genericamente, todo intervalo pode ser representado por: (limite inferior) |⎯(limite superior)
Observe que, nesta conotação, o limite inferior está incluído no intervalo, enquanto o
limite superior não está incluído no intervalo.
 13
Processo para agrupar dados em uma tabela

Calcular o valor de: A (Amplitude Total)

A = M V − mv
maior e menor valor da amostra
A = 59 − 15 = 44

Calcular o valor de k (número aproximado de classes)

K= N K = 30 K  5,477

N ➔ nº total de elementos.

Calcular h (comprimento ou amplitude da classe)

h = A / k = 44 / 5,477  8,043 = 8

Para n>30 ➔ podemos usar a formular de Sturges:

K = 1 + 3,3. log N

Ponto Médio

Numa tabela de distribuição de frequências também podem ser apresentados os

pontos médios de classe.
O ponto médio é dado pela soma dos extremos da classe, dividido por 2. Por
exemplo o PM da classe 1,5 |⎯ 2,0 é 1,75.
Assim, a tabela de distribuição de frequências possuirá 3 colunas:
- da esquerda: onde estarão as classes.
- do centro: onde estarão os pontos médios.
- da direita: onde estarão as frequências.

Exemplo de Tabela de Freqüência utilizando Ponto Médio

Freqüência Acumulada

A freqüência acumulada nada mais é do que a soma das frequências de cada classe
(da primeira até a última) sendo acumuladas (somadas).
 14
EXERCÍCIOS PROPOSTOS --------------------------------------------------------------------------

1. Faça uma tabela de frequências para mostrar que, numa prova de Estatística, 2 alunos
obtiveram nota 3, 1 aluno obteve 4, 3 alunos obtiveram 5, 4 obtiveram 6, 7 obtiveram 7, 2
obtiveram 9 e 1 obteve 10.

2. Faça uma tabela de frequências para mostrar que de um total de 852 homens entrevistados
sobre determinado assunto, 59 não tinham opinião, 425 eram favoráveis e os demais eram
contrários. Das 725 mulheres entrevistadas, 99 não tinham opinião, 522 eram favoráveis e
as demais contrárias.

3. Segundo Mendes et al (2003), a prevalência de tabagismo entre os jovens de acordo com a

idade, em anos, em Passa Quatro (MG) foi: 11 a 13 anos (inclusive) = 283 adolescentes,
14 a 16 anos (inclusive) = 201 e 17 a 19 anos (inclusive) = 148. Organize os dados numa
tabela de frequências.

4. Nesta turma, o número de irmãos de cada aluno é: 2, 1, 2, 1, 2, 2, 1, 2, 2, 2, 2, 1, 1, 2, 1, 1,

1, 1, 1, 2, 1, 1, 2, 3, 0, 1, 3, 2, 3, 1, 4, 1, 2, 3, 0, 1, 2, 3, 0, 1, 1, 1, 1,e 2. Organize esses
dados em uma tabela de frequências.

5. As estaturas, em metro, dos alunos de uma turma de 6ª série do Colégio Passa Todos são:
1.60, 1.73, 1.60, 1.66, 1.65, 1.50, 1.50, 1.62, 1.60, 1.66, 1.60, 1.65, 1.60, 1.67, 1.69, 1.60,
1.68, 1.80, 1.70, 1.67, 1.78, 1.70, 1.66, 1.74, 1.60, 1.60, 1.68, 1.60, 1.70, 1.60, 1.65 e 1.58.
Organize esses dados em uma tabela de frequências.

6. Contou-se com o nº de erros de impressão da primeira página de um jornal durante 50

dias, obtendo-se os seguintes resultados abaixo. Construa uma tabela de frequências.
8 – 11 – 8 – 12 – 14 – 13 – 11 – 14 – 14 – 15 – 6 – 10 – 14 – 19 – 6 – 12 – 7 – 5 – 8 –
8 – 10 – 16 – 10 – 12 – 12 – 8 – 11 – 6 – 7 – 12 – 7 – 10 – 14 – 5 – 12 – 7 – 9 – 12 –
11 – 9 – 14 – 8 – 14 – 8 – 12 – 10 – 12 – 22 – 7 – 15

7. Abaixo, temos os pesos (em kg) de 50 alunos de um 1º ano de uma faculdade, presentes
numa aula de Educação Física.

89 75 78 76 76 67 90 88 83 71
70 72 78 79 80 64 75 77 69 70
88 91 71 73 77 69 82 87 79 90
75 78 81 85 86 91 69 70 65 90
69 71 74 86 91 88 85 79 75 88

(a) Qual a amplitude total desta amostra?

(b) Usando a fórmula de Sturges, quantas classes podem formar?
(c) Qual será o intervalo de cada classe?
(d) Faça uma distribuição de frequências simples em intervalos de classes usando as
informações anteriores.
(e) Com base nessa distribuição, qual a porcentagem de alunos com peso abaixo de 80
kg?

8. A tabela abaixo apresenta as vendas diárias de certo produto, durante um determinado

mês. Forme uma distribuição de frequência simples sem intervalos de classe.

10 13 12 14 13 14 12 14 13 14 11 12
 15
12 14 10 13 15 11 15 13 16 16 14 14
GRÁFICOS

A representação gráfica é um complemento da apresentação dos dados em forma de

tabelas, uma vez que permite uma rápida visualização do fato estudado.
Todo gráfico deve apresentar um título, escala e a fonte que forneceu o gráfico ou os
dados que permitiram sua construção. O mesmo pode ter também legenda.

Representação Gráfica de Variáveis Qualitativas ou Ordinais

São mais utilizados os gráficos de ordenadas, de barras, de colunas, de setores e

linear.

Representação Gráfica de Variáveis Quantitativas

Distribuições Discretas (nº inteiro, quantidade, por exemplo: nº de filhos, nº de

moléculas, etc.) ➔ são utilizados mais os gráficos de ordenadas, barras e colunas.
Distribuições Contínuas (mensurações, por exemplo: peso, pressão arterial, altura,
etc.) ➔ são utilizados os polígonos de frequências e histograma.
 16
- Utiliza-se o sistema cartesiano ortogonal
* abscissas (eixo x) ➔ valores das classes das variáveis;
* ordenadas (eixo y) ➔ valores das frequências.

Gráfico de Linhas

Gráfico de Colunas

Colunas (Comparação)
 17

Gráfico de Barras

Gráfico de Setores

Pcitóricos
18
 19
Histograma

Polígono de Freqüência

MEDIDAS DE TENDÊNCIA CENTRAL

As medidas de tendência central são uma das principais características de um

conjunto de dados. São valores que resumem o comportamento central dos dados e podem
representar um conjunto de dados. As principais medidas são: a média aritmética, mediana e
a moda.

Dados não agrupados

Média Aritmética

Média = X =
 xi
n

Exemplo: nº de acidentes ocorridos por dia numa grande estrada.

3–1–2–0–2–5–0–1–2–2–4–3–1

X=
 xi = 3 + 1 + 2 + 0 + 2 + 5 + 0 + 1 + 2 + 2 + 4 + 3 + 1 = 26 = 2
i

n 13 13

Qual o significado da média? Ponto de equilíbrio.

A média corresponde ao ponto de equilíbrio.
Então a média é um valor em torno do qual os dados se distribuem.

Mediana

Divide um conjunto ordenado de dados em dois grupos de quantidades iguais. A

metade do grupo estará abaixo e, a outra metade, acima da mediana.
Para se calcular a mediana em um grupo de dados deve-se
• Ordenar o conjunto;
• Verificar se há um número par ou ímpar de valores no conjunto.
 20

Exemplo (n ímpar): Dado o grupo de valores 12,3,8,16,9,1,6

• Posição: i = (n + 1) / 2 = (7 + 1) / 2 = 4 (4º elemento)

1 – 3 – 6 – 8 – 9 – 12 – 16  Me=8

E se o número de indivíduos for par?

Simples. Coloque os indivíduos em ordem crescente.
A mediana será a média das estaturas dos dois que ocupam a posição central.

Exemplo (n par): Dado o grupo de valores 9,14,2,7,16,5,13,11

• Posição: 1º elemento: i = n / 2 = 4º
• Posição: 2º elemento: i + 1 = 5º

2 – 5 – 7 – 9 – 11 – 13 – 14 – 16

Me = (9 + 11) / 2
Me = 10

Moda

É aquele que mais se repete, ou seja, o valor mais freqüente de um grupo de estudo.
Amodal ➔ 2 – 3 – 7 – 9 – 12 – 15 – 16

Unimodal ➔ 1 – 3 – 5 – 6 – 8 – 8 – 9 – 10
 Mo = 8

Bimodal ➔ 2 – 2 – 4 – 5 – 5 – 6 – 6 – 6 – 10 - 10 – 10 – 12 – 12
 Mo = 6 e 10

Multi ou Polimodal ➔ 1 – 3 – 3 – 5 – 6 – 6 – 7 – 8 – 9 – 9 – 10 – 11 – 11
 Mo = 3,6,9 e 11

Tabela de Freqüência

* Moda = 13
* Mediana = ?
(15º e 16º elemento) n 30
i= = = 15
2 2
 Me = (13 + 14) / 2 = 13,5
 21

Mediana e Moda para Dados Agrupados em Classes

MEDIDAS DE DIVISIBILIDADE

Quartil

Divide a distribuição em quatro partes iguais (25% cada).

Decil

Divide a distribuição em dez partes iguais (10% cada).

Percentil

Divide a distribuição em cem partes iguais (1% cada).

EXERCÍCIOS PROPOSTOS --------------------------------------------------------------------------

1 – Determinar o 1º quartil, 4º decil e o 72º percentil da seguinte distribição

classes fi fac
4 |⎯ 9 8 8
9 |⎯ 14 22 30
14 |⎯ 19 15 45
19 |⎯ 24 5 50
Soma 50

2 – Abaixo temos a distribuição de salários de uma empresa composta de 50 funcionários. A

direção da empresa pretende dar um reajuste para os 25% dos funcionários com salários
menores. Até que valor de salário haverá reajuste?
 22
Salários (R$) 200 |⎯ 300 |⎯ 400 |⎯ 500 |⎯ 600 |⎯ 700

Nº de funcionários 18 13 9 6 4

3 – Na distribuição de salários abaixo descrita, determinar:

(a) qual o salário abaixo do qual estão situados os 20% mais mal pagos?
(b) qual o salário acima do qual se encontram os 15% mais bem remunerados?
(c) acima de que salário estão os 18 operários mais bem pagos?
(d) abaixo de que salário se situam os 36 operários mais mal remunerados?

Salários (R$) 5000 |⎯ 6000 |⎯ 7000 |⎯ 8000 |⎯ 9000 |⎯ 10000

Operários 28 32 20 6 4
4 – Considere a distribuição de freqüência:

Idade (anos) 10 |⎯ 14 |⎯ 18 |⎯ 22 |⎯ 26 |⎯ 30 |⎯ 34 |⎯ 38 |⎯ 42

Nº de pessoas 15 28 40 30 20 15 10 5

a) Calcular a medida que deixa 50% dos elementos.

b) Calcular o 3º decil.
c) Determinar a medida que deixa ¼ dos elementos.
d) Calcular o percentil 80.
e) Qual a porcentagem das pessoas maiores de idade?

MEDIDAS DE DISPERSÃO

Consideremos os dois conjuntos:

a) 10 – 11 – 11 – 11 – 12 – 12 – 12 – 13 – 14 – 14
b) 1 – 5 – 6 – 9 – 11 – 12 – 12 – 15 – 18 – 21 – 22

Os conjuntos de dados apresentam valores iguais de média, mediana e moda e, no

entanto, existem diferenças entre os dois conjuntos.

Isto indica que necessitamos de um outro tipo de medida para distinguir os dois
conjuntos dados.
Observando as figuras, podemos notar que o primeiro conjunto apresenta valores
concentrados em relação à média, enquanto que o segundo apresenta valores dispersos
(espalhados) em relação à média.
As medidas que tratam desta característica são chamadas de medidas de dispersão.
As principais medidas de dispersão que veremos são: amplitude, desvio médio absoluto,
variância e desvio padrão.

Amplitude

Amplitude é a diferença entre o maior e o menor valores dos dados. Esta medida
utiliza somente dois valores (máximo e mínimo) para o seu cálculo, e é geralmente utilizada
para pequeno conjunto de dados.
 23

Quando todos os dados da amostra forem iguais, a amplitude será zero.

O inconveniente da amplitude é depender somente de dois valores da série, assim não
considera o que acontece com os valores intermediários, além de ser particularmente
suscetível a dados discrepantes.

Desvio Médio Absoluto (DM)

Chamamos de Desvio a diferença entre um valor e a média dos dados, ou seja:

Desvio = xi − X

Uma vez que estamos interessados em analisar todos os dados, devemos calcular a
média dos desvios. O problema surge quando somamos todos os desvios, pois a soma será
sempre zero.
Como estamos interessados na distância de um valor em relação à média, devemos
considerar o módulo (valor absoluto) dos desvios, evitando, deste modo, valores negativos de
alguns desvios.

Dados não agrupados ➔


i =1
xi − x
DM =
n

Dados agrupados ➔

i =1
xi − x . fi
DM =
n

EXERCÍCIOS PROPOSTOS --------------------------------------------------------------------------

1 – Calcular o desvio médio absoluto das séries:

X: 4, 5, 7, 8, 12
Y: 1, 2, 3, 4, 5, 6, 7

2 – Calcule o desvio médio absoluto para a série:

xi fi
1 2
3 5
4 2
5 1

3 – Calcular o desvio médio absoluto da distribuição de freqüência

Classes 2 |⎯ 4 |⎯ 6 |⎯ 8 |⎯ 10 |⎯ 12

fi 2 4 7 4 3

Obs.: O desvio médio absoluto depende de cada componente da série. Se mudarmos o valor
de um único elemento da série, mudamos também o desvio. Portanto, o desvio médio
 24
absoluto, tem perfeita sensibilidade estatística. Outro problema é que envolvem módulos,
cujas propriedades, em geral não são suficientes conhecidas por pessoas que desenvolvem
estes cálculos.

Variância (S2)

Um dos problemas em se trabalhar com o desvio médio absoluto é a dificuldade

matemática que o módulo apresenta. Uma outra forma de contornar o problema apresentado
pelos valores negativos dos desvios é elevar cada desvio ao quadrado. A média dos
quadrados dos desvios é chamada de variância.
A variância mede a dispersão do conjunto dos dados de uma amostra em relação â
sua respectiva média.

 (x − x )
n
2
i
Dados não agrupados ➔
S2 = i =1
n −1

 (x )
n
2
i − x . fi
Dados agrupados ➔
S2 = i =1
n −1

Obs.: A variância populacional difere da amostral em relação ao denominador que é

chamado de seu grau de liberdade. No caso da variância populacional, o grau de liberdade é
N (número de dados da população), enquanto na variância amostral, o grau de liberdade é n-1
(nº de dados da amostra menos 1).
 25
EXERCÍCIOS PROPOSTOS --------------------------------------------------------------------------

1 – Calcular a variância da amostra constituída dos seguintes elementos:

a) X: 4, 5, 8 e 5
b) Y: 10, 12, 15, 16, 18, 19.

2 – Calcular a variância populacional para a série:

xi fi
2 1
3 4
5 5
6 3
7 2

3 – Calcular a variância amostral da distribuição:

Classes 2 |⎯ 4 |⎯ 6 |⎯ 8 |⎯ 10 |⎯ 12

fi 3 5 8 6 3

4 – Calcular a variância da seguinte distribuição amostral:

xi fi
5 2
7 3
8 5
9 4
11 2

5 – Calcular a variância amostral da distribuição:

Classes 2 |⎯ 4 |⎯ 6 |⎯ 8 |⎯ 10 |⎯ 12

fi 2 4 7 4 3

-----------------------------------------------------------------------------------------------------------------

Desvio Padrão (S ou DP)

Os dados geralmente têm unidades de medida como metro, quilograma, segundo, etc.
Ao elevar os desvios ao quadrado, estas unidades também serão elevadas ao quadrado,
dificultando a comparação do valor da variância com os dados. Para resolver este problema,
podemos extrair a raiz quadrada positiva da variância, que é chamada de desvio padrão.
É a mais importante medida de dispersão utilizada em dados quantitativos.

S= S2
 26

Regra Empírica

Aproximadamente 68% das observações estão entre x  s.

Aproximadamente 95% das observações estão entre x  2s.
Aproximadamente 99,7% das observações estão entre x  3s.

Dados com distribuição simétrica na forma de sino têm as seguintes características

Cerca de 68% dos dados estão até 1 desvio padrão da média.

Cerca de 95% dos dados estão até 2 desvios padrão da média.
Cerca de 99,7% dos dados estão até 3 desvios padrão da média.

Exemplo: o valor médio dos pesos de determinados obesos é de 125 kg, com um
desvio padrão de 5 kg. O conjunto de dados tem uma distribuição na forma de sino. Estime o
porcentual de obesos que têm entre 120 e 135 kg.

EXERCÍCIOS PROPOSTOS --------------------------------------------------------------------------

1. Calcule a variância e o desvio padrão da população.

Idade (anos) Nº de Alunos

17 3
18 18
19 17
20 8
21 4
 27

2. Calcule a variância e o desvio padrão para o número de acidentes diários, observados em

um cruzamento durante 40 dias (amostra).

Nº de acidentes por dia Nº de Dias

0 30
1 5
2 3
3 1
4 1

3. Calcule a variância e o desvio padrão para as alturas de 70 alunos de uma classe

(amostra).

Classes Alturas (cm) Nº de Alunos

1 150 |⎯ 160 2
2 160 |⎯ 170 15
3 170 |⎯ 180 18
4 180 |⎯ 190 18
5 190 |⎯ 200 16
6 200 |⎯ 210 1

-----------------------------------------------------------------------------------------------------------------

Coeficiente de Variação (CV)

Quando precisarmos comparar duas distribuições, não podemos fazer uma

comparação direta, uma vez que a magnitude dos dados dessas distribuições pode ser muito
diferente. Observe, por exemplo, os dois conjuntos de dados abaixo. O conjunto (a) mostra
os pesos levantados por 7 atletas especialistas no levantamento de pesos e o conjunto (b)
mostra os pesos conseguidos por 7 pessoas quaisquer.

185 195 210 200 190 230 220

70 95 110 90 95 85 115

Uma vez que o peso levantado pelos atletas é maior do que dos não atletas, o desvio
padrão também é maior, porém, isto não significa que a dispersão do peso da atleta seja maior
que a do não atleta. Para realizar corretamente este tipo de comparação, utilizaremos o
coeficiente de variação. O coeficiente de variação, que representaremos por CV, é a razão
entre o desvio padrão e a média da distribuição, ou seja:

S
CV = X 100 O coeficiente de variação é expresso em porcentagens.
x

O coeficiente de variação é uma medida que normaliza o desvio padrão em relação à

média e, como é um quociente de duas medidas com a mesma unidade, é adimensional, ou
seja, não possui unidade.
No exemplo anterior os coeficientes de variação são:

16,4
Atletas ➔ CV = 204 ,3 * 100  CV = 8,0%
 28

15,1
Não Atletas ➔ CV = 94,3 *100  CV = 16,0%

Portanto, podemos agora, concluir que os pesos levantados pelos atletas têm menor
variabilidade do que dos não atletas.

EXERCÍCIOS PROPOSTOS -------------------------------------------------------------------------

1 – Qual das séries apresenta maior dispersão absoluta? E relativa? Qual apresenta maior
dispersão?

A : x = 20 B : x = 20
a)  =2  =5

A : x = 50 B : x = 100
b)  =2  =3

2 – Para a série: 5,5,5,6,6,6,7,7,7,7,7,7,8,8,8,9,9, calcule:

a) a média
b) o desvio padrão amostral
c) o coeficiente de variação de Pearson

3 – Um fabricante de caixas de cartolina fabrica 3 tipos de caixa. Testa-se a resistência de

cada caixa, tomando-se uma amostra de 100 caixas e determinando-se a pressão
necessária para romper cada caixa. São os seguintes os resultados dos testes:

Tipos de caixa A B C
Pressão média de ruptura 150 200 300 (em bária)
Desvio Padrão das pressões 40 50 60

a) Que tipo de caixa apresenta a menor variação absoluta na pressão de ruptura?

b) Que tipo de caixa apresenta a maior variação relativa na pressão de ruptura?
 29
BIBLIOGRAFIA

Apostilas de Estatística Básica na Rede – Internet.

CRESPO, Antônio Arnot. Estatística Fácil. Editora Saraiva: São Paulo.
FONSECA, Jairo Simon da; MARTINS, Gilberto de Andrade. Curso de Estatística – LPM.
SILVA, Ermes Medeiros da et al. Estatística para concursos de Economia, Administração
e Ciências Contábeis. Vol. 1 e 2. 2ª Ed. Editora Atlas: São Paulo.
TOLEDO, Luciano Geraldo; OVALLE, Ivo Izidoro. Estatística Básica. 2ª ed. Editora Atlas.
VIEIRA, S. Introdução à Estatística. 3ª Ed. Rio de janeiro: Campus, 1998. 196p.