ESTATÍSTICA

CONCEITOS FUNDAMENTAIS E DEFINIÇÕES

A estatística trabalha com dados, os quais podem ser obtidos por meio de uma população ou de uma amostra,
definida como:

População: conjunto de elementos que tem pelo menos uma característica em comum.

Esta característica deve delimitar corretamente quais são os elementos da população que podem ser
animados ou inanimados.

Amostra: subconjunto de elementos de uma população. Este subconjunto deve ter dimensão menor que o da
população e seus elementos devem ser representativos da população.

A seleção dos elementos que irão compor a amostra pode ser feita de várias maneiras e irá depender do
conhecimento que se tem da população e da quantidade de recursos disponíveis. A estatística inferencial é a área que
trata e apresenta a metodologia de amostragem.

Em se tratando de conjuntos-subconjuntos, estes podem ser:

Finitos: possuem um número limitado de elementos.

Infinitos: possuem um número ilimitado de elementos.

Segundo Medronho (2003), elemento significa cada uma das unidades observadas no estudo. Após a
determinação dos elementos pergunta-se: o que fazer com estes? Pode-se medi-los, observá-los, contá-los surgindo
um conjunto de respostas que receberá a denominação de variável.

Variável: é a característica que vai ser observada, medida ou contada nos elementos da população ou da amostra e
que pode variar, ou seja, assumir um valor diferente de elemento para elemento.

Não basta identificar a variável a ser trabalhada, é necessário fazer-se distinção entre os tipos de variáveis:

Variável qualitativa: é uma variável que assume como possíveis valores, atributos ou qualidades. Também são
denominadas variáveis categóricas.

Variável quantitativa: é uma variável que assume como possíveis valores, números.

Cada uma dessas variáveis pode ser sub-classificada em:

Variável qualitativa nominal: é uma variável que assume como possíveis valores, atributos ou qualidades e
estes não apresentam uma ordem natural de ocorrência.

Exemplo 01: meios de informação utilizados pelos alunos da disciplina Inferência Estatística do curso de Estatística da
UEM: televisão, revista, internet, jornal.

Variável qualitativa ordinal: é uma variável que assume como possíveis valores atributos ou qualidades e
estes apresentam uma ordem natural de ocorrência.

Exemplo 02: estado civil dos alunos da disciplina Inferência Estatística do curso de Estatística da UEM: solteiro, casado,
separado.

Variável quantitativa discreta: é uma variável que assume como possíveis valores números, em geral inteiros,
formando um conjunto finito ou enumerável.

Exemplo 03: número de reprovas, por disciplina, dos alunos da disciplina Inferência Estatística do curso de Estatística
da UEM: 0, 1, 2, .....

Variável quantitativa contínua: é uma variável que assume como possíveis valores números, em intervalos da
reta real e, em geral, resultantes de mensurações.

Exemplo 04: peso (KG) dos alunos da disciplina Inferência Estatística do curso de Estatística da UEM: 58, 59, 63.....
 A Frequência Absoluta é o número de vezes que um determinado elemento ou valor aparece em uma
amostra. Veja o exemplo seguinte.

A frequência relativa é o número de vezes que um determinado elemento ou valor aparece em uma amostra
em comparação com o total de elementos dessa amostra. Veja o exemplo seguinte.

Ordenação e distribuição de frequência

Quando você recebe uma amostra de dados, geralmente eles se encontram ordenados pela sequência em que
foram colhidos. Vamos tomar como exemplo uma medição de uma determinada peça usando o micrômetro milesimal.
Foram realizadas e anotadas vinte medições como no quadro ao lado.

Perceba que se você quiser apresentar uma frequência absoluta ou relativa a partir desses dados, além de não
ser uma tarefa fácil, ainda podem ocorrer erros.
 Claro que se o número de dados da amostra for pequeno, isso não implicará em muitas dificuldades. Mas se
esse número for grande, a PRIMEIRA TAREFA É A ORDENAÇÃO DOS DADOS DE FORMA CRESCENTE OU
DECRESCENTE, como no quadro ao lado. Dessa forma fica muito mais fácil apresentar frequência absoluta e relativa,
além de simplificar outros cálculos estatísticos.

Já a distribuição de frequência é simplesmente a construção de uma tabela onde se apresentam as frequências

absoluta e relativa.

Medidas de Tendência Central

A tendência central é uma medida de valores em uma amostra que identifica os diferentes pontos centrais
nos dados. As medidas mais comuns de tendência central são a média, a mediana e a moda.

MÉDIA ( 𝑋̅ ) é a soma de todas as medições num conjunto de dados, dividido pelo número de medições nesse
conjunto de dados.

• A média aritmética de todos os valores observados;

• Pode ser incorporada em análises estatísticas mais complexas;

• A média de uma amostra aleatória é uma estimativa imparcial da população de onde veio;

• A média é a expectativa matemática e pode nem estar presente numa amostra;

 A MEDIANA (Md) é o valor que ocupa a posição central da série de observações de uma variável.

MODA (Mo ) é o valor que apresenta a maior frequência da variável entre os valores observados.

MEDIDAS DE DISPERSÃO
As medidas de dispersão são utilizadas para indicar o grau de variação dos dados de uma amostra em relação
à sua média.

Amplitude

A amplitude de um conjunto de dados, representada por ∆total, é definida como a diferença entre os valores
máximo e mínimo:

∆total = VMáx − VMín

Desvio

O desvio é a distância entre cada uma das unidades estatísticas da amostra e a média dessa amostra. Ele é
obtido através da diferença entre o valor da unidade estatística e a média.
Variância

A variância (S2) é uma medida de dispersão que mostra o quão distante cada unidade estatística está distante
do valor médio da amostra. Ela se relaciona com todas as unidades estatísticas, não devendo ser confundida com
desvio individual.

1 – Encontre a média da amostra;

2 – Calcule os desvios individuais;

3 – Eleve cada desvio ao quadrado;

4 – Some todos os valores, e no final, divida pelo número de elementos da

amostra.
Desvio Padrão

O desvio padrão (S) é uma medida de dispersão que mostra o quão uniforme são os dados de uma
amostra. Assim como na variância, ele indica a distância dos valores em relação à média.

Na verdade, o desvio padrão é a raiz quadrada da variância. Logo, você deve calcular a variância e
depois extrair sua raiz quadrada para encontrar o desvio padrão.

Um desvio padrão pequeno indica que as medições estão bem condensadas em torno da média,
mostrando boa precisão do instrumento.