Estatística Básica

Adauto José Valentim Neto e Dayanna Costa

Unidade 3

Livro Didático
Digital
 Diretor Executivo
DAVID LIRA STEPHEN BARROS
Gerente Editorial
CRISTIANE SILVEIRA CESAR DE OLIVEIRA
Projeto Gráfico
TIAGO DA ROCHA
Autor
ADAUTO JOSÉ VALENTIM NETO E
DAYANNA COSTA
 OS AUTORES
Adauto José Valentim Neto e Dayanna Costa
Olá. Somos Adauto José Valentim Neto e Dayanna Costa.

Eu, Adauto, sou formado em Administração, Comércio Exterior

e Business Administration, além de bacharelando em Direito, com uma
experiência técnico-profissional na área de Administração de Empresas.
Passei por empresas da área de educação superior, nas quais lecionei,
e sou apaixonado pelo que faço e adoro transmitir minha experiência de
vida àqueles que estão iniciando em suas profissões.

Eu, Dayanna, sou formada em Administração pela Universidade

Federal de Campina Grande (UFCG) e tenho Mestrado acadêmico nessa
mesma área de conhecimento, com ênfase em Estratégia e Inovação,
pela Universidade Federal da Paraíba. Também possuo mestrado
acadêmico em Gestão de Recursos Naturais (UFCG) com ênfase de
pesquisa em Estratégia Ambiental focada em modelos e ferramentas
de gestão na empresa, tendo experiência técnico-profissional no ensino
da Administração ao ministrar disciplinas como Marketing, Planejamento
Estratégico, Cultura organizacional e liderança e Administração de
Recursos Materiais e Patrimoniais a níveis de graduação e pós-graduação.
Eu sou apaixonada por Gestão de Atendimento ao Cliente, e lecionar
esse conteúdo, para mim, consiste em emergir, junto dos discentes,
em um universo de possibilidades de gestão, técnicas e práticas dentro
do contexto de atuação dos futuros profissionais em formação. Adoro
transmitir meus conhecimentos e minha experiência de vida àqueles que
estão iniciando em suas profissões.

Por isso, fomos convidados pela Editora Telesapiens a integrar seu

elenco de autores independentes. Estamos muito felizes em poder ajudar
você nesta fase de muito estudo e trabalho. Conte conosco!
 ICONOGRÁFICOS
Olá. Esses ícones irão aparecer em sua trilha de aprendizagem toda vez
que:

INTRODUÇÃO: DEFINIÇÃO:
para o início do houver necessidade
desenvolvimento de de se apresentar um
uma nova compe- novo conceito;
tência;

NOTA: IMPORTANTE:
quando forem as observações
necessários obser- escritas tiveram que
vações ou comple- ser priorizadas para
mentações para o você;
seu conhecimento;
EXPLICANDO VOCÊ SABIA?
MELHOR: curiosidades e
algo precisa ser indagações lúdicas
melhor explicado ou sobre o tema em
detalhado; estudo, se forem
necessárias;
SAIBA MAIS: REFLITA:
textos, referências se houver a neces-
bibliográficas e links sidade de chamar a
para aprofundamen- atenção sobre algo
to do seu conheci- a ser refletido ou dis-
mento; cutido sobre;
ACESSE: RESUMINDO:
se for preciso aces- quando for preciso
sar um ou mais sites se fazer um resumo
para fazer download, acumulativo das últi-
assistir vídeos, ler mas abordagens;
textos, ouvir podcast;
ATIVIDADES: TESTANDO:
quando alguma quando o desen-
atividade de au- volvimento de uma
toaprendizagem for competência for
aplicada; concluído e questões
forem explicadas;
 SUMÁRIO
Média aritmética como medida de tendência central.................10
Média aritmética ()........................................................................................................................10

Média aritmética com dados não agrupados ......................................... 12

Média aritmética com dados agrupados ................................................... 14

Outras medidas de tendência central.................................................17

Mediana (Md) ..................................................................................................................................... 17

Mediana de dados não agrupados.................................................................. 18

Mediana de dados agrupados........................................................................... 20

Moda (Mo).............................................................................................................................................. 21

Moda de dados não agrupados......................................................................... 22

Moda de sados agrupados....................................................................................23

Entender as medidas separatrizes........................................................25

Quartil........................................................................................................................................................25

Decil...........................................................................................................................................................29

Percentil.................................................................................................................................................. 31

Tipos de medidas de variação ou dispersão....................................34

Variância ................................................................................................................................................34

Desvio Padrão ...................................................................................................................................37

 Estatística Básica 7

03
UNIDADE
8 Estatística Básica

INTRODUÇÃO
Você sabia que a área estatística é uma das mais demandas no
mercado e é responsável pela geração de muitas informações utilizadas
para tomadas de decisões nas diversas áreas do conhecimento? Isso
mesmo. A área da estatística faz parte da área da matemática que estuda
o comportamento dos elementos que compõem o nosso cotidiano. Frente
a isso, vamos estudar as medidas de tendências das variáveis estudadas.
Nesta unidade, vamos observar as medidas de tendência central, como
a média aritmética, comumente utilizadas em nosso dia a dia, e outras
formas de medição central, como a mediana, que divide um grupo de
dados em duas partes iguais, e a moda, que consiste em identificar os
elementos que mais são frequentes em uma distribuição. Também
abordaremos os conceitos que envolvem outros tipos de medidas de
tendência, como as separatrizes (quartil, decil e percentil), e, por fim,
estudaremos as medidas de dispersão, muito utilizadas nas diversas áreas
do conhecimento, como é a variância e o desvio padrão, que representam
a distâncias de algum valor em relação a sua média. Assim, sua principal
responsabilidade é compreender os aspectos básicos e introdutórios da
estatística, entendeu? Ao longo desta unidade letiva, você vai mergulhar
neste universo!
 Estatística Básica 9

OBJETIVOS
Olá. Seja muito bem-vindo à Unidade 3. Nosso objetivo é auxiliar
você na compreensão dos seguintes tópicos até o término desta etapa
de estudos:

1. Média aritmética como medida de tendência central;

2. Outras medidas de tendência central;

3. Medidas separatrizes;

4. Tipos de medidas de variação ou dispersão.

Então? Preparado para adquirir conhecimento sobre um assunto

fascinante e inovador como esse? Vamos lá!
10 Estatística Básica

Média aritmética como medida de

tendência central
INTRODUÇÃO:

Ao término deste capítulo, você será capaz de entender

como funciona a média aritmética, e isso será fundamental
para o exercício de sua profissão. Aqui, serão discutidos os
aspectos de interpretação das informações coletadas, de
forma a organizá-las para auxiliar o pesquisador em suas
tarefas. Assim, neste capítulo, vamos compreender um
pouco mais como executar isso. E então? Motivado para
desenvolver essa competência? Então, vamos lá!

Média aritmética ()

Até então, estudamos distribuição de frequência, que, geralmente,
pode descrever o conjunto de valores que uma variável pode assumir.
Dessa forma, podemos encontrar a maior concentração do valor de uma
dada distribuição, ou seja, se ela está localizada no início, no meio ou no
final, e, ainda, uma distribuição igual.

Assim, para se identificar como se caracterizam as tendências de

cada distribuição, que podem ser analisadas juntas ou de forma isolada,
são necessários estudos de conceitos relacionados com os aspectos
numéricos que envolvem as variáveis. Com isso, podemos traduzir tais
informações como tendências, que nos permitem interpretar e justificar
os dados coletados.

Nessa perspectiva, iniciaremos nossos estudos a partir dos

elementos típicos de uma distribuição, denominada medidas de posição.

Na estatística, as medidas de posição são uma série de dados que

representam a posição da distribuição em relação ao eixo horizontal.
 Estatística Básica 11

Figura 1 – Medidas de tendência central

Fonte: Elaborada pelos autores.

Nesse sentido, as medidas de posição consideradas mais

importantes são aquelas denominadas medidas de tendência central.
Essas medidas representam as informações relativas aos dados
observados que, de maneira geral, tendem a se agrupar em torno dos
valores centrais. Assim, são as medidas de tendência central: a média
aritmética (); a mediana (Md); e a moda (Mo).

Em primeiro lugar, vamos estudar a média aritmética, que representa

o resultado da divisão do somatório dos valores da variável pelo número
deles, representada pela seguinte fórmula:

Em que:

 representa a média aritmética.

xi representa os valores da variável.

n representa o número de valores.

Temos, assim, duas formas de conhecer a média aritmética de

uma variável: de forma que os dados não estejam agrupados e de forma
que eles estejam agrupados, como por meio de uma distribuição de
frequência.
12 Estatística Básica

Média aritmética com dados não agrupados

A denominada média aritmética simples será utilizada quando
desejarmos encontrar a média de dados que não estejam agrupados.

Podemos exemplificar da seguinte forma: suponha que as idades

dos alunos que pertencem a uma turma em uma escola sejam de 10, 14,
13, 15, 16, 18 e 12, dessa forma, vamos obter a média da seguinte maneira:

Logo,  = 14

Podemos concluir, então, que a média de idade dessa turma é de

14 anos, isso também não implica dizer que a média sempre será um
número pertencente a série de dados analisados; pode acontecer de a
média ser um número diferente.

Ademais, no estudo da média aritmética, também precisamos

conhecer o desvio em relação à média, que representa a diferença entre
cada elemento do conjunto de dados e a média aritmética (). Representado
pela seguinte fórmula:

di = xi - 

Para identificarmos os desvios em relação à média das idades dos

alunos, temos:

d1 = x1 -   d1 = 10 – 14 = -4

d2 = x2 -   d2 = 14 - 14 = 0

d3 = x3 -   d3 = 13 - 14 = -1

d4 = x4 -   d4 = 15 - 14 = 1

d5 = x5 -   d5 = 16 - 14 = 2

d6 = x6 -   d6 = 18 - 14 = 4

d7 = x7 -   d7 = 12 - 14 = -2
 Estatística Básica 13

Assim, podemos concluir que cada dado possui uma distância em

relação ao ponto central, que, aqui, denominamos de média.

Dando continuidade ao estudo sobre a média aritmética (), vamos

estudar, a partir de agora, algumas propriedades da média, e são três as
principais, como vamos observar a seguir:

1ª Propriedade

A 1ª propriedade da média determina que a soma algébrica dos

desvios encontrados em relação à média é nula. Assim, podemos obter
a partir de:

Quando substituímos os valores encontrados no exemplo anterior,

concluímos o que propõe essa propriedade:

2ª propriedade

A 2ª propriedade determina que, ao se somar ou subtrair uma

constante (c) de todos os valores de uma variável, a média do conjunto
dessa constante fica aumentada ou diminuída, sendo representada por:

yi = xi ± c  =  ± c

Assim, se somarmos 2 a cada um dos valores da variável do exemplo

anterior, obtemos as seguintes informações:

yi yi = xi ± c
y1 10 + 2 = 12
y2 14 + 2 = 16
y3 13 + 2 = 15
y4 15 + 2 = 17
y5 16 + 2 = 18
y6 18 + 2 = 20
y7 12 + 2 = 14
14 Estatística Básica

Dessa forma, a soma dos resultados será: = 12+ 16+ 15+ 17 + 18+
20+ 14 = 112

Como n = 7, obtém-se:  = = 16   = 16 = 14 + 2   =  + 2

3ª propriedade

A 3ª propriedade define que se forem multiplicados ou divididos

todos os valores de uma variável por uma constante (c), a média do
conjunto ficará multiplicada ou dividida por essa constante, sendo
representada por essas fórmulas:

yi = xi x c   =  x c ou yi =  =

Se considerarmos que a constante (c) é 3, podemos multiplicar cada

um dos valores da variável do exemplo que estamos seguindo, obtendo:

yi yi = xi ± c
y1 10 x 3 = 30
y2 14 x 3 = 42
y3 13 x 3 = 39
y4 15 x 3 = 45
y5 16 x 3 = 48
y6 18 x 3 = 54
y7 12 x 3 = 36
Dessa forma, a soma dos resultados será:

= 30+42+39+45+48+54+36=294

Como n = 7, temos:  = = 42   = 42 = 14 x 3   =  x c

Média aritmética com dados agrupados

Em continuidade aos nossos estudos, a partir de agora, vamos
estudar como calculamos a média aritmética com os dados agrupados,
dessa forma, vamos considerar uma distribuição de frequência (fi)
estudada em unidades anteriores.
 Estatística Básica 15

Para que fique mais clara a identificação da média em dados

agrupados, vamos considerar um exemplo específico, em que foi realizado
um estudo com 34 mulheres de uma região sobre quantidade de filhos,
dessa forma, organizamos as informações coletadas da seguinte forma,
por meio de uma tabela de distribuição de frequência:
Tabela 1 — Distribuição de frequência

Nº de Filhos Frequência (fi)

0 2
1 6
2 10
3 12
4 4
∑ = 34
Fonte: Elaborada pelos autores.

Assim, como já estudamos anteriormente, as frequências nos indicarão

a intensidade de cada valor da variável. Dessa forma, para calcularmos a
média aritmética ponderada, precisaremos da seguinte fórmula:

Portanto, para obtenção da média ponderada dessas informações,

vamos incluir, na tabela, uma coluna correspondente a xifi, assim:
Tabela 2 – Distribuição de frequência

Nº de Filhos (xi) Frequência (fi) xifi

0 2 0x2=0
1 6 1x6=6
2 10 2 x 10 = 20
3 12 3 x 12 = 36
4 4 4 x 4 = 16
∑ = 34 ∑ = 0 + 6 + 20 + 36 + 16 = 78
Fonte: Elaborada pelos autores.
16 Estatística Básica

Dessa forma, se substituirmos na fórmula, temos:

Isto implica concluirmos que a média será de:  = 2,3 filhos.

Algumas observações são importantes no estudo da média

ponderada, como o resultado de 2,3 filhos. Isso implica dizer que são dois
filhos e 3 décimos. Quando os resultados são expressos dessa forma,
sugere-se que a interpretação relate a quantidade numérica exata, como
2 filhos, já que não podemos relacionar décimos de pessoas.

RESUMINDO:

E então? Você gostou do que apresentamos? Conseguiu

apreender tudo? Agora, só para termos a certeza de
que você realmente entendeu o tema de estudo deste
capítulo, vamos resumir tudo o que vimos. Você deve ter
aprendido que, para a determinação da média aritmética
(), é necessário conhecer os seus conceitos, assim como
a medida de tendência central e outras, denominadas
mediana (Md) e moda (Mo). Estudamos, ainda, que a
média pode ser identificada por meio de dados que estão
estruturados e não estruturados, e o primeiro se refere
principalmente às informações contidas nas distribuições
de frequências, como já estudamos em outros momentos.
Compreendemos, ainda, que existem três principais
propriedades que envolvem o cálculo da média aritmética.
Ademais, vimos que existe, também, uma distância
dos dados em relação ao ponto central das variáveis e
denominamos de variação em relação à média (di). Com isso,
espero que você tenha compreendido como a estatística
pode ser importante no nosso cotidiano, principalmente
em relação ao agrupamento de informações que nos
auxilia nos processos rotineiros de geração de dados.
 Estatística Básica 17

Outras medidas de tendência central

INTRODUÇÃO:

Ao término deste capítulo, você será capaz de entender

as outras medidas de tendência central, como é o caso
da mediana e da moda, e isso será fundamental para o
exercício de sua profissão. As medidas aqui analisadas
serão fundamentais para a identificação dos pontos
centrais e frequentes dos dados. Assim, neste capítulo,
vamos compreender um pouco mais como executar isso.
E então? Motivado para desenvolver essa competência?
Então, vamos lá!

Mediana (Md)
Além da média aritmética () utilizada como medida de tendência
central, existem outras medidas que podem nos auxiliar na geração e
organização dos dados coletados em nossas pesquisas. Essas medidas
são denominadas de mediana (Md) e moda (Mo), também consideradas
na literatura estatística como medidas de tendência central.

Para iniciarmos este capítulo, vamos compreender como a mediana

(Md) se comporta para ser considerada uma forma de medida central.
Assim, podemos considerar a mediana (Md) como o número que se
encontra no centro de um conjunto de dados de forma ordenada.

Assim sendo, a mediana (Md) é considerada um valor central

determinado a partir de um conjunto de valores que serão separados em
dois grupos de elementos a partir da mediana (Md).
18 Estatística Básica

DEFINIÇÃO:

Para Larson e Betsy (2015), o meio dos dados, quando estes

estão ordenados, denomina-se mediana de um conjunto
de dados. Por isso, a mediana indica exatamente o ponto
central de um conjunto de dados ordenado, dividindo-o
em duas partes com quantidades iguais de valores. Assim,
mesmo que um conjunto de dados seja composto por
número ímpar de observações, a mediana será o elemento
do meio. Nesse sentido, caso o conjunto de dados seja
composto por um número par de elementos, a mediana
será a média dos dois elementos que ocupam as posições
centrais (LARSON; BETSY, 2015).

Mediana de dados não agrupados

Para determinação da mediana de dados não agrupados, é
necessário que o usuário ordene as informações por meio de uma
composição crescente ou decrescente. Assim, vamos considerar como
exemplo um conjunto de valores, como segue:

5 13 10 2 18 15 6 16 9
Com isso, o primeiro passo para identificação da mediana (Md) desse
grupo de valores é ordená-lo. Assim, vamos considerar para esse exemplo
a ordem de forma crescente, ou seja, do menor para o maior, como segue:

2 5 6 9 10 13 15 16 18
Em seguida, vamos identificar o valor central, que apresentará o mesmo
número de elementos à direita e à esquerda. Nesse caso, o valor
identificado é o 10, pois, nessa série, há quatro elementos acima dele e
quatro abaixo, como mostra:

2 5 6 9 10 13 15 16 18
 Estatística Básica 19

Assim, podemos concluir que a mediana (Md) dessa série de dados

é igual a 10, visto que o número de elementos é um número ímpar (9),
logo, o centro será o ponto exato da divisão dos dados em dois grupos.

Entretanto, se utilizarmos uma série com número par de elementos,

calcularemos da seguinte forma:

2 6 7 10 12 13 18 20

Observe que temos, a partir desse exemplo, um número par de

elementos (8). Assim, a mediana será calculada a partir de qualquer dos
números compreendidos entre os dois valores centrais da série. Entende-
se por esses valores centrais o ponto médio. Logo, identificamos como:

2 6 7 10 12 13 18 20
}
Ponto médio
(dois valores centrais)

Dessa forma, para determinarmos a mediana (Md) desse grupo de

valores, calculamos a média aritmética entre 10 e 12.

Logo, a mediana (Md) =

Portanto, concluímos que, a partir da ordenação dos dados de

uma série, sendo a quantidade de dados (n) ímpar ou par, a forma para
determinação da mediana (Md) é diferente.

Se a quantidade de elementos (n) for um número ímpar, teremos a

seguinte equação:

No nosso exemplo, o número de elementos (n) foi 9, logo, temos

que = 5, ou seja, a mediana (Md) está no 5º elemento da série, que é
o valor de 10, como encontrado no exemplo.

Entretanto, se o número de elementos (n) de uma série for um

número par, a equação será representada da seguinte forma: + 1.

Assim, em nosso exemplo, o número de elementos (n) foi 8, logo,

temos que . Agora, a mediana (Md) será determinada a
20 Estatística Básica

partir da média aritmética do 4º e 5º elemento da série, ou seja: Md =

= 11, como determinado no exemplo.

Mediana de dados agrupados

Na mesma perspectiva dos dados não agrupados, a mediana
(Md) nesse caso dos dados agrupados, a partir de uma distribuição de
frequência, dá-se pela determinação da frequência acumulada.

Dessa forma, aqui também será determinado o valor que divide a

distribuição dos elementos ao meio, de forma a encontrar o valor central
dos dados, ou seja, dividi-los em dois grupos iguais de elementos.

Para isso, é necessário, então, aplicar a seguinte fórmula:

Nesse sentido, para identificação da mediana (Md) de uma

frequência, é necessário compreender a frequência acumulada
imediatamente superior à metade da soma das frequências. Assim, a
mediana (Md) será representada pelo valor da variável que corresponde a
tal frequência acumulada.

Para exemplificarmos a situação, suponha os seguintes dados

relativos ao número de filhos do grupo de 34 mulheres de uma região,
como segue:
Tabela 3 – Distribuição de frequência

Nº de Filhos (f) Frequência (fi) Frequência Acumulada (Fi)

0 2 2
1 6 8
2 10 18
3 12 30
4 4 34
∑ = 34
Fonte: Elaborada pelos autores.
 Estatística Básica 21

Nesse caso, para identificarmos a mediana (Md), substituiremos os

valores na fórmula, logo:

Logo, como não temos, na distribuição da frequência, um valor de

frequência acumulada (Fi) de 17, precisamos identificar a menor frequência
acumulada que supera esse valor. Assim, determinado o valor de 18, que
corresponde ao valor 2 da variável, e esse, então, o valor a mediana (Md)
dessa frequência. Agora, a mediana (Md) será de 2 filhos.

Concluímos, então, que a mediana (Md) será o centro dos dados

analisados, fazendo com que as informações sejam divididas em dois
principais grupos, auxiliando o pesquisador ou usuário da informação a
encontrar o ponto central das informações e caracterizar a mediana (Md)
como uma medida de tendência central.

Moda (Mo)
Assim como a média aritmética () e a mediana (Md), a moda (Mo)
também é considerada, pela literatura da estatística, uma medida de
tendência central.

Nesse sentido, podemos denominar a moda (Mo) como o valor que

é mais frequente, ou seja, ocorre com mais frequência em uma série de
elementos analisados.

Dessa forma, podemos dizer que um valor é modal quando, entre

os valores distribuídos em uma série, é o mais comum, ou seja, quando
esse valor se repete mais vezes.
22 Estatística Básica

DEFINIÇÃO:

Larson e Betsy (2015) definem que a moda (Mo) em um

conjunto de dados é caracterizada pelo valor que aparece
com maior frequência. Desse modo, em um conjunto de
dados, pode ter uma moda, mais de uma moda, ou não
ter moda. Assim, é possível que nenhum valor se repita e
que o conjunto de dados não tenha uma moda, chamado
de amodal. Do mesmo modo, quando dois valores ocorrem
com a mesma frequência, cada um é considerado uma
moda, e tal conjunto é denominado bimodal (LARSON;
BETSY, 2015).

Moda de dados não agrupados

Assim como nas demais medidas de tendência central que
estudamos, a moda (Mo) também pode ser calculada a partir dos dados
não agrupados, de forma que será identificada com maior facilidade,
considerando, de acordo com a definição, o(s) valor(es) que mais se
repete(m).

Para exemplificarmos tal definição, vamos considerar a seguinte

série ordenada de valores:

7 8 9 10 10 10 11 12 13 15
Nesses dados, podemos concluir que a moda (Mo) é 10, pois é o
valor que mais se repete na série analisada.

Nessa mesma perspectiva, podemos observar uma série de dados

em que não existe moda (Mo), ou seja, não existe um valor que se repita
durante a relação dos dados, como o exemplo a seguir:

3 5 8 10 12 13
Percebemos, então, que, nesse exemplo, nenhum valor se repete, logo,
essa distribuição é denominada como amodal, ou seja, não possui moda.

De mesmo modo, podemos verificar outra situação, quando existem

mais de uma moda em uma mesma série de dados, ou seja, existe mais
de um valor a ser repetido, como observado no exemplo a seguir:
 Estatística Básica 23

2 3 4 4 4 5 6 7 7 7 8 9
Logo, nessa situação, podemos observar que os números 4 e 7
se repetem com maior frequência, assim, obtemos duas modas (Mo).
Quando tal situação ocorre, denominamos série de dados bimodal, ou
seja, quando mais de um valor se repete na mesma distribuição.

Moda de sados agrupados

A moda (Mo) também pode ser analisada a partir de uma distribuição
de frequência, assim denominada moda (Mo) de dados agrupados.

Da mesma forma que a análise da moda (Mo) de dados não

agrupados, aqui, identificaremos o valor da variável com maior frequência.

Para exemplificarmos, vamos imaginar que foram medidas as

estaturas de um grupo de 40 pessoas, chegando-se a tais valores:

Estaturas (cm) Frequência (fi)

1 150 - 154 4
2 155 - 158 9
3 159 - 162 11
4 163 - 166 8
5 167 - 170 5
6 171 - 174 3
∑ = 40
Percebemos que, nessa distribuição, a frequência máxima é de 11,
logo, o valor da variável que corresponde a essa frequência é 3. Desse
modo, podemos concluir que a moda (Mo) dessa distribuição é 3.

Ademais, podemos considerar que a classe que apresenta a maior

frequência é denominada classe modal, pois possui um único valor máximo
de frequência. Assim sendo, podemos afirmar, ainda, que a moda será o
valor dominante que está compreendido entre os limites da classe modal.

Nesse caso, existe um método simples para o cálculo da moda

(Mo), que considera o ponto médio da classe modal. Assim, utilizamos a
seguinte fórmula:
24 Estatística Básica

Lembrando que li corresponde ao limite inferior da classe modal e

Li representa o limite superior da classe modal.

Diante disso, quando substituímos a fórmula pelos valores do

exemplo, obtemos as seguintes informações:

A classe modal encontrada  i = 3

Logo, os li = 159 e Li = 162

Assim, a moda

Concluímos, então, que a moda dessa distribuição é de 160 cm,

pois é a média encontrada da classe modal, ou seja, a 3ª classe.

RESUMINDO:

E então? Você gostou do que apresentamos? Conseguiu

apreendeu tudo? Agora, só para termos a certeza de que
você realmente entendeu o tema de estudo deste capítulo,
vamos resumir tudo o que vimos. Você deve ter aprendido
outras medidas de tendência central, como foi o caso da
mediana (Md) e da moda (Mo). Estudamos que a mediana
(Md) é o valor que representa o ponto central de uma série
de elementos (n), que, se for ímpar ou par, deverá ser
calculada de forma distinta, mas que sua essência continua
a mesma, a de identificar o centro dos dados, de maneira
que divida as informações em dois grupos distintos
e com a mesma quantidade de elementos. Também
estudamos a moda (Mo), que representa o número que
mais se repete em uma série de dados. Nesse sentido,
estudamos ainda, que uma distribuição de dados pode
conter uma moda, denominada modal, mais de uma moda,
denominada bimodal, ou, ainda, não conter uma moda,
sendo denominada amodal. Assim, esperamos que, com
essas informações, você tenha compreendido como as
medidas de tendência central podem auxiliá-lo na análise
e interpretação dos dados, facilitando sua organização e
transcrição.
 Estatística Básica 25

Entender as medidas separatrizes

INTRODUÇÃO:

Ao término deste capítulo, você será capaz de entender

quais são as medidas separatrizes, como quartil, decil
e percentil, e isso será fundamental para o exercício
de sua profissão. As separatrizes dividem um grupo de
elementos em diversas partes iguais, a depender do tipo
de medida que se deseja analisar, e isso auxilia o usuário
na sua interpretação. E então? Você está motivado para
desenvolver essa competência? Então, vamos lá!

Quartil
As separatrizes, como vimos nos capítulos anteriores, utilizam,
assim como a mediana (Md), características de uma série de valores
devido à sua posição central.

No entanto, essas medidas possuem uma características seme-

lhante e muito importante para a continuidade de nossos estudos, que é
a separação de uma série de elementos (n) em grupos.

Desse modo, além das medidas de posição central que estudamos

(média, mediana e moda), existem outras medidas de posição que
se baseiam em sua posição na série. Essas medidas são os quartis, os
percentis e os decis, que, juntamente à mediana, são conhecidas pelo
nome genérico de separatrizes.
26 Estatística Básica

Figura 2 – Medidas separatrizes

Fonte: Elaborada pelos autores.

Em primeiro lugar, vamos estudar os quartis, em que consideramos

os valores de uma série dividida em quatro partes iguais.

DEFINIÇÃO:

Para Larson e Betsy (2015), os quartis devem ser ordenados

em 4 partes iguais (Q1, Q2 e Q3), que dividirão um conjunto
de dados. Geralmente, 25% dos dados de um conjunto de
valores estarão sobre ou abaixo do primeiro quartil (Q1). Da
mesma forma, 50% dos dados, geralmente, encontram-se
sobre ou abaixo do segundo quartil (Q2), e vale ressaltarmos
que o Q2 é o mesmo que a mediana (Md) do conjunto de
dados. Por fim, acredita-se que 75% dos dados recaem
sobre ou abaixo do terceiro quartil (Q3) (LARSON; BETSY,
2015).

Então, já sabemos que um grupo de dados pode ser dividido

em quatro partes iguais, denominados quartil. Portanto, precisamos
determinar os três principais quartis:

Q1  O primeiro quartil (Q1) é o valor que representa 25% de uma

série de dados, ou seja, encontra-se na ¼ parte de uma distribuição.

Q2  O segundo quartil (Q2) é o valor que representa 50% de uma

série de dados, e essa informação coincide com a mediana (Q2 =Md).

Q3  O terceiro quartil (Q3) é o valor que representa 75% de uma

série de dados, ou seja, está situado na 3/4 parte de uma distribuição.
 Estatística Básica 27

Para exemplificarmos o cálculo do quartil, vamos julgar a seguinte

situação: suponha que você coletou os seguintes dados relativos às
idades das mulheres de um clube de jogos:

22 25 18 19 21 43 32 35 27 30 42 44 37 28 38
A partir desses dados, vamos encontrar o primeiro quartil (Q1), o
segundo quartil (Q2) e o terceiro quartil (Q3) do conjunto de dados.

O que devemos fazer, em primeiro lugar, é ordenar o conjunto de

dados e encontrar a mediana (Md), ou seja, o segundo quartil (Q2).

18 19 21 22 25 27 28 30 32 35 37 38 42 43 44

Assim, o segundo quartil (Q2) é o número 30, que está localizado no

8º elemento da distribuição ordenada de forma crescente.

Para identificação do primeiro quartil (Q1), vamos encontrar a mediana

dos valores à esquerda de Q2, já o terceiro quartil (Q3), identificamos a
partir da mediana dos valores à direita de Q2. Assim temos:

Valores à esquerda do Q2 Valores à direita do Q2

}
} 18 19 21 22 25 27 28 30 32 35 37 38 42 43 44

Q1 Q2
Assim, podemos concluir o seguinte:
Q3

• Aproximadamente, 25% das mulheres que pertencem ao clube

possuem 22 anos ou menos.

• Quase 50% ou metade das mulheres do clube possuem 30 anos

ou menos.

• Cerca de 75% das mulheres do clube possuem 38 anos ou menos.

Desse modo, precisamos atentar que a mediana (Md), considerada

aqui como o segundo quartil (Q2), será sempre uma medida de tendência
28 Estatística Básica

central para ser utilizada como base de posição. Assim, a medida de

variação será utilizada na posição dos quatis.

Da mesma forma, podemos analisar o quartil a partir dos dados

agrupados, ou seja, por meio de uma distribuição de frequência. Nessa
perspectiva, utilizaremos a mesma equação da mediana (Md), substituindo
o número 2 pelo número 4, já que estamos falando em quartil. Assim, a
equação será:

Nessa equação, a letra k representa o número de ordem do quartil.

Logo, para calcularmos o valor do quartil, precisamos utilizar a

seguinte equação:

Para exemplificarmos o cálculo do quartil, vamos utilizar o exemplo

anterior, em que foi medida a estatura de 40 pessoas, apresentando os
valores a seguir:

Frequência
i Estaturas (cm) Frequência (fi)
acumulada (Fi)
1 150 - 154 4 4
2 154 - 158 9 13
3 158 - 162 11 24
4 162 - 166 8 32
5 166 - 170 5 37
6 170 - 174 3 40
∑ = 40
 Estatística Básica 29

Nesse exemplo específico, vamos considerar que, na distribuição

das estaturas, não serão considerados intervalos de uma classe para
outra. Assim, para a determinação do primeiro quartil (Q1), vamos substituir
as informações da fórmula pelos dados da tabela de distribuição de
frequência:

Primeiro Quartil (Q1)

Em primeiro lugar, vamos identificar o quartil 

Em seguida, vamos encontrar o valor do quartil 

Segundo Quartil (Q2)

Em primeiro lugar, vamos identificar o quartil 

Em seguida, vamos encontrar o valor do quartil 

Terceiro Quartil (Q3)

Em primeiro lugar, vamos identificar o quartil 

Em seguida, vamos encontrar o valor do quartil 

Decil
Além do estudo dos quartis sobre as determinações das medidas
de posição, podemos utilizar, também, os percentis e os decis. Assim,
podemos determinar que as separatrizes consistem em:
30 Estatística Básica

Tabela 4 – Separatrizes

Separatrizes Descrição Símbolos

Divide o conjunto de
Quartis elementos em 4 partes Q1, Q2 e Q3
iguais.
Divide o conjunto de
Decis elementos em 10 par- D1, D2, D3... D9
tes iguais.
Divide o conjunto de
Percentis elementos em 100 P1, P2, P3... P99
partes iguais.

Fonte: Adaptada de Crespo (2009).

Para a determinação dos decis, é necessário seguir os mesmos

procedimentos que foram utilizados para os cálculos dos quartis, sendo
que os decis dividem a distribuição de elementos em 10 partes iguais em
vez de 4 partes, como se faz no quartil.

Por isso, para se dividir os elementos agrupados, dividem-se os

dados em décimas partes, em que cada parte terá 10% dos dados e será
indicada por D1, D2 [...], D9.

Desse modo, os decis serão representados por:

Para exemplificarmos o cálculo dos decis, vamos analisar os 16

valores ordenados a seguir:

5 7 7 9 10 11 11 12 13 13 15 18 21 22 25 25
Para a determinação dos decis, utilizaremos a fórmula:

Posto posição, isso implica dizer que o D1 estará

na 2ª posição, logo, o valor do D1 será igual a 7:

5 7 7 9 10 11 11 12 13 13 15 18 21 22 25 25

D1
 Estatística Básica 31

Posto , isso implica dizer que o D5 estará na 8ª

posição, logo, o valor do D5 será igual a 12:

5 7 7 9 10 11 11 12 13 13 15 18 21 22 25 25

D1 D5
Posto , isso implica dizer que o D9 estará na
15ª posição, logo, o valor do D9 será igual a 25.

5 7 7 9 10 11 11 12 13 13 15 18 21 22 25 25

D1 D5 D9

Percentil
Ademais, estudaremos os percentis, que são muito comuns nas
áreas que necessitam de informações quanto a comparações, como é
o caso das áreas da saúde, demográficas e regionais, pois utilizam tais
dados em comparação a outros grupos.

Por sua vez, os percentis podem ser utilizados para identificar os

valores que estão abaixo ou acima do normal. Como exemplo, podemos
citar as medidas das taxas de mortalidade infantil, desnutrição infantil,
entre outros de uma determinada região. Com isso, podemos observar
que, se o percentil se aproximar da 99º posição, indicará índices altos, e
se o percentil se aproximar da 2º posição, indicará índices mais baixos.

Dessa forma, os percentis serão divididos em 99 valores, que

separarão uma série de dados em 100 partes iguais, sendo identificadas
da seguinte maneira:

P1,P2…P32,…,P99

Vale destacarmos que, se uma série de dados for dividida em 99

partes iguais, logo, o centro dessa divisão, ou seja, o percentil na posição
50 será a mediana (Md), assim como o percentil na posição 25º será o
primeiro quartil e o percentil na 75º posição será o terceiro quartil, como
podemos observar a seguir:
32 Estatística Básica

Contudo, para a determinação do percentil desejado, ou seja, um

valor específico x, usaremos a seguinte fórmula:

A partir de então, o valor encontrado deverá ser arredondado para

o valor inteiro mais próximo. Para exemplificarmos o cálculo do percentil,
vamos analisar a seguinte situação:

Suponha que foram pesquisados 30 valores diferentes em relação

ao custo de uma máquina fabril em milhares (R$) de reais e que as
informações foram ordenadas de forma crescente:

10 12 13 15 17 18 19 21 22 24 25 26 28 29 30
31 32 34 35 37 39 41 42 44 46 47 48 50 52 54
Dessa forma, percebemos que, para a identificação do 25º percentil
(P25), é preciso o seguinte cálculo:

Isso implica dizer que 34% dos valores em relação a essa máquina
fabril é igual ou inferior a 25.000,00.

Com isso, podemos concluir que as separatrizes (quartil, decil e

percentil) são meios alternativos de cálculo das medidas de tendência
central, pois, assim como a média (), a mediana (Md) e a moda (Mo),
elas também propõem ao usuário uma noção de posição sobre os
dados analisados. Com isso, torna-se mais fácil e prática a realização das
interpretações sobre os elementos coletados e ordenados.
 Estatística Básica 33

RESUMINDO:

E então? Você gostou do que apresentamos? Conseguiu

apreender tudo? Agora, só para termos a certeza de que
você realmente entendeu o tema de estudo deste capítulo,
vamos resumir tudo o que vimos. Você deve ter aprendido
que existem outras medidas de tendência centrais que
podem dividir um conjunto de elementos coletados em
diversas partes iguais. Assim, chamamos essas medidas
de separatrizes, que são classificadas em quartil (Qi),
decil (Di) e percentil (Pi). Vimos que o quartil (Qi) divide os
dados em 4 partes iguais e que o segundo quartil (Q2)
representa a mediana (Md). Além disso, também vimos
que os decis (Di) dividem o conjunto de elementos em 10
partes iguais e, nesse caso, a mediana será o quinto decil
(D5). Por fim, e não menos importante, estudamos que um
conjunto de dados também pode ser dividido em 100
partes iguais, que serão classificadas em 99 partes. Com
isso, a mediana se encontrará na 50º posição do percentil,
o primeiro quartil (Q1) se encontrará na 25º posição do
percentil e o terceiro quartil (Q3) será encontrado na 75º
posição do percentil. Assim sendo, entendemos o quanto é
importante o entendimento das separatrizes para geração
de informações cotidianas, auxiliando, assim, os usuários
nas decisões e na interpretação das informações.
34 Estatística Básica

Tipos de medidas de variação ou dispersão

INTRODUÇÃO:

Ao término deste capítulo, você será capaz de

conhecer os tipos de medidas de variação e dispersão,
como a variância e o desvio padrão. Este conteúdo é
importante, pois o auxiliar na identificação da distância
de um valor específico e sua média. E então? Você está
motivado para desenvolver essa competência? Então,
vamos lá!

Variância
Como vimos, até então, usamos as medidas de tendência central
para identificarmos como os dados estão alocados em uma distribuição,
de forma que consigamos identificar suas posições e o que elas podem
nos dizer.

Para tanto, é necessário o estudo das medidas de dispersão, que

nos orienta a identificar qual a distância de determinados valores em
relação à média aritmética.

Assim, essas medidas de dispersão são conhecidas como variância

e desvio padrão.
Figura 3 – Medidas de dispersão

Fonte: Elaborada pelos autores.

 Estatística Básica 35

Desse modo, compreendemos que tanto a variância como o desvio

padrão são medidas que consideram a totalidade dos valores da variável
estudada, que faz delas índices de variabilidade estáveis e, por isso, as
torna, geralmente, mais empregadas.

Desse modo, iniciamos nossos estudos pela variância, que é uma

medida que se baseia nos desvios em torno da média aritmética ().
Assim, podemos representar a variância por s2, por meio da fórmula:

Para exemplificarmos, vamos imaginar a seguinte situação:

existem quatro fábricas que produzem um mesmo produto, dessa forma,
precisamos saber quanto, em média, são produzidos por cada fábrica
durante os dias da semana, de segunda-feira a sexta-feira. Precisamos
ter consciência de que cada fábrica tem desempenho diferente e, por
isso, a produção varia entre elas. Dessa forma, chegamos à seguinte
tabela de dados:

Quantidade produzidas por dia da semana (mil)

Fábricas
Segunda Terça Quarta Quinta Sexta
Fábrica A 10 12 8 14 9
Fábrica B 12 7 10 8 11
Fábrica C 8 10 12 9 10
Fábrica D 11 5 7 8 9

Em primeiro lugar, deve ser determinada a média aritmética de

cada uma das fábricas analisadas nesse caso. Assim, a média aritmética
() será calculada da seguinte forma:

Fábricas Cálculo da média aritmética ()

Fábrica A A = 10,6

Fábrica B B = 9,6
36 Estatística Básica

Fábrica C C = 9,8

Fábrica D D = 8

A partir desse cálculo, identificamos as médias diárias de cada uma

das fábricas. A fábrica A produz, em média, 10,6 produtos por dia, já a fábrica
B produz, em média, 9,6 produtos por dia, a fábrica C produz 9,8 produtos
por dia e, por fim, a fábrica D produz, em média, 8 produtos por dia.

Com essas informações, podemos observar que é variável o

resultado obtido por cada uma das fábricas, fazendo com que cada uma
tenha desempenho diferente e que seus resultados sejam específicos, de
acordo com cada situação.

Vale ressaltarmos que, nesse exemplo, estamos lidando com

poucos dados, mas que, no dia a dia, a quantidade de informações é
muito maior, sendo necessário, muitas vezes, o auxílio de softwares e
sistemas que auxiliem a organização das informações.

Continuando a resolução do nosso exemplo, vamos identificar, a

partir de agora, o valor da variância de cada uma das fábricas estudadas.
Assim, os resultados serão obtidos a partir da soma dos quadrados da
diferença entre cada valor e a média aritmética () dividida pela quantidade
de elementos observados.

Então, o valor da variância de cada uma das fábricas será:

Variância  Fábrica A:

Variância  Fábrica B:
 Estatística Básica 37

Variância  Fábrica C:

Variância  Fábrica D:

A partir desses dados, podemos afirmar que a fábrica que se

mantém mais estável na produção é a fábrica C, pois é a que apresenta a
menor distância entre a média aritmética.

Por isso, quando estudamos a variância, temos que observar que,

quanto maior o resultado, maior a distância do valor em relação à média
dos dados.

Com isso, podemos definir, ainda, que a fábrica que se mantém

menos estável é a fábrica D, pois seus valores são os maiores, e a depender
do dia da semana, os valores mudam em relação à média.

Vale alertarmos que, a análise da variância, muitas vezes, pode não

ser suficiente, pois há valores altos e baixos demais que influenciam ou
dispersam muito as informações.

Nesse sentido, uma alternativa utilizada para se eliminar tal dispersão

causada por essas extremidades é o cálculo por meio do desvio padrão,
que estudaremos a seguir.

Desvio Padrão
Aqui, estudaremos outra medida de dispersão, denominada desvio
padrão. O desvio padrão (s), por sua vez, representa a raiz quadrada da
variância (s²) de forma positiva. Nesse sentido, essa medida reduz os erros
existentes durante o cálculo da variância em relação à média.

Nessa perspectiva, consideramos que um desvio é um valor x, em

uma população específica, que representará a diferença em relação à
média. Logo, o desvio de x = x –.
38 Estatística Básica

Por esse motivo, utilizamos esta nova medida, de fácil utilidade

e interpretação, denominada desvio padrão (s). Para o seu cálculo, é
necessário encontrar a raiz quadrada da variância, como exposto a seguir:

Vale ressaltarmos que tanto a variância como o desvio padrão

são medidas consideradas de dispersão ou, comumente conhecidas
por variabilidade. Assim, a utilização de cada uma delas dependerá da
necessidade do usuário, lembrando de seus pontos fortes e fracos em
relação aos erros que podem ser identificados.

Nesse sentido, vamos dar continuidade ao exemplo citado no tópico

anterior em relação à produção das fábricas. Dessa vez, determinaremos
o desvio padrão de cada uma delas, lembrando que a variância de cada
uma já foi identificada, como representado a seguir:

Fábricas Variância (s²) Desvio padrão (s)

Fábrica A s² (A) = 3

Fábrica B s² (B) = 3,5

Fábrica C s² (C) = 1,7

Fábrica D s² (D) = 4

Desse modo, a partir dessas informações definidas, utilizaremos os

desvios padrão (s) em relação à média para identificarmos a confiabilidade
dos valores apresentados. Com isso, precisamos entender que, para a
identificação disso, precisamos encontrar:

média aritmética () ± desvio padrão (s)

Assim, na utilização de nosso exemplo, para identificação da média

diária de produção de cada uma das fábricas, precisamos calcular da
seguinte forma:
 Estatística Básica 39

Fábricas Média () ± Desvio padrão (s)

Fábrica A A = 10,6 ± 1,73 (por dia)
Fábrica B B = 9,6 ± 1,87 (por dia)
Fábrica C C = 9,8 ± 1,30 (por dia)
Fábrica D D = 8 ± 2 (por dia)
Concluímos, então, a partir desses dados, que o desvio padrão (s)
em relação à variância aproxima os valores em relação à média, visto que
ele elimina os possíveis erros em relação aos valores extremos, fazendo
com que os dados se tornem mais confiáveis.

Ainda nessa perspectiva, segue uma tabela que o auxiliará no

estudo das medidas estudadas até agora:
Tabela 5 – Fórmulas

Medidas Fórmula

Média aritmética ()

Número de observações N ou n

Variância (s²)

Desvio padrão (s)

Desvio x-
Fonte: Elaborada pelos autores.

Assim, vimos que a variância (s²) indica a variação dos valores e a

distância destes em relação à média () encontrada.

Da mesma forma, para eliminar os possíveis erros, em relação aos

valores extremos que afetam a variância, o desvio padrão é utilizado
como alternativa, implicando a identificação da volatilidade dos dados,
oferecendo, assim que possível, mais confiança em relação aos valores.
Nesse sentido, para identificação do desvio padrão, é necessário extrair a
raiz quadrada da variância, desenvolvendo, assim, uma dependência de
informações, em que uma dependerá da outra para ser encontrada.
40 Estatística Básica

Por fim, chegamos ao final dos nossos estudos sobre as medidas de

tendências na estatística, estudando que tais medidas podem ser centrais
(média, mediana e moda), separatrizes (quartil, decil e percentil) e, ainda,
de dispersão (variância e o desvio padrão). Todos esses conteúdos são
essenciais para o desenvolvimento profissional de qualquer área, pois,
como vimos durante nossos estudos, tais informações fazem parte do
nosso cotidiano.

RESUMINDO:

E então? Você gostou do que apresentamos?

Conseguiu apreender tudo? Agora, só para termos
a certeza de que você realmente entendeu o tema
de estudo deste capítulo, vamos resumir tudo o que
vimos. Você deve ter aprendido que existem meios
alternativos de determinação de medidas e que eles
são caracterizados pela identificação do desvio ou pela
distância de determinada variável em relação a sua média.
Estudamos, então, que são duas as principais medidas
consideradas de dispersão ou de variabilidade, a variância
e o desvio padrão. Em primeiro lugar, descrevemos o
comportamento da variância, em que, para o seu cálculo,
foi necessária a identificação da média. Estudamos, ainda,
que a variância é uma medida que indica quão distantes
da média os valores estão, por isso, quanto maior for o
valor encontrado, pior será a análise, visto que se distancia
do ponto médio da variável. Da mesma forma, estudamos
a medida denominada desvio padrão, que é alternativa e
mais segura, pois elimina os possíveis erros que podem
ser encontrados na variância. Com isso, para identificarmos
o desvio padrão, calculamos a raiz quadrada da variância,
assim, o cálculo de um dependerá do resultado do outro,
ocasionando uma dependência de informações. Por fim,
entendemos o quão importante é o estudo das medidas
de dispersão no nosso cotidiano e como ele pode nos
auxiliar nas interpretações e informações rotineiras.
 Estatística Básica 41

REFERÊNCIAS
CRESPO, A. A. Estatística fácil. 19. ed. São Paulo: Saraiva, 2009.

LARSON, R.; BETSY, F. Estatística aplicada. Tradução de José

Fernando Pereira Gonçalves. São Paulo: Pearson Education do Brasil, 2015.
Estatística Básica
Adauto José Valentim Neto e Dayanna Costa