Aula Estatística Material de Apoio

Introdução
Fundamentação Teórica
Referências
Estudo de estatı́stica
Profa Lêda Ferreira Cabral
Instituto Federal Do Maranhão - IFMA
06 de fevereiro de 2024
Profa Lêda Ferreira Cabral Estudo de estatı́stica

Introdução
Referências
Revisão
objetivo da estatı́stica
A estatı́stica tem como objetivo fornecer infomações(conhecimento)
utilizando quantidades númericas.
Obteção de dados. Descrição, classificação e apresentação dos

dados.(Estatı́stica Descritiva) Conclusões a tirar dos dados. (Estatı́stica
inferencial)

Introdução
Referências
Áreas da estatı́stica
Estatı́stica Descritiva: etapa inicial de qualquer análise. É um conjunto

de técnicas destinadas a descrever e resumir os dados, que auxiliam a
descrever caracterı́sticas de interesse. “Conheça seus dados”
Probabilidade: é a ferramenta matemática utilizada pela Estatı́stica

para se estudar a incerteza oriunda de fenômenos aleatórios. “Qual a
incerteza associada aos dados? ”
Estatı́stica Inferencial: é um conjunto de técnicas que possibilita tirar

conclusões sobre uma população, a partir de um subconjunto de valores
(amostra). “Quais conclusões podemos tirar a partir destes dados? ”

Introdução
Referências
Termos básicos da estatı́stica
•População:
Coleção de todas as observações potenciais sobre um determinado
fenômeno.
•Amostra: Conjunto de dados efetivamente observados ou extraı́dos de
uma população. Sobre os dados da amostra se desenvolvem os estudos,
visando a fazer inferências sobre a população.
•Dados: Respostas coletadas da variável em estudo.
•Censo: Conjunto de dados obtidos através de todos os elementos da
população.
•Variável:
Caracterı́stica de interesse no estudo.

Introdução
Referências
Termos Básicos da Estatı́stica
Figura: Classificação das variáveis

Introdução
Referências
Exemplo
1.2: Vamos classificar as seguintes variáveis:
a) Número de peças defeituosas produzidas em uma linha de montagem.
b) Peso de pacientes.
c) Gosta de Música.
d) Tipo sanguı́neo.
e) Grau de satisfação do consumidor com determinado produto.

Introdução
Referências
Resolução:
a) Variável quantitativa discreta: Pois as possı́veis respostas são 0, 1,
2, 3, etc. (as respostas assumem somente valores inteiros).
b) Variável quantitativa contı́nua: Pois as possı́veis respostas são 58,7;
89,8; etc. (as respostas podem assumir valores decimais).
c)Variável qualitativa nominal: Pois as possı́veis respostas são sim ou
não. (as possı́veis respostas são categóricas).
d) Variável qualitativa nominal: Pois as possı́veis respostas são A, AB,
B ou O (as possı́veis respostas são categóricas).
e) Variável qualitativa ordinal: Pois as possı́veis respostas são nada
satisfeito, pouco satisfeito, satisfeito, muito satisfeito (as possı́veis
respostas são categóricas e possuem uma ordenação natural, do menor
grau de satisfação para o

Introdução
Referências
Revisão
Figura: Ilustração do processo de amostragem

Introdução
Referências
•Amostragem
. Processo de escolha da amostra;
. Parte inicial de qualquer estudo estatı́stico;
. Consiste na escolha criteriosa de elementos a serem submetidos ao
estudo, para que os resultados sejam representativos, toma-se o cuidado
de entrevistar um conjunto de pessoas com caracterı́sticas
sócio-econômicas, culturais, religiosas etc. tão próximas quanto possı́vel
da população.
A escolha da amostra, construção dos instrumentos, entrevistas,
codificação dos dados e apuração dos resultados são etapas deste tipo de
pesquisa.

Introdução
Referências
Por que fazer amostragem?

Parâmetros populacionais desconhecidos
Impossibilidade de realização de um censo
Mais barato, mais rápido
Atenção
Não existe nenhuma técnica estatı́stica capaz de salvar uma amostra mal
coletada!
Em geral, uma amostra deve ser um subconjunto representativo da
população.
aleatória (de alguma forma).
Existem diversas maneiras para se retirar uma amostra de uma
população: Teoria da Amostragem

Introdução
Referências
Levantamentos amostrais
A amostra é obtida a partir de uma população bem definida, por meio de

processos bem definidos pelo pesquisador. Subdivide-se em dois grupos:
Probabilı́sticos: Cada elemento da população possui a mesma
probabilidade de ser selecionado para compor a amostra: mecanismos
aleatórios de seleção.
Não probabilı́sticos: A seleção da amostra depende do julgamento do
pesquisador. Há uma escolha deliberada dos elementos para compor a
amostra: mecanismos não aleatórios de seleção
atenção
Na amostragem não probabilı́stica, os elementos da população não tem a
mesma probabilidade de serem selecionados, portanto não há garantias
da representatividade da população!

Introdução
Referências
Métodos probabilı́sticos
Amostragem Aleatória Simples (AAS)

Todas as possı́veis amostras de tamanho n tem a mesma chance de
serem escolhidas (de uma população com N elementos)
Exemplos:
Selecionar 10 estudantes de uma sala por sorteio e perguntar a idade.
Gerar uma amostra aleatória de 1000 números de matrı́cula de
estudantes da UFPR (no computador!) e perguntar a idade

Introdução
Referências
Amostragem Aleatória Simples (AAS)

É o método mais simples para selecionarmos uma amostra probabilı́stica
de uma população.
Serve de base para outros procedimentos amostrais, planejamento de
experimentos e estudos observacionais.
Utilizando-se um procedimento aleatório, sorteia-se um elemento da
população. Repete-se o processo até que sejam sorteadas as n unidades
na amostra.

Introdução
Referências
Amostragem sistemática
Utilizada quando os elementos estão dispostos de maneira organizada
(ex.: fila, lista) e aleatória. Escolhe um ponto de partida e seleciona-se
cada k-ésimo elemento da população (ex.: o 50◦ elemento)
Exemplo: Em uma fábrica de lâmpadas, a cada 100 peças produzidas,

uma é retirada para teste

Introdução
Referências
Amostragem estratificada
Indicada quando a população está dividida em grupos distintos,
denominados estratos. Dentro de cada estrato é realizada uma
amostragem aleatória simples. O tamanho da amostra pode ou não ser
proporcional ao tamanho do estrato.
Exemplos: Uma comunidade universitária com 8000 indivı́duos está

estratificada da seguinte forma
Estrato População Amostra
Professores 800 80
Funcionários 1200 120
Estudantes 6000 600

Introdução
Referências
Amostragem por conglomerado

A área da população é dividida em seções (ou conglomerados, ex.:
bairros, quarteirões). Os conglomerados são selecionados aleatoriamente.
Dentro de um conglomerado, todos os elementos são amostrados.

Introdução
Referências
TABELA PRIMITIVA E ROL
TABELA PRIMITIVA
Ao fazer a coleta de dados numéricos, eles com certeza virão
desorganizados (ou seja, não estarão em ordem crescente nem em ordem
decrescente); dados assim formam a TABELA PRIMITIVA.
No exemplo abaixo, temos as alturas de 40 alunos do colégio A.
Figura: 1

Introdução
Referências
Rol
Para facilitar a análise inicial dos dados é interessante dispô-los em ordem
crescente ou decrescente, gerando assim a tabela chamada ROL.
Pela natureza dos dados de nosso exemplo, é mais interessante
organizá-los em ordem crescente. Sendo assim, teremos:
Figura: 2
Nesta tabela, os dados estão organizados em ordem crescente; esta

tabela é chamada rol.
Introdução
Referências
- Caso queira, já é possı́vel calcular aqui a AMPLITUDE

AMOSTRAL (algo como o tamanho da amostra que esta sendo
estudada). Basta fazer uma subtração entre o valor maior e o valor
menor.
-
No nosso exemplo, temos 173 – 150 = 23, e escrevemos AA = 23
cm, onde AA é Amplitude Amostral.
-
A partir do rol, fica mais fácil criar outra tabela simples, chamada
DISTRIBUIÇÃO DE FREQUÊNCIA,
-
Em uma tabela de distribuição de frequências cada linha contém um
valor seguido do número de vezes que este valor se repete.
- A primeira coluna é chamada coluna dos valores e a segunda
coluna das frequências.

Introdução
Referências
• Dados Tabelados não agrupados em classes

A grandeza que estamos estudando é alturas, que varia de 150 a 173 cm.
A frequência de cada uma dessas alturas é a quantidade de vezes que
cada idade se repete. Podemos então criar a seguinte tabela:
Figura: 3

Introdução
Referências
OBSERVAÇÃO: Veja no exemplo anterior que os valores da variável

aparecem individualmente. Isso ocasiona um grande aumento na
quantidade de linhas da tabela, mesmo quando o número de valores da
variável ( n) é de tamanho razoável
Para contornar essa situação, construiremos uma nova tabela, em que

essa os valores serão agrupados em vários intervalos. Para essa tabela
daremos o nome de Distribuição de frequência com intervalos de
classe:

Introdução
Referências
• Dados Tabelados agrupados em classes

- os valores da variável não aparecem individualmente, mas agrupados em
classes.
Figura: 4
Introdução
Referências
Observação: Na estatı́stica, chamamos os intervalos o qual agrupamos

os valores da variável, de intervalos de classe.
Chamamos de frequência de uma classe o número de valores da

variável pertencente á classe.
Exemplos: Na 1o classe, a frequência é de 4 alunos.

Introdução
Referências
Elementos de uma distribuição de frequência
Classe
Classe de frequência ou, simplesmente, classes são intervalos de variação
da variável.
As classe são representadas por i, sendo i=1,2,3,·,k (onde k é o número
total de classes da distribuição).
Assim em nosso exemplos, o intervalos 154 ` 158 define a segunda classe

(i=2). Como a distribuição é formada de seis classe, podemos afirmar
que k=6.

Introdução
Referências
Limites de classes
Denominamos limite de classe os extremos de cada classe.
O menor número é o limites inferior da classe (li ), e o maior número e
o limite superior da classe (Li ).
Na segunda classe, por exemplo, temos. l2 = 154 e L2 = 158
Observação: O sı́mbolo ` indica inclusão de li e exclusão de Li . Assim

o individuo com estatura de 158 cm está na terceira classe (i=3), e não
na segunda. Resolução 886/66 IBGE.

Introdução
Referências
Amplitude de um intervalo de classe

Amplitude de um intervalo de classe ou, simplesmente intervalo de
classe é a medida do intervalo que define a classe.
Ela e obtida pela diferença entre os limites superiores e inferiores dessa

classe e indicada por hi . Assim:
hi = Li − li
. Na distribuição do exemplo anterior, temos:
h2 = L2 − l2 ⇒ h2 = 158 − 154 ⇒ h2 = 4cm.

Introdução
Referências
Amplitude total da distribuição

Amplitude total da distribuição (AT) é a diferença entre o limite superior
da última classe (limite superior máximo) e o limite inferior da primeira
classe (limite inferior mı́nimo).
AT = L(máx.) − l(min.).
Em nosso exemplo, temos: AT=174-150=24 ⇒ AT = 24cm

Introdução
Referências
Amplitude Amostral
Amplitude amostral (AA) é a diferença entre o valor máximo e o valor
mı́nimo da amostra.
AA = x(máx.) − x(min).
Em nosso exemplo, temos:
AA = 173 − 150 = 23 ⇒ AA = 23

Introdução
Referências
Ponto médio de uma classe

Ponto médio de uma classe (xi ) é, como o próprio nome indica, o ponto
em que divide o intervalo de classe em duas partes iguais.
Para obtemos o ponto médio de uma classe, calculamos a semi-soma doa

limites de classe (média aritmética):
li + Li
xi =
2
Assim, o ponto médio da segunda classe, em nosso exemplo, é

l2 + L2 154 + 158
x2 = ⇒ x2 = = 156 ⇒ x2 = 156cm
2 2
Obs: O ponto médio e bastante importante dentro de uma classe, pois
esse ponto é o valor que a representa.

Introdução
Referências
Frequência simples ou absoluta

Frequência simples ou frequência absoluta ou, simplesmente,
frequência de uma classe ou de um valor individual é o número de
observações correspondentes a essa classe ou a esse valor.
Observação: Quando o resultado não é exato, devemos arrendondá-lo

para mais.
Na escolha dos limites dos intervalos, devemos, na medida do possivel,
procurar por números que facilite o cálculo dos pontos médio. o ideal
seria – números naturais.
Em nosso exemplo, temos: n=40, i=6.

Logo:
173 − 150 23
h= = = 3, 8 = 4,
6 6
Assim, temos seis classes de intervalos iguais a 4.

Introdução
Referências
Tipos de frequências
Frequência relativa ou absoluta (fi )

São os valores que realmente representam o número de dados de cada
classe.
Observação: A soma das frequências simples é igual a número total de
dados: X
fi = n
Frequência relativa (fri )

São os valores das razões entre as frequências simples e a frequência
total:
fi
fri = P
fi

Introdução
Referências
Exemplos
f3 = 11
11
fr3 = 40 = 0, 275 ⇒ fr3 = 0, 275

Introdução
Referências
Frequência acumulada (Fi )

É o total das frequência de todos os valores inferiores ao limite superior
do intervalo de uma classe:
Fk = f1 + f2 + · · · + fk
ou
X
Fk = f1
com i={1, 2, 3,. . . , k}
Exemplo: Na tabela anterior F3 = 4 + 9 + 11 = 24 ⇒ F3 = 24

O que significa que 24 alunos tem uma estatura inferior a 162 cm

Introdução
Referências
Frequência acumulada relativa

É a frequência acumulada da classe, dividida pela frequência total da
distribuição.
Fi
Fri = P
Fi
Exercı́cio de Fixação.
i Estatura(cm) fi xi fri Fi Fri
1 150 ` 150 4
2 154 ` 158 9
3 158 ` 162 11
4 162 ` 166 8
5 166 ` 170 5
6 170 ` 174 3

Introdução
Referências
Distribuição de frequência sem intervalos de classe

Quando se trata de variável discreta de variação relativamente pequena,
cada valor pode ser tomado com um intervalo de classe (intervalo
degenerado) e, nesse caso, a distribuição é chamada Distribuição sem
intervalos de classe. Observe o exemplo abaixo.
Figura: Tabela-1: Distribuição sem intervalos de classe

Introdução
Referências
Exercı́cio de Fixação.
i xi fi fri Fi Fri
1 2 4
2 3 7
3 4 5
4 5 2
5 6 1
6 7 P1
= 20

Introdução
Referências
Representação gráfica de uma distribuição de frequência
Histograma
O histograma é formado por uma conjunto de retângulos justapostos,
cujas bases se localizam sobre o eixo horizontal, de tal modo que seus
pontos médios coincidam com os pontos médios dos intervalos de classe.

Introdução
Referências
Polı́gono de frequência
O polı́gono de frequência é um gráfico em linha, sendo as frequência
marcadas sobre perpendiculares ao eixo horizontal, levantadas pelos
pontos médios dos intervalos de classe.

Introdução
Referências
Exemplo 2

Introdução
Referências
Polı́gono de frequência acumulada

O polı́gono de frequência acumulada é traçado marcando-se as
frequências acumuladas sobre perpendiculares no eixo horizontal,
levantadas nos pontos correspondentes aos limites superiores dos
intervalos de classe.

Introdução
Referências
Distribuição de frequência sem intervalos de classe

Uma distribuição de frequência sem intervalos de classe é representada
graficamente por um diagrama onde cada valor da variável é representado
por um segmento de reta vertical e de comprimento porporcional á
resspectiva frequência. Assim, para nosso exemplo, temos:

Introdução
Referências
Gráfico da frequência acumulada

Também podemos representar a distribuição pelo gráfico da frequência
acumulada, o qual se apresentará com pontos de descontinuidade nos
valores observados da variável:

Introdução
Referências
A Curva de frequência
Curva polida
Como, em geral, os dados coletados pertencem a uma amostra extraı́da
de uma população, podemos imaginar as amostras tornando-se cada vez
mais amplas e a amplitude das classes ficando cada vez menor, o que
permite concluir que a linha poligonal (contorno do polı́gono de
frequência) tende a se transformar numa curva – Curva de frequência
–, mostrando, de modo mais evidente, a verdadeira naturza da
distribuição da população.
Assim, após o traçado de um polı́gono de frequência, é desejavel, muitas

da vezes, que se lhe faça umpolimento, de modo a mostrar o que seria
tal polı́gono com um número maior de dados.

Introdução
Referências
O polimento, geometricamente, corresponde á eliminação dos vértices da

linha poligonal. Consegue-se isso com o emprego de uma fórmula
bastante simples, a qual, a partir das frequência reais, nos fornece novas
frequências –Frequências calculadas–(fci – que se localizarão, como no
polı́gono de frequência, nos pontos médios,
Fórmula
fi−1 + 2 f i + fi+1
fci =
4
fci é a frequência calculada da classe considerada;
fi é a frequência simples da classe considerada;
f1−i é a frequência simples da classe anterior á classe considerada;
f1+i é a frequência simples da classe posterior à classe considerada.

Introdução
Referências
Exemplo de curva polida

Considerando nosso exemplo inicial temos:

Introdução
Referências

Introdução
Referências
As formas das curvas de frequência
Curva em forma de sino

As curvas em forma de sino se caracterizam pelo fato de apresentarem
um valor máximo na região central.

Introdução
Referências
Simétrica: Esta curva se caracteriza por apresentar o valor máximo

central e os pontos equidistantes desse ponto terem a mesma
frequência.
Assimétrica: Na pratica não obtemos uma distribuição
perfeitamente simétrica. As distribuições obtidas de medidas reais
são mais os menos assimétricas, em relação à frequência máxima.

Introdução
Referências
Curvas em forma de Jota

As curvas em forma de jota são relativas a distribuição extremamente
assimétricas, caracterizadas por apresentar o ponto de ordenada máxima
em uma das extremidades.
São curvas comuns em fenômenos econômicos é financeiros: Distribuição
de renda pessoas ou de vencimentos.

Introdução
Referências
Curvas em forma de U
As curvas em forma de U são caracterizadas por apresentarem ordenadas
máximas em ambas as extremidades.
A mortalidade por idade e um fenômeno que dá origem a uma curva

como essa.

Introdução
Referências
Distribuição retangular
Essa distribuição, muito rara na verdade, apresenta todos as classes com
a mesma frequência.
Tal distribuição seria representada por um histograma em que todas as

colunas teriam a mesma altura, ou por um polı́gono de frequência
reduzido a um segmento de reta horizontal

Introdução
Referências
Elementos tı́picos da distribuição
medidas de posição.
medidas de variabilidade ou dispersão.
medidas de assimentria.
medidas de curtose.

Introdução
Referências
Medidas de posição
As medidas de posição mais importante são as medidas de tendência

central, que recebem tal denominação pelo fato de os dados observados
tenderem, em geral, a se agrupar em torno dos valores centrais.
A média aritmética.
A mediana.
a moda
As outras medidas de posição são as separatrizes.
As própria meidana.
Os quartis.
Os decis.
Os percentis.

Introdução
Referências
Média aritmética (x̄)

Média aritmética é o quociente da divisão da soma dos valores da
variável pelo número deles:
P
xi
(x̄) =
n
Sendo:
(x̄) a média aritmetrica.
xi os valores da variável.
n o número de valores.

Introdução
Referências
Média aritmética (x̄) em dados não agrupados

Quando desejamos conhecer a média dos dados não agrupados,
determinamos a média aritmética simples.
Exemplo: Sabendo-se que a produção leiteira diária da vaca A, durante

uma semana, foi de 10, 14, 13, 15, 16, 18 e 12 litros, temos, para
produção média da semana:
10 + 14 + 13 + 15 + 16 + 18 + 12 98
(x̄) = = = 14
7 7
Logo: (x̄) = 14
Observação: Quando a média aritmética e diferente de todos os valores
da série de dados, dizemos que essa média não tem existência concreta.

Introdução
Referências
Desvio em relação a média

Denominamos desvio em relação a média a diferença entre cada elemento
de um conjunto de valores e a média aritmética.
denotamos por di
di = xi − x̄
Exemplo: No exemplo amterior temos;
d1 = x1 − x̄ = 10 − 14 = −4
d2 = x2 − x̄ = 14 − 14 = 0
d3 = x3 − x̄ = 13 − 14 = −1
d4 = x4 − x̄ = 15 − 14 = 1
d5 = x5 − x̄ = 16 − 14 = 2
d6 = x6 − x̄ = 18 − 14 = 4
d7 = x7 − x̄ = 12 − 14 = −2

Introdução
Referências
Propriedades da média
propriedade 1:
A soma algébrica dos desvios tomados em relação a média é numa:
k
X
di = 0
i=1
propriedade 2:
Somando ou subtraindo uma constante (c) de todos os valores de
uma variável, a média do conjunto fica aumentada (ou diminuı́da)
dessa cosntante.

Introdução
Referências
Propriedades da média
propriedade 3:
Multiplicando ou dividindo por uma constante (c) de todos os
valores de uma variável, a média do conjunto fica multiplicada, (ou
dividida), por essa cosntante.
yi = xi · c → ȳ = x̄ · c
xi x̄
yi = → ȳ =
c c

Introdução
Referências
Dados agrupados
Sem intervalos de classe

Nesse caso, como as frequência são números indicadores de intensidade
de cada valor da variável, elas funcionam como fatores de ponderação, o
que nos leva a calcular a média aritmética ponderada.
P
xi fi
x̄ = P
fi
Observação: O modo mais prático de obtenção da média aritmética
ponderada é abrir, na tabela, uma coluna correspondente oas podutos xi fi

Introdução
Referências
Temos, então:
78
x̄ = = 2, 29
34
Isto é:
x̄ = 2, 29 meninos

Introdução
Referências
Dados agrupados
Com intervalos de classe

Nesse caso, convencionamos que todos os valores incluidos em uma
determinada classe coincidem com o seu ponto média, e determinamos a
média aritmética ponderada por meio da fórmula:
P
xi fi
x̄ = P
fi
Onde xi é o ponto médio da classe.

Introdução
Referências
Dados agrupado
Exemplo
Dada a tabela baixo temos.

Introdução
Referências
Dados agrupado
Logo temos:
6440
x̄ = = 161
40

Introdução
Referências
Processo breve
Baseia-se em uma mudança de variável x por outra y, tal que
xi − x0
yi =
h
Onde x0 é uma constante arbitrária escolhida convenientemente dentre os
pontos médios da distribuição – de preferencia o de maior frequência.
Fazendo essa mudança de variável, pelos propriedades 2 e 3, vai ocorrer
uma mudança no resultado, basta agora, multiplicamos por h e somamos
por x0 donde obtemos a fórmula.
P
( yi f i ) · h
x̄ = x0 + P
fi
Assim, para o exemplo acima, escolhendo x0 como o ponto média da
maior frequência, temos:

Introdução
Referências
Processo breve
Aplicando a fórmula, temos:

14 · 4
x̄ = 160 + = 161
40

Introdução
Referências
Processo breve

Introdução
Referências
Processo breve
Aplicando a fórmula, temos:

14 · 4
x̄ = 160 + = 161
40

Introdução
Referências
Moda (Mo)
Definição
Denominamos moda o valor que ocorre com maior frequência em uma
série de valores.
Dados não agrupados

Quando lidamos com valores não agrupado, a moda é facilmente
reconhecida, de acordo com a definição, procuramos o valor que mais se
repete.
Exemplo: A série de dados 7,8,9,10,10,10,11,12,13,15. tem moda igual

a 10.

Introdução
Referências
Moda (Mo)
Dados agrupados sem intervalos de classe

Nesse caso, basta olhar para a classe e que a frequência mais se repete.
Dados agrupados com intervalos de classe

A classe que apresenta a maior frequência, e chamada classe modal,
nesse caso, basta calcular o ponto média da classe modal, a esse valor,
damos a denominação de moda bruta.
l∗ + L∗
Mo =
2
Onde: l∗ é o limite inferior da classe modal.
L∗ é o limite superior da classe modal.

Introdução
Referências
Exemplo:
158 + 162
Mo = = 160
2
Logo temos: M o = 160 cm

Introdução
Referências
Observação
Há, para o cálculo da moda, outros métodos, mais elaborados, como por
exemplo, o uso da fórmula de Czuber.
D1
M o = l∗ + · h∗
D1 + D2
No qual:
l∗ e o limete inferior da classe modal.
h∗ e a amplitude da classe modal.
D1 = f∗ − f(ant).
D2 = f∗ − f(post).
f∗ e a frequência simples da classe modal f(ant) frequência simples
anterior a classe modal f(post) frequência simples posterior a classe modal

Introdução
Referências
Mediana (Me)
mediana
A mediana é uma medida de posição. É, também, uma separatriz, pois
divide o conjunto em duas partes iguais, com o mesmo número de
elementos.
O valor da mediana encontra-se no centro da série estatı́stica organizada,
de tal forma que o número de elementos situados antes desse valor
(mediana) é igual ao número de elementos que se encontram após esse
mesmo valor (mediana).

Introdução
Referências
Dados não tabelados:

n ı́mpar: Para uma série com número ı́mpar de itens: a mediana
corresponde ao valor central.
A mediana será o termo de ordem (n+1)/2.
Exemplo: Dada a série de valores abaixo.
5, 13, 10, 2, 18, 15, 6, 19, 9

O valor da mediana será 10, pois organizando esses dados em rol, o valor
centrar sera a mediana. Me=10.
n par: Para uma série com número par de itens: não há termo central
único, mas, sim, dois termos centrais. Logo;
A mediana será a média aritmética entre os termos centrais.
Exemplo: Dada a série de valores abaixo.
5, 13, 10, 2, 18, 15, 6, 19, 9, 3

Organizando em rol, temos que a mediana sera Me=9,5. Pois os valores
centrais são 9 e 10.
Introdução
Referências
Mediana em dados tabulados:
Neste caso, o problema consiste em determinar o ponto do intervalo em

que está compreendida a mediana.
Sem intervalo de classe: Devemos, primeiro, obter a localização da

mediana na série através do termo de ordem:
P
fi
Fi =
2
Para isso, devemos calcular a frequência acumulada, e observar a
frequência acumulada de menor valor que supera Fi , e observar seu valor.

Introdução
Referências
Exemplo:
34
= 17
2
A menor frequência acumulada que supera esse valor é 18. Assim, temos
que a mediana e igual a 2.
Me = 2meninos

Introdução
Referências
observação:
No caso de existir um frequência acumulada (Fi ), tal que:
P
fi
Fi =
2
A mediana será dada por
xi + xi+1
Md =
2
Isto é, a média aritmética entre o valor correspondente a essa frequência
acumulada e a posterior.

Introdução
Referências
Exemplo:
Fi = 8/2 = 4 → F3
Veja que existe na tabela essa frequência. Assim:
15 + 16
Me = = 15, 5
2

Introdução
Referências
Com intervalos de classe
Neste caso, o problema consiste em determinar o ponto do intervalo em

que está compreendido a mediana.
Para isso, determinaremos a classe no qual se acha a mediana –Classe

mediana–. Tal classe será, evidentemente, aquelaP correspondente á
frequência cumulada imediatamente superior a 2fi .
Feito isso, um problema de interpolação resolve a questão, admitindo-se,
agora, que os valores se distribui uniformemente em todo o intervalo de
classe.
Interpolação: É a inserção de uma determinada quantidade de valores
entre dois números dados.

Introdução
Referências
Exemplo:

Introdução
Referências
Como há 24 valores incluı́dos nas três primeiras classes e queremos

determinar o valor que ocupa a 20 posição, a partir do inicio da série.
Como existe, 11 valores nessa classe, e o intervalo de classe e igual a 4,
devemos tomar, a partir do limite inferior, a distância.
20 − 13
·4
11
Assim a mediana será:
20 − 13
M d = 158 + · 4 = 158 + 2, 54 = 160, 54.
11
Assim temos, Me=160,54 cm.

Introdução
Referências
Importante
observação: Usaremos sempre essa fórmula para a mediana em dados
agrupados
(n/2 − Fant )
Me = li + ·h
fi
Onde:
li é o limite inferior da classe mediana;
Fant é a frequência acumulada anteiror limite superior da classe anterior
a classe mediana;
fi é a frequência simples da classe mediana;
h amplitude da classe.
Essa mesma fórmula será usada para encontramos as outras medidas

separatrizes, quartil, decil e percentil, a única diferencia é que, para a
mediana, encontramos a classe mediana, dividindo por 2 o número de
dados, para as outras medidas, dividiremos por 4, 10 e 100
respectivamente.

Introdução
Referências
Posição relativa da média, mediana e moda.
Quando uma distribuição é simétrica, as três medidas coincidem. Porém,

a assimétrica torna-se diferentes, e essa diferença é tanto maior quanto
maior sor a assimetria.
Assimm, para uma distribuição de frequência em forma de sino, temos
x̄ = M d = M o se a curva for simétrica
M o < M d < x̄ se a curva for assimétrica positiva

x̄ < M d < M o se a curva for assimétrica negativa

Introdução
Referências

Introdução
Referências
Separatrizes
os quatis
Denominamos Quartis os valores de uma série que a dividem em quatro
partes iguais.
há, portanto, três quartis;

1o quartil (Q1 ) Valor situado de tal modo na série que uma quarta parte
(25%) dos dados é menor que ele e as três quartas partes restantes
75(%) são maiores.
2o quartil (Q2 ) Valor situado de tal modo na série que metade (50%)
dos dados é menor que ele e a outra metade restantes 50(%) são
maiores. coincide com a mediana.
3o quartil (Q3 ) Valor situado de tal modo na série que as três quartas
parte (75%) dos dados é menor que ele e uma quarta parte restantes
25(%) são maiores.

Introdução
Referências
observação: Quando os dados são agrupados, para determinar os quartis

usamos a mesma técnica
P do cálculo da mediana, bastando substituir, na
fórmula da mediana, 2fi por:
P
k fi
4
Sendo k o número de ordem do quartil,
Assim, temos:
(kn/4 − Fant )
Qk = li + ·h
fi
Onde:
li é o limite inferior da classe mediana;
lant é o limite superior da classe anterior a classe mediana;
fi é a frequência simples da classe mediana;
h amplitude da classe.

Introdução
Referências
Exemplos
1◦ Quartil
40
Temos = 10
4
Assim a classe do 1◦ quatil será a segunda. Pois 13 e a primeira
frequência acumulada superior a 10.
(10 − 4)
Q1 = 154 + · 4 = 156, 66
9
Introdução
Referências
Continuação do exemplo:
3◦ Quartil
3 · 40
Temos = 30
4
Assim a classe do 3◦ quatil será a quarta. Pois 32 e a primeira frequência
acumulada superior a 30.
(30 − 24)
Q3 = 162 + · 4 = 165
8

Introdução
Referências
percentis
Denominamos percentis os 99 valores que dividem a série em 100 partes
iguais.
Indicamos por Pi com i={1, 2, 3, · · · 99}

O cálculo dos percentis
P seguePa mesma técnica do cálculo da mediana,
fi k fi
basta substituir por onde k é o número da ordem do
2 100
percentil.
(kn/100 − Fant )
Pk = li + ·h
fi
Exemplo: Considerando o exemplo anterior calcule P8 .
8 · 40
Solução: Temos que = 3, 2
◦
100
Assim, a classe do 8 será a primeira. Logo:
3, 2 − 0
P8 = 150 + · 4 = 153, 2
4
Introdução
Referências
Medidas de Dispersão ou de Variabilidade

Observe o seguinte exemplo:
Considere os seguintes conjuntos de valores das variáveis X, Y e Z.
X: 70,70,70,70,70
Y: 68,69,70,71,72
Z: 5,15,50,120,160,
Calculando a média aritmética de cada um desses conjuntos, obtemos
X̄ = Ȳ = Z̄ = 70
Veja, então, que os três conjuntos apresentam a mesma média aritmética

70.
Entretanto, é fácil perceber que o conjunto X é mais homogêneo que os
conjuntos Y e Z, já que todos os valores são iguais a média.
O conjunto Y, por sua vez, é mais homogêneo que o conjunto Z, pois há
menos diversificação entre cada um de seus valores e a média
representativa.

Introdução
Referências
Definição
Chamamos de dispersão ou variabilidade a maior ou menor
diversificação dos valores de uma variável em torno de um valor de
tendência central tomado como ponto de comparação, podemos dizer
que o conjunto X apresenta Dispersão ou Variabilidade nula e que o
conjunto Y apresenta uma dispersão menor que o conjunto Z.
Portanto, para qualificar os valores de uma dada variável, ressaltando a

maior ou menor dispersão ou variabilidade entre esses valores e a sua
medida de posição, a estátistica recorre ás Medidas de dispersão ou de
Variabilidade.
Dessas medidas, estudaremos a amplitude total, a variância, o desvio
padrão e o coeficiente de variação.

Introdução
Referências
Medidas de dispersão ou variabilidade-Dados não

agrupados
A amplitude total
É a diferença entre o maior e o menor valor observado:
AT=x(máx.)-x(min.)
Exemplo: Para os valores:
40, 45, 48, 52, 54, 62, 70

temos:
AT= 70-40=30
Logo:
AT=30

Introdução
Referências
Quando dizemos que a amplitude total dos valores é 30, estamos

afirmando alguma coisa do grau de sua concentração. É evidente que,
quanto maior a amplitude total, maior a dispersão ou variabilidade dos
valores da variável.
Voltemos os conjuntos X,Y,Z, temos que a amplitude total de cada um
nos diz qual dos três conjuntos, os valores são mais homogêneos. Veja:
ATX =70-70=0 (Dispersão nula)
ATY =72-68=4
ATZ =160-5=155

Introdução
Referências
Medidas de dispersão ou variabilidade-Dados agrupados
A amplitude total-Sem intervalos de classe

Neste caso, ainda temos:
AT=x(máx.)-x(min.)
Exemplo: Considere a tabela abaixo:

xi fi
0 2
1 6
2 12
3 7
4 3
temos:
AT= 4-0=4
Logo:
AT=4
Introdução
Referências
Medidas de dispersão ou variabilidade-Dados agrupados
A amplitude total-Com intervalos de classe

Neste caso, a amplitude total é a diferença entre o limite superior da
última classe e o limite inferior da primeira classe:
AT=L(máx.)-l(min.)
Exemplo: Considere a tabela abaixo:
temos:
AT= 174-150 = 24
Introdução
Referências
A amplitude total tem o inconveniente de só levar em conta os dois

valores extremos da série, descuidado do conjunto de valores
intermediários, o que quase sempre invalida a idoneidade do resultado.
Ela é apenas uma indicação aproximada da dispersão ou variabilidade.
Faz-se uso da amplitude total quando se quer determinar a amplitude da
temperatura em um dia ou no ano, no controle de qualidade ou como

uma medida de cálculo rápido, e quando a compreensão popular é mais
importante que a exatidão e a estabilidade.

Introdução
Referências
Medidas de dispersão ou variabilidade

Como vimos, a amplitude total é instável, por se deixar influenciar pelos
valores extremos, que são, na sua maioria, devidos ao acaso.
A variância e o desvio padrão são medidas que fogem a essa falha, pois
levam em consideração a totalidade dos valores da variável em estudo, o
que faz delas ı́ndices de variabilidade bastante estáveis e, por isso
mesmos, os mais geralmente empregados.
A variância baseia-se nos desvios em torno da média aritmética, porém

determinamos a média aritmética dos quadrados dos desvios, assim,
representamos a variância por s2 , temos:
(xi − x̄)2
P
s2 = P
fi
P
Lembre que fi = n

Introdução
Referências

Observação: Quando nosso interesse não se restringe á descrição dos
dados, mas sim, partindo da amostrar tirar inferências válidas para a
respectiva população, convém efetuar uma modificação, que consiste me
trocar o denominar da fórmula anterior por n-1.
Assim
(xi − x̄)2
P
2
s =
n−1

Introdução
Referências
Desvio padrão
Definimos desvio padrão como a raiz quadrada da variância e
representamos por s:
Assim:
sP
(xi − x̄)2
s= P
fi

Introdução
Referências
Observação 1: Ambas as medidas, desvio padrão e variância são

importante no estudo da estatı́stica. A variância apesar de possuir pouca
utilidade na estatı́stica descritiva, e muito importante na inferência
estatı́stica e em combinações de amostrais.
Observação 2: Podemos também usar a fórmula abaixo para o cálculo do

desvio padrão.
sP P 2
x2i xi
s= −
n n
Essa fórmula além de mais prática e ainda mais precisa, pois quando a
média não e exata e tem de ser arrendondada, cada desvio fica
ligeiramente afetado do erro, devido esse arrendondamento.
Observação 3: Se adicionamos (ou subtraı́mos) uma constante qualquer

a todos os valores de uma variável o desvio padrão não se altera. Mas se
multiplicamos todos os dados por uma contante (diferente de zero)
qualquer , o desvio padrão ficará também multiplicado por essa
constante.
Introdução
Referências
Exemplo: Cálculo do desvio padrão em dados não agrupados

Tomemos o conjunto de valores da variável x
40, 45, 48, 52, 54, 62, 70
Como n=7, temos

s 2 p
√ √

20293 371
s= − = 2899 − 532 = 2899 − 2809 = 90 = 9, 486
7 7
Logo:
s = 9, 49
Observação:
20293= 402 + 452 + 482 + 522 + 542 + 622 + 702

Introdução
Referências
Dados agrupados – sem intervalos de classe

Como, neste caso, temos a presença de frequência, devemos levá-la em
consideração, resultando a fórmula:
sP 2
fi x2i
P
fi xi
s= −
n n

Introdução
Referências
Dados agrupados – sem intervalos de classe

Exemplo:
Logo:
s 2
165 63 p p
s= − = 5, 5 − 4, 41 = 1, 09 = 1, 044
30 30
Assim:
s = 1, 04
Introdução
Referências
Dados agrupados – Com intervalos de classe

Nesse caso, usamos o ponto médio da classe como representante dessa, e
aplicamos a fórmula vista anterior.
Exemplo:
s 2
√ √

1.038.080 6.440
s= − = 25.952 − 25.921 = 31 = 5, 567 ∼
= 5, 57
40 40
Introdução
Referências

Processo breve

Introdução
Referências

Exemplo:
Logo:
s 2
80 10
= 4 2 − 0, 0625 = 4 1, 9375 = 5, 5676 ∼
p p
s= − = 5, 57
40 40

Introdução
Referências
Referências
CRESPO, Antônio. Estatı́stica Fácil - 19a Ed. 2009

Introdução
Referências
Bons Estudos
A todos.

Aula Estatística Material de Apoio

Enviado por

Dados do documento

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

Aula Estatística Material de Apoio

Enviado por

Direitos autorais:

Formatos disponíveis

Introdução

Profa Lêda Ferreira Cabral

Instituto Federal Do Maranhão - IFMA

Profa Lêda Ferreira Cabral Estudo de estatı́stica

Obteção de dados. Descrição, classificação e apresentação dos

Profa Lêda Ferreira Cabral Estudo de estatı́stica

Estatı́stica Descritiva: etapa inicial de qualquer análise. É um conjunto

Probabilidade: é a ferramenta matemática utilizada pela Estatı́stica

Estatı́stica Inferencial: é um conjunto de técnicas que possibilita tirar

Profa Lêda Ferreira Cabral Estudo de estatı́stica

Termos básicos da estatı́stica

Profa Lêda Ferreira Cabral Estudo de estatı́stica

Termos Básicos da Estatı́stica

Figura: Classificação das variáveis

Profa Lêda Ferreira Cabral Estudo de estatı́stica

Profa Lêda Ferreira Cabral Estudo de estatı́stica

Profa Lêda Ferreira Cabral Estudo de estatı́stica

Figura: Ilustração do processo de amostragem

Profa Lêda Ferreira Cabral Estudo de estatı́stica

Profa Lêda Ferreira Cabral Estudo de estatı́stica

Por que fazer amostragem?

Profa Lêda Ferreira Cabral Estudo de estatı́stica

A amostra é obtida a partir de uma população bem definida, por meio de

Profa Lêda Ferreira Cabral Estudo de estatı́stica

Amostragem Aleatória Simples (AAS)

Profa Lêda Ferreira Cabral Estudo de estatı́stica

Amostragem Aleatória Simples (AAS)

Profa Lêda Ferreira Cabral Estudo de estatı́stica

Exemplo: Em uma fábrica de lâmpadas, a cada 100 peças produzidas,

Profa Lêda Ferreira Cabral Estudo de estatı́stica

Exemplos: Uma comunidade universitária com 8000 indivı́duos está

Profa Lêda Ferreira Cabral Estudo de estatı́stica

Amostragem por conglomerado

Profa Lêda Ferreira Cabral Estudo de estatı́stica

TABELA PRIMITIVA E ROL

No exemplo abaixo, temos as alturas de 40 alunos do colégio A.

Profa Lêda Ferreira Cabral Estudo de estatı́stica

Nesta tabela, os dados estão organizados em ordem crescente; esta

- Caso queira, já é possı́vel calcular aqui a AMPLITUDE

Profa Lêda Ferreira Cabral Estudo de estatı́stica

• Dados Tabelados não agrupados em classes

Profa Lêda Ferreira Cabral Estudo de estatı́stica

OBSERVAÇÃO: Veja no exemplo anterior que os valores da variável

Para contornar essa situação, construiremos uma nova tabela, em que

Profa Lêda Ferreira Cabral Estudo de estatı́stica

• Dados Tabelados agrupados em classes

Observação: Na estatı́stica, chamamos os intervalos o qual agrupamos

Chamamos de frequência de uma classe o número de valores da

Profa Lêda Ferreira Cabral Estudo de estatı́stica

Elementos de uma distribuição de frequência

Assim em nosso exemplos, o intervalos 154 ` 158 define a segunda classe

Profa Lêda Ferreira Cabral Estudo de estatı́stica

Na segunda classe, por exemplo, temos. l2 = 154 e L2 = 158

Observação: O sı́mbolo ` indica inclusão de li e exclusão de Li . Assim

Profa Lêda Ferreira Cabral Estudo de estatı́stica

Amplitude de um intervalo de classe

Ela e obtida pela diferença entre os limites superiores e inferiores dessa

. Na distribuição do exemplo anterior, temos:

h2 = L2 − l2 ⇒ h2 = 158 − 154 ⇒ h2 = 4cm.

Profa Lêda Ferreira Cabral Estudo de estatı́stica

Amplitude total da distribuição

Em nosso exemplo, temos: AT=174-150=24 ⇒ AT = 24cm

Profa Lêda Ferreira Cabral Estudo de estatı́stica

Em nosso exemplo, temos: