Universidade Rovuma

Licenciatura em Engenheira Informática, 1⁰ ano Pós-laboral

Cadeira de Estatística

Resolução de exercícios

Discente: Docente:

Paulo Joaquim

Nampula, Outubro de 2023

Índice
1. Introdução.................................................................................................................................1

1.1. Objectivos.........................................................................................................................1

1.1.1. Geral..........................................................................................................................1

1.1.2. Específicos.................................................................................................................1

2. Resolução dos exercícios..........................................................................................................2

3. Conclusão...............................................................................................................................20

4. Bibliografia.............................................................................................................................21
1. Introdução

A estatística é uma disciplina matemática poderosa que desempenha um papel essencial na

coleta, análise e interpretação de dados em uma ampla variedade de contextos. Neste contexto,
exploramos os fundamentos da estatística e sua aplicação em situações do mundo real. Através
de exercícios práticos, como calcular probabilidades de eventos específicos, compreendemos
como a estatística permite que tomemos decisões informadas com base em informações
quantitativas. Um exemplo prático foi apresentado ao abordar a probabilidade de selecionar
alunos em uma turma, onde calculamos as probabilidades de escolher alunos de diferentes sexos
e idades. Esses cálculos destacaram a importância de compreender a probabilidade para tomar
decisões lógicas.

Além disso, exploramos conceitos estatísticos essenciais, como a média, a mediana, a moda e a
construção de tabelas de frequências. A estatística é uma ferramenta crucial para entender
padrões, tendências e variações em dados, seja em pesquisas, negócios ou ciência.

1.1. Objectivos

1.1.1. Geral

 Desenvolver uma compreensão abrangente e prática dos princípios fundamentais da

estatística, capacitando o aprendiz a aplicar esses conceitos em várias áreas da vida
acadêmica, profissional e pessoal.

1.1.2. Específicos

 Adquirir uma sólida base de conhecimento em estatística, compreendendo os principais

conceitos, terminologia e técnicas estatísticas.
 Desenvolver a capacidade de coletar, organizar e analisar dados, utilizando ferramentas
estatísticas apropriadas para extrair informações úteis e tomar decisões informadas.
 Aplicar a estatística em contextos específicos, como pesquisas, negócios, ciências sociais
e naturais, através da resolução de problemas reais e da interpretação de resultados
estatísticos de maneira crítica e eficaz.

1
2. Resolução dos exercícios

NÚMERO 1:

Estatística: é uma disciplina que envolve a coleta, organização, análise, interpretação e

apresentação de dados. Seu objetivo principal é extrair informações úteis e conclusões a partir de
conjuntos de dados, permitindo tomar decisões informadas ou fazer inferências sobre uma
população maior com base em uma amostra representativa. A Estatística é amplamente utilizada
em diversas áreas, como ciências naturais, ciências sociais, economia, negócios e muitos outros
campos, para analisar fenômenos, identificar tendências e fazer previsões.

A estatística pode ser dividida em duas categorias principais: estatística descritiva e estatística
inferencial. Vamos explicar cada uma delas e fornecer exemplos para ilustrar a diferença:

i. Estatística Descritiva:
A estatística descritiva envolve a coleta, organização, resumo e apresentação de dados de uma
maneira que seja facilmente compreensível. Ela lida com a descrição das características
fundamentais dos dados, mas não faz inferências além dos dados em mãos. Os principais
objetivos da estatística descritiva incluem:

 Resumo de Dados: Isso envolve calcular medidas como média, mediana, moda, desvio
padrão, variância e quartis para resumir características-chave dos dados;
 Visualização de Dados: A criação de gráficos, como histogramas, gráficos de barras,
gráficos de dispersão e diagramas de caixa, para representar visualmente os dados.

Exemplo de Estatística Descritiva:

Imagine que você coletou as idades de 100 pessoas em uma pesquisa e deseja resumir esses
dados. Você calcula a média das idades, a mediana e cria um histograma mostrando a
distribuição etária. Isso é um exemplo de estatística descritiva, pois você está simplesmente
resumindo e representando os dados que você possui sem fazer inferências sobre a população
geral.

2
 ii. Estatística Inferencial:
A estatística inferencial vai além da descrição dos dados e envolve a realização de inferências ou
conclusões sobre uma população com base em uma amostra dos dados. Ela usa técnicas
estatísticas para fazer estimativas, testar hipóteses e tomar decisões com base nas informações
limitadas disponíveis na amostra.

Exemplo de Estatística Inferencial:

Suponha que, com base em uma amostra de 100 estudantes, você deseja fazer uma afirmação
sobre a média de notas de todos os estudantes em uma escola. Usando técnicas de estatística
inferencial, como um intervalo de confiança ou um teste de hipótese, você pode estimar com um
certo nível de confiança a média das notas da população geral de estudantes com base nos dados
da amostra.

Portanto, a estatística descritiva trata da organização e resumo de dados existentes, enquanto a

estatística inferencial envolve a extração de conclusões e tomada de decisões com base em
amostras de dados para fazer inferências sobre uma população maior. Ambas as abordagens são
fundamentais na análise de dados e na pesquisa estatística.

NÚMERO 2:

Dados são informações que podem ser quantitativas ou qualitativas e são coletadas, armazenadas
e processadas para análise. Eles são a matéria-prima da estatística e são cruciais em várias áreas,
incluindo ciência, negócios, economia e pesquisa.

Classificação de Dados:
i. Dados Qualitativos:
Dados qualitativos são descritivos e expressam qualidades, atributos ou categorias. Eles não
podem ser medidos numericamente e geralmente são informações não numéricas. Os dados
qualitativos podem ser subdivididos em duas categorias principais:

3
  Nominais: São dados que representam categorias com valores que não têm uma ordem
ou hierarquia intrínseca. Exemplos incluem cores, gêneros ou categorias de produtos.
Não há relação numérica entre os valores nominais.

 Ordinais: Representam categorias com uma ordem ou hierarquia específica. Embora

haja uma ordem, a diferença entre os valores não é significativa ou uniforme. Exemplos
incluem classificações de filmes (como "bom", "muito bom", "excelente") ou níveis de
satisfação do cliente.

ii. Dados Quantitativos:

Dados quantitativos são numéricos e expressam quantidades mensuráveis. Eles podem ser
discretos ou contínuos:

 Discretos: Representam valores contáveis e geralmente são inteiros. Exemplos incluem o

número de clientes, o número de itens vendidos ou a quantidade de produtos defeituosos.

 Contínuos: Representam valores que podem assumir qualquer valor em um intervalo

específico. Eles são geralmente obtidos por meio de medições e podem incluir números
decimais. Exemplos incluem altura, peso, temperatura ou salário.

Essa classificação é fundamental na estatística, pois determina o tipo de análise estatística

apropriada a ser aplicada aos dados.

NÚMERO 3:

a) População:

A população é um conceito estatístico que se refere ao conjunto completo de todos os elementos

ou indivíduos que são objetos de estudo ou interesse em uma determinada pesquisa, estudo ou
análise estatística. Ou seja, População é um conjunto de indivíduos, objetos ou informações que
apresentam pelo menos uma característica comum, cujo comportamento interessa analisar.

4
 b) Amostra:
Uma amostra é um subconjunto representativo de uma população maior, usado em pesquisas
estatísticas quando examinar toda a população é impraticável. A amostra é essencial em
situações onde a coleta de dados do universo estatístico é inviável devido a restrições financeiras
ou logísticas.

Exemplo de Amostra:
Imagine que você queira determinar a preferência de sabor de um novo produto de refrigerante
em uma cidade com um milhão de habitantes. Em vez de entrevistar todos os moradores da
cidade, que seria impraticável, você pode selecionar aleatoriamente 1000 pessoas para
entrevistar. Essas 1000 pessoas constituem sua amostra. Se essa amostra for cuidadosamente
selecionada e representativa da diversidade da população da cidade, as conclusões que você tirar
sobre as preferências de sabor com base nas respostas dessas 1000 pessoas podem ser
generalizadas para a população maior da cidade.

c) Variável:

Uma variável é um elemento que pode variar ou assumir diferentes valores em um estudo,
experimento ou análise estatística. Em estatísticas, as variáveis são categorizadas em duas
principais classes: variáveis independentes, que são manipuladas ou controladas em um
experimento, e variáveis dependentes, que são medidas ou observadas em resposta às mudanças
nas variáveis independentes. Variáveis podem ser qualitativas (categóricas) ou quantitativas
(numéricas) e desempenham um papel fundamental na análise de dados e na pesquisa em geral.

Exemplo: Idade, gênero, altura, peso.

d) Unidade Estatística:

Uma unidade estatística é um único membro da população ou amostra que está sendo estudado.

Exemplo: Um aluno específico em uma sala de aula.

e) Frequência Simples, Relativa, Frequência Absoluta Acumulada, Frequência

Relativa Acumulada:

5
  Frequência Simples: É o número de vezes que uma observação específica aparece em
um conjunto de dados.

Exemplo:

 Frequência Relativa: É a proporção ou percentual de uma determinada observação em

relação ao total de observações.

Calcula-se pelo é o quociente entre a frequência absoluta da variável e o número total de

observações. De acordo com exemplo abaixo apresentado a frequência relativa do estilo Pop
calculou-se dividindo o 70 (frequência absoluta desse estilo) pelo 200 (número total de
observações).

6
  Frequência Absoluta Acumulada: É a soma das frequências simples de todas as
observações até um certo ponto nos dados.

Para calcular a frequência absoluta acumulada, realizamos a soma da frequência absoluta, como
na tabela seguir, no exemplo:

7
  Frequência Relativa Acumulada: É a soma das frequências relativas de todas as
observações até um certo ponto nos dados.

Por exemplo para calcular a frequência acumulada (%) até ao estilo Reggae, teríamos de somar a
frequência relatica do estilo Pop, do estilo Rock, do estilo Kizomba e do Reggae. A frequência
relativa acumulada (%) de todas as classes tem de dar 100%.

f) Distribuição de Frequências:

Uma distribuição de frequências é uma tabela ou gráfico que mostra a frequência de diferentes
valores em um conjunto de dados. Ela organiza os dados de forma que seja fácil de entender e
interpretar.

Exemplo:

8
 g) Gráfico de Barras, Gráfico Circular, Histograma e Polígono de Frequência:

 Gráfico de Barras: Usa barras para representar dados categóricos; a altura das barras
indica a frequência das categorias.

Exemplo: Distribuição dos docentes segundo o Estado civil

 Gráfico Circular (ou Gráfico de Pizza): Divide um círculo em setores para representar
proporções ou percentagens de uma categoria em relação ao todo.

9
  Histograma: É usado para representar distribuições de dados quantitativos contínuos.
Consiste em barras adjacentes para mostrar a frequência das observações em intervalos
de valores.

Exemplo: Para construir o histograma com o software Excel, depois de feita a tabela de
distribuição de frequência em classes, adicione uma nova coluna com os pontos médios dos
intervalos de classe, que serão as abscissas de um gráfico de dispersão, com as frequências
correspondendo às alturas

10
  Polígono de Frequência: É semelhante a um histograma, mas usa linhas para conectar os
pontos médios superiores de cada barra do histograma, fornecendo uma representação
suavizada da distribuição de dados.

NÚMERO 4:

Vamos classificar cada variável conforme sua natureza:

11
a) Número de leitores do jornal Notícias: Quantitativa Discreta (disc) - Os números de leitores
são contáveis, não podem ser fracionados, mas podem assumir valores distintos.

b) Salários de funcionários de uma instituição pública: Quantitativa Contínua (cont) - Os

salários podem assumir uma ampla gama de valores dentro de um intervalo contínuo.

c) Nível de Escolaridade dos membros da assembleia Municipal da Cidade de Nampula:

Qualitativa Ordinal - O nível de escolaridade pode ser ordenado (por exemplo, Ensino
Fundamental, Ensino Médio, Graduação, Pós-graduação), mas não há uma diferença uniforme
entre os níveis.

d) Grupo sanguíneo: Qualitativa Nominal - Os grupos sanguíneos (A, B, AB, O) são categorias
que não têm uma ordem ou hierarquia específica.

e) Duração de um treino desportivo: Quantitativa Contínua (cont) - A duração do treino pode

assumir uma ampla gama de valores dentro de um intervalo contínuo.

f) Idade: Quantitativa Discreta (disc) - A idade é contável e não pode ser fracionada,
representando anos inteiros.

g) Vitamina (A, B12, E): Qualitativa Nominal - As vitaminas são categorias distintas sem uma
ordem específica.

NÚMERO 5:

O investigador que ordena uma lista de cidades moçambicanas de acordo com o ritmo de
desenvolvimento, do mais lento para o mais acelerado, está operando no nível de medida:
2. Ordinal.

NÚMERO 6:

a) Classificação da Variável:

12
A variável neste caso é o número de jovens recenseados ao serviço militar obrigatório em
todos os distritos de Nampula em 2012. Esta variável é quantitativa discreta, pois representa
uma contagem de jovens, que são indivíduos discretos e não podem ser subdivididos em partes
menores significativas.

b) Distribuição de Frequência:

xi fi Fi fr f r (% ) xi ∙ f i
200 1 1 0 , 05 5 200
500 4 5 0 , 19 19 2000
600 1 6 0 , 05 5 600
1000 3 9 0 , 14 14 3000
1100 2 11 0.09 9 2200
1400 4 15 0 , 19 19 5600
1500 1 16 0 , 05 5 1500
2000 3 19 0 , 14 14 6000
2500 1 20 0 , 05 5 2500
4000 1 21 0 , 05 5 4000
Total 21 1 27600

c) Cálculo da média, mediana e moda:

Média: A média é a soma de todos os valores dividida pelo número de valores.

x=
∑ xi ∙ f i
N
27600
x=
21
x=1314,285

A mediana é o valor que está no meio do conjunto de dados quando os dados estão organizados
em ordem crescente. Neste caso, como temos 21 valores, a mediana seria o 11º valor:
13
 Mediana=1100

A moda é o valor que aparece com mais frequência no conjunto de dados. Neste caso, a moda
correta dos dados fornecidos é 500 e 1400, pois ambos aparecem com a mesma frequência
máxima de quatro vezes.

d) Tipo de Gráfico Adequado:

Como os dados não estão agrupados em classes, então um gráfico de barras simples seria uma
representação o adequada para mostrar a frequência de cada valor individual.

NÚMERO 7:

Neste caso:

 População: A população é o grupo total de interesse no contexto do estudo. Portanto, a

população neste caso seria todos os habitantes da província onde o inquérito sobre
nutrição foi realizado. É o grupo sobre o qual os pesquisadores gostariam de fazer
afirmações ou conclusões.

 Amostra: A amostra é um subconjunto representativo da população que foi selecionado

para o estudo. No contexto dado, a amostra seria os 6500 inquéritos preenchidos e
devolvidos. É a parte da população que foi efetivamente estudada.

Portanto, a população é o grupo inteiro da província, enquanto a amostra é o grupo de inquéritos

preenchidos e devolvidos, que representa uma parte dos habitantes da província.

NÚMERO 8:

a) Determinação de valores indicados pelas letras A, B, C, D, E, F

xi fi Fi fr xi ∙ f i

14
 0 3 3 0.1 0
1 10 13 0.33 10
2 2 15 0.07 4
3 4 19 0.13 12
4 2 21 0.07 8
5 1 22 0.03 5
6 8 30 0.27 48
Total 30 1 87

b) Cálculo da média, mediana e moda.

Média:

x=
∑ xi ∙ f i
N
87
x=
30
x=2 , 9

A mediana é o valor que está no meio do conjunto de dados quando os dados estão organizados
em ordem crescente. Neste caso, como temos 30 valores, a mediana seria o 15º valor:
Mediana=2

A moda é o valor que aparece com mais frequência no conjunto de dados. Neste caso, a moda
correta dos dados fornecidos é 1.

c) Calcule o 3º quartil, 7º decil e 57º percentil.

3 ( n+1 ) 7 ( n+1 ) 57 ( n+1 )
Q 3= D 7= P57=
4 10 100

15
 3 ( 30+1 ) 93 7 ( 30+1 ) 57 ×31
Q 3= = D 7= P57=
4 4 10 100
Q3=23 , 25 ≈ 23 D7=21, 7 P57=17 , 67
Q3=x 23=6 5+6 11 x=2
x= = =5.5 ≈ 6
2 2

NÚMERO 9:

a) Classificação da Variável:

A variável em estudo é o "tempo gasto na emissão de pareceres de diversos requerimentos", e é

uma variável quantitativa discreta, pois consiste em contagens de dias e não pode ser fracionada.
b) Tabela de Frequência:
xi fi Fi xi ∙ f i
9 1 1 9
10 3 4 30
11 2 6 22
12 3 9 36
13 2 11 26
14 4 15 56
15 2 17 30
16 2 19 32
17 1 20 17
18 8 28 144
19 2 30 38
20 7 37 140
24 2 39 48
25 1 40 25
Total 40 653

16
c) Tempo Médio:

Para calcular o tempo médio, somamos todos os tempos e dividimos pelo número de
observações:

x=
∑ xi ∙ f i
N
653
x=
40
x=16,325 dias
d) Medidas de Tendência Central:

 Média: 16.325 dias (calculado acima).

 Mediana: Como os dados estão ordenados, a mediana é o valor no meio da lista, que é o
20º valor. Portanto, a mediana é 17 dias.
 Moda: A moda é o valor ou valores que aparecem com mais frequência. Neste caso, a
moda é 18 dias, pois aparece mais frequentemente (8vezes) em comparação com outros
valores.

e) Gráfico de Colunas:

Gráfico de Barras
30

25

20

15

10

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14

Tempo Frequencia

17
NÚMERO 10:

Tempo ( f i) ( f r) ( Fi) ( xi )
(horas)
0⊢4 8 0,1 8 2
4⊢8 15 0,19 23 6
8⊢12 24 0.3 47 10
12 ⊢ 16 20 0.25 67 14
16⊢20 13 0.16 80 18
Total 80 1

d) Interpretação da Frequência Relativa da 3ª Classe:

A frequência relativa da terceira classe (8 a 12 horas) é 0.3 ou 30%. Isso significa que 30% dos
80 pacientes dormiram entre 8 e 12 horas durante a administração do anestésico.

e) Percentual de Pacientes que Dormiram Menos de 12 Horas:

Para encontrar o percentual de pacientes que dormiram menos de 12 horas, somamos as

frequências das duas primeiras classes (0 a 4 horas e 4 a 8 horas) e dividimos pelo total de
pacientes (80):

8+ 15 23
Percentual de Pacientes= = =0,2875 ×100 %=28 , 75 %
80 80

NÚMERO 11:

Cálculo do número de classes segundo a fórmula:

k=
[ ] ln n
ln 2
+1

k = 6.906891. Portanto, de acordo com a regra, considerar o número inteiro. Logo, 6 classes.

18
O Cálculo da amplitude total que é a diferença entre o valor máximo e mínimo da distribuição:
28.8. Cálculo da amplitude de classe que é o quociente entre a amplitude total e o número de
classes: 4.8, aproximadamente 5

Tabela de frequências:

xi ( f i) (f r %) ( Fi) ( Fr % )
55 ⊢ 60 9 15,0 9 15,0
60 ⊢ 65 15 25,0 24 40,0
65 ⊢70 21 35,0 45 75,0
70 ⊢ 75 5 8,3 50 83,0
75 ⊢80 6 10,0 56 93,0
80 ⊢ 85 4 6,7 60 100,0
Total 60 100,0

3. Conclusão

Em nossa jornada pela estatística, exploramos uma variedade de conceitos e aplicações que
destacam a importância desta disciplina em nossas vidas. Através da análise de frequências,
descobrimos como resumir e visualizar dados, identificando padrões e variações que nos ajudam
a tomar decisões mais informadas.

A probabilidade, por sua vez, provou ser uma ferramenta essencial para quantificar a incerteza
que envolve muitos eventos em nossas vidas, desde jogos de azar até decisões complexas em
negócios e ciência. Através do cálculo de probabilidades, pudemos compreender como avaliar
riscos e fazer previsões baseadas em dados probabilísticos.

A exploração das medidas de tendência central, como a média, a mediana e a moda, permitiu-nos
entender como resumir conjuntos de dados e identificar seus valores centrais. As tabelas de
frequências foram uma ferramenta valiosa para organizar e apresentar informações de forma
acessível.

19
Concluímos, portanto, que a estatística desempenha um papel fundamental em nossa capacidade
de compreender o mundo ao nosso redor, seja na tomada de decisões diárias, na análise de
tendências de mercado ou na pesquisa científica. À medida que continuamos a explorar conceitos
avançados e aplicá-los em cenários reais, esperamos que nossa compreensão da estatística
continue a crescer, capacitando-nos a tomar decisões informadas e interpretar dados com
confiança. A estatística é, sem dúvida, uma ferramenta indispensável em nosso kit de habilidades
para a vida moderna.

4. Bibliografia

1. Bussab, W. O., & Morettin, P. A. (2002). Estatística Básica. Brasil.

2. Montgomery, D. C., & Runger, G. C. (2016). Estatística Aplicada e Probabilidade para
Engenheiros. Estados Unidos.
3. Witte, R. S., & Witte, J. S. (Ano: 1979). Estatística. Estados Unidos.
4. Walpole, R. E., Myers, R. H., Myers, S. L., & Ye, K. E. (2012). Introdução à Estatística.
Estados Unidos.
5. Agresti, A., & Finlay, B. (2009). Estatística para Ciências Sociais. Estados Unidos.

20