UNIDADE: 3- Medidas Estatísticas Descritiva.

BIBLIOGRAFIA: Vairinhos, V. M. (1996) Elementos de Probabilidades e

Estatística. Universidade Aberta. Lisboa.

Martins, M. E. G. & Cerveira, A. G. (1999) Introdução às Probabilidades e à

Estatística. Universidade Aberta. Lisboa.

Introdução

Como vimos nas aulas anteriores é possível resumir ao dados e apresenta-los em

tabelas e gráficos. Em seguida vamos estudar as medidas de Estatística Descritiva
que nos permitem representar um conjunto de dados relativos à observação de um
determinado fenómeno, ainda de forma mais resumida.

Estas medidas, também conhecidas por parâmetro, quando analisamos uma

população e estatísticas quando estudamos uma amostra, permitem-nos resumir
os dados através de um único valor. Estas devem obedecer a algumas
propriedades para que sejam boas medidas de descrição dos fenómenos em
estudo, sendo:

a) Objectividade;
b) Dependencia de todas observaçoes;
c) Significado bem prediso para a sua interpretaçao;
d) Facilidade de cálculo
e) Pouca variabilidade às flutuaçoes de amostragem.

As Medidas de Estatística Descritiva classificam-se em:

1. Medidas de Localização;
2. Medidas de Dispersão;
3. Medidas de Assimetria;
4. Medidas de Curtose;
5. Medidas de Concentração.

3.1- MEDIDAS DE LOCALIZAÇÃO/POSIÇÃO

São as estatísticas que representam uma série de dados orientando-nos quanto à

posição em relação ao rol ou à distribuição no eixo horizontal do gráfico de
frequências.

3.1.1 Medidas de tendência central

As medidas de localização mais importantes são as medidas de tendência

central ou termos médios. Tém esta designaçao porque verifica-se uma
tendência dos dados observados se agruparem em torno dos valores centrais.
As medidas de tendência central mais utilizadas são: a média, a moda e a
mediana.

Média aritmética simples é igual ao quociente entre a soma dos valores do

conjunto e o número total de observações. Quer se trate de um parâmetro da
população (µ) ou da amostra ( X ), a sua definição e cálculo é o mesmo.

X 1 + X 1 + X 1 +…+ X N 1 n
µ= = ∑ Xi
N N i=1

X 1 + X 1 + X 1 +…+ X n 1 n
X= = ∑ Xi
n n i=1

OBS: quando desejamos conhecer a média dos dados não agrupados em tabelas
de frequências, determinamos a média aritmética simples.
n
1
X= ∑X
n i=1 i

Como as frequências são números indicadores da intensidade de cada valor da

variável, elas funcionam como factores de ponderação, o que nos leva a calcular a
média aritmética ponderada, para dados agrupados, pela fórmula:
n
1
X= ∑F X
n i=1 i i

Quando os dados estiverem numa distribuição de frequências por classes

usaremos a média aritmética dos pontos médios de cada classe, ponderados pelas
respectivas frequências absolutas, sendo:
n
1
X= ∑ F PM
n i=1 i

Para estes casos a Média passa a ser um valor aproximado da verdadeira Média
aritmética, que se obteria a partir dos dados desagrupados, por causa da
substituiçao dos valores observados pelos pontos médios. Assim, uma distribuição
por classes diferente, dao outro pontos médios e, portanto, também um provavel
valor diferente da média.

Em qualquer dos casos, sempre que se trabalham com amostras, as estatísticas

são estimativas dos verdadeiros parâmetros da população, sujeitos a erros de
medidas e de amostragem. Por esta razão a teoria estatística desenvolveu um
conjunto metodológico que permite a obtenção de medidas consistentes e permite
também calcular e controlar os erros subjacentes ao próprio método estatístico.

Vantagens da média aritmética

1. Facilidade de cálculo e de interpretação;

2. Utiliza toda informação do rol de dados.

Desvantagens da média aritmética

1. São influenciados pelos valores extremos que tomam um peso significativo

no seu cálculo;
2. Pode não corresponder a um valor concreto da variável no rol de dados.

Média geométrica

Média geométrica é a raiz n-ésima do produto de todos os valores observados no

estudo.

Mg= √ x 1∗x 2∗x3∗…∗x N

N

Os valores observados x 1 , x 2 , x 3 , … , x N têm de ser positivos, uma vez que náo é

possível calcular raizes de valores negativos ou nulos. Se forem todos iguais, a
Média Geométrica terá exactamente o mesmo resultado que a Média Aritmética.
Em todos outro casos os resultados da Mg seráo inferiores a X .

Para N >2, os cálculos necessários para encontrar a Mg sáo simplificados

empregando os Logarítmos.

[ ]
N
1
Mg=ant log ∑ log X i
N i=1

Para os dados agrupados numa tabela de distribuição de frequencias, o cálculo da

Média Geométrica será:

Mg= √ X F1 ∗X F2 ∗X 3F ∗…∗X FN
N 1 2 3 N

[ ]
N
1
Mg=ant log ∑ F log X i
N i=1 i

[∑ ]
N
Mg=ant log f i log X i
i=1
Vantagens da Média geométrica

1. Utiliza toda informação do rol de dados e pode ser calculada com precisão
matemática, desde que não haja valores negativos ou nulos;
2. É a única média que pode ser utilizada para indicar taxas de variação;
3. No cálculo desta média, os valores extremos tém menor efeito sobre ela,
diferente da média aritmética.

Desvantagens da Média geométrica

1. É impossível utilizar a Média geométrica quando a variável toma valores negativos

ou nulos;
2. É mais dificil de calcular e de interpretar;
3. Poderá ser um valor que consta no conjunto de observações.

MÉDIA HARMÓNICA

Em situações em que a proporcionalidade inversa esteja presente é aconselhavel o

cálculo da Média Harmónica (Mh). Por exemplo, o custo médio de bens comprados
com uma quantia fixa.

Média harmónica é o inverso da média aritmética dos inversos dos valores

observados.

N
Mh=
1 1 1 1
+ + +…+
X1 X2 X3 XN

MODA (Mo)

Numa série estatística, chamamos de moda ao valor (observação) que ocorre com
maior frequência, isto é, o valor mais comum.
Quando os dados estão agrupados em classes, a moda corresponde a frequência
simples mais alta e o valor da moda é tomado como o ponto médio do intervalo da
classe (moda bruta), caso não se ache o PM, chamamos de classe modal.
No caso de os dados estarem apresentados em gráficos, a moda é o valor que
corresponde, no eixo das abcissas, ao ponto de ordenada máxima.
A Moda quando os dados não estão agrupados
 A moda é facilmente reconhecida: basta, de acordo com definição, procurar o valor
que mais se repete.
 Há séries nas quais não existe valor modal, isto é, nas quais nenhum valor aparece
mais vezes que outros (série amodal).
 .Em outros casos, pode haver dois ou mais valores de concentração. Dizemos
então, que a série tem dois ou mais valores modais (bimodal os multimodal).
Existem método mais elaborados para se determinar a moda de uma distribuição
em classes:

Método de Czuber
∆1
Mo=li+ ∗I , onde:
∆ 1+ ∆ 2
li- limite inferior da classe modal.
∆1= Fi−F i-1; frequência da classe modal menos a frequência da classe anterior.
∆2= Fi−F i+1; frequência da classe modal menos a frequência da classe posterior.
I −¿ é o intervalo da classe modal.
Método de King
F i+1
Mo=li+ ∗I , onde:
F i−1+ F i+1
F i-1; - frequência da classe anterior.
F i+1 - frequência da classe posterior.
Método de Pearson
Mo=3 Md−2 X , onde:
Md - mediana