ESTATÍSTICA

PROF. Dr. AMÉRICO MATSUO MINORI

 PLANO DE ENSINO

CURSO ADMINISTRAÇÃO

DISCIPLINA ESTATÍSTICA

Nº DE AULAS
01 (Um encontro)
SEMANAIS

PROFESSOR (A) Prof. Dr. Américo Matsuo Minori

CARGA HORÁRIA 66 horas

PLANO DE ENSINO

EMENTA
• Introdução a Estatística. Apresentação
tabular e gráfica de dados de uma pesquisa.
Distribuição de frequência e representação
gráfica. Medidas de tendência central.
Medidas de Dispersão. Boxplot e Outliers.
Noções de amostragem. Noções de
probabilidade. Distribuição normal padrão.
Correlação e Regressão dos Dados.
Exercícios práticos aplicados à pesquisa em
gestão de negócios.
 1) Reconhecer e definir problemas, equacionar soluções, pensar estrategicamente, introduzir
modificações no processo produtivo, atuar preventivamente, transferir e generalizar
conhecimentos e exercer, em diferentes graus de complexidade, o processo da tomada de
C
decisão;
O 2) desenvolver expressão e comunicação compatíveis com o exercício profissional, inclusive
M nos processos de negociação e nas comunicações interpessoais ou intergrupais;
P 3) refletir e atuar criticamente sobre a esfera da produção, compreendendo sua posição e
E função na estrutura produtiva sob seu controle e gerenciamento;
T 4) desenvolver raciocínio lógico, crítico e analítico para operar com valores e formulações
Ê matemáticas presentes nas relações formais e causais entre fenômenos produtivos,
administrativos e de controle, bem assim expressando-se de modo crítico e criativo diante
N
dos diferentes contextos organizacionais e sociais;
C
5) ter iniciativa, criatividade, determinação, vontade política e administrativa, vontade de
I aprender, abertura às mudanças e consciência da qualidade e das implicações éticas do seu
A exercício profissional;
S 6) desenvolver capacidade de transferir conhecimentos da vida e da experiência cotidianas para
/ o ambiente de trabalho e do seu campo de atuação profissional, em diferentes modelos
D organizacionais, revelando-se profissional adaptável;
C 7) desenvolver capacidade para elaborar, implementar e consolidar projetos em organizações; e
8) desenvolver capacidade para realizar consultoria em gestão e administração, pareceres e
N
perícias administrativas, gerenciais, organizacionais, estratégicos e operacionais”.
 PLANO DE ENSINO

Capacitar o aluno ao entendimento e análise da aplicação da

OBJETIVO GERAL
Estatística na Administração em geral

Demonstrar no decorrer das aulas a importância da ferramenta

estatística como elemento de grande importância para analisar,
Objetivo Específicos
avaliar e controlar processos, qualidade e além de contribuir nas
decisões Gerenciais ou Administrativas
 PLANO DE ENSINO

UNIDADE 1
CONCEITOS BÁSICOS
Conceitos Preliminares: O que é Estatística; População, Censo e
CONTEÚDO
PROGRAMÁTICO Amostra; Estatística Descritiva ou dedutiva e Estatística Indutiva
ou Inferencial; Variável Discreta, Variável Contínua; Dados
Brutos, Rol; Séries Estatísticas: Geográficas, Históricas,
Específicas, Conjugadas ou Mistas. Exercício.
 PLANO DE ENSINO

UNIDADE 2

DISTRIBUIÇÃO DE FREQUÊNCIA
CONTEÚDO Definição, Classe, Intervalos de Classe, Limites de uma Classe,
PROGRAMÁTICO Amplitude de uma Classe, Ponto Médio de uma Classe,
Amplitude Total da distribuição, Frequência, Gráficos. Exercícios,
 PLANO DE ENSINO

UNIDADE 3
Distribuição de Frequência: Definição, Classe, Intervalos de Classe,
Limites de uma Classe, Amplitude de uma Classe, Ponto Médio de
uma Classe, Amplitude Total da distribuição, Frequência, Gráficos.
Exercícios
CONTEÚDO
PROGRAMÁTICO Medidas de Posição: Medidas de Tendência Central: Média, Mediana
e Moda, Propriedades da Média; Separatrizes: Mediana, Quartil,
Decil, Percentil. Exercícios
Medidas de Dispersão: Variância, Desvio Padrão, Desvio Médio,
Propriedades da Variância, Propriedades do Desvio Padrão. Exercícios.
 PLANO DE ENSINO

UNIDADE 4
Probabilidades: Conceito: Espaço Amostral, Evento, Evento
Independente, Evento Mutuamente Exclusivo, Eventos
complementares; Probabilidade da união de dois eventos,
Probabilidade de Eventos Mutuamente Exclusivos, Evento
CONTEÚDO
PROGRAMÁTICO
Condicional; Probabilidade de Eventos Complementares,
Probabilidade Condicional. Exercícios; Distribuições de
Probabilidades de Variáveis Aleatórias Discretas, Distribuições
de Probabilidades de Variáveis Aleatórias Contínuas;
Distribuições Amostrais; Amostragem. Exercícios
 PLANO DE ENSINO

Os procedimentos didáticos metodológicos

aplicam estratégias de aprendizagem que
valorizam o desafio, os problemas significativos e a
reconstrução da realidade, sendo assim,
aplicaremos as seguintes estratégias de ensino:
METODOLOGIA
PRESENCIAL
exposição dialogada, interativa e reflexiva;
resolução de exercícios em sala, vídeo para
problematizar e reforçar o conteúdo; tipo aula
invertida com textos e lista de execícios postados
na Plataforma Digital da instituição Faculdade
Santa Teresa
 PLANO DE ENSINO

O ensino mediado por tecnologias visa definir recursos para

ensinar aprendizes de um novo tempo, os quais devem
desenvolver a competência do uso das novas tecnologias da
comunicação e informação, portanto, os recursos utilizados
para essa mediação será a por meio da Plataforma Digital da
METODOLOGIA Faculdade Santa Teresa. Na plataforma Ditgital estarão os
ON-LINE possíveis recursos e estratégias direcionados na Rota de
Aprendizagem, a fim de mediar o ensino-aprendizado e os
conteúdos da horas complementares da disciplina. As
estratégias quando postadas são: Aula presencial virtual, de
leitura obrigatória em texto digital, vídeos, podendo ser ainda
ser por meio de visita técnica e relatório digital.
 PLANO DE ENSINO

ADP1 – UNIDADES 1 e 2
Avaliação individual
On-line pela Plataforma Digital
Presencial-Prova Institucional ARE1
Atividades complementar (Entrega de lista de exercícios, trabalhos, apresentação de trabalhos, atividades inter e
trans). (04 pontos)
- Prova escrita sobre elementos estruturais individuais (6,0 pontos)
- Somatório de 10 pontos possíveis

ADP2 – UNIDADES 1, 2, 3 e 4
Avaliação individual
AVALIAÇÃO
On-line pela Plataforma Digital
(avaliação individual)
Atividades complementar (Entrega de lista de exercícios, trabalhos, apresentação de trabalhos, atividades inter e
trans). (04 pontos)
- Prova escrita sobre elementos estruturais individuais (6,0 pontos)
- Somatório de 10 pontos possíveis

ADG - UNIDADES 1, 2, 3 e 4
On-line pela Plataforma digital
BIBLIOGRAFIA

BÁSICA
1. ANDERSON, David. R; SWEENEY, Dennis J.; WILLIAMS, Thomas A. Estatística
aplicada à administração e economia. 4. ed. São Paulo: Cengage Learning, 2019.

2. LAREDO, Abraham Sicsú; DANA, Samy. Estatística Aplicada: análise Exploratória dos
Dados. Editora Saraiva. 2017, 1ª edição.
3. MOORE, David; FLIGNER, Michael A. A estatística básica e sua prática. 7. ed. São
Paulo: LTC, 2017.
BIBLIOGRAFIA

BIBLIOGRAFIA COMPLEMENTAR
1. BREMER, Carlos; CARRASCO, Gilberto; GEROLAMO, Mateus Cecílio. Gestão de projetos:
uma jornada empreendedora da prática à teoria. São Paulo: Atlas, 2017.
2. CRESPO, Antonio Arnot. Estatística fácil. São Paulo: Saraiva, 2009.
3. LEVINE, David M.; STEPHAN, David F.; SZABAT, Kathryn A. Estatística: teoria e aplicações:
usando Microsoft Excel. 7. ed. São Paulo: LTC, 2016.
4. OLIVEIRA, Francisco Estevam Martins de. Estatística e probabilidade: com ênfase em
exercícios resolvidos e propostos. 3. ed. São Paulo: LTC, 2017.
5. TRIOLA, Mario F. Introdução à estatística: atualização da tecnologia. 12. ed. São Paulo:
LTC, 2017.
BIBLIOGRAFIA

BIBLIOTECA DIGITAL
https://integrada.minhabiblioteca.com.br/#/books/9788597010145/recent
FONTES DA INTERNET
• https://www.youtube.com/watch?v=NvqHnM3TucE
• https://www.youtube.com/watch?v=5ctWgFOizkQ
• https://www.youtube.com/watch?v=Xkn_ctmmg40
• https://www.youtube.com/watch?v=1m15firKrd0
OUTRAS FONTES COMPLEMENTARES
OUTRAS FONTES COMPLEMENTARES
CONCEITOS BÁSICOS

A Estatística é um instrumento de auxílio nas tomadas de decisão diante de incertezas das

informações disponíveis ou não seja para Governo – Indústria – Ciências sociais, biológicas,
físicas, dentre outros interessados.
A Estatística se utiliza de técnicas para coletar, organizar, descrever, analisar e
interpretar dados, sejam originados de experimentos, ou vindos de estudos observacionais
No dia a dia tomamos decisões, muitas vezes, ora decisões mais rápidas, ora mais lenta, ora em
longo prazo.
Para Larson (2010) Estatística: É a ciência de coletar, organizar, analisar e interpretar dados para
a tomada de decisões
 CONCEITOS BÁSICOS
Por que estudar estatística?
Por que a natureza apresenta VARIABILIDADE.
Exemplo: Variações de indivíduo para indivíduo ( idade, sexo, altura, peso, dentre outras variações) ou
Variações no mesmo indivíduo ( altura no decorrer do tempo, comprimento do cabelo, peso, idade, voz dentre
outras variações.
“A Estatística estuda como controlar, minimizar e observar a variabilidade INEVITÁVEL de todas as medidas e
observações” • Sem Métodos Estatísticos -> sem validade científica!
Dois métodos científicos podemos destacar: o método Experimental e o Método Estatístico.
• O método experimental consiste em manter constante todas as causas (fatores) menos uma e variar esta
causa de modo que o pesquisador possa descobrir seus efeitos caso existam.
• O método estatístico diante da impossibilidade de se manter causas constantes, admite todas essas causas
presentes variando-as registrando essa variação e procurando determinar no resultado final que influências
cabem a cada uma delas.
 CONCEITOS BÁSICOS

FENÔMENO ESTATÍSTICO: qualquer evento que se pretenda analisar, cujo estudo seja possível da
aplicação do método estatístico
DADO ESTATÍSTICO: dado numérico considerado matéria-prima sobre a qual se aplica os métodos
estatísticos
POPULAÇÃO: conjunto total de elementos portadores de, pelo menos, uma característica comum
observável
AMOSTRA: parcela representativa da população que é examinada com o propósito de tirar
conclusões sobre a essa população.
Como selecionar uma amostra, de tal modo que as informações possam ser extrapoladas para a
população ?
 CONCEITOS BÁSICOS

Segundo Larson (2010)

• População: Coleção de todos os resultados, respostas, medições ou
contagens que são de interesse
• Amostra: Um subgrupo da população
Segundo Shiguti, A e Shiguti, V (2006)
• Censo – é a coleção de dados relativos a todos os elementos da população.

• 19 02 24
CONCEITOS BÁSICOS

Já Crespo (2009) define população ou universo estatístico como o conjunto de

entes portadores de, pelo menos, uma característica comum.
Ainda segundo este autor, na maioria das vezes, por impossibilidade ou inviabilidade econômica
ou temporal, limitamos as observações referentes a uma determinada pesquisa a apenas
uma parte da população. A essa parte proveniente da população em estudo
denominamos amostra

Disponível em:
https://integrada.minhabiblioteca.com.br/reader/books/9788502122345/epubcfi/6/14
%5B%3Bvnd.vst.idref%3Dch02%5D!/4/102/1:33%5Bdad%2Ce.%5D
CONCEITOS BÁSICOS

Conforme (Mattos et al., 2017) “Ao se realizar um levantamento de dados, deve ser
definido se este será realizado em toda a população (“censo”) ou em uma amostra
dessa população (“levantamento por amostragem”). De maneira geral, opta-se pelo
levantamento por amostragem por ser mais rápido e mais econômico”.
Em outros termos, quando os elementos da amostra coincide com os mesmos elementos
da população, a amostra é denominada de Censo.
CONCEITOS BÁSICOS

Conforme Becker (2015), “ O Todo e parte são palavras indissociáveis: não há todo sem
suas partes, não há parte sem o seu todo. As partes, em estatística, são chamadas de amostras.
Amostra é, assim, qualquer parte do todo, qualquer subconjunto da população de interesse. O
dicionário Michaelis (Weiszflog, 2007) define amostra como o ato de mostrar, mas também dá
o sentido de indicio, sinal, pequena parte ou porção de alguma coisa que se dá́ para ver ou
prova’
CONCEITOS BÁSICOS
CONCEITOS BÁSICOS – EXERCÍCIO

Analise cada uma das afirmações a seguir e marque CERTO OU ERRADO

1) POPULAÇÃO: É um conjunto de indivíduos ou objetos que apresentam pelo menos uma característica
em comum. CERTO OU ERRADO

2) CENSO – é a coleção de dados relativos a todos os elementos da população. CERTO OU ERRADO

3) AMOSTRA: Considerando a impossibilidade, na maioria das vezes do tratamento de todos os

elementos da população, necessitaremos de uma parte representativa da mesma. A esta porção da
população chamaremos de amostra. CERTO OU ERRADO
 EXERCÍCIO

Em uma pesquisa recente, 1.708 adultos nos Estados Unidos foram

questionados se achavam que o aquecimento global era um problema que
requeria ação governamental imediata. Novecentos e trinta e nove dos
adultos disseram que sim. Identifique a população e a amostra. Descreva o
conjunto de dados ( Fonte: Larson, 2010)
SOLUÇÃO

• A população consiste nas respostas de todos os adultos nos EUA

• A amostra consiste nas respostas dos 1.708 adultos estadunidenses da pesquisa
• A amostra é uma parcela das respostas de todos os adultos nos EUA
• O conjunto de dados consiste de 939 sim e 769 não
 EXERCÍCIO

Decida se o valor numérico descreve um parâmetro populacional ou uma

estatística amostral.
O salário inicial dos 667 MBAs da University of Chicago Graduate School of
Business aumentou 8,5% desde o ano passado.
Solução:
Parâmetro populacional (a porcentagem de 8,5% é baseada nos salários iniciais de
todos os 667 graduados).
 CONCEITOS BÁSICOS
ATRIBUTO: características que podem ser enumeradas
VARIÁVEL: características que podem ser medidas, controladas ou manipuladas
em uma pesquisa. Pode ser classificada em Qualitativa e Quantitativa
• VARIÁVEL QUALITATIVA – valores expressos por atributos • sexo, cor da pele, etc. – Ex:
pode-se dizer que 2 indivíduos são diferentes em termos da variável A (sexo, por exemplo),
mas não se pode dizer qual deles "tem mais" da qualidade representada pela variável
• VARIÁVEL QUANTITATIVA – conjunto de resultados numéricos – ex: pode-se dizer que a
temperatura de 40°C é maior do que 30°C e que um aumento de 20°C para 40°C é duas
vezes maior do que um aumento de 30°C para 40°C – e se dividem em:
 CONCEITOS BÁSICOS
VARIÁVEL DISCRETA OU DESCONTÍNUA – valores expressos através de números
inteiros não negativos. Ex: Nº de alunos presentes às aulas de CQ no 2º semestre de 2006:
agosto = 10,
setembro = 13,
outubro = 15
VARIÁVEL CONTÍNUA – Valores mensuráveis, escala numérica correspondente ao conjunto R
dos números Reais, ou seja, podem assumir, teoricamente, qualquer valor entre dois limites. Ex.:
Quando se mede a temperatura do corpo com um termômetro de mercúrio o que ocorre é o
seguinte:
• O filete de mercúrio, ao dilatar-se, passará por todas as temperaturas intermediárias até chegar
na temperatura atual do corpo
EXEMPLOS DE VARIÁVEIS QUALITATIVAS
CONSISTEM EM ATRIBUTOS, QUALIDADES OU ENTRADAS NÃO NUMÉRICAS.

Local de nascimento
Graduação Cor dos olhos

Fonte: Adaptado-Larson, Estatística aplicada

 CONCEITOS BÁSICOS

Dados quantitativos
Medidas ou contagens numéricas.

Temperatura
Idade Peso de uma carta

Para variável quantitativa normalmente precisa de um instrumento de medida. Balança e termômetro

Fonte: Adaptado-Larson, Estatística aplicada
CONCEITOS BÁSICOS
 CONCEITOS BÁSICOS

FASES DO MÉTODO ESTATÍSTICO

1. DEFINIÇÃO DO PROBLEMA Saber exatamente aquilo que se pretende pesquisar é o mesmo que definir
corretamente o problema
2. PLANEJAMENTO Como levantar informações? Que dados deverão ser obtidos? E o cronograma de
atividades ? Os custos envolvidos ? etc.
3. COLETA DE DADOS Fase operacional, registro sistemático de dados, com um objetivo determinado.
4. APURAÇÃO DOS DADOS Resumo dos dados através de sua contagem e agrupamento. É a condensação e
tabulação de dados.
5. APRESENTAÇÃO DOS DADOS Formas de apresentação dos dados 6. ANÁLISE E INTERPRETAÇÃO DOS
DADOS A última fase do trabalho estatístico é a mais importante e delicada Está ligada essencialmente ao
cálculo de medidas e coeficientes, cuja finalidade principal é descrever o fenômeno.

Fonte: Adaptado-Larson, Estatística aplicada

 CONCEITOS BÁSICOS

Ramos da estatística

Estatística descritiva Estatística inferencial

Envolve organização, Envolve o uso de
o resumo, e a amostras para chegar a
representação dos conclusões sobre uma
dados. população.
Ex.: tabelas, gráficos,
médias.
Fonte: Adaptado-Larson, Estatística aplicada
CONCEITOS BÁSICOS
CONCEITOS BÁSICOS

População Amostragem Amostra

(parâmetros) (estatísticas)

Estatística Descritiva

Conclusões Informações
sobre a contidas nos
Inferência estatística
população dados
Fonte: FGV
 CONCEITOS BÁSICOS

Estatística descritiva envolve afirmações como “Para homens não casados, aproximadamente 70%
estavam vivos aos 65 anos” e “Para homens casados, 90% estavam vivos aos 65 anos”.
Uma inferência possível tirada desse estudo é que ser casado está associado com uma vida mais longa para
homens.

Ainda vivos aos 65 anos

Homens solteiros – 70%
Homens casados – 90%

Fonte: Adaptado-Larson, Estatística aplicada

 CONCEITOS BÁSICOS

Exemplo: classificando dados por tipo

Os preços base para diversos veículos são apresentados na tabela a seguir. Quais dados
são qualitativos e quais são quantitativos? (Fonte: Ford Motor Company.)

Modelo Preço-base
Fusion 14 S $ 17.795
F-150 XL $ 18.710
Five Hundred SEL $ 23.785
Escape XLT Sport $ 24.575
2007 Explorer Sport
Trac Limited $ 26.775
Freestar SEL $ 27.500
Crown Victoria LX $ 28.830
Expedition XLT $ 35.480
 CONCEITOS BÁSICOS
SOLUÇÃO
Modelo de carro Preço-base
Fusion 14 S $ 17.795
F-150 XL $ 18.710
Five Hundred SEL $ 23.785
Escape XLT Sport $ 24.575
2007 Explorer Sport Trac Limited $ 26.775
Freestar SEL $ 27.500
Crown Victoria LX $ 28.830
Expedition XLT $ 35.480

Dados quantitativos (preços-base dos

Dados qualitativos (nomes dos modelos
modelos automotivos são entradas
automotivos são entradas não
numéricas).
numéricas).
Fonte: Adaptado-Larson, Estatística aplicada
 CONCEITOS BÁSICOS

Níveis de mensuração e características

Nível nominal de mensuração
• Somente dados qualitativos
• Característica: São classificados com nomes, etiquetas ou qualidades
• Não podem ser feitos cálculos matemáticos

Nível ordinal de mensuração

• Dados qualitativos ou quantitativos
• Dados podem ser organizados em ordem ou posição
• Diferenças entre as entradas de dados não são significativas
 CONCEITOS BÁSICOS

Exemplo: classificando dados por nível

A seguir temos dois conjuntos de dados. Qual conjunto de dados está no nível
nominal? E qual está no nível ordinal? Explique. (Fonte: Nielsen Media
Research.)
Os cinco programas de TV mais assistidos (de 12/2/2007 Afiliadas das redes em
a 18/2/2007) Pittsburg, PA
1a. American Idol – terça-feira WTAE (ABC)
2a. American Idol – quarta-feira WPXI (NBC)
3a. Grey’s anatomy KDKA (CBS)
4a. House WPGH (FOX)
5a. CSI
 CONCEITOS BÁSICOS

Solução: classificando dados por nível

Os cinco programas de TV Afiliadas das
mais assistidos (de 12/2/2007 redes em
a 18/2/2007) Pittsburg, PA
1. American Idol – terça-feira WTAE (ABC)
2. American Idol – quarta-feira WPXI (NBC)
3. Grey’s anatomy KDKA (CBS)
4. House WPGH (FOX)
5. CSI

Nível ordinal (lista das colocações Nível nominal (lista das

de cinco programas de TV; os afiliadas da rede de TV; as
dados podem ser postos em ordem; siglas nomeiam as afiliadas).
a diferença entre as posições é
 CONCEITOS BÁSICOS

Níveis de mensuração e características

Nível de mensuração intervalar
Dados quantitativos
• Dados podem ser organizados
• Diferenças entre as entradas de dados são significativas
• Zero representa uma posição em uma escala (e não um zero inerente – zero não implica em ‘nulo’)
 CONCEITOS BÁSICOS

Níveis de mensuração e características

Nível de mensuração racional
• Similar ao nível intervalar
• Uma entrada zero é um zero inerente (implica em ‘nulo’)
• Pode ser feita uma proporção de dois valores de dados
• Um valor de dado pode ser expresso como o múltiplo de outro
 CONCEITOS BÁSICOS

Exemplo: classificando dados por nível

A seguir temos dois conjuntos de dados. Qual conjunto de dados está no nível intervalar? E qual está no
nível racional? Explique. (Fonte: Major League Baseball.) Totais de home runs da Liga
Americana em 2003 (por time)
Baltimore 164
Boston 192
Vitórias do New York Yankees na série mundial
Chicago 236
(anos) Cleveland 196
1923, 1927, 1928, 1932, 1936, 1937, 1938, 1939, Detroit 203
1941, 1943, 1947, 1949,1950, 1951, 1952, 1953, 1956, Kansas City 124
Los Angeles 159
1958, 1961, 1962, 1977, 1978, 1996, 1998,1999, 2000 Minnesota 143
Nova Iorque 210
Oakland 175
Seattle 172
Tampa Bay 190
Texas 183
Toronto 199
 CONCEITOS BÁSICOS
SOLUÇÃO
Vitórias do New York Totais de home runs da Liga
Yankees na série Americana em 2003 (por time)
mundial (anos) Baltimore 164
•1923, 1927, 1928, 1932, Boston 192
1936, 1937, 1938, 1939, Chicago 236
1941, 1943, 1947, 1949, Cleveland 196
1950, 1951, 1952, 1953, Detroit 203
1956, 1958, 1961, 1962, Kansas City 124
1977, 1978, 1996, 1998, Los Angeles 159
1999, 2000 Minnesota 143
Nova Iorque 210
Oakland 175
Seattle 172
Tampa Bay 190
Texas 183
Toronto 199

Nível intervalar (dados quantitativos; Nível racional (podem-se encontrar

pode-se encontrar uma diferença diferenças e formar proporções).
entre dois dados, mas uma proporção
não faz sentido).
 CONCEITOS BÁSICOS

Sumário dos quatro níveis de mensuração

Nível de Categorizar Ordenar Subtrair os Determinar se um
mensuração os dados os dados valores dos valor de dado é
dados múltiplo de outro
Nominal Sim Não Não Não
Ordinal Sim Sim Não Não
Intervalar Sim Sim Sim Não
Racional Sim Sim Sim Sim
 CONCEITOS BÁSICOS

Sumário

• Distinguimos dados qualitativos de dados quantitativos

• Classificamos dados de acordo com os quatro níveis de mensuração:
Nominal,Ordinal, Intervalar e Racional
EXERCÍCICIOS
Classifique cada uma das questões de acordo com a sua categoria

1) Resultado da extração da loteria Federal: 2) Raça:

a) Qualitativa; a) Qualitativa;

b) Qualitativa discreta; b) Qualitativa discreta;

c) Quantitativa contínua; c) Quantitativa contínua;
d) Quantitativa discreta; d) Quantitativa discreta;

e) Qualitativa contínua. e) Qualitativa contínua.

EXERCÍCIO
Classifique cada uma das questões de acordo com a sua categoria

3) Quantidade de livro de uma 4) Religião:

biblioteca:
a) Qualitativa;
a) Qualitativa;
b) Qualitativa discreta;
b) Qualitativa discreta;
c) Quantitativa contínua;
c) Quantitativa contínua;
d) Quantitativa discreta;
d) Quantitativa discreta;
e) Qualitativa contínua.
e) Qualitativa contínua.
EXERCÍCIO
Classifique cada uma das questões de acordo com a sua categoria

5) Salário dos Empregados de uma empresa: 6)Profissão:

• i) Qualitativa;
• ii) Qualitativa discreta;
• iii) Quantitativa contínua;
• iv) Quantitativa discreta;
• v) Qualitativa contínua.
• i) Qualitativa;
• ii) Qualitativa discreta;
• iii) Quantitativa contínua;
• iv) Quantitativa discreta;
• v) Qualitativa contínua.
EXERCÍCIO

7) Volume de água contido numa piscina: 8) Valor obtido na face superior de um

a) Qualitativa; dado:
b) Qualitativa discreta; a) Qualitativa;
c) Quantitativa contínua; b) Qualitativa discreta;

d) Quantitativa discreta; c) Quantitativa contínua;

e) Qualitativa contínua. d) Quantitativa discreta;

e) Qualitativa contínua.
 SERIE ESTATÍSTICA

Definição de Série Estatística

• Uma série estatística define-se como toda e qualquer coleção de dados estatísticos referidos a uma mesma ordem
de classificação: QUANTITATIVA. Em um sentido mais amplo, SÉRIE é uma sequência de números que se refere a
uma certa variável.

• Caso estes números expressem dados estatísticos a série é chamada de série estatística. Em um sentido mais restrito,
diz-se que uma série estatística é uma sucessão de dados estatísticos referidos a caracteres quantitativos.
SERIE ESTATÍSTICA

Para diferenciar uma série estatística de outra, temos que levar em

consideração três fatores:
• A ÉPOCA (fator temporal ou cronológico) a que se refere o fenômeno
analisado;
• O LOCAL (fator espacial ou geográfico) onde o fenômeno acontece;
• O FENÔMENO (espécie do fator ou fator específico) que é descrito.
 SERIE ESTATÍSTICA
• Tipos de Séries Estatísticas
• São quatro os tipos de séries estatísticas conforme a variação de um dos
fatores:
• SÉRIE TEMPORAL
• A série temporal, igualmente chamada série cronológica, histórica, evolutiva ou
marcha,
• identifica-se pelo caráter variável do fator cronológico. Assim deve-se ter:
• VARIÁVEL: a época
• FIXO: o local e o fenômeno
SERIE ESTATÍSTICA

• SÉRIE GEOGRÁFICA
• Também denominadas séries territoriais, espaciais ou de localização,
esta série apresenta como
• elemento ou caráter variável somente o fator local. Assim:
• VARIÁVEL: o local
• FIXO: a época e o fenômeno
SERIE ESTATÍSTICA

• SÉRIE ESPECÍFICA
• A série específica recebe também outras denominações tais como série
categórica ou série por
• categoria. Agora o caráter variável é o fenômeno.
• VARIÁVEL: o fenômeno
• FIXO: a época e o local
EXERCÍCIO SERIE ESTATÍSTICA
1) Uma série estatística é denominada evolutiva
quando?
• a) O elemento variável é o tempo;
• b) O elemento variável é o local;
• c) O elemento variável é a espécie;
• d) É o resultado da combinação de séries estatísticas
de tipos diferentes;
• e) Os dados são agrupados em subintervalos do
intervalo observado.
2) Uma série estatística é denominada espacial quando?
a) f) O elemento variável é o tempo;
b) g) O elemento variável é o local;
c) h) O elemento variável é a espécie;
d) i) É o resultado da combinação de séries estatísticas
de tipos diferentes;
e) j) Os dados são agrupados em subintervalos do
intervalo observado.
EXERCÍCIO SERIE ESTATÍSTICA
Classifique cada uma das questões de acordo com a série estatística

3) Uma série estatística é denominada cronológica

4) Uma série estatística é denominada categórica
quando?
quando?
• a) O elemento variável é o tempo;
• a) O elemento variável é o tempo;
• b) O elemento variável é o local;
• b) O elemento variável é o local;
• c) O elemento variável é a espécie;
• c) O elemento variável é a espécie;
• d) É o resultado da combinação de séries
• d) É o resultado da combinação de séries
estatísticas de tipos diferentes;
estatísticas de tipos diferentes;
• e) Os dados são agrupados em subintervalos do
• e) Os dados são agrupados em subintervalos do
intervalo observado
intervalo observado
 EXERCÍCIO SERIE ESTATÍSTICA
Classifique cada uma das questões de acordo com a sua categoria
5) Uma série estatística é denominada marcha quando?
• a) O elemento variável é o tempo;
• b) O elemento variável é o local;
• c) O elemento variável é a espécie;
• d) É o resultado da combinação de séries estatísticas de
tipos diferentes;
• e) Os dados são agrupados em subintervalos do
intervalo observado.
6) Uma série estatística é denominada composta quando?
• a) O elemento variável é o tempo;
• b) O elemento variável é o local;
• c) O elemento variável é a espécie;
• d) É o resultado da combinação de séries estatísticas de
tipos diferentes;
• e) Os dados são agrupados em subintervalos do intervalo
observado.
 EXERCÍCIO

Classifique as variáveis Qualitativa ( nominal ou ordinal) ou quantitativa (discreta ou

contínua) quadro a seguir

Nome Idade Estado Civil Renda

Carmem Johnson 28 Solteiro R$1.200,00

João Silva 32 Casado R$1.980,00

Paula Quintana 18 Casado R$3.500,00

Pedro Oliveira 56 Solteiro R$4.200,00

Larson/Farber 4th ed.
 Distribuição de frequência
Distribuição de frequência
• Uma tabela que mostra Classe Frequência, f
classes ou intervalos de 1–5 5
dados com uma contagem Tamanho da 6 – 10 8
classe 6 – 1 =
do número de entradas 5 11 – 15 6
em cada classe 16 – 20 8
• A frequência, f, de uma 21 – 25 5
classe é o número de
26 – 30 4
entradas de dados na
classe
Limite inferior da Limite superior
classe da classe
Larson/Farber 4th ed.
 Distribuição de frequência

1. Decida o número de classes.

• Geralmente entre 5 e 20; do contrário, pode ser difícil detectar
padrões
2. Encontre o tamanho da classe.
• Determine a variação dos dados
• Divida a variação pelo número de classes
• Arredonde para cima para o próximo número conveniente
Larson/Farber 4th ed.
 Distribuição de frequência

3. Encontre os limites da classe.

• Você pode usar a entrada de menor valor como o limite inferior da
primeira classe
• Encontre os limites inferiores remanescentes (adicione o tamanho da
classe ao limite inferior da classe precedente)
• Encontre o limite superior da primeira classe. Lembre-se de que as
classes não podem ter limites iguais
• Encontre os limites superiores remanescentes
 Distribuição de frequência

4. Faça um registro para cada entrada de dados na fileira da

classe apropriada.
5. Conte os registros para encontrar a frequência total f
para cada classe.

Larson/Farber 4th ed.

 EXERCÍCIO

A amostra seguinte lista o número de minutos que 50 usuários da internet passaram

conectados durante a sessão mais recente. Construa uma distribuição de frequência para
as sete classes.

50 40 41 17 11 7 22 44 28 21 19 23 37 51 54 42 86
41 78 56 72 56 17 7 69 30 80 56 29 33 46 31 39 20
18 29 34 59 73 77 36 39 30 62 54 67 39 31 53 44
Larson/Farber 4th ed.
 EXEMPLO

50 40 41 17 11 7 22 44 28 21 19 23 37 51 54 42 86
41 78 56 72 56 17 7 69 30 80 56 29 33 46 31 39 20
18 29 34 59 73 77 36 39 30 62 54 67 39 31 53 44

1. Número de classes = 7 (dados)

2. Encontre o tamanho da classe

max − min 86 − 7
=  11.29
#classes 7 Larson/Farber 4th ed.
 EXEMPLO

3. Use 7 (valor mínimo) como o Limite Limite

primeiro limite mínimo da mínimo máximo
classe. Adicione o tamanho da Tamanho da 7
classe, 12, para definir o limite classe = 12
máximo da primeira classe.
7 + 12 = 19
Encontre os limites mínimos e
máximos dos restantes.
Larson/Farber 4th ed.
 EXEMPLO

O limite máximo da primeira classe é 19 ( Deve-se

Limite Limite
sinalizar o limite máximo de cada classe com um sinal
mínimo máximo
de aberto). Exemplo 7|------- 19. Em que o sinal (7|--) Tamanho da
indica sinal fechado e o número 7 pertence ao 7
classe = 12
interval. O sinal (---19) o 19 não pertence ao 19
interval. 31
Encontre os limites minimo e máximos restantes. 43
55
67
Larson/Farber 4th ed.
79
EXEMPLO

4. Faça um registro para cada entrada de dado na fileira da classe apropriada.

5. Conte os registros para encontrar a frequência total f para cada classe.

Classe Frequência, f
7 |– 19 6
19 |– 31
31 |– 43
43 |– 55 6
55 |– 67 5
67 |– 79 2
79 |– 91 2
 EXEMPLO

Ponto médio de uma classe

(Limite mínimo da classe) + (Limite máximo da classe)
2

Classe Ponto médio Frequência, f

7 + 18
7 – 18 = 12.5 6
2
19 + 30
Tamanho da classe = 12
19 – 30 = 24.5 10
2
31 + 42
31 – 42 = 36.5 13
2

Larson/Farber 4th ed.

 EXEMPLO

Frequência relativa de uma classe

• Porção da porcentagem dos dados que se encaixa em
um classe em particular
f
Frequência relativa =
n

Classe Frequência, f Frequência relativa

6
7 – 18 6 = 0.12
50
10
Larson/Farber 4th ed. 19 – 30 10 = 0.20
50
13
31 – 42 13 = 0.26
50
EXEMPLO

Frequência acumulada de uma classe

A soma das frequências daquela classe e de todas as classes anteriores.

Classe Frequência, f Frequência acumulada

7 – 18 6
+
19 – 30 10

31 – 42 13

Larson/Farber 4th ed.

EXEMPLO

Ponto Frequência Frequência

Classe Frequência, f médio relativa acumulada
7 – 18 6 12.5 0.12 6
19 – 30 10 24.5 0.20 16
31 – 42 13 36.5 0.26 29
43 – 54 8 48.5 0.16 37
55 – 66 5 60.5 0.10 42
67 – 78 6 72.5 0.12 48
79 – 90 2 84.5 0.04 50
f
 =1
n
EXEMPLO

Histograma de frequência
• Um gráfico de barras que representa a distribuição da frequência
• O eixo horizontal é quantitativo e mede os valores dos dados
• O eixo vertical mede as frequências das classes
• Barras consecutivas precisam se tocar
Frequência

Larson/Farber 4th ed.

Valores dos dados