ÍNDICE

Página

I. INTRODUÇÃO ……………………………………………………………… 2
II. OBJECTIVOS ………………………………………………………………... 3
III. NOÇÃO DE ESTATÍSTICA E SUA APLICAÇÃO PARA A ENGENHARIA
ELECTRÓNICA …………………………….………………………………… 4
IV .CONCEITOS FUNDAMENTAIS ………………………………………… 4
População, Amostra e Variável Estatística ………………………………..…4,5
V. GRÁFICOS …………………………………………………………………. 5
i. Gráfico Circluar ……………………………………………………..… 5
ii. Pictograma ……………………………………………………..……… 5
iii. Gráfico de Barras ………………………………………………..…….. 6
iv. Histograma ………………………………………………….…………. 6
VI. MEDIDAS DE TENDÊNCIA CENTRAL …………………………………. 7
i. Média Aritmética …………………………………………………..….. 7
Propriedades …………………………………………..……………….. 7
ii. Mediana ………………………………………………….…………….. 8
iii. Moda …………………………………………………………………… 9
VII. MEDIDADES DE LOCALIZAÇÃO …………………………………….. 9
i. Quartis …………………………………………………………………. 9
ii. Decis …………………………………………………………….……. 10
iii. Percentis ………………………………………………………………. 10
VIII. MEDIDAS DE DISPERSÃO …………………………………………… 10
i. Amplitude …………………………………………………………….. 10
ii. Desvio Padrão e Variância ……………………………………………. 10
iii. Coeficiente de Variação de Pearson …………………….…………….. 11
Exemplos …………………………………………………………. 11, 12
IX. CONCLUSÃO …………………………………………………………….. 13
X. BIBLIOGRAFIA …………………………………………………………… 14

2
I. INTRODUÇÃO

O presente trabalho surge no âmbito da disciplina de Probabilidade e Estatística

Aplicada do curso de Licenciatura em Engenharia Electrónica da Escola Superior de
Ciências Náuticas.

“A Estatística tem se difundido de forma tão rápida, que se torna cada vez mais difícil
listar os ramos de actividade humana em que a sua aplicação se tem revelado fecunda
ou mesmo indispensável.” Murteira (2010).

Lehmann (1988) refere que a Encyclopia of Statistcical Sciences sugere 47 campos

de aplicação da estatística que podem se destacar algumas, nomeadamente, mudanças
climáticas, demografia, economia, Engenharia Electrónica.

É no contexto desta larga aplicação da Estatística, em domínios diversos, que procuro

ajustar o presente trabalho à área de Engenharia Electrónica. Espero que apresente
boa qualidade e constitua uma exponencial contribuição para uma aprendizagem clara
e concisa da cadeira.

3
II. OBJECTIVOS
II.I Geral
 Estudar os fundamentos da Estatística Descritiva.

II.II Específicos
 Apresentar o conceito de Estatística e sua importância para o curso de
Engenharia Electrónica;
 Analisar os conceitos fundamentais da Estatística descritiva;
 Apresentar algumas ferramentas da Estatística Descritiva;
 Discutir as medidas de Tenência Central e suas propriedades;
 Discutir as medidas de dispersão.

4
III. NOÇÃO DE ESTATÍSTICA E SUA IMPORTÂNCIA PARA A
ENGENHARIA ELECTRÓNICA

Definição1 : Segundo Trila (2005) A Estatística é uma colecção de métodos para o

planejamento de experimentos, obtenção de dados e, consequente organização,
resumo, apresentação, análise, interpretação e elaboração de conclusões baseadas nos
dados.

Definição2 : Segundo Morteira (1993) A Estatística é um repositório de instrumentos

adequados para recolha, exploração e descrição e, interpretação de dados.
Entende como Dados, ás observações, podem ser medidas numéricas ou não, que
tenham sido colectados com fins de estudo.
A estatística divide-se em duas partes, Estatística Descritiva e Estatística Indutiva ou
Inferência Estatística.

Definição3 : A Estatística Descritiva acumula o conjunto de métodos destinados à

organização e descrição dos dados através de indicadores sintéticos e sumários
(gráficos, tabelas, declarações, etc.)

Definiçã4 : A inferência Estatística é constituída pelo conjunto dos métodos que

permitem generalizar ou inferir os resultados de um conjunto de dados (amostra) para
o conjunto de dados mais amplo (população).

Um engenheiro é um profissional que resolve problemas de interesse da sociedade,

pela aplicação eficiente de princípios científicos. Na sua actividade, o Engenheiro
Electrónico depara-se com situações em que deve, desenvolver uma descrição concisa
do problema, identificar factores relacionados com o problema, propor modelos que
expliquem o problema, testar o modelo, tirar conclusões e tomar decisões baseadas na
solução do problema. Portanto, a Estatística assenta-se sobre este repositório de
métodos utilizados pelo Engenheiro na realização da sua actividade.

IV. CONCEITOS FUNDAMENTAIS

i. População – é o conjunto de todos os elementos a serem estudados.

ii. Amostra – é um subconjunto de membros seleccionados de uma população.
iii. Variável Estatística – é uma característica de interesse para um estudo
estatístico. As variáveis Estatísticas pode ser Qualitativas ou Quantitativas.
i. Qualitativas – que se podem medir e representar numericamente. E
podem ser discretas, quando assumem valores numéricos isolados ou
infinito enumerável, ou contínuas, quando resultam de infinitos valores
possíveis e necessitam de um instrumento de medição.
5
 ii. Qualitativas – Expressam nomes e podem ser separadas por categorias.
São nominais, quando assumem categorias ou nomes, e ordinais, quando
se colocar respeitando uma hierarquia.

Exempos: As variáveis - cor dos olhos, raça, religião, marca de viatura, local de
residência – São variáveis Qualitativas;
Idade, peso, agregado familiar, tempo de duração de uma lâmpada da marca X,
quantidade de álcool numa bebida de marca Y – São variáveis Quantitativas.

V. REPRESENTAÇÃO GRÁFICA

Dependendo da sua natureza, os dados podem ser representados graficamente em:

Gráfico de barras, Grafico circular, pictogramas, histograma.

i. Gráfico circular
Def. É representado por um círculo que está dividido em sectores cujas amplitudes
são proporcionais à frequência correspondente.
É especialmente adequado para estabelecer comparações entre diferentes valores do
atributo em estudo, normalmente é usado quando o número de categorias é menor ou
igual a 6.
Exemplo:
Drogas utilizadas no Ensino
Médio

Maconha
Cocaína
Cola
Benzina

ii. Pictograma
Def. Os pictogramas são gráficos onde se utilizam figuras ou símbolos alusivos ao
fenómeno que se vai estudar.
Exemplo:

6
iii. Gráfico de barras
Def. Caracteriza-se por barras horizontais, onde cada uma indica a categoria da
variável, e a sua altura se faz corresponder a sua frequência, absoluta ou relativa, que
deve estar claramente colocada no eixo vertical.
É conveniente o uso de gráfico circular, gráfico de barras ou pictograma para uma
variável discreta.
Exemplo:

iv. Histograma
Def. O histograma é um gráfico de barras utilizado para representar a distribuição de
uma variável contínua, e tem as seguintes características:
- o gráfico deve ter título;
- os dados estão agrupados em classes;
- a área da barra é proporcional à frequência;
- os diferentes valores da variável estão representados no eixo horizontal;
- não há espaços entre as barras correspondentes as classes.
Exemplo:

7
VI. MEDIDAS DE TENDÊNCIA CENTRAL

A Média, Mediana e a Moda, são medidas sobre uma determinada população

(amostra) que tem como fim a caracterização da mesma posicionando-se
centralmente.

i. Média Aritmética
Chama-se média aritmética a uma das características numéricas da amostra
(população) que se define como sendo o quociente da soma dos valores da amostra
pelo número total de observações. Representa-se a média amostral por x e a média
populacional por  .
Seja x1 ; x2 ;...; xn  uma amostra de dimensão n , a média aritmética x calcula-se pela
fórmula:
n

x1  x2  ...  xn x i
x ou x  i 1
n n
Sejam as classes li ; Li  , (i  1,..., k ) , k classes de uma distribuição, onde li ; Li , f i -
são respectivamente limite inferior, limite superior e frequência absoluta da classe i ,
e x'1 ,..., x'k são os pontos médios das classes i . A média aritmética pode ser
calculada pela fórmula:
1 k
x  xi  f i
n i 1
Propriedades:
P1 : Adicionando um valor constante a cada um dos elementos de um conjunto de
números, a média fica adicionada por essa constante.

Seja a distribuição x1 ; x2 ;...; xn , a média é x ;

Sejam uma constante c e a distribuição x1  c; x2  c;...; xn  c , a média artimética
será x  c .

P2 : Multiplicando cada elemento de um conjunto de números por uma constante, a

média vem multiplicada por essa constante.

x1 , x2 ,..., xn ; média: x
cx1 , cx2 ,..., cxn ; média: cx

8
P3 : Dadas duas distribuições, com mesma dimensão n, de média x e x '
respectivamente, a distribuição obtida pela soma dos elementos das distribuições
dadas, um a um, é uma distribuição de dimensão n de média x  x ' .
Sejam x1 , x2 ,..., xn e x1 ' , x2 ' ,..., xn ' , duas distribuições de tamanho n.
Fazendo yi  xi  xi '

y
y i

 (x i  xi ' )

n n


 xi   xi ' 
x  x ' 
i i

n n n
 x  x'

ii. Mediana
É uma medida de limite central de uma amostra que se posiciona o meio da
distribuição dos dados quando estão arranjados em ordem crescente ou ordem
~
decrescente. Representa-se por x ou Me . A mediana é também uma separatriz, ela
separa a distribuição em duas partes iguais, deixando metade das observações
menores que ele a esquerda.

Para dados não agrupados:

 x n1 ; se n impar
~  2
x   x n  x n 2
 2 2
; se n par
 2
Para dados agrupados em classes:
Primeiro deve localizar a classe mediana a partir das frequências acumuladas Fi . A
n
classe mediana é a primeira classe que acumulou a frequência de magnitude .
2
Fórmula:
n
~  Fi 1
x  li  2 h
fi
Onde: l1 - limite inferior da classe mediana; Fi 1 - Frequência acumulada da classe
anterior a classe modal; f i - frequência absoluta da classe mediana; h - amplitude da
classe mediana.

9
 iii. Moda
A moda é uma medida de tendência central, representa-se geralmente por M o , é a
observação numérica (ou não) que ocorre com mais frequência.
Uma distribuição pode ser unimodal - possui somente uma moda, bimodal – possui
duas modas e multimodal – possui duas modas.

Para dados agrupados em classe:

Primeiro localiza-se a classe modal, que é a classe com maior frequência.
Fórmula:
f max  f i 1
M o  li   h ; (Moda de Czuber)
2  f max   f i 1  f i 1 

VII. MEDIDAS DE LOCALIZAÇÃO

As medidas de localização, também designadas por Separatrizes, são medidas

numéricas que separam a distribuição ordenada em, quatro partes iguais – Quartís,
em dez partes iguais – Decis, e em cem partes iguais – Percentis.
Podem ser calculadas pelas fórmulas que se seguem, e têm interpretações análogas à
da mediana. Neste trabalho tratarei apenas de dados agrupados, posto que para dados
não agrupados o procedimento é muito acessível.

i. Quartis
Def. São medidas de localização que separam a distribuição ordenada em quatro
partes iguais. Podem se calcular os quartís 1, 2 e 3, pela fórmula que se segue,
bastando substituir o índice j pelo quartil desejado.
jn
 Fi 1
Q j  li  4  h ; j  1,2,3
fi

ii. Decis
Def. São medidas de localização que separam a distribuição ordenada em dez partes
iguais. Podem se calcular os quartís 1, 2, …,9, pela fórmula que se segue, bastando
substituir o índice j pelo decil desejado.
jn
 Fi 1
D j  li  10  h ; j  1,...,9
fi
iii. Percentis

10
 Def. São medidas de localização que separam a distribuição ordenada em cem partes
iguais. Podem se calcular os quartís 1, 2, …,99, pela fórmula que se segue, bastando
substituir o índice j pelo percentil desejado.
jn
 Fi 1
Pj  li  100  h ; j  1,...,99
fi

VIII. MEDIDAS DE DISPERSÃO

i. Amplitude
A Amplitude de um conjunto de dados á a diferença entre o maior valor e o menor
valor, isto é, diferença entre a máxima observação e a mínima observação.
Fórmula:
A  xmax  xmin

ii. Desvio Padrão

O Desvio Padrão de uma amostra é uma medida de dispersão das observações em
torno da média. É uma espécie de desvio médio dos valores em relação à média. Em
geral, é a medida de variação mais importante e útil.
Tecnicamente define-se como a raiz quadrada da variância.
Fórmula:

S 
2  ( xi  x ) 2
(variância)
n

S
(x i  x)2
(Desvio padrão)
n

iii. Coeficiente de Variação de Pearson

O Coeficiente de Variação de uma amostra (população) é a proporção em
percentagem do desvio padrão em relação a média, e é calculado pela seguinte
fórmula.

s 
CV  100% (amostral); CV  100% (populacional)
x 

Exemplo:
1. A tabela a seguir representa a distribuição das alturas (em cm) de uma turma de
35 alunos matriculados numa escola de natação, na cidade de Maputo.

11
i classes li Li fi Fac xi xi*fi ( xi  x ) ( xi  x ) 2 ( xi  x ) 2  f i
1 154;159 154 159 5 5 156.5 782.5 -12.14 147.3796 736.898
2 159;164 159 164 5 10 161.5 807.5 -7.14 50.9796 254.898
3 164;169 164 169 9 19 166.5 1498.5 -2.14 4.5796 41.2164
4 169;174 169 174 7 16 171.5 1200.5 2.86 8.1796 57.2572
5 174;179 174 179 4 30 176.5 706 7.86 61.7796 247.1184
6 179;184 179 184 5 35 181.5 907.5 12.86 165.3796 826.898
 35 5902.5 2164.286

a) Calcule: Média, Mediana e Moda de Czuber.

x
 xi  f i  5902,5  168.6 (media)
n 35

n
 Fac.ant
M e  li  2  h … A classe mediana é a classe que já acumulou a frequência
fi
n 35
  17.5 , portanto é a classe i=3, li = 164, Fac.ant  10 , f i  9 , h = 5
2 2

17.5  10
M e  164   5  168.2 (mediana)
9

f max  f i 1
M o  li   h … A classe modal é a classe com a maior frequência
2  f max   f i 1  f i 1 
Classe i=3, fmax =9, fant =5, fpost =7, h=5
95
M o  164   5  167,3 (moda de Czuber)
2  9  5  7 

b) Variância e Desvio padrão

S2 
(x i  x)2
2164.28
  61.8 (variância), S  var( x)  61.8  7.9 (d. padrão)
n 35
c) Coeficiente de Variação
s 7.9
CV  100%   4.7% (Coeficiente de Variação)
x 168.6

12
IX. CONCLUSÃO

Com o presente trabalho concluí que a estatística além de ser uma cadeira cientifica com
fins de recolha, organização, descrição, análise, interpretação de dados para se extraírem
conclusões e estabelecer leis gerais sobre um determinado fenómeno, através de modelos
matemáticos, posiciona-se inclusivamente com uma ferramenta indispensável para várias
áreas de conhecimento científico e de actividades profissionais.

Foi possível constatar que, especialmente para área da Engenharia, se torna

imprescindível o conhecimento e aplicação da Estatística na actividade do Engenheiro
Electrónico, pois, ao desenvolver sua actividade depara-se com situações em que deve
observar os fenómenos e estabelecer modelos que melhor os expliquem, para poder tomar
decisões correctas.

13
X. BIBLIOGRAFIA

NEVES, Ma Augusta F, Estatística, Matemática-10º. Ano – Parte 3, Porto Editora;

Porto;1998.
SILVESTRE, António Luís, Análise de dados e estatística descritiva, Escolar editora;
Lisboa; 2007.
REIS, Elizabeth [et al], Estatística Aplicada, vol. 2, 4a ed. Edições Sílabos, Lda;
Lisboa; 2008.
TRIOLA, Mario F., Introdução à Estatística, Nova Edição,LTC editoras S. A.; Rio de
Janeiro; 2005.
SPIEGEL, Murray R., Estatística (colecção Shaum), 3a ed, Makron Books; São
Paulo; 1993.
MURTEIRA, Bento [et al], Introdução à Estatística, Escolar editora; Lisboa; 2010.

14