INSTITUTO SUPERIOR MUTASA

DELEGAÇÃO DE CHIMOIO

2ᵒ ANO / A Distancia

I-SEMESTRE

TURMA−A 1ºGRUPO

CURSO: LICENCIATURA EM ADMISTRAÇÃO PÚBLICA

CADEIRA: Estatistica I

TEMA: Medidas de Localizaҫᾶo

Docente: Dr. Izaquel Justino Jonissene

Chimoio, Março 2024

 INSTITUTO SUPERIOR MUTASA

UNIDADE ORGÂNICA DE CHIMOIO

I-SEMESTRE 1ºGRUPO 2ᵒ ANO / A Distancia

LICENCIATURA EM ADMISTRAÇÃO PÚBLICA

DISCENTES:

Amosse Alberto Chataica

Anita Elias Fazenda
Ana da Gloria Assane
Arlinda Etelvino Mortar Bomba
Abrahamo Jairosse
Adelaife France
Angelina David
Anita José Campira
Basílio Ambrósio Fernando
Conde João Conde
Cecília António
Chadreque Juvêncio Oliveira
Deily Cláudio Francisco
Ernesto Gipe Mufundisse
Emília Xavier Basílio
Erca Victorino
Elias Jhone
Elisa Andre Lucas Veremo
Filomena Ngatiezane Garai
Gevaldo João Guarinare
Hortência Mário Mariano Bonde
Helena Armando
Joana Da Conceição Traquino Trigo
Lucas José Farai Mandonga
Natércia Alfredo Sancho
Nelson Rachine
Teresa Francisco M. Nhore

Março 2024
1 Índice
1 Introdução:.................................................................................................................5
1.1 Objectivos...........................................................................................................5
1.1.1 Objectivo Geral...........................................................................................5
1.1.2 Objectivos específicos.................................................................................5
1.2 As medidas de localização são fundamentais em estatística por diversas razões
6
1.3 Medidas de tendência central: moda, média e mediana......................................7
1.3.1 Moda............................................................................................................7
1.3.2 Média...........................................................................................................7
1.3.3 Mediana.......................................................................................................8
1.3.4 Interpretações..............................................................................................8
1.3.5 Média aritmética (x)....................................................................................9
1.3.6 Mediana (x)................................................................................................10
2 Conclusão:................................................................................................................13
3 Referências bibliográficas........................................................................................14
2 Introdução:
As medidas de localização são utilizadas na estatística para resumir e descrever
anposição central de um conjunto de dados. Elas nos ajudam a entender onde os dados
estão concentrados e são essenciais para interpretar a distribuição dos dados. Além
dessas medidas, existem outras menos comuns, como percentis, quartis e desci, que
dividem os dados em partes específicas, fornecendo informações detalhadas sobre a
posição dos dados em relação ao todo.

As medidas de localização são fundamentais para resumir e interpretar conjuntos de

dados, proporcionando uma visão geral da distribuição dos dados e ajudando na tomada
de decisões com base em dados.

2.1 Objectivos
2.1.1 Objectivo Geral
 Estudar. Medidas de localização.

2.1.2 Objectivos específicos

 Identificar as medidas de localização.

 Descrever cada tipo de medidas de localização.

 Compreender a importância de medidas de localização.

4
Em estatística, medidas de localização são utilizadas para descrever a posição central de
um conjunto de dados. Elas são úteis para resumir e compreender a distribuição dos
dados. As medidas de localização mais comuns são a média, a mediana e a moda.

A média é a soma de todos os valores dividida pelo número total de observações. Ela é
sensível a valores extremos, o que pode distorcer a interpretação da posição central dos
dados.

A mediana é o valor que separa a metade superior da metade inferior de um conjunto

de dados ordenados. Ela não é afectada por valores extremos e, portanto, é uma medida
de localização mais robusta em relação a esses valores.

A moda é o valor que ocorre com maior frequência em um conjunto de dados. Um

conjunto de dados pode não ter moda, ter uma única moda (unimodal) ou ter várias
modas (multimodal).

Outras medidas de localização menos comuns incluem percentis, quartis e decis. Essas
medidas também fornecem informações sobre a posição dos dados em relação ao todo,
mas de uma maneira mais específica, como os valores que dividem os dados em quartos
(quartis) ou em centésimos (percentis)

2.2 As medidas de localizaçã o sã o fundamentais em estatística por diversas

razõ es
 Resumo dos dados: Elas fornecem um resumo útil e conciso de um conjunto de
dados, permitindo que se compreenda a posição central dos dados sem a
necessidade de examinar cada valor individualmente.
 Comparação de grupos: Permitem comparar facilmente diferentes grupos de
dados, ajudando a identificar diferenças ou semelhanças em suas distribuições.
 Tomada de decisão: São úteis na tomada de decisões, pois ajudam a identificar
tendências e padrões nos dados, fornecendo informações sobre onde a maioria
dos dados está concentrada.
 Estimativas de parâmetros: Muitas vezes, as medidas de localização são
usadas como estimativas para parâmetros populacionais em inferência
estatística, como a média populacional.
 Interpretação de resultados: Ao analisar os resultados de um estudo ou
experimento, as medidas de localização ajudam a resumir e interpretar as
descobertas de forma mais clara e significativa.
 Detecção de outliers: Permitem identificar valores extremos (outliers) que
podem distorcer a análise estatística, especialmente a média.

Em resumo, as medidas de localização são essenciais na análise estatística, pois

fornecem insights importantes sobre a distribuição dos dados, facilitando a interpretação
e a tomada de decisões com base nas informações dispon.

5
2.3 Medidas de tendência central: moda, média e mediana
Existem várias formas de caracterizar um conjunto de dados. As formas mais simples
estatisticamente falando, são as medidas de tendência central: moda, média e mediana.

É possível que você já tenha escutado esses nomes por aí, mas vamos definir e aprender
a calcular cada uma delas.

Para ficar mais fácil de assimilar, durante todo esse poste, nós vamos usar o seguinte
conjunto de dados:

2, 5, 7, 5, 8, 10, 9

2.3.1 Moda
A moda, é o valor em que a frequência dos seus dados é maior. Então para encontrar a
moda desse conjunto poderíamos fazer uma tabela de frequência e ver qual é o número
mais frequente:

Números Frequência
2 1
5 2
7 1
8 1
9 1
10 1
Tabela de frequências

Dessa forma, sabemos que a moda desse conjunto seria o cinco, porque o cinco é o
número mais frequente.

2.3.2 Média
A média, é o resultado da soma de todos os valores dividido pela quantidade de
entradas do nosso conjunto de dados, ou seja, se somarmos todos os nossos valores e
dividirmos pela quantidade teremos a média.

2+ 5+7+5+ 8+ 10+9 46
Media = = =6.57
7 7

Cálculo da média

6
2.3.3 Mediana
Já mediana, é o valor que divide o nosso conjunto de dados em duas metades. Para
encontrar nossa mediana precisamos primeiro ordenar nossos dados:

2, 5, 5, 7, 8, 9, 10

Conjunto de dados ordenados e a mediana em vermelho

Como nosso dataset tem uma quantidade ímpar de números, a mediana será o valor 7.
Caso nosso dataset tivesse uma quantidade par de entradas, a mediana seria a média dos
dois valores mais ao centro:

2, 5, 5, 7, 8, 9

Conjunto de dados com quantidade par

5+ 7
mediana= =6.5
2

Cálculo da mediana para o conjunto de dados com quantidade par

Então, é importante lembrar de conferir a quantidade de entradas para calcular a

mediana.

2.3.4 Interpretaçõ es
Como a moda é definida por frequência, nem todos os valores dos nossos dados vão
afectá-la, por exemplo, se a gente pegar amostras da nossa população/nossos dados, a
moda ser arbitrária, ou seja, ela pode variar muito de uma amostra pra outra. Além
disso, quando a gente leva em consideração o histograma de uma amostra, a moda irá
variar dependendo do seu bin size.

Por outro lado, a gente tem a média, que é muito afectada por cada valor presente no
nosso conjunto de dados, então, se nós tivermos outliers no nosso conjunto de dados, a
média vai ser “puxada” para o valor do outlier. Por exemplo, se no
nosso dataset original nós colocássemos uma entrada com valor igual a 100, esse novo
valor iria fazer a média aumentar bruscamente, no entanto a mediana não sofreria
tamanha alteração:

Conjunto de dados Media Mediana

2, 5, 5, 7, 8, 9, 10 6.5 7

2, 5, 5, 7, 8, 9, 10, 100 18.25 7.5

7
Então se a gente tem um valor que é muito influenciado pelo nosso conjunto de dados
(média) e um outro valor que é pouco influenciado (moda), eles não são muito bons
certos? E aí que a mediana entra, como ela define o meio do nosso dataset, ela é
uma medida robusta em relação os nossos dados, ou seja, outliers não vão influenciar a
mediana.

A robustez, é uma característica importante da mediana já que quando a gente tem um

conjunto de dados que tem muitos outliers a mediana, por desconsiderar valores que
“fora do normal”, se torna uma medida mais interessante do que a média.

Por mais que seja divertido pegar a calculadora e fazer essas continhas na mão, pode se
tornar inviável quando nosso dataset é muito grande então, vamos ver como encontrar
as medidas de tendência central com ajuda de ferramentas no próximo
post: “Calculando as medidas de tendência central com Python, R ou Excel”.

2.3.5 Média aritmética (x)

Para a aprendizagem deste tópico, siga o exemplo seguinte:

Exemplo

Suponha que durante a quadra festiva (última semana do ano e primeira Semana do
novo ano), uma loja de prendas tenha registado os seguintes valores (em mil meticais)
na venda dos seus produtos:

9, 5, 8, 7, 10, 5 8, 5, 8, 5, 10, 8, 11, 9, 6

Qual é neste caso o valor médio (média aritmética) das vendas da loja no referido
período?

9 ,5+ 8+7+10 , 5+8+5+ 8 ,5+ 10+11+9+ 6

x¿ =8,375
12

Como facilmente pode concluir, a média aritmética determina-se somando todos os

valores observados e dividindo esta soma pelo número total de observações

Σx , Σx , f ,
x= ou x=
n n

Uma vez que, por exemplo, no caso da observação 8, 8 + 8 + 8 = 8× 3, onde 3 é a sua

frequência absoluta.

8
Quando os dados se apresentam agrupados em classes de igual amplitude, a
determinação da média aritmética passa primeiro pela determinação de um valor que
possa a caracterizar cada uma das classes - O ponto médio da classe ( x, ).

A seguinte actividade, que deverá ser feita em 10 minutos, ajuda--lhe na determinação

da média aritmética para dados agrupados.

Densidade do solo (g / f Ponto médio da classe ( x ) X, f

cm3)

1,00 - 1,10 5 1,05

1,10 - 1,20 7

1,20 - 1,30 8

1,30 - 1,40 4

1,40 - 1,50 2

Total 26 ₋

Tabela 9: Densidade do solo de 30 amostras.

Determine a média dividindo o total de x, f por 26.

O ponto médio representa o valor no meio do intervalo da classe. Também pode ser
obtido fazendo a média dos dois limites, isto é,

1, 00+1 , 10
=1.05.
2

A média é obtida dividindo por n a soma do produto x, f.

2.3.6 Mediana (x)

Quando os dados são dispostos por ordem de tamanho, torna-se possível localizar a
mediana, o ponto central da distribuição. Por isso, a mediana é encarada como uma
medida de tendência central que separa o conjunto de dados em duas partes
aproximadamente iguais, com aproximadamente 50% dos dados.

Retomando o problema discutido na introdução da média, e dispondo os dados em

ordem crescente segue:

6 7 8 8 8 8,5 9 9,5 10 10,5 11

9
No centro da distribuição dos dados das vendas aparecem dois valores. Portanto a
mediana será a média desses dois valores:

8+8 , 5
x= =8 , 25
2

5, 6, 7, 8, 8, 8 8,25 8,5, 9, 9,5, 10, 10, 5, 11

50% Dos dados Mediana 50% dos dados

Observe que neste caso, em que temos 12 observações a mediana resulta da soma dos
dados nas posições 6 e 7.

Preencha a seguinte tabela, sobre a posição dos valores a somar para determinar a
mediana, no caso em que temos um número par de observações: (Não leve mais de 10
minutos).

Tamanho da amostra (n) Posição dos dados a

somar obter mediana

12 6o e 7o

10 ___ e ___

16 ___ e ___

20 ___ e ___

100 ___ e ___

112 ___ e ___

5012 ___ e ___

n ___ e ___

Tabela 10: Determinação da posição dos valores a somar para determinação da

mediana.

Caso n-par.

Procure valores hipotéticos para os primeiros 4 casos. Coloque os valores em ordem

crescente e verifique a posição daqueles que estão no centro. Procure uma regularidade

10
e prove se essa regra pode ser usada para esses casos. Por último, aplique a regra para os
outros casos em que o tamanho da amostra é maior.

Conclui-se portanto, para casos em que n é par que a mediana é obtida colocando os
dados em ordem crescente e achando a média dos dados centrais; cujas posições são:

11
3 Conclusão:

As medidas de localização desempenham um papel fundamental na análise estatística,

proporcionando insights valiosos sobre a distribuição e a tendência central de conjuntos
de dados. A média, mediana e moda são as medidas mais comuns, cada uma com suas
próprias vantagens e limitações. Enquanto a média é sensível a valores extremos, a
mediana é mais robusta nesse aspecto, tornando-se uma escolha preferencial em
distribuições assimétricas. Por outro lado, a moda destaca o valor mais frequente, sendo
útil em conjuntos de dados discretos.

Ao compreender e aplicar correctamente essas medidas, os pesquisadores podem

resumir efectivamente conjuntos de dados complexos, identificar padrões e tomar
decisões fundamentadas com base em evidências estatísticas. Portanto, as medidas de
localização são ferramentas essenciais na caixa de ferramentas de qualquer analista de
dados ou pesquisador, permitindo uma análise mais aprofundada e uma compreensão
mais completa dos dados.

12
4 Referências bibliográficas
Smith, J. (2020). Measures of Central Tendency in Statistics. In: Statistics for
Beginners. Publisher X. pp. 50-65.

Lopes, H. M. (2018). Estatística Básica. São Paulo: Editora Atlas.

ANDERSON, D. R; Estatística aplicada à Administração e economia; São Paulo

Thomson leaning; 2003

− CORREIRA, Adelaide Et al. Cálculo da probabilidade. Bobadela. Editora Instituto

Piaget, 2002.

− GUIMARÃES E CABRAL. Estatística. Amadora. Mc graw Hill, 1997.

− HOGG e TANIS. Probability and Statical Inference. New Jersey. Prantice Hall, 2001

− LEVIN, Jack at al; Estatística para ciências Humanas, São Paulo 9ª edição, Editora
Pearson, , 2004.

13