UNIDADE CURRICULAR: INTRODUÇÃO À ESTATÍSTICA APLICADA

CÓDIGO: 21068

DOCENTE: AMÍLCAR OLIVEIRA

A preencher pelo estudante

NOME: Carla Marisa Gomes da Silva Moroso de Sousa

N.º DE ESTUDANTE: 2001277

CURSO: Licenciatura em Gestão

DATA DE ENTREGA: 14.07.2021

Página 1 de 9
 RESOLUÇÃO:

1 a)
Ponto
Amplitude das
CLASSES Médio das Auxiliar Frequências Aboslutas Frequências Relativas MÉDIA
Classes
Classes
Dados Contínuos Xi Limite Limite
2 simples acumulada simples acumulada fi . Ci
Inferior Superior ai = Ls up -Li nf Ci Ci Ci .Fi
Fi cum Fi fi = Fi /n cum f i = ∑fi X
Li nf Ls up
0 0
[0;1[ 12 0 1 1 0,5 0,25 12 12 6 0,12 0,120 0,060
[1;2[ 15 1 2 1 1,5 2,25 15 27 22,5 0,15 0,270 0,225
[2;3[ 25 2 3 1 2,5 6,25 25 52 62,5 0,25 0,520 0,625
[3;4[ 28 3 4 1 3,5 12,25 28 80 98 0,28 0,800 0,980
[4;5[ 10 4 5 1 4,5 20,25 10 90 45 0,10 0,900 0,450
Mais de 5 10 5 6 1 5,5 30,25 10 100 55 0,10 1,000 0,550
Totais 100 n = ∑Fi 100 289 1,00 2,890

b) Determinamos, primeiro, os centros de classe, de forma a podermos calcular

a média para:

Para variáveis quantitativas contínuas, estando os dados estão agrupados em

classes, a média aritmética obtém-se pela expressão seguinte, onde 𝐶𝑖 são os
centros de cada classe (obtidos pela média dos seus limites inferior e superior
𝐶𝑖=(𝑙𝑖𝑛𝑓+𝑙𝑠𝑢𝑝)/2).

Página 2 de 9
Utilizando os dados da coluna 𝐶𝑖𝐹𝑖 introduzida na tabela da alínea anterior,
obtém-se a média 2,89.

Para calcular a mediana, é necessário determinar previamente qual a classe

onde ela se encontra. A classe que contém a frequência relativa acumulada 0,5
(ou a frequência absoluta acumulada 𝑁/2) é a classe onde se encontra a
mediana.

Inspecionando a tabela que também se completou na alínea a), somos levados

a concluir que 𝐹𝑎𝑐𝑢𝑚 𝑖 = 100/2 = 50 se encontra na classe [2,3[.
Uma vez determinada a classe que contém a mediana, obtém-se o seu valor
pela expressão

Onde 𝑙𝑖(𝑀𝑒) é o limite inferior da classe que contém a mediana, 𝑎(𝑀𝑒) é a

amplitude da classe que contém a mediana, 𝐹(𝑀𝑒) é a frequência absoluta
simples da classe que contém a mediana e 𝐹𝑎𝑐𝑢𝑚(𝑀𝑒−1) é a frequência
absoluta acumulada da classe anterior à classe que contém a mediana.

Aplicado à classe [2,3[ fica

Página 3 de 9
2. a )Verdadeiro

A amplitude interquartil é uma medida de dispersão dos 50% quartis de um

conjunto de dados, ou seja, é a distância entre o 3º quartil (Q3) e o primeiro
quartil (Q1).

Aq= Q3-Q1

Por outro lado, Q3 sendo o 3º quartil é o valor que deixa 75% dos elementos à
sua esquerda e 25% dos elementos à sua direita.

Q1 é o valor que deixa 25% dos elementos à sua esquerda e 75% dos elementos
à sua direita.

b) Uma curva de Lorenz pode construir-se sempre que a caraterística da

população em estudo, seja passível de se poder acumular.

c) O coeficiente de variação (Cv) é uma medida relativa de dispersão útil para a

compreensão em termos relativos ao grau de concentração em torno das
médias, de distribuição de frequências distintas. É dado pela relação, em termos
percentuais, entre o desvio-padrão e a média da distribuição

é falsa

3. Designemos por 𝑋 a variável independente, e por 𝑌 a variável dependente.

Assumindo uma relação linear entre as variáveis 𝑋 e 𝑌, a reta de regressão linear

obtida através do método dos mínimos quadrados tem a expressão, 𝑌𝑎=𝑎+𝑏𝑋,

Página 4 de 9
sendo 𝑌𝑎 o valor previsto (ajustado) da variável dependente, 𝑌, para cada valor
observado da variável independente, 𝑋.

Os coeficientes 𝑎 e 𝑏 são respetivamente, a ordenada na origem e o declive da

reta de regressão.

O método dos mínimos quadrados é uma técnica que permite obter os

coeficientes da reta de regressão através da minimização da soma do quadrado
das distâncias entre os valores observados da variável dependente e os valores
previstos pela reta.

A expressão dos coeficientes 𝑎 e 𝑏 é dada por:

onde Ȳ e são as médias aritméticas dos valores observados das respetivas

∑ 𝑌𝑖 ∑ 𝑋𝑖
variáveis, 𝑋 e 𝑌: Ȳ= e = com 𝑛=6.
𝑛 𝑛

Numa primeira fase, vamos proceder à construção de uma tabela (auxiliar) com
os valores necessários para o cálculo dos coeficientes 𝑎 e 𝑏 e que
posteriormente, será utilizada na resolução da alínea c).

Nº caso Xi Yi XiYi Xi2 Yi2

X1 0,10 98,00 10 0 9 604
X2 0,20 102,00 20 0 10 404
X3 1,30 125,00 163 2 15 625
X4 1,40 132,00 185 2 17 424
X5 0,60 115,00 69 0 13 225
X6 1,60 150,00 240 3 22 500
6 5,20 722,00 686,50 6,62 88 782

Assim, de acordo com os valores da tabela, temos:

6 x 686,50 = 4.119

Página 5 de 9
 5,20 x 722 = 3.754,40

6 x 6,62 = 39,72
5,20 x 5,20 = 27,04

Substituindo na expressão do declive. obtém-se:

As médias aritméticas, Ȳ e , são: Ȳ = ∑Yi/n = 722/6 = 120,3333333 e

= ∑Xi/n = 5,2/6 = 0,866666667

Assim, para a ordenada na origem, obtém-se:

O coeficiente 𝑏≈28,75 (declive da reta de regressão) representa a variação

esperada da variável dependente 𝑌 por cada unidade de variação da variável
independente 𝑋.

Página 6 de 9
b) O coeficiente de determinação, sendo o quadrado do coeficiente de
correlação, traduz a proporção da variação total de 𝑌 que é ”explicada” pela sua
relação com 𝑋.

Cálculo do Coeficiente de Determinação

1º Processo (Utilizando o Coeficiente de Correlação Linear de Pearson)

Numa primeira fase, é necessário calcular o Coeficiente de Correlação Linear de

Pearson.

Genericamente, dadas duas variáveis 𝑋 e 𝑌, quantitativas, o coeficiente de

correlação linear de Pearson entre 𝑋 e 𝑌 é calculado recorrendo à expressão:

O Coeficiente de Correlação Linear de Perason é tipicamente utilizado para

medir o grau de associação linear entre duas variáveis quantitativas.

Atendendo aos valores obtidos na tabela da alínea a) e substituindo os valores

adequados na expressão anterior, obtém-se:

Tendo em atenção o valor do coeficiente de correlação linear de Pearson obtido,

tem-se: 𝑅2=0,9586327932≈0,9189

2º Processo (Construção do Coeficiente de Determinação utilizando a

expressão para variáveis centradas):

Página 7 de 9
sendo 𝑦𝑖=𝑌𝑖−Ȳ e 𝑥𝑖=𝑋𝑖− as variáveis centradas a serem utilizadas na fórmula
anterior. “𝑏" representa o declive da reta de regressão já calculado na alínea a),
𝑏≈28,75.

Numa primeira fase, vamos proceder à construção de uma tabela com os valores
necessários para cálculo do referido coeficiente.

A interpretação do Coeficiente de Correlação varia entre -1 e 1 e como é

0,96 é uma correlação linear positiva forte.

Página 8 de 9
4 . O exercício é resolvido com recurso à definição da probabilidade da
união de dois acontecimentos:

Página 9 de 9