INSTITUTO SUPERIOR DE CIÊNCIAS DE EDUCAÇAO

PÓS-GRADUAÇÃO EM GESTÃO DE INSTITUIÇÕES

EDUCATIVAS

Métodos Matemáticos e Estatísticos

Aplicados à Investigação Educativa

Docente: Ester N. Cassinela Numa

O sucesso em um curso de Estatística
“

normalmente requer mais senso comum do

que habilidade matemática.”

(Triola 2008, p.9)

 AULA Nº 1
• Breve apresentação;

• Considerações gerais;

• Apresentação do programa do módulo em

referência;

• Capítulo 1: Conceitos básicos da Estatística.

Apresentação do programa
do módulo
 DADOS GERAIS
• Mestrado em: Ciências de Educação

• Cadeira: Métodos Matemáticos e Estatísticos

Aplicada à Investigação Científica

• Duração: 25 horas presenciais

• Número total de aulas: 5

• Conferências: 10h

• Prática: 15h
 FUNDAMENTAÇÃO

• É imprescídivel a aplicação da Matemática e da Estatística nas

Investigações Educativas, pela importância que acarreta, além
das ferramentas que mesma oferece para o estudo de
qualquer fenomeno social, económico e educativo de forma
global.

• Basta olhar para a sua aplicação prática que segunda Costa

Venâncio (2008), actualmente estendeu-se em todo ramo do
saber e em toda a esfera da vida do homem desde: a
Agricultara, Educação, Saúde, Índustria, Agronomia,
Engenharia, Ciências Politicas, Informática, Biologia,
Mecânica, Física, Electrónica, Medicina, entre outras.
 FUNDAMENTAÇÃO
• A Os métodos Estatísticos constituem uma grande ferramenta
para o trabalho investigativo, poís contribui para a organização,
tabulação e processamento de informações de forma científica e
eficiênte e com o auxilio das tecnologias essas informações são
compiladas e processadas em tempo recor, tendo em conta a
redução de tempo e de custos financeiros.

• Ao nível da educação especificamente, permite a melhoria da

qualidade do processo Pedagógico, organizacionais e facilita ao
acesso as TICs.
• Nesta perspectiva, este módulo pretende preparar os estudantes
com ferramentas teórico-práticas por formas a que consigam
responder satisfatoriamente as exigências da sociedade em geral
e muito particularmente do sector da Educação.
OBJETIVO GERAL DO MÓDULO

• Aplicar os métodos Matemáticos e

Estatísticos nas Investigações Educativas
desenvolvendo competências metodológicas
e científicas dos estudantes para a resolução
de problemas.
 METODOLOGIA DE ENSINO

•Durante o desenvolvimento das aulas, aplicar-

se-à os métodos de: conferências, e trabalhos
práticos em grupo e individuais.

•As temáticas serão desenvolvidas em aulas

teórico-práticas e práticas.
 SISTEMA DE HABILIDADES
• Definir

• Caracterizar

• Classificar

• Representar

• Determinar

• Calcular

• Processar

• Compilar. 
 AVALIAÇÃO

•A avaliação será feita mediante uma prova

escrita e um trabalho individual, em que o
estudante deverá demonstrar domínio dos
conteúdos e habilidades em função dos
objectivos propostos.
UNIDADES TEMÁTICAS
 BIBLIOGRAFIA
• Bicudo, M. A. V. G. Garnica, A. V. M. (2001). Filosofia da educação
matemática. Belo Horizonte: Autêntica.
• Costa, J. V. (2008). Manual de apoio de Estatística Aplicada. Editora:
Centro de Ensino a Distância da Universidade Agostinho Neto. Luanda,
Angola.
• Cassinela, E. N. (2018). Modelo Didactico para el proceso de
ensenanza-aprendizaje del la Estadistica Descriptiva. Editora: Públicia.
Hbo-Angola.
• Numa, E. N. C. (2021). Probabilidade e Estatística-Conceitos
Elementares. Editora P. Rojo. Espanha.
• D’ambrósio, U. (1999). Educação para uma sociedade em transição.
Campinas: Papirus.
• Demo, P. (1997). Educar pela pesquisa. Campinas: Autores Associados.
• Freire, P.; Shor, I. (1986). Medo e ousadia: cotidiano do professor. Rio
de Janeiro: Paz e Terra.
• Ferreira, D. Furtado. (2009). Estatística Básica. Editora: UFLA. 2ª ed.
Brasil.
 BIBLIOGRAFIA
• Florentini, D. (2003). Formação de professores de matemática:
explorando novos caminhos com outros olhares. Campinas: Mercado
das letras. Brasil.
• Farber, Larson. (2010). Estatística Aplicada. 4ª ed. Editora: Mirana S.
Lupinetti e Renata Gonçalves. S. Paulo, Brasil.
• Gmurman, V. E. (1977). Teoria das probabilidades e Estatística
Matemática. Editora: Moscou
• Murteira, J. b. Ferreira. (1999). Probabilidades e Estatística. Vol. 1.
Portugal.
• Morales, E. Egaña. (2010). La Estadística. Herramientas
Fundamentales en la Investigación pedagógica. Editora: Pueblo y
educación. La Habana, Cuba.
• Oliveira, Marc Silvaelo, at al. (2009). Introdução a Estatística. Editora:
UFLA. Brasil.
• Ponte, J. P.; Brocardo, J.; Oliveira, H. (2003). Investigações
matemáticas na sala de aula. Belo Horizonte: Autêntica.
• www.gennera.com.br/gestão-escolar. Consultado em 12-04-19
Capítulo 1: Conceitos Básicos de
Estatística
 Capítulo 1: Conceitos Básicos

1.1- Breve informação histórica da Estatística

1.2- Definição da Estatística
1.3- Divisão da Estatística
1.4- Acepção da palavra Estatística
1.5- População ou Universo
1.6- Amostra
1.7- Unidade Estatística
1.8- Variáveis ou características
1.9- Escala de medição
1.10- Fases do método estatístico
1.11- Campos de aplicação da Estatística
1.12- Utilidade da Estatística
 BREVE INFORMAÇÃO HISTÓRICA DA ESTATÍSTICA
• A Estatística como ciência não é nova, ao considerarmos
que ela existe desde o começo da civilização, embora ter
sido mais oculta nos primórdios do que na actualidade.

• Anteriormente, contar, enumerar e recensear sempre foi

uma preocupação permanente em todas as culturas. Em
civilizações como a antiga Grécia, Roma, Egipto, Israel,
Índia, Japão, China, etc, o estado tinha a necessidade de
conhecer a sua população tanto a nível económico como
a nível social.
 BREVE INFORMAÇÃO HISTÓRICA DA ESTATÍSTICA
• Desde a Antiguidade, uma preocupação dos governantes foi
conhecer com razoável rigor a dimensão e composição das
populações que dirigiam, o valor das terras sob o seu
domínio, os rendimentos que estas produziam, as receitas
em impostos que podiam auferir, etc.

• Não esqueçamos que Jesus Cristo nasceu num estábulo,

porque Maria e José tiveram de se deslocar de Nazaré a
Belém, terra natal de José, pois segundo Mateus, o
imperador Octávio Augusto ordenou o recenseamento de
todos os habitantes do mundo romano, tendo estes que se
alistar nas respetivas cidades.
 BREVE INFORMAÇÃO HISTÓRICA DA ESTATÍSTICA
 O estudo mais avançado sobre como exprimir todas as
componentes naturais, sociais e políticas de um Estado em
números foi iniciado por William Petty (1623-1687), na Grã-
Bretanha, com o nome de Aritmética Política (Political
Arithmetic).
 Segundo ele, esta abordagem permitiria obter uma base sólida
para tomar decisões sobre os assuntos de Estado evitando
controvérsias políticas.
 O trabalho de Petty foi muito influenciado pelas ideias de John
Graunt que publicou, em 1662, o livro “Observações naturais e
políticas sobre as tabelas de mortalidade de Londres” e que, por
isso, é hoje considerado um dos fundadores da Demografia.
 BREVE INFORMAÇÃO HISTÓRICA DA ESTATÍSTICA
• Desde os finais do século XIX que a Estatística começou também
a ser utilizada como uma ferramenta importante na gestão
industrial e dos serviços.

• Walter Shewhart, físico, engenheiro e estatístico americano, é

conhecido como o pai do Controlo Estatístico de Qualidade.

• No século XX, as contribuições mais notáveis à Estatística

Matemática deveram-se aos estatísticos ingleses: Studant, R.
Fisher, E. Pearson e norte americanos: J. Neyman, A. Wald,
assim como aos matemáticos suvieticos V. Romanovsky, E.
Slutsky, A. Kolmogorov e V. Smirnov
 BREVE INFORMAÇÃO HISTÓRICA DA ESTATÍSTICA
• O estudo das variáveis e conceitos económicos, como procura, oferta,
preços, quantidades produzidas, rendimento, custos, etc. desde cedo
utilizou Matemática e Estatística.

• Hoje em dia a Estatística é importante em muitos aspetos da gestão

empresarial como, por exemplo, a gestão de carteiras de investimentos
financeiros ou a gestão de risco.
• A Estatística está a transformar a Gestão de Marketing, através do
Marketing Analítico e Relacional ou CRM (Customer Relationship
Management) em que os métodos estatísticos e técnicas de bases de
dados permitem uma gestão de clientes mais eficiente e bem-sucedida.

• Pode-se dizer, sem risco de exagero, que a Estatística é a mais social

das ciências exactas
 1.2-DEFINIÇÃO DE ESTATÍSTICA

Segundo Solar, J.(2008), a Estatística é uma

ciência ramo da Matemática cujo objecto de
estudo é a recolha, tratamento, apresentação,
análise, interpretação e disseminação de dados
que permitem o conhecimento da característica e a
estrutura dos fenómenos colectivos para a
utilização na tomada de decisão.
1.3-DIVISÃO DA ESTATÍSTICA

Estatística Descritiva ou Dedutiva – É a parte da

Estatística que trata da organização, sumarização e
descrição de um conjunto de dados mas sem tirar
conclusões ou inferências.

(Costa, V. 2007)
• Estatística indutiva ou inferencial – É a
parte da Estatística que trata dos métodos
que tornam possível a estimação de
características de uma população ou
amostra baseada nos resultados obtidos
através de estudos.
(Costa, 2007)
 Estatística

Descritiva
(sintetiza)
Inferencial
(avalia)
Distribuição de
frequências,medidas de
tendência central, de Provas de
dispersão, correlação e Hipótese
assimetria
Estimação
1.4- ACEPÕES DA PALAVRA ESTATÍSTICA
 Estatísticas (plural) – Emprega-se para designar
dados numéricos que traduzem um dado fenómeno
económico ou social (refere-se à informação
estatística).
 Exemplo: Estatísticas dos novos funcionários
públicos, as estatísticas dos gestores de instituições
educativas, as estatisticas do número de jovens fora
do sistema educativo.
 Estatística (singular) – emprega-se para designar a
técnica usada para o estudo quantitativo dos
fenómenos colectivos. Representa a Estatística
como ciência.
 1.5- POPULAÇÃO OU UNIVERSO
Conjunto de elementos com caraterísticas
comuns. O termo população refere a: pessoas,
animais, plantas e objectos.
Exemplos:
•Todos os Gestores de Instituíções Educativas do
Hbo
•Todos as Galinhas da Aldeia Nova do kuanza
Sul
•As árvores de Eucalipto da floresta de Sacahala-
Hbo
•As carteiras do Anfiteatro B do ISCED-Hbo.
 TIPO DE POPULAÇÃO
Finitas ou real- Existência de número real, possuem número finito de elementos.
Exemplos: Os funcionários do ISCED-Huambo.

Infinitas ou conceituais- São aquelas sem existência real, mas concepção bem definida.

Exemplos: as estrelas dos céu, a area do mar.

 1.6- AMOSTRA
• É um sub-conjunto da populção, ou seja parte
da população dela extraída para determinados
fins.
• Exemplos:
• ½ Dos Gestores de Instituíções Educativas do
Hbo
• 50% Das Galinhas da Aldeia Nova do Kuanza
Sul
• 100 Árvores de Eucalipto da floresta de
Sacahala-Hbo
• ¼ Carteiras do Anfiteatro B do ISCED-Hbo.
 1.7- UNIDADE ESTATÍSTICA
• Quando se estuda um elemento da população
de forma individual.

Exemplos:
• 1 Gestor de Instituíção Educativa do Hbo
• 1 Galinha da Aldeia Nova do Kuanza Sul
• 1 Árvore de Eucalipto da floresta de Sacahala-
Hbo
• 1 Carteira do Anfiteatro B do ISCED-Hbo.
ELEMENTOS DE INVESTIGAÇÃO ( ILUSTRAÇÃO)

Amostra Unidade
População
estatística
 1.8- VARIÁVEL OU CARACTERÍSTICA

Variável: é a característica que vai ser observada,

medida ou contada nos elementos da população ou da
amostra e que pode variar, ou seja, assumir um valor
diferente de elemento para elemento.

Não basta identificar a variável a ser trabalhada, é

necessário fazer distinção entre os tipos de variáveis.
(Jacinto, 2008)
CLASSIFICAÇÃO DA VARIÁVEL ESTATística
 CLASSIFICAÇÃO DA VARIÁVEL ESTATÍSTICA

• Variáveis qualitativas, são variáveis que não são

mensuráveis isto é não podem ser expressas através de
números.
Exemplo: A raça dos humanos, o estado civil das
pessoas, o cheiro, o sentimento das pessoas, o sexo,
entre outros.
• Variáveis quantitativas, são variáveis que se podem
contar e mensurar.
Exemplo: o peso, a altura de um individuo, os salários, as
idades das pessoas, as notas dos estudantes, entre
outros.
 CLASSIFICAÇÃO DA VARIÁVEL QUALITATIVA
• Variável qualitativa nominal: é uma variável que
assume como possíveis valores, atributos ou
qualidades e estes não apresentam uma ordem natural
de ocorrência.
Exemplo: fontes de informação utilizadas pelos alunos do
curso de Biologia na disciplina Estatística: livros,
televisão, revista, internet, jornal.

• Variável qualitativa ordinal: é uma variável que

assume como possíveis valores atributos ou qualidades
e estes apresentam uma ordem natural de ocorrência.
Exemplo: Classificação do desempenho do gestor de
uma instituição pública: Muito bom, bom, regular e mau.
CLASSIFICAÇÃO DA VARIÁVEL QUANTITATIVA
 EXEMPLO 1- PESQUISA SOBRE O TURISMO
ESTATÍSTICA APLICADA

Variáveis qualitativas: Estado Cívil e Escolaridade.

Variáveis quantitativas: Idade, salário mensal
e número de Viagens

Tipos de Dados e Tabela de Frequências – Aula 2

 1.9- ESCALA DE MEDIÇÃO
• Escala nominal
Se refere a classificação da variável em duas ou mais
categorías entre as quais não se pode estabelecer
ordem ou hierarquia;
Classificam-se em dicotómicas (duas categorías) ou
politómicas (três ou mais categorías); os códigos
numéricos correspondentes às categorías não podem
ser operados aritméticamente, somente se pode
identificar a moda.
Exemplo: Sexo, estado cívil, profissão, entre outos.
 1.9- ESCALA DE MEDIÇÃO (CONT…)
• Escala ordinal
Consiste na classificação da variável em várias categorías,
mas de maneira tal que seja possivél estabelecer um
ordenamento ou hierarquia entre elas.
Não se pode realizar operações aritméticas entre os
códigos correspondentes mas se podem estabelecer
comparações.
Ex: nível de escolaridade, nível socioeconómico,
organigrama de uma instituição, subsistemas de
educação e ensino, entre outros.
1.9- ESCALA DE MEDIÇÃO (CONT…)
• Escala de intervalo
Consiste na classificação da variável em categorías, entre
elas existe uma ordem ou hierarquia, e a distância entre
categorías é a mesma em toda a escala; pode aparecer
em ela o zero mais este não é absoluto; é dizer, o zero
não significa ausência total da propiedade da variável
que se mede; em este nível se pode operar
aritmeticamente com os valores da escala.
Exemplo: a temperatura média em graus celsius, a altura
dos atletas…
 1.9- ESCALA DE MEDIÇÃO (CONT…)

• Escala de razões ou proporções

Neste nível se cumprem as propriedades do nível de
medição por intervalos, mas o zero é absoluto e se
podem establecer relações proporcionais; é dizer, a
escala contém um ponto onde não existe a propriedade
da variável que se está medindo.

Exemplo: a estatura de um grupo de estudantes, peso das

crianças de uma escola primária, o salário mensal etc.
.
 1.10- FASES DO MÉTODO ESTATÍSTICO
 Identificação do objecto de investigação/ problema;

 Planificação;

 Recolha de dados;

 Tratamento dos dados;

 Apresentação dos dados;

 Analise e interpretação dos dados;

 Disseminação dos dados.

1.10- FASES DO MÉTODO ESTATÍSTICO (CONT...)

1º- DEFINIÇÃO DO OBJECTO DE ESTUDO: Saber

exatamente aquilo que se pretende pesquisar é o
mesmo que definir corretamente o problema.

2º - PLANIFICAÇÃO : Como levantar informações ?

Que dados deverão ser obtidos ?
Qual levantamento a ser utilizado? Censitário? Por
amostragem?
Qual cronograma de atividades ?
Os custos envolvidos ?
1.10-FASES DO MÉTODO ESTATÍSTICO (CONT...)

3º - RECOLHA DE DADOS: fase operacional. É o

registo sistemático de dados, com um objectivo
determinado.

Dados primários: quando são publicados pela

própria pessoa ou organização que os haja recolhido.
Ex: tabelas do censo populacional “INE”...

Dados secundários: quando são publicados por

outra organização. Ex: quando determinado jornal
publica estatísticas referêntes ao censo populacional
extraídas do INE.
OBS: É mais seguro trabalhar com fontes primárias. O
uso da fonte secundária traz o grande risco de erros
de transcrição.
 RECOLHA QUANTO AO TEMPO

Contínua Periódica Ocasional

Censo
Registos de populacional Registo de
nascimentos, eleições casos de febre
óbitos, Resultado amarela,
casamentos, acadêmico dengue,
presença do dos cólera…
funcionário na estudantes
instituição... Número de
efectivos de
uma inst…
 4º - TRATAMENTO DOS DADOS

 Resumo dos dados através de sua contagem e

agrupamento.

 É a condensação e tabulação de dados, isto para

se evitar certos erros incorrígiveis.

 Crítica ou laboração dos dados.

 5º - APRESENTAÇÃO DOS DADOS

Os dados podem ser apresentados através de tabelas e

graficos. Exemplo.

Forma tabular Forma gráfica

Nº de
Categorias
estudantes
Bem 14
Regular 8
Excelente 12
Mau 2
Total 36
 6º ANÁLISE
ESTATÍSTICA APLICADA E INTERPRETAÇÃO DOS DADOS

• O objetivo último da • Assim, realizadas as 4

Estatística é tirar fases anteriores
conclusões sobre o todo (Estatística Descritiva),
(população) a partir de faz-se uma análise dos
informações fornecidas resultados obtidos através
por parte representativa dos métodos da Estatística
do todo (amostra). Com Indutiva ou Inferencial, e
a finalidade de tiramos desses resultados
descrever o fenómeno
conclusões e previsões. Daí
(Estatística descritiva).
para disseminação.
Tipos de Dados e Tabela de Frequências – Aula 2
1.11- CAMPOS DE APLICAÇÃO DA ESTATÍSTICA

• A Estatística desempenha um papel crescente e

importante em quase todas as esferas da
actividade humana. Lidando anteriormente apenas
com os negócios do estado, donde é proveniente o
seu nome, a influência da Estatística estendeu-se
nos últimos tempos a Agricultura, Biologia,
Comercio, Química, Comunicações, Economia,
Educação, Electrónica, Medicina, Física,
Ciências Politicas, Psicologia, Sociologia e
outros numerosos campos da ciência.
 1.12- UTILIDADE DA ESTATÍSTICA
• Seja quais forem as capacidades intelectuais do homem
este tem limitações nas suas capacidades mentais.

• Para suprir tais limitacões inventou-se dispositivos

como o radar, o microscópio, o raio X, o computador,
etc. O mesmo acontece com os fenómenos colectivos,
seja quais forem as suas capacidades intelectuais o
homem não consegue observar de forma conveniente
um fenómeno colectivo razão pela qual é forçado a
recorrer a um instrumento de observação.
 1.12- UTILIDADE DA ESTATÍSTICA (CONT...)

• A Estatística representa o instrumento

adequado para a observação dos fenómenos
surgidos em massa.
 Capítulo 2: Técnica de amostragem

2.1- Definição

2.2-Características desejáveis de uma amostra

2.3- Técnicas de amostragem

2.4- Cálculo do tamanho da amostra quando a

população é finita
 2.1- DEFINIÇÃO

Técnica de amostragem é o modelo matemático que

descreve a selecção utilizada e que é escolhido para
quantificar a confiabilidade e a precisão dos resultados
dos instrumentos de recolha de dados (Bárcenas,
2013). Esta técnica permite obter o tamanho da amostra
assim como o procedimento para a selecção da mesma.
•A amostragem é utilizada para estimar os valores na
população a partir de uma amostra. Sempre que se
trabalha com uma amostra tem-se um erro de
estimação (previsão), quanto maior for o tamanho da
amostra, menor será o erro, quanto menor for o
tamanho da amostra, maior será o erro.
 2.2- Caraterísticas desejaveis de uma amostra
 Capacidade de generalizar estimativas da amostra
para toda a população;

 Capacidade de medir a precisão das estimativas;

 Menor erro amostral possível, dado o custo, tempo

e restrições operacionais;

 Equiprobabilidade de selecção dos indivíduos.

2.2- Caraterísticas desejaveis de uma amostra
 2.3- TÉCNICA DE AMOSTRAGEM

É o processo de selecção que dá uma

equiprobabilidade de selecção a cada uma das
unidades que figuram na população.

Assim, se N for o tamanho da população, a

probabilidade de cada elemento a ser seleccionado
será 1/N.

Existem duas técnicas essenciais para a obtenção da

amostra: a probabilística e a não probabilística
 AMOSTRAGEM PROBABILÍSTICA
• É o método de amostragem de selecção aleatória
que utiliza a Estatística, para seleccionar
aleatoriamente um pequeno grupo que dará uma
visão geral das características do universo.

• O importante neste tipo de amostragem é que todos

os elementos da população tenham a mesma
probabilidade de aparecerem na amostra, e oferece
melhor oportunidade para criação de uma amostra
representativa da população.
 AMOSTRAGEM PROBABILÍSTICA

• É um método bastante eficaz, confere precisão ao

processo de amostragem.

• A amostragem probabilística pode ser classificadas

em: aleatória simples, sistemática e estratificada.
 AMOSTRAGEM PROBABILÍSTICA
• A amostragem aleatória simples, implica igual probabilidade de
seleccionar qualquer unidade que figura na população. Utiliza-se
preferentemente em populações homogêneas e quando se
conhecem todos os elementos que conformam a população.

• Obtêm-se os dados mediante um sorteio, uma tabela de

números aleatórios, uma série de números aleatórios gerados
numa planilha de cálculo ou utilizando um programa estatístico.

• Exemplo: no lançamento de um dado, a aparição de uma face

par constitui uma amostragem aleatória.
AMOSTRAGEM ALEATÓRIA SISTEMÁTICA

É uma técnica  que consiste em escolher um

indivíduo inicialmente de forma aleatória entre a
população e, posteriormente, seleccionar para
amostra cada enésimo indivíduo disponível no
marco amostral.

É considerado um processo muito simples e que só

requer a seleção de um indivíduo aleatório, além de
ser rápido e simples. Os resultados obtidos são
representativos da população.
AMOSTRAGEM ALEATÓRIA SISTEMÁTICA
AMOSTRAGEM PROBABILÍSTICA ESTRATIFICADA
É utilizada preferencialmente em populações heterogéneas. Divide-se
a população em estratos que se supõem homogéneos, com respeito a
algumas características importantes para o que se deseja investigar, e
se procura que na amostra esteja representado cada estrato na
proporção que lhe corresponda.

Amostragem estractificada proporcional: consiste em dividir a

população em subgrupos (estratos) que denotem uma
homogeneidade maior que a homogeneidade da população toda, sob
a análise de variáveis de estudo.

Uma amostra estratificada proporcional garante que cada elemento da

população tenha a mesma propabilidade para ser incluído na amostra.
 EXEMPLO 1
• Uma população constituída por estudantes de uma certa
Universidade se reparte em: 500 fazendo o
doutoramento; 1000 fazendo o mestrado e 1500 fazendo
a licenciatura, totalizando 3000 estudantes. Seleccione
uma amostra de 1167 estudantes a partir do critério
estratificado proporcional
Tabela nº 2- Amostragem estractificada proporcional

Nível de Nº de % Amostra
estudo estudantes
Doutoramen 500 16,7 84
to
Mestrado 1000 33,3 333
Licenciatura 1500 50 750

Total 3000 100 1167

 Exemplo: Com base aos dados da tabela nº2, seleccione uma
amostra de 500 estudantes a partir do critério estratificado uniforme.

Tabela nº 3- Amostragem estractificada uniforme

Nível de Nº de Amostra por

estudo estudantes estratos (20%)
Doutoramento 500 100

Mestrado 1000 200

Licenciatura 1500 300

Total 3000 500

 AMOSTRAGEM NÃO PROBABILÍSTICA

• É aquela em que a escolha da amostra não segue um modelo

aleatório, há uma escolha deliberada dos elementos da
amostra. Não é possível generalizar o resultado das
pesquisas para a população, pois as amostras não
probabilísticas não garantem a representatividade da
população.

• Além disso, não existe controle estatístico de representação

do universo pesquisado em sua amostra.

• Este método não garante o cálculo da margem de erro.

 AMOSTRAGEM NÃO PROBABILÍSTICA

• De modo geral, a amostragem não probabilística ocorre quando

as probabilidades de conhecimento e selecção de sua amostra
são desconhecidas, e não existe uma base para o cálculo do
universo e erro amostral.

Existem diversos modelos dentro deste método:

• Conveniência;
• Quota;
• Proporcional;
• Acidental;
• Intencional entre outros.
 AMOSTRAGEM INTENCIONAL

• De acordo com determinados critérios, é escolhido

intencionalmente um grupo de elementos que irão
compor a amostra. O investigador se dirige
intencionalmente a grupos de elementos dos quais
deseja saber a opinião.

• Exemplo: em uma pesquisa sobre concepções da

Matemática, o pesquisador para a busca de informações
se dirige intencionalmente aos seus estudantes para
entrevistá-los.
 AMOSTRAGEM ACIDENTAL
• Trata-se de uma amostra formada por aqueles elementos
que vão aparecendo e que são possíveis de se obter até
completar o número de elementos da amostra.

• Geralmente é utilizada em pesquisas de opinião, em que

os entrevistados são acidentalmente escolhidos.

• Exemplo: pesquisas de opinião em praças públicas, ruas

de grandes cidades, etc.
 EXEMPLO 1

Considerando que o existem 320 contabilístas na AGT da

Província do Huambo, seleccione uma amostra pelo critério
probabilístico aleatório simples.
CÁLCULO DO TAMANHO DA AMOSTRA COM BASE À
ESTIMATIVA DA PROPORÇÃO POPULACIONAL
LEGENDA
 EXEMPLO

• Um assistente social deseja saber o tamanho da amostra

(n) necessário para determinar a proporção da população
atendida por uma Unidade de Saúde, que pertence ao do
Município do Lobito.

Não foi feito um levantamento prévio da proporção amostral e,

portanto, seu valor é desconhecido. Ela quer ter 90% de
confiança que o seu erro máximo de estimativa (E) seja de
±5% (ou 0,05). Quantas pessoas necessitam ser
entrevistadas?
SOLUÇÃO
 Aula nº 2
Capítulo 2: A inferência estatística

Capítulo 3: Apresentação de dados

Capítulo 4: Distribuição de freqências

Capítulo 5: Medidas de localização

 Capítulo 2-Inferência Estatística
• A inferência significa, tirar conclusão a partir de dados;
Efectuar generalizações a partir de amostra; Processo de
decisão que permite estimar características populacionais a
partir de indivíduos amostrados da população.

• A inferência estatística utiliza os métodos estatísticos em

dados amostrais e tira conclusão sobre população de
interesse, descrevendo-a ou testando hipóteses.

• A inferência estatística é o processo de inferir caraterísticas da

uma população por meio da observação de uma amostra
(Zanetta D. M. T. (s/a)).
 INDUÇÃO E DEDUÇÃO
• Para a inferência estatística, utiliza a forma de raciocínio
chamado Inductivo, que tem como objectivo ampliar o
conhecimento, e parte do particular ao geral, partindo de uma
vivência ou experiência, extrapolar para o todo.

• Exemplo: analizar uma amostra de indivíduos com

dificuldades de aprendizagem, conclui-se que a qualidade de
formação na escola em referência é baixa.

• Enquanto que o racioncíno Deductivo, vai do geral ao

particular.
Inferência Estatística
Resultado da
amostra
Inferência

Resultado da população
 INDUÇÃO E DEDUÇÃO

População conhecida Amostra ?

Dedução Probabilidade

População? Amostra conhecida.

Indução Inferência
 Inferência Estatística
População Técnicas de Amostra
amostragem

Parâmetros Estimadores

Inferência
(Estimação)
 Estimadores

• População

• Amostra
 Técnica de amostragem
Esta técnica conduz ao erro, e se deve trabalhar com
o menor erro possível. Deve-se conhecer o erro e
controlá-lo e estar atendo a ele.

•Por isso, são estabelecidos dois processos

fundamentais: estemativa e teste de hipóteses
 Estatistica e tomada de decisão
• Teste de hipóteses

Ex: Existe uma estratégia de ensino e aprendizagem da Estatística no

ISCED-Huambo, estratégia A. Um investigador deseja elaborar uma
nova estratégia de ensino, estratégia B.

Assim o investigador tenciona saber, qual das estratégia é melhor

para o ensino e aprendizagem da Estatística no ISCED-Huambo.
Para tal, deve-se elaborar uma hipótese e formar dois grupos.

Um grupo lhes será aplicada a primeira estratégia e o segundo grupo

lhes será aplicada a segunda estratégia.
 Hipótese estatistica
• A estratégia A é tão eficiente para o ensino e aprendizagem
da Estatística quanto a estratégia B.

• A estratégia A é mais ficiente para o ensino e aprendizagem

da Estatística que a estratégia B.

• A estratégia A é menos eficiente para o ensino e

aprendizagem da Estatística que a estratégia B.

• A estratégia A não funciona como a estratégia B ensino e

aprendizagem da Estatística.
Testes de Hipótese
Testes de Hipótese
Decisão e erros- Testes de Hipótese
Nível de significância
 Capítulo 3: Apresentação de dados
3.1- Definição

3.2- Formas de apresentação de dados

3.2.1- Tabelas ou quadros estatísticos

3.2.2- Gráficos estatísticos

3.3- Distribuição de frequências

 3.1- DEFIFIÇÃO-APRESENTAÇÃO DE DADOS
“São mecanismos e meios através dos quais os dados estatísticos são
disponibilizados aos consumidores de forma sintética para tornar possível a
compreensão do fenómeno analisado” (Costa, 2008).

O sucesso na utilização de dados estatísticos depende em grande medida

do modo como estes são apresentados e podem ser utilizados

(Costa, V. 2007)
 3.2- FORMAS DE APRESENTAÇÃO DE DADOS

Tabular e gráfica
Tabela estatística: é a representação de um
fenómeno estatístico por meio de quadro.

 Gráfico estatístico: é a representação de um

fenómeno estatístico por meio de figuras
geométricas (pontos, linhas, rectângulos) cuja
dimensões são proporcionais a magnitude dos
dados apresentados. É um meio auxiliar de
exposição ou representação de dados
estatísticos.
(Costa, 2008)
 3.2.1-QUADROS OU TABELAS ESTATÍSTICAS
Os quadros devem apresentar 3 partes: O cabeçalho,
Corpo e Rodapé.
Cabeçalho tem a função de dar a informação sobre
os dados, em que consiste e a que se refere.

Corpo tem a função de representar as colunas e sub-

colunas dentro dos quais se apresentam os dados.
Rodapé tem a função de identificar a fonte dos dados
e não só, poderão ainda incluir-se quaisquer
observações pertinentes.
 TABELA OU QUADROS

• Simples ou de uma entrada

• De duas entradas ou de correlação

 Inquérito aplicado aos estudantes do C. P em G.
Educativa do ISCED-Hbo no ano lectivo 2019
Idade
•33; 39; 40; 30; 34; 37; 33; 36; 33; 28; 30; 36; 57; 42; 34;
33; 36; 46; 39; 30; 38; 48; 34; 32; 41, 42; 31; 36; 26; 36;
31; 47; 36; 31; 31; 29; 43; 31; 43; 32; 48; 30; 50; 37; 43;
29; 31; 36; 29; 39; 34; 28; 42; 34; 33.
Peso
•102; 90; 80; 84; 86; 75; 73; 78; 65; 62; 89; 62; 73; 57; 65;
84; 64; 70; 72; 61; 62; 61; 58; 68; 95; 82; 87; 72; 73; 95;
64; 60; 84; 50; 70; 72; 60; 83; 60; 98; 64; 59; 69; 70; 62;
64; 96; 78; 62; 74; 66.
 Inquérito aplicado aos estudantes do C. P em G.
Educativa do ISCED-Hbo no ano lectivo 2019

• Sexo
M; M; M; M;M; M; M; F; M; M; M; M; M; M; M; M; M; F; M;
M; M; M; M; M; F; M; M; M; M; M; M; M; M; M; F; M; M;
M; M; M; M; M; F; M; M; M; M; F; M; F; M; M, M; F; M

• Número de Filhos
1; 4; 8; 2; 5; 3; 5; 4; 1; 4; 1; 1; 4; 4; 6; 4; 3; 3; 3; 2; 4; 0; 5;
4; 2; 5; 0; 5; 4; 6; 3; 2; 6; 5; 2; 3; 6; 3; 0; 9; 5; 8; 2; 10; 2;
8; 3; 6; 2; 3; 4; 3; 1; 2; 3.
 Inquérito aplicado aos estudantes do C. P em G.
Educativa do ISCED-Hbo no ano lectivo 2019

• Função
Prof., Bancária, Sub. Director, Contabilista, Director, Prof.,
Director, Sub.Director; Sub.Director; Chef. de Secretaria,
Prof.; Prof., Sub.Director, Chef. de Repar. Director, Prof.,
Prof. Prof. Administrador, Administrativo, Prof., Prof.,
Director, Director, Reconhecedor, Director, Prof.,
Director, Director, Prof. Director; Prof. Director,
Sub.Director, Prof., Prof., Prof., Prof., Sub. Director; Sub.
Director, Sub. Director, Sub. Director, Director, Prof,
Prof, Sub. Director, Prof., Prof., Director, Prof., Prof.,
Téc. Estatística, Sub. Director, Prof.
 Inquérito aplicado aos estudantes do C. P em G.
Educativa do ISCED-Hbo no ano lectivo 2019

• Salário
245.500,00; 358.382,05; 238.000,00; 104.000,00; 270.760,13;
239.000,00; 235.000,00; 235.000,00; 375.000,00; 393.000,00;
235.000,00; 395.000,00; 393.00,00; 245.000,00; 50.000.00;
350.000,00; 270.00,00; 230.000,00; 309.000,00; 238.000,00;
228.000,00; 88.500,00; 229.000,00; 238.000,00; 248.000,00;
229.000.00; 214.000.00; 270.000,00; 250.000,00; 117.000,00;
229.000.00; 248.000,00; 239.000,00; 241.000,00; 316.000,00;
230.000,00; 280.000,00; 289.000,00; 238.000,00; 352.325,00;
337.000,10; 235.000,00; 229.000,00; 100.000,00; 238.458,00;
235.000,00; 264.354,50; 274.000,00; 240.000,00; 238.000,00;
150.000,00; 283.000,00.
Número de Filhos dos est. do C. P. G. em G.E.
do ISCED-Hbo-2019
N. de estudantes Número de filhos
1 10
1 9
3 0
3 8
5 1
5 6
7 5
9 2
10 4
11 3
Total  
Estudantes do C. P. G. em G.E. do ISCED-Hbo-2019
 EXEMPLO ( Duas entradas)

Tabela 2: Dados estatísticos dos docentes afectos ao DEI C. EX-2018

Corpo Nº  Grau Académico

Docente  
 
PhD. MSc. Lic.

Angolanos 13 4 1 8
Cubanos 12 2 9 1
Total 25 6 10
Relatório anual do DEI de Ciencias Exactas do ISCED-Hbo, 2018 9
 EXEMPLO (DUAS Correlacção)

Tabela 2: Dados estatísticos dos docentes afectos ao DEI C. EX-2018

Corpo Género Grau Académico

Docente    
 
M F PhD. MSc. Lic.

Angolanos 8 5 4 1 8
Cubanos 10 2 2 9 1
Total 18 7 6 10
Relatório anual do DEI de Ciencias Exactas do ISCED-Hbo, 2018 9
 3.2.2-GRAFICOS ESTATISTICOS
 Gráfico de líneas ou aritmético;

 Gráfico circular ou de sectores;

 Gráfico de barras;

 Histográma.
PRODUÇÃO DE LEITE EM REBANHO PERTENCENTE A
FAZENDA AJAX, SUL DE MINAS GERAIS, 2005

Marcelo S. O. e outros (2009). Introdução a Estatística. UFLA, Pg. 45 Brasíl.

Gráfico aritmético ou de linhas
Estudantes do C. P. G. em G.E. do ISCED-Hbo-2019
RESULTADOS DAS ELEIÇÕES GERAIS REALIZADAS EM
ANGOLA- 2017

https/www.angop.ao/angola. Consultado em 2 de Abril de 2019

RESULTADOS DAS ELEIÇÕES GERAIS REALIZADAS EM
ANGOLA- 2017

https/www.angop.ao/angola. Consultado em 2 de Abril de 2019

LISTA DOS PRODUTOS MAIS IMPORTADOS POR
ANGOLA DURANTE O III TRIMESTRE DE 2011

www.cnc-angola.com/.../article/9/CNC-Boletim-Estatístico-3-Trimestre.pdf. Consultado aos 3 de

Abril de 2019
 Capítulo 4- DISTRIBUIÇÃO DE FREQUÊNCIAS

• É um arranjo tabular dos dados por classes,

juntamente com as frequências
correspondentes.

Dados Brutos
São aqueles que ainda não foram
numericamente organizados.
 TABELA DE FREQUÊNCIA
Representa a distribuição da variável, isto é quais os
valores ou modalidades que assume e a frequência
com que assume esses valores.

Está conformada pela variável ou variáveis

(distribuição univariada ou multivariada), a frequência
absoluta, a frequência absoluta acumulada, a
frequência relativa e a frequência relativa acumulada.
 TIPOS DE FREQUÊNCIAS

• Frequência absoluta simples (Fi);

• Frequência relativa simples (fi);

• Frequência absoluta acumulada Fi/a(com);

• Frequência relativa acumulada fi/a(com).

 VARIÁVEL: AVALIAÇÃO FINAL

Vamos considerar que a variável “Avaliação final”

pode assumir os valores: “Aprovado (A)” e
“Reprovado (R)”. Assim temos a variável qualitativa
“Avaliação final” que assume dois valores A e R,
expressos numa escala nominal. Feita a recolha dos
dados obtiveram-se as seguintes observações: R-A-
A-A-A-A-R-A-A-A-R-A-A-A­-A-R-R-A-A-A.
 DISTRIBUIÇÃO DE FREQUÊNCIAS DA
VARIÁVEL “AVALIAÇÃO FINAL”

Os resultados reflectem que o aproveitamento foi

positivo, posto que a maioria absoluta da turma
(75%), ficou aprovada.
DISTRIBUIÇÃO DE DADOS AGRUPADOS

• Quando a variável é quantitativa e de modo

particular contínua, se pode fazer a
distribuição de frequências por dados
agrupados em intervalos numéricos.

• Se deve definir o rol, o número de classe,

intervalo e suas respectivas amplitudes.
Rol de frequência

• É um arranjo de dados numéricos brutos

em ordem crescente ou decrescente desta
grandeza.
DISTRIBUIÇÃO DE FREQUÊNCIA DE VARIÁVEIS CONTINUAS
AMPLITUDE
 EXEMPLO
Considerando a altura de vinte estudantes do ISCED-
Hbo.
150-165-140-155-145-165-146-157-149-154-154-164­
154-165-155-148-163-154-144-150.

Passos para a construção da tabela de fr. De V. C.

1º Organização dos dados (Rol);
2º Achar o valor de K;
3º Achar a amplitude dos intervalos
4º Achar os intervalos das classes.
5º Construir a distribuição de frequências
 EXEMPLO
Considerando a altura de vinte estudantes do ISCED-
Hbo.

150-165-140-155-145-165-146-157-149-154-154-164­
154-165-155-148-163-154-144-150.

a)Cronstruamos a tabela ou a distribuição de

frequências de variável discrete.

b)Cronstruamos a distribuição de frequências de

variável continua, apresentando todas as suas
frequências e o ponto médio.
 Altura de vinte estudantes do ISCED-Hbo
Altura (Xi) Fi (N. de Fa fi% fa (%)
Est.)
140 1 1 5 5
144 1 2 5 10
145 1 3 5 15
146 1 4 5 20
148 1 5 5 25
149 1 6 5 30
150 2 8 10 40
154 4 12 20 60
155 2 14 10 70
157 1 15 5 75
163 1 16 5 80
164 1 17 5 85
165 3 20 15 100
Total 20 _____ 100 ______
 Nota
 X- Representa a Variável

 Fi- Representa a frequência absoluta simples

 Fa/Fcom - Representa a frequência absoluta

acomulada

 fi- Representa a frequência relativa simples

 fa/fcom- Representa a frequência relativa acomulada.
 Análise dos dados expostos na tabela
 Foram entrevistados 20 estudantes do ISCED-Hbo,
onde procurou-se saber das suas alturas, verificou-se
que as alturas variavam de 140cm à 165cm.

 A altura predominante é de 154cm com 4 estudantes

que corresponde 20% do total, segue-se a altura de
165cm com 3 estudantes que correspondem 15 % do
total.
 Maior parte dos estudantes têm altura 163cm
prefazendo 15 com uma percentagem de 75%...
 b) Altura de vinte estudantes do ISCED-
Hbo
Altura (Xi) Fi (N. de Fa fi% fa (%)
Est.)
140-145 3 15 3 15

145-150 5 25 8 40

150-155 6 30 14 70

155-L+ 1 5 15 75

L---165 5 25 20 100

TOTAL 20 100 ______ ______

CAPÍTULO 5. MEDIDAS DE LOCALIZAÇÃO
• Localizam os valores das variáveis no eixo dos
números reais.

• Permitem representar um conjunto de dados

relativos à observação de um determinado
fenómeno colectivo de forma mais ressumida.
 MEDIDAS DE LOCALIZAÇÃO

• Medidas de tendência central: tendem a localizar-

se num ponto central dentro de um conjunto de
dados ordenados segundo as sua grandezas

• Medidas de tendência não central: permitem a

localização dos valores em termos gerais.
 MEDIDAS DE TENDÊNCIA CENTRAL
 Média Aritmática

 Média Harmónica

 Média Geométrica

 Média Quadrática

 Mediana e Moda
MEDIDAS DE LOCALIZAÇÃO – TENDÊNCIA CENTRAL

Média Aritmética

Corresponde ao somatório
de um conjunto de valores Média =
dividido pela quantidade
destes. n = número de valores

Média de um conjunto de
= valores amostrais.

Média de todos os valores de

 uma população.

Obs.:  A média nos dá uma ideia de onde os valores do

conjunto de dados tende a se concentrar.
 MEDIDAS TENDÊNCIA CENTRAL Média aritmética
Notação n

x1  x2  ...  xn x i
 x
x  i 1

n n n
Exemplo : Um estudante fez quatro provas e obteve as notas 16,
7, 14 e 12, a sua nota média é:

Interpretação do resultado: As notas do estudantes estão ao

redor de 12,25 pontos.
 MEDIDAS DE LOCALIZAÇÃO– TENDÊNCIA
CENTRAL
Média ponderada
Notação

x1, x2....xn são os valores que a variável toma

F1, F2....Fn são os pesos de cada valor da variável
MEDIDAS DE LOCALIZAÇÃO – TENDÊNCIA CENTRAL

Média ponderada
Exemplo: Dados os valores obtidos por 11 estudantes numa prova,
calcule a média ponderada: 9,11,9,12,11,11,14,14,12,14,14
MEDIDAS DE LOCALIZAÇÃO – TENDÊNCIA CENTRAL

Média ponderada
Cada elemento do conjunto pode ter importância diferente (peso).
Neste caso o cálculo da média deve levar em conta os pesos
desiguais de cada elemento.

Exemplo: O colégio definiu que as provas mensais teriam peso de 30% e

a prova final teria peso de 40% no cálculo dos rendimentos dos alunos.
Veja o quadro abaixo e calcule a média do aluno.
exame nota peso
Mês 1 80 0,30 0,3*80 + 0,3*90 + 0,4*96
Mês 2 90 0,30 xp  = 89,4
0,3 + 0,3 + 0,4
Final 96 0,40
 MEDIDAS DE LOCALIZAÇÃO– TENDÊNCIA CENTRAL
Média ponderada
Exemplo: Segundo o regulamento académico da ISCED-HbO média
final numa disciplina é calculada atendendo a um peso de 40% da média
aritmética das provas parcelares e 60% da nota obtida no exame. Com
base ao anterior, calcule a média final do estudante na disciplina de
EEstatística, cujas notas foram:
MEDIDAS DE LOCALIZAÇÃO– TENDÊNCIA CENTRAL
Mediana Me

A mediana de uma amostra de volume N, cujos dados foram

ordenados de forma ascendente ou descendente, é um
valor (único) que ocupa o próprio centro dos dados.
Portanto, divide o conjunto de dados em dois grupos iguais.

Para calcular a mediana em dados simples, se segue o

seguinte algoritmo:
1.Ordenar os dados de modo ascendente ou descendente;
MEDIDAS DE LOCALIZAÇÃO – TENDÊNCIA CENTRAL

Mediana ~
x

OBS: Esta medida só tem validade práctica quando

aplicada a variáveis em escala pelo menos ordinal.
 MEDIDAS DE LOCALIZAÇÃO– TENDÊNCIA CENTRAL
Exemplo:
Dado o conjunto de 11 dados, calcule a mediana:
3, 7, 5, 5, 1, 9, 15, 13, 17, 13, 17
n = 11 “ímpar”

Me

Posição do dado em Valor central = mediana

que se encontra a
mediana
1, 3, 5, 5, 7, 9, 11, 13, 13, 15, 17
Conjunto dados
ordenados
5 dados 5 dados
MEDIDAS DE LOCALIZAÇÃO – TENDÊNCIA CENTRAL Mediana

Exemplo: Dado o conjunto de notas de uma disciplina:

7,12,10,7,8,14,11,12. Calcule a mediana.

Ordenando:7,7,8,10,11,12,12,14 n = 8 “par”

Me

Valor da mediana Me = 10,5

7,7,8 10,11 12,12,14

Interpretação do resultado: 50% das notas são menores ou

iguais a 10,5 e 50% são valores maiores ou iguais a 10,5.
MEDIDAS DE LOCALIZAÇÃO– TENDÊNCIA CENTRAL

Média aritmética X Mediana

Salário dos funcionários de um restaurante

200  250  250  300  450  460  510
200, 250, 250, 300, 450, 460, 510 x  345,7
7
 A média de 345,7 sintetiza razoavelmente o conjunto de dados
(salários)
Salário dos funcionários incluindo o gerente
200 + 250 + 250 + 300 + 450 + 460 + 2300
200, 250, 250, 300, 450, 460, 2300 x = = 601,4
7
A média de 601,4 não sintetiza razoavelmente o conjunto de dados
 Nos dois casos a mediana é 300.
MEDIDAS DE LOCALIZAÇÃO – TENDÊNCIA CENTRAL

Moda - Mo

A Moda de um conjunto de valores é o valor que apresenta

maior freqüência em um conjunto de observações.
É o valor ou classe de maior frequência num conjunto de
dados.
- pode não existir (amodal)
- pode não ser única (unimodal); (2) bimodal,
3 oi mais (multimodal)
Exercício : Dado o conjunto de dados 10, 10, 11, 14, 15, 16, 17,
18, 18. Calcule a moda.
Neste caso, a moda é constituída de dois valores: Mo = 10 e 18
(duas vezes cada)
MEDIDAS DE POSIÇÃO – TENDÊNCIA CENTRAL
Exercício:
Inspecionaram-se quinze rádios antes da
remessa e os números de defeito por unidade
são apresentados no quadro abaixo:

Números de defeito por rádio

1 4 0 2 1
0 2 3 0 0
3 1 1 1 1

Encontre a média, a mediana e a moda do número de

defeitos.
Resposta: (média = 1,33) (mediana = 1) (moda =1).
 MEDIDAS DE POSIÇÃO – TENDÊNCIA CENTRAL
COMPARAÇÃO
medida definição Escala Existência Considera Afetada Vantagens e
todos pelos desvantagens
valores? valores
extremos
média Intervalo Existe Sim Sim Muito utilizada
x e de sempre em Estatística
x= n razões É afectada por
dados atípicos
mediana Valor Ao Existe Não Não Costuma ser
menos sempre boa escolha se
intermédio ordinal há valores
atípicos

moda valor mais Nominal, Pode não Não Não Apropriada para
freqüente ordinal, existir; dados ao nível
intervalo pode ter nominal
e razões mais de
uma moda
 MEDIDAS DE TENDÊNCIA NÃO CENTRAL

 Qartis

 Decis

 Percentis
MEDIDAS DE T. NÃO CENTRAL Quartis

Enquanto a mediana divide a série estatística em duas partes, o quartil 1

(Q1) divide os valores a esquerda da mediana em duas partes e o quartil 3
(Q3), divide os valores à direita da mediana em duas partes. Esta divisão
em conjunto com a mediana, dividem a série estatística em quatro partes,
cada uma delas com 25% das observações. Desta forma, o primeiro quartil
abarca 25% dos dados, o segundo 50% dos dados e o Q3 75% dos dados,
como se ilustra:

O Q1 é a mediana das observações que ficam para a esquerda da Mediana

O Q3 é a mediana das observações que ficam para a direita da Mediana

 QUARTIS

Exemplo:
Consideremos as notas de 9 estudantes numa prova

A partir dos resultados, se deduz que 25% dos estudantes

tem notas menores ou iguais a 8; 50% tem notas menores
ou iguais a 10 e 75% tem notal menores ou iguais a 12,5.
 CALCULAR O 1º QUARTIL
Classes (Xi) Fi Fa
6-9 12 12
9 – 12 16 28
12 – 15 9 37
15 – 18 11 48
18 - 21 13 61
Total 61 _______
DECIS
 Exemplo de cálculo do Decil

Classes (Xi) Fi Fa
6-9 12 12
9 – 12 16 28
12 – 15 9 37
15 – 18 11 48
18 - 21 13 61
Total 61 _______
 CALCULAR O 1º DECIL

Conclusão: das 61 pessoas entrevistadas, 10% têm idade

inferior ou igual a 8 anos e 90% têm idade superior a 8 anos.
 Exemplo de cálculo do Decil

Classes (Xi) Fi Fa
6-9 12 12
9 – 12 16 28
12 – 15 9 37
15 – 18 11 48
18 - 21 13 61
Total 61 _______
CALCULAR O 1º PERCENTIL
Aula 4- Relação dos Métodos Matemáticos
e Estatísticos com a Investigação
Educativa
Métodos Matemáticos e Estatísticos
 Metodologia científica

Metodologia científica é um conjunto de

abordagens técnicas e processos utilizados pela
ciência para formular e resolver problemas de
aquisição objectiva do conhecimento, de uma
maneira sistemática (Rodrigues 2007).

A pesquisa científica é a realização concreta de

uma investigação planejada, desenvolvida e
redigida de acordo com as normas da metodologia
científica.
Relação dos Métodos Matemáticos e Estatísticos com a
Investigação Educativa
Metodologia de
Investigação Educativa
Métodos Matemáticos Metodos para o alcance
e Estatísticos de objectuivos

 Recolha de dados
Métodos de obtenção e
 Tratamento de dados
utilização de
 Apresentação de dados-
informações para
auxiliar a tomada de Softweres matemáticos
e Estatísticos
decisões em uma
 Análise e interpretação
situação prática...
de dados
Marcelo e outros (2009).  Dessiminação de dados

Trabalhos de fim de
curso
 Relação dos Métodos Matemáticos e Estatísticos com a
Investigação Educativa
• Qualquer investigador, independentemente da sua área de
atuação, está preocupado em alcançar validade interna e externa
nos resultados obtidos. Para tal, é necessário uma eficaz aplicação
de métodos de investigação, como por exemplo os qualitativos e
os quantitativos.

• Os métodos de natureza quantitativa privilegiam modelos

matemáticos e estatísticos nas diversas etapas da investigação,
desde a recolha de dados até à disseminação.

• Os métodos de natureza qualitativa recorrem a técnicas tão

variadas como a semiótica, a hermenêutica, a observação e a
análise de artefactos.
 Relação dos Métodos Matemáticos e Estatísticos com
a Investigação Educativa

• A abordagem da investigação, não deixa de ser qualitativa

se por assessória usar dados numéricos e recorrer a
métodos matemáticos e estatísticos para a interpretação dos
seus resultados.

• A investigação qualitativa tende a responder às questões

iniciadas por “Como” ou “Por que” e não usar uma perspetiva
mais quantitativa como: “Quantos” ou “Com que frequência”.
Modalidade: pesquisa teorica, exploratória, descritiva...
Relação dos Métodos Matemáticos e Estatísticos com a
Investigação Educativa

• A pesquisa qualitativa é um método exploratório de

investigação, serve para investigar causas, emoções e
valores subjacentes, antes que uma hipótese seja
desenvolvida. O objetivo do estudo qualitativo é
descobrir e explicar por quê um fenômeno ou
comportamento ocorre.

• Além disso, os métodos destes dois tipos de pesquisa

concentram-se em realizar uma pesquisa e melhorar o
conhecimento sobre um tópico usando perguntas semi-
estruturadas e não estruturadas.
 Relação dos Métodos Matemáticos e Estatísticos com a
Investigação Educativa
• Por sua vez, a pesquisa quantitativa é um método de pesquisa
sistemática. São dados orientados na abordagem, projetados
para responder a uma questão de pesquisa específica.

• Estudos quantitativos coletam dados numéricos e estatísticos

para apoiar ou refutar hipóteses anteriormente mantidas.
Modadalidade aplicada.

Os métodos de pesquisa quantitativa concentram-se na produção

de resultados estatisticamente significativos que podem ser
usados ​para orientar o processo de tomada de decisão..
 Relação dos Métodos Matemáticos e Estatísticos com a
Investigação Educativa

•Os métodos de pesquisa quantitativa concentram-se

na produção de resultados estatisticos, significativos
que podem ser usados ​para orientar o processo de
tomada de decisão, além disso, ambos são
estruturados para tirar conclusões descritivas.

• Ademais, cada um continua sendo um recurso

bastante valioso para a ciência.
 Aula 5

Dimensões e indicadires
Aula 6- Aplicação do SPSS
“Números não mentem, mas mentirosos
manipulam números”.

(Benjamin Disraeli s/a)

MUITO OBRIGADO
MUCHAS GRACIAS