É frequente haver vantagem

em determinar valores
numéricos que possam
“representar” a diversidade
dos valores que constituem
uma distribuição com uma
variável quantitativa,
dando, por si só, uma
indicação sugestiva da
ordem de grandeza
daqueles valores.

É este o papel
desempenhado pelas
medidas de localização que
vamos estudar a seguir: a
moda, a média e a mediana.
 Retomando o exemplo (1) 14.2 15.0 15.6 15.0 12.8
anterior: 13.2 14.2 15.6 16.0 15.0
Classificações obtidas por uma 13.9 14.2 14.2 15.0 14.2
turma de 24 alunos num
13.9 13.9 13.2 13.2 16.0
trabalho de matemática:
15.6 16.0 16.0 13.2
Variável Frequência
i Classificações Absoluta xini - Qual é a moda na distribuição
xi (ni) das classificações dos alunos?

1 12.8 1 12.8 - Qual é a classificação média?

2 13.2 4 52.8
- Escreve os valores das
3 13.9 3 41.7
classificações por
4 14.2 5 71 ordem
5 15.0 4 60 crescente e indica as
6 15.6 3 46.8 classificações
7 16.0 4 64 que ocupam o lugar
central nessa
N =  ni = N =  xini =
24 lista (neste exemplo, o número de
349.1
Ao valor mais frequente de uma distribuição estatística
chama-se moda, representa-se por Mo.

A média aritmética ( x ) de uma população ou amostra é o

quociente da soma de todos os dados pelo número
desses dados, ou seja, pela dimensão da população ou da
amostra.
Assim, x  x 2  x3 ... x N
x 1 N

A fórmula anterior pode assumir outro aspecto, mais

simplificado, se recorrermos aos valores das frequências
absolutas de cada um dos k valores diferentes de xi:
k

x n  x n  x n ... x  xn i i

i 1
x  n1 1 2 2
N
3 3 k k
 N
A mediana ( x ) é uma outra medida de localização, que
se caracteriza por transmitir informação sobre o valor
que ocupa o lugar central da distribuição, quando se
consideram todos os dados ordenados por ordem
crescente.

Para N ímpar:
x1 x2 … xN
xN-1
xp …
N1 N1
2 valores  2 valores
mediana
Para N par: x

x1 x2 … xN
xp+1 xN-1
… 
N
2 valores
xp media N
2 valores xp x
na x
p 1
2
x
12.8
Dados em bruto Os mesmos dados
13.2
ordenados por ordem em tabela (com
13.2
crescente frequência
13.2
absoluta
13.2
acumulada)
13.9
13.9
12 dados
13.9 Ni
14.2 i xi ni (frequência
absoluta
14.2
acumulada)
14.2
14.2 x12 13 14,2  14,2 1 12.8 1 1
x 2  2
14.2
2 13.2 4 5
15.0  14,2
15.0 3 13.9 3 8
15.0 4 14.2 5 13
 x13
x12
15.0
x 2
5 15.0 4 17
15.6
12 dados 14,2 
15.6 6 15.6 3 20  2
15.6
14,2

7 16.0 4 24
16.0 14,2
16.0
16.0
Mas …, claro, temos também a calculadora para fazer isto!
16.0
12.8
13.2
13.2
6 dados Diagrama de
13.2
13.2 extremos e quartis
13.9
Q 1  x 6  x 7  13,9  13,9
13.9 2 2
16,0
13.9  13,9 x24

14.2 Q3 15,6
6 dados
14.2
14.2
14.2
x  Q 2  x12  x13  14,2  14,2
14.2
15.0 2  14,2 2 x 14,2

15.0 Q1 13,9
6 dados
15.0
15.0
 x19
15.6
Q 3  x18 15,6  15,6
2  2 x1 12,8
15.6
15.6  15,6
16.0 Classificações
6 dados
16.0
16.0
16.0
Tal como acontece para a mediana, também existem fórmulas para localizar os
quartis. Essas fórmulas são diferentes para n par ou n ímpar.

n par n ímpar

Localização Quartil Localização Quartil

k
n2
(*) Q1  xk n1 Q1  xk
k (*)
4 4
n
k xk  n1 Q 2  x  xk
Q x k
2 x k1 2
2
2
n1
3n  2 Q 3  xk k3 (*) Q 3  xk
k (*)
4 4
(*) Quando estas fórmulas não conduzem a números inteiros, calcula-se a média
aritmética dos valores que ocupam as posições dadas pelos números inteiros mais
próximos do valor obtido.
Por exemplo, se n = 17, vem:
Q1 17  x x
k
1 4
 4,5 então Q1  4 2 5
 x14
Q k3
17  1
 13,5 então Q3  x13
4 2
3
1º Trabalho 2º Trabalho
12.8 10.0
13.2 11.0
13.2 11.2 Comparação de amostras
13.2 11.5
13.2 12.0
x24
13.9 12.0
Q1 19
13.9 12.0
13.9 12.3
Q3 17
14.2 12.3
14.2 12.3
x24 16
14.2 12.5 Q3 15,6
14.2 12.5
x
14.2 13.5
x 14,2
15.0 15.0 Q1 13,9

15.0 16.0
15.0 16.3
x1 12,8 x 13

15.0 16.5 Q1 12

15.6 17.0
Q3
15.6 17.0
15.6 17.0 x1 10
16.0 18.0
1º Trabalho 2º Trabalho
16.0 18.0
16.0 19.0
16.0 19.0
 Retomando o exemplo (2) anterior:
Estaturas de 80 estudantes do 12º ano

Marca de classe
Classes ni Ni xini Classe Modal:
(xi)

[1,65 ; 1,70[ 6 6 1,675 10,05 [ 1,75 ; 1,80[

[ 1,70 ; 1,75[ 12 18 1,725 20,70
Classe Mediana:
[ 1,75 ; 1,80[ 30 48 1,775 53,25

70
[ 1,75 ; 1,80[
[ 1,80 ; 1,85[ 22 1,825 40,15

[ 1,85 ; 1,90[ 8 78 1,875 15,00 Média aritmética:

[ 1,90 ; 1,95[ 2 80 1,925 3,85
143 1,7
6 6 x  80
N   ni  80 x i  143 9
i 1 n
 Polígono de frequências relativas
acumuladas

100

80
75%

60
Fi (%)

50%
40

25%
20

0 Q1 x Q3
1,65 1,70 1,75 1,80 1,90 1,95
1,85 Alturas (em cm)

Q1 x Q3
1,65 1,95
Depois de estudadas as medidas de localização , podemos
reter algumas dassuas características mais
marcantescaso que
orientar, a caso,
nosquanto
podem
à adequação e utilidade do uso de cada
uma delas.

A moda é adequada para caracterizar situações em que sejam visados

os “casos mais usuais”.
 Por exemplo, um fabricante de calçado pode estar interessado em
saber as medidas de sapatos que mais se vendem.
 Em linguagem corrente pode dizer-se que escolhera moda é
equivalente a dizer que “ganha a maioria”, como acontece, por exemplo,
nas eleições presidenciais.
 Há ainda outras situações em que a escolha é também feita pela moda, mas
impõe-se que ela atinja determinada frequência. É o que acontece, por
exemplo, no nosso país, para que seja viável a Revisão Constitucional: à
moda, tem de corresponder uma frequência igual a, pelo menos, 2/3 do
número de deputados eleitos.
 É importante ter-se a noção de que a escolha da média, da
moda ou da mediana de uma distribuição depende da
natureza do problema em estudo.

A mediana tem vantagens: é mais fácil de calcular do que a

média e é pouco sensível aos valores extremos discrepantes.

A média depende, ao contrário da mediana e da moda, na

totalidade dos valores da distribuição. Tem, no entanto, o
inconveniente de ser particularmente sensível aos valores
extremos, quando discrepantes, pelo que, nestes casos, é
necessário muito cuidado na sua interpretação (veja-se:
 Mas se média tem este inconveniente, qual a razão de
ser tão utilizada?

Para além de ser uma medida estatística muito simples de

calcular, acontece que, em certo tipo de distribuição que
surge com muita frequência e tem grande importância – a
distribuição normal – a melhor medida de localização é a
média. Por outro lado, se pretendermos conhecer a
quantidade correspondente ao total de dados, basta
multiplicarmos a média pela dimensão da população ou da
amostra.

Diz-se, no entanto, que a mediana é uma medida mais

resistente.
MªJ Costa – Casa das Ciências