Vous êtes sur la page 1sur 70

Estatstica Descritiva

Professora conteudista: Marisa Rezende Bernardes

Sumrio
Estatstica Descritiva
Unidade I

1 ESTATSTICA DESCRITIVA .................................................................................................................................1


1.1 Introduo estatstica ........................................................................................................................1
1.2 Panorama histrico ................................................................................................................................2
1.3 Denies ...................................................................................................................................................4
1.4 Organizao e apresentao dos dados ...................................................................................... 17
1.4.1 Tabelas ......................................................................................................................................................... 17
1.4.2 Histogramas .............................................................................................................................................. 23
1.4.3 Polgonos de frequncia....................................................................................................................... 27

1.5 Medidas de posio ou tendncia central ................................................................................. 28


1.5.1 Mdia aritmtica (x) .............................................................................................................................. 29
1.5.2 Mediana ...................................................................................................................................................... 34
1.5.3 Moda ............................................................................................................................................................ 35

1.6 Medidas de disperso ......................................................................................................................... 37


1.6.1 Varincia e desvio padro ................................................................................................................... 37
1.6.2 Varincia e desvio padro para dados isolados ponderados................................................. 41
1.6.3 Varincia e desvio padro para dados agrupados em classes .............................................. 44
1.6.4 Medida de disperso relativa coeciente de variao (Cv)................................................. 48
Unidade II

2 PROBABILIDADE............................................................................................................................................... 67
2.1 Panorama histrico ............................................................................................................................. 67
2.2 Denies ................................................................................................................................................ 68
2.2.1 Experimentos aleatrios....................................................................................................................... 68
2.2.2 Espao amostral ...................................................................................................................................... 69
2.2.3 Evento.......................................................................................................................................................... 69
2.2.4 Probabilidade de um evento .............................................................................................................. 70
2.2.5 Propriedade da unio ............................................................................................................................ 75

2.3 Distribuies de probabilidades ...................................................................................................... 77


2.3.1 Distribuio binomial de probabilidades ....................................................................................... 77
2.3.2 Distribuio Poisson de probabilidades ......................................................................................... 81
2.3.3 Distribuio normal de probabilidades .......................................................................................... 83

ESTATSTICA DESCRITIVA

Unidade I

5
APRESENTAO

10

15

20

25

30

A primeira considerao a ser feita sobre este texto se refere


ao fato de ter sido elaborado para um curso de educao a
distncia. Esse um posicionamento importante, uma vez que
estabelece um ambiente de aprendizagem diferente daquele
utilizado pelo ensino presencial e, portanto, tem exigncias
diferenciadas. Essa modalidade de educao caracteriza-se
como uma prtica educativa que exige do estudante, mais
do que em outra modalidade, construir conhecimentos,
participar efetivamente de seu prprio crescimento. Esse
modelo implica, obviamente, em um processo de ensino
prprio, uma vez que modifica, ou mesmo suprime, o fsico
e o estrutural do ensino presencial. Assim, a funo docente
sofre um deslocamento, seu papel descentralizado e a forma
de ateno ao aluno est mais prxima do que se entende
por pesquisa em meios acadmicos. um novo formato de
ensino-aprendizagem na graduao, no qual os estudantes,
assim como aqueles que se iniciam em pesquisas acadmicas,
devem aprender a estudar sozinhos, buscar informaes
com base em indicaes do docente responsvel pelo curso
(orientador) e ser capazes de fazer inferncias na produo
do seu conhecimento.
1 ESTATSTICA DESCRITIVA
1.1 Introduo estatstica

35

Para a realizao de pesquisas so necessrios alguns


conceitos estatsticos bsicos, que sero apresentados no

Unidade I
decorrer deste texto. Mas inicialmente apresentaremos
alguns esclarecimentos sobre a importncia da estatstica nas
prosses.
Qual a denio de estatstica?
Qual a sua utilidade na minha vida prossional?
Em que situaes ela pode e deve ser aplicada?
Por que importante estudar estatstica?
1.2 Panorama histrico

As cincias tm suas origens na prpria histria do homem.


A estatstica, que uma parte da matemtica aplicada, teve
origem semelhante matemtica, cuja raiz est associada
s contagens de carter prtico e utilitrio. Na Antiguidade,
muitos povos j registravam o nmero de habitantes, de
nascimentos, de bitos, faziam estimativas das riquezas
individuais e sociais, cobravam taxas de impostos e realizavam
inquritos quantitativos por tcnicas que, atualmente, so
chamadas de estatsticas.
Na Idade Mdia coletavam-se informaes, normalmente
com nalidades tributrias. A partir do sculo XVI, as anlises
sistemticas de fatos sociais, como nascimentos, batizados,
casamentos e funerais, originaram as primeiras tbuas e tabelas
e os primeiros nmeros relativos. Mas foi no sculo XVIII que
o estudo de fatos como esses foram adquirindo caractersticas
verdadeiramente cientcas. A nova cincia (ou mtodo)
foi denominada Estatstica por Godofredo Achenwall, que
relacionou o seu objetivo com o das cincias. Dessa forma,
as tabelas foram complementadas e surgiram outras formas
de representao, como grcos e clculos de probabilidades,
permitindo assim que a estatstica proporcionasse concluses
sobre uma populao (universo) a partir de uma amostra (parte
desse universo).

ESTATSTICA DESCRITIVA
Atualmente o pblico leigo posiciona-se de duas formas
opostas quanto validade das concluses estatsticas: ou
cr que so infalveis ou arma que elas no provam nada.
Na verdade, as duas formas de pensar esto erradas. Os que
pensam de forma extrema no conhecem os objetivos, o campo
e as exigncias do mtodo estatstico; ignoram as limitaes
da estatstica, sejam tericas ou prticas, ou a conhecem de
forma apenas supercial.
Exemplos de aplicaes da estatstica
A classe C consumiu 41,35% do total de bens e servios
nas reas urbanas em 2010, aponta pesquisa do DataFolha
Popular. As classes A e B, juntas, consumiram 42,9%. O
estudo mostra o crescimento ocorrido no consumo da
chamada nova classe mdia: em 2002 ela era responsvel
por 25,8% do total de compras de bens e servios. J as
classes A e B, em 2002, participavam de 58,1% do mercado
consumidor.1
Este exemplo mostra a importncia da estatstica,
quando auxilia na percepo das modicaes ocorridas
no cotidiano das pessoas. Os dados fornecidos mostram
ao leitor o desaparecimento da classe B ou, se preferir, o
surgimento de uma nova classe social. Exemplos como
esse muitas vezes esto em nosso cotidiano, mas sem as
ferramentas adequadas no temos a percepo clara dos
fatos.
Com base nas estatsticas do Departamento de Polcia
Rodoviria Federal (DPRF), o nmero de acidentes em
rodovias federais apresentou, entre 2004 e 2009, uma
elevao de 41,7%, atingindo o quantitativo de 159,4 mil
em 2009.
1

Fonte: Folha de Londrina, Caderno de Economia, edio 24 dez. 2010.

Unidade I
Como voc pode perceber, essa uma estatstica
importante: ela pode servir de alerta aos nossos governantes
quanto necessidade de se analisar as leis de trnsito, o
estado geral das rodovias ou, at mesmo, se a scalizao
nas estradas tem sido feita a contento.
Segundo o F/Nazca, entre os brasileiros com mais
de 12 anos, 54% costuma acessar a internet (81,3
milhes de pessoas). O principal local de acesso so
as lan houses (31%), seguidas da prpria casa (27%) e
das casas de parentes e amigos com 25% (abril/2010).
O Brasil o 5 pas com o maior nmero de conexes
internet.2
Os exemplos mencionados acima se referem a um
levantamento de dados acerca de algum assunto ou tema.
1.3 Denies

Algumas variveis, como grau de escolaridade, gnero


(masculino, feminino) ou estado civil, so atributos ou qualidades
do indivduo pesquisado. Portanto, so chamadas de variveis
ou dados qualitativos. Por outro lado, renda, nmero de carros,
nmero de lhos e idade so resultantes de uma mensurao
ou contagem, sendo dessa maneira chamados de variveis
quantitativas ou dados quantitativos.
Aps a coleta de dados, os mesmos devem passar por um
processo de organizao para que possam ser analisados.
Dados brutos so os dados coletados inicialmente na
pesquisa e que ainda no passaram por nenhum processo
de organizao.
Disponvel em: < http://www.fnazca.com.br/index.php/2010/
11/29/brasil-tem-813-milhoes-de-internautas-em-acao/>. Acesso em:
18 dez. 2011.
2

Dados so informaes obtidas a


partir de pesquisas sobre determinado
tema, nas quais se efetuou contagens,
observaes ou medidas.

ESTATSTICA DESCRITIVA
Rol refere-se aos dados brutos j organizados em ordem
crescente ou decrescente de valor.
A organizao desses dados pode ser feita com a utilizao
de um simples rol (lista de dados) ou de tabelas ou grcos.
Exemplos:
Rol
25, 25, 28, 29, 30, 31, 32, 33, 35, 35, 37, 38, 39, 40, 41, 43,
45, 47, 48, 49, 49, 49, 50, 50, 50, 50, 51, 51, 52, 53, 54, 55, 55,
56, 56, 57
Os dados foram listados em ordem crescente, sem
nenhuma organizao maior, como, por exemplo, acusar
dados que se repetem, como o caso dos nmeros 25, 55
etc.
Tabela
Pesos (kg) de alunos da academia de ginstica X:
Pesos

Frequncia
de alunos

50| ------55

55| ------60

10

60| ------65

18

65| ------70

22

70| ------75

17

Observe que neste caso houve um agrupamento dos dados


por intervalos. Desta forma, os dados repetidos aparecem na
coluna de frequncias. Esse tipo de organizao dos dados,
como ser visto posteriormente, de grande utilidade nos
clculos estatsticos.

Unidade I
Grco

40
30
20
10
0

Rio de Janeiro

So Paulo

Estados Unidos

Mortes cometidas por policiais ...


Mortes cometidas por policiais ...
Fonte: imagem obtida blog Estado (2009)3

Os grcos normalmente so mais acessveis ao pblico


leigo, uma vez que apresentam as informaes normalmente de
forma mais imediata.
A palavra estatstica derivada da palavra status, que signica
estado, o que justicado em razo dos dados estatsticos
estarem associados aos censos realizados na antiga Babilnia,
no Egito e no Imprio Romano. poca, o objetivo principal
desses levantamentos era prover o Estado de informaes sobre
a populao, como, por exemplo, nascimentos e mortes.
No entanto, nos dias atuais a estatstica no se limita a
levantamento de dados, clculos de mdias e apresentao de
dados em tabelas e grcos.
De que maneira a estatstica pode ser denida ento?
Estatstica um conjunto de mtodos e processos
quantitativos que visam a estudar e a medir fenmenos
coletivos. Esses mtodos so utilizados para a coleta,
classicao, apresentao, anlise e interpretao de dados
quantitativos, possibilitando assim concluses e decises
pautadas e validadas por esses dados.
Disponvel em: <http://blogs.estadao.com.br/crimes-no-brasil/2
009/12/>. Acesso em: 09 jan. 2011.
3

ESTATSTICA DESCRITIVA
O estudo da estatstica divide-se em duas classicaes
principais, a estatstica descritiva e a estatstica inferencial.
Estatstica descritiva a parte da estatstica que tem
por objetivo a coleta, descrio e apresentao dos dados
observados, porm sem tirar concluses mais genricas
(tabelas e grcos).
Estatstica inferencial a parte da estatstica que tem
por objetivo tirar concluses a respeito da populao, a
partir da amostra utilizada.
Precisamos saber ento o que populao e amostra para o
clculo estatstico!
Conjunto de dados
Em um conjunto de dados podemos denir dois tipos
distintos de conjuntos: populao e amostra.
Levando-se em considerao que na maioria dos
levantamentos de dados impossvel ou impraticvel (o custo
torna proibitivo, por exemplo) o tratamento de todos os dados
da populao, retira-se uma amostra. Nesse caso, admite-se
que a amostra tenha sido escolhida conforme alguma tcnica
de amostragem.
Populao: a totalidade dos indivduos (pessoas,
animais ou objetos) com atributos comuns, sobre a qual
se faz alguma inferncia recebe o nome de populao ou
universo. Ou seja, o conjunto de todos os resultados que
podem ser encontrados.
Amostra uma parcela dessa populao, utilizada para
fazer a pesquisa e destacada segundo normas apropriadas.
Importante: como as concluses relativas populao sero
baseadas nos resultados encontrados nas amostras escolhidas,

Unidade I
necessrio garantir que a amostra seja representativa da
populao. Ou seja, esse conjunto de dados deve possuir as
mesmas caractersticas bsicas da populao, no que diz respeito
ao que vai ser pesquisado.
Amostra
(parte)

Populao
(todo)

Inferncia
estatstica

x1

x2

x3 ...

xn

Exemplos de identicao de conjunto de dados, amostra e


populao:
1 Em um levantamento recente, perguntou-se a 3002 adultos
nos EUA se eles liam notcias na internet pelo menos uma
vez por semana. Seiscentos adultos responderam que sim.
Identique a populao e a amostra. Descreva o conjunto
de dados (Fonte: Pew Research Center).4
Soluo: a populao neste caso corresponde s respostas
de todos os adultos dos EUA, enquanto a amostra consiste
na resposta dos 3.002 adultos dos EUA envolvidos no
levantamento.
O conjunto de dados consiste nas 600 respostas positivas
(sim) e em 2402 respostas negativas.
Observe: a amostra um subconjunto das respostas de todos
os adultos dos EUA.
4

Disponvel em: <http://people-press.org/>. Acesso em: 09 jan. 2011.

ESTATSTICA DESCRITIVA
2 Uma pesquisa foi feita para se obter informaes sobre
as massas corporais de 12.000 crianas. Para tanto, foram
selecionadas dessa populao apenas 100 crianas.
Soluo: tamanho da populao 12.000 e o tamanho da
amostra 100.
A seguir vamos denir dois termos importantes que sero
utilizados em todo o curso: parmetro e estatstica.
Parmetro uma descrio numrica estabelecida para
toda uma populao.
Estatstica uma caracterstica numrica estabelecida
para uma amostra.
Exemplos de distino entre parmetro e estatstica:
Para os exemplos abaixo analise se o valor numrico descreve
um parmetro populacional ou uma estatstica amostral.
Justique.
1 Foi feito um levantamento envolvendo 100 indivduos,
residentes no bairro X em So Paulo, do sexo masculino,
com menos de 40 anos, que j foram internados com
problemas cardiovasculares em um hospital X.
Soluo: uma vez que a medida numrica 100 refere-se a
um subconjunto de So Paulo, ela uma estatstica amostral.
2 Em uma pesquisa aleatria sobre condies de higiene
das lanchonetes de certo shopping, vericou-se que 23%
no estavam dentro das condies bsicas de saneamento
estabelecidas pela lei.

O termo pesquisa aleatria, neste


caso, signica que a escolha das
lanchonetes foi feita ao acaso.

Soluo: como a medida numrica de 23% refere-se a um


subconjunto da populao, ela um parmetro amostral.

Unidade I
3 A mdia nal dos 200 estudantes formados pela
universidade X em certo ano foi de 85 pontos.
Soluo: como a medida de 85 pontos refere-se a todos os
estudantes formados, ela um parmetro populacional.
EXERCCIOS

1 O que estatstica? Por que importante estudar


estatstica?
2 Em que situaes devemos usar uma amostra, ou seja,
uma parcela da populao para fazer uma pesquisa?
3 Quais cuidados devem ser tomados ao selecionar essa
amostra?
4 De que trata a estatstica inferencial?
5 Qual a origem da palavra estatstica?
Nos exerccios 6 a 8 classique o conjunto de dados em
populao ou amostra. Justique.
6 Foi feito um levantamento sobre 100 funcionrios de uma
indstria que possui 1000 funcionrios.
7 Uma pesquisa listou todas as notas de cada aluno de uma
escola.
8 Um grupo de senhoras listou o preo de 500 produtos de
uma loja que tem 2.000 produtos.
9 Diferencie estatstica descritiva e estatstica diferencial.
Uma amostra grande de homens com 48 anos de idade foi
estudada durante 18 anos. Entre 60% e 70% dos homens
solteiros estavam vivos aos 65 anos de idade. Entre os

10

Vamos conversar a respeito de


algumas nuances importantes para a
continuidade do nosso estudo!

ESTATSTICA DESCRITIVA
homens casados, 90% estavam vivos aos 65 anos de
idade. Que parte do estudo representa o ramo descritivo
da estatstica? Que concluses podem ser tiradas desse
estudo usando a estatstica diferencial (Larson & Farber,
2007)?
10 Uma pesquisa realizada em um campus da Unip mostrou
que 90% dos estudantes tinham um grau de averso
por matemtica (em consequncia, por estatstica). Isso
signica que a maioria dos estudantes tem averso
estatstica?
Observe que os mtodos estatsticos fornecem um
razovel grau de certeza sobre particularidades de uma
populao, a partir do cuidado com a seleo da amostra.
No entanto, quando a amostra no se confunde com a
populao (a amostra no a populao e, sim, parte
dela) qualquer armao a respeito da populao (ou seja,
da totalidade) uma inferncia uma possibilidade com
razovel grau de certeza, mas no absoluta.
Por hora s estamos analisando as possibilidades que
as ferramentas estatsticas apresentam. Tanto elas podem
ser ferramentas preciosas em pesquisas cientficas quanto
podem ser mal utilizadas, com o intuito de distorcer
dados da realidade. Portanto, o leitor deve estar sempre
atento ao contexto de uma informao, no apenas em
resultados prontos apresentados, por exemplo, pela mdia
ou por publicaes que no foram auditadas por pessoas
capacitadas.
Resoluo dos exerccios

1 um conjunto de mtodos e processos quantitativos


utilizados para estudar e medir fenmenos coletivos.
importante o seu estudo porque fornece ferramentas
adequadas para que se tenha a percepo clara dos fatos

11

Unidade I
do cotidiano permitindo, portanto, concluses e decises
por meio de pesquisas.
2 Quando for impossvel ou impraticvel o tratamento
de todos os dados da populao (o que acontece
na maioria das vezes). Neste caso, seleciona-se uma
amostra, segundo mtodos que sero apresentados
posteriormente.
3 A amostra deve ser escolhida conforme alguma tcnica de
amostragem, para que seja representativa da populao.
4 a parte da estatstica que tem por objetivo tirar
concluses a respeito da populao, a partir da amostra
utilizada.
5 A palavra estatstica derivada da palavra status, que
signica estado, o que justicado em razo dos dados
estatsticos estarem associados aos censos realizados
na antiga Babilnia, no Egito e no Imprio Romano,
cujo objetivo era fazer o levantamento de dados sobre
assuntos relacionados ao Estado, como nascimentos e
mortes.
6 Os 100 funcionrios constituem uma amostra do universo
(todo) de 1.000 funcionrios da indstria. Ou seja, os 100
funcionrios constituem uma amostra porque representam
apenas uma parcela da populao (1.000) de funcionrios
da indstria.
7 Este levantamento corresponde aos dados da populao
porque foram listadas as notas de todos os alunos da
escola e no apenas de parte deles (o que corresponderia
a uma amostra).
8 Os 500 produtos correspondem a uma amostra, uma vez
que a loja possui 2.000 produtos.

12

ESTATSTICA DESCRITIVA
9 A estatstica descritiva inclui informaes tais como entre
60% e 70% dos homens solteiros estavam vivos aos 65
anos de idade e entre os homens casados, 90% estavam
vivos aos 65 anos. Uma possvel inferncia tirada desse
estudo a de que o fato de ser casado est associado com
uma vida mais longa para os homens.
10 Esta questo foi colocada com o propsito de mostrar o
quanto podem ser perigosas as ferramentas estatsticas
quando utilizadas erroneamente, ou at mesmo com ms
intenes. Foi frisada acima a importncia de uma amostra
ser representativa em relao populao. No h indicativos
na questo proposta de como a amostra foi selecionada nem
das condies conhecidas de antemo sobre o campus.
Vamos considerar as seguintes possibilidades:
a) sabido de antemo que o campus s abriga cursos da
sade;
b) o percentual de cursos do ICET neste campus pequeno.
Nestas duas possibilidades (existem outras, um bom
exerccio para o leitor pensar nas nuances possveis deste campus
imaginrio), uma pesquisa precisa de condies especiais de
vericao, tanto em relao seleo da amostra quanto
forma como os estudantes sero abordados e forma de anlise
dos dados obtidos (contedo da disciplina do prximo perodo,
estatstica indutiva).
Uma das medidas estatsticas que veremos a seguir neste
texto a mdia aritmtica simples. Como voc j sabe de sua
experincia como estudante, a mdia aritmtica simples
obtida a partir do quociente entre a soma de dados obtidos
(no caso, suas notas em dada matria) e o nmero de vezes
que os dados aparecem (quantas provas voc realizou).

13

Unidade I
Por exemplo: vamos considerar que voc seja um aluno
da UNIP. Na prova P1 sua nota em Estatstica foi 6,0 e na
prova P2 foi 8,0. Como a mdia de aprovao na UNIP, sem
exame, 7,0, voc foi aprovado, uma vez que sua mdia
nal 7,0.
MF =

6, 0 + 8, 0
= 7, 0
2

No exemplo acima, sua mdia nal mostra que voc sabe


exatamente 70% do contedo dado?
Quais sero os critrios para se estabelecer notas de corte
em concursos vestibulares e os critrios de aprovao?
Qual a razo de um jovem precisar ter ao menos 18 anos
para se submeter a um exame que permita dirigir?
Pensou a respeito? Percebeu que muitos critrios que regem
nossas vidas so estabelecidos a partir de uma avaliao geral
do comportamento das pessoas?
Estes critrios, denominados arbitrrios, no so estabelecidos
por gosto e, sim, por estudos estatsticos que possibilitam
estabelecer que, a partir de certos ndices, a maioria das pessoas
est apta a exercer certas atividades. Isso no signica que todas
as pessoas esto aptas. Esse critrio, evidentemente, como todas
as decises humanas, pode abrigar injustias. Alguns estudantes
podem saber mais do que 70% do contedo da disciplina e no
serem aprovados sem exame porque houve alguma interferncia
externa quando das avaliaes (doenas, morte de familiares
etc.); o mesmo pode ocorrer por ocasio de concursos. Adultos
podem ter comportamentos irresponsveis que jovens de menor
idade no teriam. Mas, neste caso, outras habilidades tambm
so consideradas a partir de anlises estatsticas (como reexos,
por exemplo).

14

ESTATSTICA DESCRITIVA
Entendeu o recado? Voc estuda tambm para estar
mais capacitado a tomar decises de razes prticas em seu
cotidiano e no apenas para se formar prossionalmente.
Pense nisso quando se sentir tentado a ultrapassar os
limites de velocidade estabelecidos para ruas e rodovias
(por que eles existem? Quais as condies que interferiram
nestas demarcaes?).
O que signicam os limites estabelecidos em seus
exames de sangue?
Por que voc atravessa a rua mesmo visualizando um
carro em sua direo?
Voc saber detectar inmeras situaes equivalentes a
partir deste curso.
H uma conhecida ironia estatstica, perfeita para uma
montagem com os personagens vividos por Paulo Gracindo
(primo rico) e Brando Filho (primo pobre), no quadro humorstico
Primo rico, primo pobre. A anedota foi montada a partir de uma
imagem antiga.
Cena 1:
Hoje eu comi um faiso
inteiro. Nada como um
charuto cubano para
complementar o prazer
de uma refeio assim.

Que bom,
primo. Eu, em
compensao,
no comi nada
desde ontem.

15

Unidade I
Cena 2:
Primo, voc precisa olhar a vida
pelo seu lado bom. Na mdia, ns
comemos meio faiso cada um.
Pense bem: eu comi um faiso, voc
no comeu nenhum. Mas ns somos
duas pessoas, portanto:

MF =

1+ 0 1
=
2
2

Fonte: imagens disponveis em: <http://www.biograa.inf.br/paulo-gracindo-ator.


html>. Acesso em: 09 jan. 2011.

Sugesto de leitura
A anedota mostra como o saber pode manipular a favor
do poder. Em minha Dissertao de Mestrado (Bernardes, 2003)
tratei de questes impostas e tambm reguladoras do exerccio
da prosso docente. No entanto, o leitor interessado nas
articulaes existentes entre o poder e o saber poder generalizar
para qualquer prosso as discusses estabelecidas neste texto.
Nele, o prossionalismo tratado como um discurso prprio
do capitalismo, pautado no saber, mas, simultaneamente,
proporcionando condies para o avano do saber.
A articulao de duas tcnicas de poder, as disciplinas
do corpo e a regulao da populao tm se constitudo,
segundo Foucault (1988), na grande tecnologia do poder
da atualidade. Porm, estas tcnicas no so negativas, mas
positivas, quando delas se extrai qualquer valor moral ou
poltico e observa-se apenas a tecnologia empregada: no
seria possvel uma populao como a atual, nas condies
existentes, sem determinadas tcnicas empregadas na
produo de alimentos, por exemplo. Desta forma, o poder
disciplinar no destri o indivduo, ao contrrio, ele uma
produo do poder e do saber.

16

ESTATSTICA DESCRITIVA
As contingncias impem a necessidade do poder ser
competente e buscar a produo, o acmulo e a transmisso
do saber. Em contrapartida, o saber, ao instrumentar o
poder, assegura o exerccio de um poder para quem o
detm: o domnio do perito. , portanto, a partir destas
prticas disciplinares que Foucault (1996) sugere a busca
do porqu do aparecimento dos domnios de saber: poder e
saber implicam-se mutuamente. Uma perspectiva, portanto,
como apontou Freidson (1998), para o entendimento
da multiplicidade de formas histricas assumidas pela
denio de prosso. As prosses, observa o autor, tm
sido agentes que criam e fazem avanar o conhecimento
incorporado nas disciplinas, quando seus membros projetam
esse conhecimento nos assuntos humanos e do Estado.
1.4 Organizao e apresentao dos dados

1.4.1 Tabelas
A apresentao dos dados em uma tabela um dos
mtodos estatsticos mais utilizados. Uma tabela estatstica
consegue expor os resultados de determinada pesquisa
sinteticamente, na qual se tem uma viso mais clara e fcil
dos resultados obtidos. Ao se dispor os dados em linhas e
colunas distribudos de forma ordenada, segundo regras
estabelecidas, tem-se as tabelas estatsticas.
1.4.1.1 Elementos de uma tabela
Ttulo: precede a tabela e contm a designao do fato
observado, o local e a poca em que foi registrado;
Corpo: contm os dados pesquisados;
Cabealho: a parte superior da tabela que especica o
contedo das colunas;

Como voc pode observar, a tabela


deve ser autoexplicativa, ou seja,
deve conter todas as informaes
importantes a respeito do que est
sendo pesquisado, sem que seja
necessrio ler todo o trabalho.

Fonte: situada no rodap da tabela e especica a entidade


responsvel.

17

Unidade I
1.4.1.2 Distribuio de frequncia
Distribuio de frequncia: as distribuies de frequncias
podem ser divididas em duas categorias, de acordo com o tipo
de varivel em estudo. Ou seja, varivel discreta ou varivel
contnua.
Varivel discreta: quando a amostra grande, mas
o nmero de observaes distintas pequeno. Para
se construir uma distribuio de frequncias, basta
dispor os dados em duas colunas: uma para os dados
observados e outra para as frequncias correspondentes
a cada valor.
Exemplo: notas dos alunos da turma X em Estatstica.
Notas

Frequncia de
alunos

50

10

60

65

10

70

80

90

10

95

5
Fonte: Secretaria da UNIP, campus de Bauru.

Varivel contnua: quando o tamanho da amostra


grande e o nmero de observaes distintas tambm. Para
construir a distribuio de frequncias devemos dispor os
dados em classes que possuam amplitude dentro das quais
se incluiro os dados.
Exemplo: volume exportado ($) de empresas eletrnicas,
pas X, ano 2010.

18

ESTATSTICA DESCRITIVA
Volume exportado

Nmero de empresas

5000|----------6000

6000|----------7000

7000|----------8000

8000|----------9000

9000|---------10000

11

10000|----------11000

11000|---------12000

3
Fonte: dados ctcios

1.4.1.3 Construo de tabelas de distribuio de frequncia


(dados isolados)
Frequncia absoluta (fi): coluna que apresenta os
dados coletados de acordo com o nmero de ocorrncias
em relao particularidade a ser estudada.
Observe que a somatria das frequncias fi dever
coincidir com o nmero de dados coletados.
Frequncia relativa absoluta (fri): a razo entre a
frequncia relativa e o nmero total de dados coletados.
fri =

fi
n

Observe que a somatria das frequncias fri dever


resultar 1.
A=]0,2] A=]0,2] A
Frequncia relativa absoluta percentual (fri %): a
razo entre a frequncia relativa e o nmero total de dados
coletados, apresentados em forma de percentagem.
f
fri(%) = i .100
n

19

Unidade I
Ou:
fri(%)=fri.100
Observe que a somatria das frequncias fri dever
resultar 100.
Frequncias absolutas cumuladas (Fac): trata-se da
adio da frequncia absoluta adicionada s suas anteriores.
Observe que o resultado nal dever coincidir com o nmero
de dados coletados.
Exemplos:
1 Sejam os dados referentes s idades de um grupo de
adolescentes: 12, 14, 14, 14, 15, 15, 17, 17, 17,17.
Construir uma tabela por distribuio de frequncias,
indicando as frequncias absolutas (fi), frequncias relativas
absolutas (fri), frequncias relativas absolutas percentuais (fri%)
e frequncias absolutas acumuladas (Fac)
Idade
(xi)

Frequncia
Absoluta
(fi)

Frequncia
relativa abs.
(fri)

Frequncia
relativa abs.
percentual
(fri %)

Frequncias abs.
acumuladas
(Fac)

12

1/10= 0,1

10%

14

3/10= 0,3

30%

15

2/10= 0,2

20%

17

4/10= 0,4

40%

10

Total

10

1,0

100%

Se a populao ou a amostra em questo muito grande,


torna-se difcil observar as diferentes caractersticas ou mesmo
calcular os estimadores da amostra. Nesse caso, pode ser
interessante organizar ou agrupar os dados originais em classes
e determinar o nmero de indivduos pertencentes a cada

20

ESTATSTICA DESCRITIVA
classe. Este nmero obtido chamado de frequncia de classe.
A frequncia de classe determinada pela soma das frequncias
de todos os valores existentes dentro da classe.
2 Construo de tabelas de distribuio de frequncia
(dados agrupados em classes).
Os dados a seguir representam o consumo anual (toneladas)
de inseticida de uma amostra aleatria de lavradores de certa
regio durante um ano.
Amostragem:
11, 12, 15, 18, 22, 27, 32, 35, 38, 40, 42, 48, 50, 56, 63, 67,
70, 70, 75, 80, 87, 90, 97, 100, 105, 110, 115, 120, 120, 125, 125,
126, 127, 130, 130, 130, 132, 138, 142, 145, 150, 155. 155, 160,
160, 170, 170, 175, 178.
O rol j est disposto em ordem crescente. Caso no estivesse,
seria necessrio ordenar os dados de forma a destacar os limites
inferiores e superiores.
a) Tamanho da amostra: n = 49.
O nmero de classes deve ser escolhido de acordo
com a convenincia, levando-se em conta a utilizao de
arredondamento de nmeros ou outros fatores de interesse,
como o desejo ou a necessidade de se resumir mais a tabela ou
de expandi-la.
Uma sugesto de literatura k = n , em que k seria o
nmero de classes ou intervalos a serem utilizados na construo
da tabela.
No exemplo do consumo anual de inseticida:
b) Nmero de classes:

21

Unidade I
k = 49
K = 7 classes
c) Amplitude de cada classe
Amplitude de cada classe
Ac = At / K
Onde At = limite superior do rol limite inferior do rol
Prosseguindo no exemplo dado, como os dados obtidos j
foram dispostos em ordem crescente, observa-se que o limite
superior do rol 178 e o limite inferior 11. Como o nmero de
classes escolhido foi 7, temos:
Ac = (178 11) / 7
Ac = 23,86 (ou seja, arredondando, 24)
d) Construo da tabela por classes de valores (dados
agrupados em classes).
Na construo da tabela por classes, elege-se como
representante de classe o ponto mdio.
Consumo anual (toneladas) de inseticida de uma amostra
aleatria de lavradores de certa regio durante um ano.

22

Classe

Freq. abs. (fi )

Ponto mdio da classe


(PMi)

Freq. rel. abs. percent.


(fri%)

Freq. acum.
(Fac)

11|--------35

(11+35)/2 = 23

(7/49) x 100=14,29

35|--------59

(35+59)/2= 47

(7/49) x 100=14,29

14

59|--------83

(59+83)/2= 71

(6/49) x 100=12,24

20

83|-------107

(83+107)/2= 95

(5/49) x 100=10,20

25

107|-----131

(107+131)/2=119

(8/49) x 100=16,33

33

131|-----155

(131+155)/2=143

(8/49) x 100=16,33

41

155|-----179

(155+179)/2=167

(8/49) x 100=16,33

49

Total

49

ESTATSTICA DESCRITIVA
Ateno: utilizando-se o valor do ponto mdio (PMi) como
o nico representante de cada classe presume-se, no entanto,
perda de preciso.
1.4.2 Histogramas
1.4.2.1 Grcos de barras
So formas de apresentao da frequncia dos dados de um
levantamento, nas quais a visualizao a partir de um grco
constitudo por barras.
Programas como o Excel fornecem diversos modelos de
grcos de barras, inclusive em trs dimenses.
As imagens a seguir foram obtidas com o auxlio da
ferramenta do Word inserir grco, que abre uma srie de
possibilidades de grcos:

Quando se opta pelo modelo coluna (vide guras a seguir),


abre-se uma planilha do Excel para a insero dos dados:

23

Unidade I

Os dados inseridos na planilha do Excel foram retirados da


tabela:
Srie 1

Srie 2

Srie 3

Categoria 1

4,3

2,4

Categoria 2

2,5

4,4

Categoria 3

3,5

1,8

Categoria 4

4,5

2,8

5,0

E apresentados no grco gerado pelo prprio Excel:


6
5
4
Srie 1
Srie 2
Srie 3

3
2
1
0

24

Categoria 1

Categoria 2

Categoria 3

Categoria 4

ESTATSTICA DESCRITIVA
O programa oferece outras formas de visualizao, como a
da gura a seguir, que apresenta os mesmos dados da gura
anterior:

5
4,5
4
3,5
3
2,5
2
1,5
1
0,5
0

Srie 1
Srie 2
Srie 3

Categoria 1

Categoria 2

Categoria 3

Categoria 4

1.4.2.2 Grcos de barras de dados agrupados


Uma boa representao grca para dados agrupados o
histograma. Este grco de barras usado para a representao
de frequncias. Normalmente so usadas frequncias relativas
por sua relao com probabilidades.
Exemplo:
A tabela apresenta os resultados de um hipottico estudo
da durabilidade de uma ferramenta. Escolhido um intervalo de
tempo (10 horas, neste caso), as peas da amostra (150, neste
caso) foram agrupadas de acordo com a faixa de durabilidade,
resultando na coluna Quantidade da tabela.

25

Unidade I
Tabela: vida til da ferramenta
Vida em horas

Xm

Quantidade

Frequncia
relativa %

Frequncia relativa
acumulada %

50-60

55

3,3

3,3

60-70

65

4,7

8,0

70-80

75

10

6,7

14,7

80-90

85

21

14,0

28,7

90-100

95

33

22,0

50,7

100-110

105

32

21,3

72,0

110-120

115

22

14,7

86,7

120-130

125

13

8,7

95,3

130-140

135

1,3

96,7

140-150

145

2,0

98,7

150-160

155

1,3

100

30

Freq. relativa %

20

10
valores
0
40

50

60

70

80

90

100 110 120 130 140 150 160

Grco de frequncias relativas

26

ESTATSTICA DESCRITIVA
100

Freq. relat. acumul.

90
80
70
60
50
40
30
20
10

Valores

0
40

50

60

70

80

90

100 110 120 130 140 150 160

Grco de frequncias relativas acumuladas


Fonte: exemplo e guras obtidas em MSPC Informaes Tcnicas (2009).5

Ogiva: o grco de linha que passa pelos valores


superiores das faixas do histograma de frequncias
acumuladas (indicado em linhas tracejadas na gura
que representa o grco de frequncias relativas
acumuladas).
1.4.3 Polgonos de frequncia
Os dados de um levantamento podem ser representados por
intermdio de um polgono de frequncia, que nada mais do
que a unio dos pontos mdios de cada coluna do histograma
(coluna xm ).
Exemplo:
Utilizando a mesma tabela do exemplo anterior, insere-se
duas linhas (faixas 40-50 e 160-170) com quantidades zero
para fechar o polgono. Este ento representado a partir do
histograma ou somente por um grco de linha.
Disponvel em: < http://www.mspc.eng.br/matm/prob_est300.
shtml>. Acesso em: 27 jan. 2011.
5

27

Unidade I
Tabela: vida til da ferramenta
Vida em horas

Xm

Quantidade

Frequncia relativa %

40-50

45

50-60

55

3,3

60-70

65

4,7

70-80

75

10

6,7

80-90

85

21

14,0

90-100

95

33

22,0

100-110

105

32

21,3

110-120

115

22

14,7

120-130

125

13

8,7

130-140

135

1,3

140-150

145

2,0

150-160

155

1,3

160-170

165

30

Freq. relativa %

20

10
valores
0
40

50

60

70

80

90

100 110 120 130 140 150 160

1.5 Medidas de posio ou tendncia central

So medidas que fornecem uma ideia sobre o comportamento


do conjunto de dados estudado. uma forma de resumir o
conjunto atravs de um valor nico, que representa em termo
mdio todo o conjunto.

28

ESTATSTICA DESCRITIVA
Veja que essas medidas so importantes para situaes em
que no temos necessidade de mostrar todos os resultados,
mas apenas um que nos d uma posio referente a todo o
conjunto. Por exemplo, pode no interessar para a coordenao
de um curso saber a mdia de cada aluno de uma turma, mas
sim qual foi a mdia aritmtica das notas daquela turma ou a
nota mediana ou a nota modal (maioria).
1.5.1 Mdia aritmtica (x)
1.5.1.1 Mdia aritmtica simples
Quando desejamos conhecer a mdia dos dados no
agrupados, obtemos a mdia aritmtica simples.
Mdia aritmtica o quociente da diviso da soma dos
valores da varivel pelo nmero deles:
n

x=

xi

i1

Sendo:
x a mdia aritmtica;
xi os valores da varivel;
n o nmero de valores.
Exemplo:
Sabendo-se que a produo de suco diria de uma pequena
indstria durante uma semana foi de 100, 145, 135, 150, 160,
180 e 100 litros tem-se, para a produo mdia da semana:

29

Unidade I
Soluo:
n

x=

xi

i1

100 + 145 + 155 + 160 + 180 + 100


= 142,14
7

Logo: x = 142,14 litros


1.5.1.2 Mdia aritmtica ponderada
Neste caso, as frequncias so nmeros indicadores da
intensidade de cada valor da varivel; elas funcionam, portanto,
como fator de ponderao, o que nos leva a calcular a mdia
aritmtica ponderada.
Mdia Aritmtica Ponderada
Nos clculos envolvendo mdia aritmtica simples,
todas as ocorrncias tm exatamente a mesma importncia
ou o mesmo peso. Dizemos ento que elas tm o mesmo
peso relativo. Porm, existem casos onde as ocorrncias tm
importncia relativa diferente. Nestes casos, o clculo da
mdia deve levar em considerao esta importncia relativa
ou peso relativo. Este tipo de mdia chama-se mdia
aritmtica ponderada. Ponderar signica pesar. No clculo
da mdia ponderada, multiplicamos cada valor do conjunto
por seu peso, isto , por sua importncia relativa.6
n

x=

xi .fi

i1
n

fi

i1

Sendo fi o peso de cada varivel xi


Disponvel em: < http://www.somatematica.com.br/fundam/
medias.php>. Acesso em: 27 jan. 2011.
6

30

ESTATSTICA DESCRITIVA
Exemplos:
1 Os dados a seguir mostram os preos correspondentes a
um mesmo produto em 20 locais diferentes: 5, 5, 6, 6, 6,
7, 7, 8, 9, 9, 9, 9, 10, 10, 10, 10, 10, 11, 11, 12.
Soluo: o modo mais prtico de obteno da mdia
ponderada abrir, na tabela, uma coluna correspondente ao
produto xi.fi:
Preo (xi)

Nmero de locais (fi)

10

18

14

36

10

50

11

22

12

12

fi = 20

i1

xi.fi

xi .fi = 170

i1

Logo:
n

x=

xi .fi

i1
n

fi

170
= 8, 5
20

i1

Portanto, o preo mdio do produto nos 20 locais pesquisados


de R$ 8,50, ou seja,
x = R$ 8,50

31

Unidade I
2 Um professor passou um trabalho para ser feito em casa
e que deveria ser entregue no dia da prova do ms. Ele
atribuiu pesos diferentes para as duas avaliaes. Se a
prova e o trabalho tiverem pesos 3 e 1, respectivamente, e
se um aluno tirar 70 na prova e 90 no trabalho, qual ser
a mdia do aluno?
Soluo:
n

x=

xi .fi

i1
n

fi

70.3 + 90.1
= 75
4

i1

Portanto, a mdia do aluno ser de 75 pontos, ou seja,


x = 75 pontos
Observe que a nota da prova tinha maior peso (peso 3) e o
trabalho, menor peso (peso 1). Em decorrncia dessa diferena
de peso, a mdia nal teve maior inuncia da nota da prova
(70), resultando no valor nal de 75.
1.5.1.3 Mdia aritmtica para dados agrupados numa
distribuio de frequncias
Nesse caso, as variveis (xi) sero representadas pelos pontos
mdios de cada classe da tabela.
Mdia aritmtica para dados agrupados em classes
utilizada quando possvel estabelecer classes de valores.
Ento necessrio obter o ponto mdio que represente cada
intervalo. Esse ponto mdio (Pmi) a mdia aritmtica simples
dos valores extremos que compem cada classe ou intervalo.
No clculo da mdia aritmtica para dados agrupados em
classes, multiplicamos cada ponto mdio do conjunto por seu
peso, isto , por sua importncia relativa.

32

ESTATSTICA DESCRITIVA
n

Pmi .fi

i1
n

x=

fi

i1

Sendo fi o peso de cada varivel Pmi


Exemplo:
Calcular a mdia aritmtica das estaturas do grupo de
crianas recm-nascidas, apresentadas na tabela abaixo.
Classicao das crianas recm-nascidas por estatura:
Estatura (cm)

fi

Pmi

Pmi. fi

32|--------- 34

33

66

34|----------36

35

315

36|----------38

15

37

555

38|----------40

25

39

975

40|----------42

10

41

410

42|----------44

43

301

fi = 68

i1

Pmi .fi = 2622

i1

Assim:
n

x=

Pmi .fi

i1
n

fi

2622
=
= 38, 56
68

i1

Lembre-se de que a mdia


aritmtica deve estar sempre entre os
valores estudados. Nesse caso, como
as mdias de estaturas variavam de 32
a 44 cm, a mdia obrigatoriamente deve
estar dentro desse intervalo.

Portanto, a estatura mdia deste grupo de crianas


recm-nascidas 38,56 cm.

33

Unidade I
1.5.2 Mediana
A mediana de uma srie de n dados dispostos em ordem
crescente ou decrescente o elemento que ca na posio
central. Caso o nmero de dados seja par, a mediana ser a
mdia entre os dois pontos centrais do conjunto.
Exemplos:
1 As estaturas (m) de 9 pacientes que frequentam uma
clnica nutricional so dadas pelos seguintes valores:
1,48 1,50 1,52 1,55 1,57 1,60 1,63 1,65 1,67
Obter a mediana do conjunto.
Soluo: uma vez que o nmero de dados 9 (um nmero
mpar), a mediana o ponto mdio, ou seja, a estatura mediana
1, 57m.
2 Um paciente cuja estatura 1,60m deixa de frequentar
a clnica nutricional do exemplo acima. Qual a estatura
mediana dos pacientes restantes?
Soluo: as estaturas restantes so: 1,48 1,50 1,52 1,55 1,57
1,63 1,65 1,67.
Uma vez que o nmero de dados 8 (um nmero par), a
mediana a mdia entre os dois pontos mdios.
(1,55 + 1,57) / 2 = 1,56m
Assim, a mediana das estaturas dos pacientes remanescentes
da clnica de 1,56m.
3 Calcule a mediana da distribuio a seguir. Ela representa
o nmero de erros cometidos por dia pelo sistema

34

ESTATSTICA DESCRITIVA
computacional, em um departamento de auditoria. Foram
registrados os dados por um perodo de112 dias.
Nmero de erros cometidos por um sistema de
computador:
Nmero de erros

Frequncia de dias

Frequncias acumuladas

21

21

15

36

20

56

15

71

20

91

20

111

fi = 111

i1

Soluo: uma vez que o nmero de dados mpar (que


nesse caso dado pela soma das frequncias), o valor mediano
ser dado pelo ponto mdio da soma das frequncias (55,5). Ou
seja, a mediana corresponde ao nmero 2. Portanto, a mediana
igual a 2 erros.
1.5.3 Moda
Importante!

A moda de um conjunto de dados o valor com maior


frequncia, ou seja, o valor que mais se repete. Se dois ou
mais valores se repetirem com a mesma frequncia, cada
valor uma moda e os dados so chamados de bimodais
(duas modas) ou polimodais (vrias modas).

Um conjunto de nmeros pode


no ter moda (amodal), quando todos
os valores ocorrerem com a mesma
frequncia.

Exemplo:
1 Sejam os nmeros 3, 5, 5, 5, 5, 9, 10, 10, 10, 10, 15
correspondentes s idades (meses) de certo grupo de
bebs. Encontre a moda das idades dos bebs.

35

Unidade I
Idades

Frequncia

10

15

Soluo: as idades 5 meses e 10 meses aparecem quatro


vezes, enquanto as demais idades aparecem somente uma
vez. Assim, as modas das idades dos bebs so 5 meses e 10
meses.
2 Encontre a moda correspondente s massas corporais dos
alunos relacionados na tabela abaixo.
Massa corporal (kg) dos alunos do 2o grau do colgio X.
Massa corporal (kg) Frequencia (fi)
40

35

45

47

46

36

57

20

62

Soluo: para a obteno da moda, inicialmente identica-se


qual a maior frequncia, que no caso 47. Este valor corresponde
massa corporal de 45 kg. Portanto, a massa corporal mais
frequente nesta amostra 45 kg.
3 Sejam os nmeros: 1, 2, 3, 4, 5, 7, 8, 9, 10. Encontre o valor
correspondente moda desse conjunto.
Soluo: como todos os valores tm a mesma frequncia, ou
seja, todos aparecem uma nica vez, no existe moda, portanto
o conjunto amodal.

36

Veja que nesse caso temos duas


modas (dois valores com maior
frequncia), o que indica um conjunto
bimodal.

ESTATSTICA DESCRITIVA
1.6 Medidas de disperso

Para se avaliar quantitativamente o grau de variabilidade


ou disperso dos valores de um conjunto de nmeros em
torno do valor mdio usamos as medidas de disperso. Entre as
principais que estudaremos esto: a varincia, o desvio padro e
o coeciente de variao.
O grau de disperso de um conjunto de observaes pode
ser obtido pela mdia dos desvios dos dados em relao
mdia do conjunto de observaes feita.
Veja que quanto maior o grau de disperso de um conjunto
de dados mais heterogneo ele se apresenta. Se compararmos
vrios conjuntos, o que tiver menor disperso ser o mais
homogneo; ou seja, seus dados esto apresentando menor
variao em relao medida central.
1.6.1 Varincia e desvio padro
1.6.1.1 Varincia e desvio padro para dados isolados
simples
Orientaes para o clculo da varincia e do desvio
padro amostral e populacional Dados Isolados Simples.
1 Calcular a mdia aritmtica amostral:
n

x=

xi

i1

Ou populacional:
N

xi

i1

37

Unidade I
2 Calcular o desvio de cada dado em relao mdia
amostral ou populacional:
_

( xi x )
(xi )
3 Elevar ao quadrado cada desvio em relao mdia
amostral ou populacional:
_

( xi x )2
(xi )2
4 Somar os resultados para obter a soma dos quadrados.
n

( xi x )

i1

ou

(xi )2

i1

5 Dividindo-se por n-1 (n o nmero de dados da amostra)


o resultado anterior obtm-se a varincia amostral
e por N-1 (N o nmero de dados da populao)
obtm-se a varincia populacional, respectivamente:
n

s2 =

(xi x)2

i1

n 1

2 =

(xi )2

i1

N 1

6 Determinando a raiz quadrada encontramos o desvio


padro:

38

ESTATSTICA DESCRITIVA
amostral
s = s2
ou populacional
= 2
Exemplo:
Determinar a varincia e o desvio padro amostrais da
massa corporal inicial (kg) de adolescentes submetidos a uma
dieta especial.
Massas corporais iniciais: 37 38 39 41 41 41 42 44 45 47
Soluo: determinar o desvio de cada massa inicial em
relao massa mdia do grupo de adolescentes.
Em relao s massas iniciais a mdia :
n

x=

xi

i1

37 + 38 + 39 + 41 + 41 + 41 + 42 + 44 + 45 + 47 415
,
=
= 415
10
10

Logo x = 41,5 Kg.


Para se determinar como cada massa individual se desvia da
mdia do grupo s subtrair 41,5 dela. Por exemplo, o desvio
de 41 kg :
41 41,5 = 0,5.
Depois, esse resultado deve ser elevado ao quadrado: (-0,5)2
= 0,25.

39

Unidade I
A tabela a seguir mostra os desvios e os quadrados dos
desvios de cada uma das dez massas corporais iniciais.
Massa (Kg) xi

Desvio (xix)

37

- 0,5

0,25

38

-3,5

12,25

39

-2,5

6,25

41

-0,5

0,25

41

-0,5

0,25

42

0,5

0,25

44

2,5

6,25

45

3,5

12,25

47

5,5

30,25

xi = 415

( xi x ) = 0

i1

i1

Quadrados Desvio (xix)2

(xi x)2 = 88, 5

i1

Como
n

(xi x)2

s2 =

i1

s2 =

88, 5 88, 5
=
= 9, 83
9
10 1

n 1

s = 9, 83
s 3,14
Logo, a varincia amostral das massas corporais iniciais
9,83 e o desvio padro de 3,14 Kg.

40

ESTATSTICA DESCRITIVA
1.6.2 Varincia e desvio padro para dados isolados
ponderados
Orientaes para o clculo da varincia e do desvio padro
amostral e populacional dados isolados ponderados
1 Calcular a mdia aritmtica amostral
n

x=

xi .fi

i1
n

fi

i1

ou a mdia aritmtica populacional


N

xi .fi

i1
N

fi

i1

2 Calcular o desvio de cada dado em relao mdia


amostral ou populacional:
_

( xi x )
(xi )
3 Elevar ao quadrado cada desvio em relao mdia
amostral ou populacional:
_

( xi x )2
(xi )2

41

Unidade I
4 Somar os resultados para obter a soma dos quadrados
e multiplicar por cada frequncia correspondente.
n

(xi x) .fi ou (xi )2 .fi


2

i1

i1

5 Dividindo-se por (n-1) (n o nmero de dados da amostra)


o resultado anterior obtm-se a varincia amostral e por
(N-1) (N o nmero de dados da populao) obtm-se a
varincia populacional, respectivamente:
n

s2 =

(xi x)2 .fi

i1

n 1

2 =

(xi )2 .fi

i1

N 1

Exemplo:
Determinar a varincia e o desvio padro amostrais dos
preos (R$) para os produtos a seguir:
Preos (R$) xi

Frequncia fi

11

Total

16

Soluo: seguir as orientaes dadas no quadro explicativo


para o clculo de varincia e desvio padro para dados isolados

42

ESTATSTICA DESCRITIVA
simples, ou seja, determinar o desvio de cada preo para o grupo
de produtos.
Preos ($) xi

Frequncia fi

xi.fi

(xix)2.fi

10

(5 8,06)2.2 = 18,73

21

(7 8,06)2.3 = 3,37

40

(8 8,06)2.5 = 0,02

36

(9 8,06)2.4 = 3,53

11

22

(11 8,06)2.2 = 17,29

n = fi = 16
i1

xi .fi = 129

i1

(xi x)2 .fi = 42, 94

i1

a) Clculo da mdia aritmtica


n

x=

xi .fi

i1

n
n

x=

xi .fi

i1

129
= 8, 06
16

Logo,
x= R$8,06
b) Clculo da varincia
n

s2 =

(xi x)2 .fi

i1

n 1

43

Unidade I
s2 =

42, 94
16 1

s2 =

42, 94
15

s2=2,86
c) Clculo do desvio padro
s2=2,86
s = 2, 86
s=1,69
Logo,
S = R$1,69
1.6.3 Varincia e desvio padro para dados agrupados em
classes
Orientaes para o clculo da varincia e do desvio
padro de uma amostra dados agrupados em classes
1 Calcular a mdia aritmtica amostral
n

x=

Pmi .fi

i1
n

fi

i1

Ou a mdia aritmtica populacional

44

ESTATSTICA DESCRITIVA
N

Pmi .fi

i1
N

fi

i1

2 Calcular o desvio de cada dado em relao mdia


amostral ou populacional:
(Pmix)
(Pmi)
3 Elevar ao quadrado
anteriormente:

cada

desvio

calculado

(Pmix)2
(Pmi)2
4 Somar os resultados para obter a soma dos quadrados
e multiplicar por cada frequncia correspondente.
n

(Pmi x)2 .fi

i1
N

(Pmi )2 .fi

i1

5 Dividindo-se por (n -1) obtm-se a varincia amostral


e por (N -1) obtm-se a varincia populacional,
respectivamente.
n

s2 =

(Pmi x)2 .fi

i1

n 1

2 =

(Pmi )2 .fi

i1

N 1

45

Unidade I
Sendo: X = ( xifi) ( fi)
X a mdia aritmtica;
xi os valores da varivel;
fi o nmero de valores.
6 Determinando a raiz quadrada encontramos o desvio
padro amostral
s = s2
Ou populacional
= 2
Obs:
n

n = fi
i1
N

N = fi
i1

Exemplo:
Determinar a varincia e o desvio padro amostrais das
massas (g) para as peas a seguir.
Faixas de massas (g)

Frequncia (fi)

2|--------4

4|--------6

6|--------8

8|-------10

10|-------12

3
Total = 20

46

ESTATSTICA DESCRITIVA
Soluo: seguir as orientaes dadas no quadro explicativo
para o clculo de varincia e desvio padro para dados agrupados
em classes, ou seja, determinar o desvio do valor de cada massa
para o grupo de peas.
Massas (g)

Frequncia fi

Pmi

Pmi.fi

(Pmix)2.fi

2|------4

(3 7,2)2.2 = 35,28

4|------6

20

(5 7,2)2.4 = 19,36

6|------8

49

7 7,2)2.7 = 0,28

8|------10

36

(9 7,2)2.4 = 12,96

10|----12

11

33

(11 7,2)2.3 = 43,32

n = fi = 20
i1

i1

i1

Pmi .fi = 144 (Pmi x)2 .fi = 111, 2

a) Clculo da mdia
n

x=

Pmi .fi

i1
n

fi

i1
_

x=

144
= 7, 2
20

x=7,2
b) Clculo da varincia
n

(Pmi x)2 .fi

s2 =

i1

s2 =

111, 2
20 1

n 1

47

Unidade I
s2=5,85
c) Clculo do desvio padro
s = 5, 85
s=2,42
Logo,
S =2,42 g
1.6.4 Medida de disperso relativa coeciente de
variao (Cv)
Nesta modalidade de medida de disperso, a variao dos
dados apresentada em forma de percentagem.
Observao: a disperso relativa til especialmente
para estabelecer comparao em termos relativos do grau de
concentrao em torno da mdia de sries distintas ou numa
mesma srie com unidades de medidas diferentes. Por exemplo,
se desejamos comparar se uma amostra de estudantes apresenta
maior disperso quanto massa corporal total ou quanto
massa muscular.
Clculo do coeciente de variao (em relao mdia
amostral ou mdia populacional):
s
C v = _ .100
x
Cv =

48

.100

Lembre-se: o coeciente de variao


expresso em porcentagens.

ESTATSTICA DESCRITIVA
Sendo:
s= desvio padro amostral.
= desvio padro populacional.
= mdia aritmtica populacional.
x = mdia aritmtica amostral.
Exemplo:
Em uma indstria, o salrio mdio das mulheres de R$
2.000,00, com desvio padro de R$ 800,00, e o dos homens
de R$ 3.000,00, com desvio padro de R$ 900,00. Qual
salrio possui maior disperso relativa, o das mulheres ou o dos
homens?
Soluo: como os dados so referentes a toda a populao
de homens e mulheres da indstria e no apenas a uma amostra,
o clculo coeciente de variao ser feito com base na mdia e
no desvio padro populacionais.
Clculo do Cv para as mulheres:
Cv =

.100

Cv =

800.100
= 40
2000

Cv = 40%
Clculo do Cv para os homens:
Cv =

.100

49

Unidade I
Cv =

900.100
= 30
3000

Cv = 30%
Dessa forma, conclumos que os salrios das mulheres
apresentam maior disperso relativa do que os salrios dos
homens.
Exerccios

1 A tabela a seguir apresenta a distribuio das exportaes


de produtos eletrnicos de empresas em determinado ano.
Volume exportado de produtos eletrnicos por empresas:
Volume exportado

Nmero de empresas

5000|----------6000

6000|----------7000

7000|----------8000

8000|----------9000

9000|----------10000

11

10000|----------11000

11000|----------12000

3
Fonte: dados ctcios

Considerando-se que no ano anterior ao dos dados tabelados,


o volume mdio exportado foi de R$ 9.000,00 podemos armar
que o volume mdio exportado no perodo atual aumentou?
a) sim, o volume mdio exportado aumentou para
R$ 9.100,00.
b) sim, o volume mdio exportado aumentou para
R$ 9.200,00.

50

ESTATSTICA DESCRITIVA
c) o volume mdio exportado continuou igual.
d) no, o volume mdio exportado diminuiu para
R$ 8.875,00.
e) no, o volume mdio exportado diminuiu para
R$ 8.000,00.
2 Uma pesquisa realizada em uma indstria durante 27 meses
mostrou a distribuio de peas defeituosas fabricadas.
Nmero de peas de preciso defeituosas devolvidas
mensalmente pelo controle de qualidade:
Nmero de peas com defeito

Nmero de meses

1
Fonte: dados ctcios

A mediana (Me) e a moda (Mo) de peas rejeitadas por ms foi:


a) Me= 2 e Mo = 1.
b) Me= 1 e Mo = 1.
c) Me= 2 e Mo = 2.
d) Me= 1 e Mo = 6.
e) Me= 2 e Mo = 6.

51

Unidade I
3 A nota mdia para aprovao em uma disciplina X 70
pontos. Se um aluno tirou 60, 75, 80 e 55 pontos no 1o, 2o,
3o e 4o bimestres, respectivamente, e considerando-se que
o 3o bimestre tinha peso 2 e os demais bimestres peso 1, o
aluno ser aprovado?
a) sim, com mdia de 72 pontos.
b) sim, com mdia de 70 pontos.
c) sim, com mdia de 78 pontos.
d) no, ser reprovado, com mdia de 68 pontos.
e) no, ser reprovado, com mdia de 65 pontos.
4 Qual a posio que o valor 70 ocupa na srie 60, 50, 70,
80, 90?
a) a mdia e a moda.
b) a mdia e a mediana.
c) a mediana e a moda.
d) a mdia, a mediana e a moda.
e) a varincia.
5 As fases principais do mtodo estatstico so:
a) coleta de dados, amostragem, apresentao tabular e
grca e denio dos problemas.
b) amostragem, apresentao tabular, apurao dos
dados, interpretao dos dados e planejamento.

52

ESTATSTICA DESCRITIVA
c) denio do problema, planejamento, coleta dos dados,
anlise e interpretao dos dados.
d) denio do problema, amostragem, apresentao
tabular e anlise.
e) denio do problema, coleta dos dados, concluso.
6 Um comerciante vende determinado produto em sacas
que deveriam conter uma massa mnima mdia de 16,50
kg como padro. A avaliao de 40 sacas revelou os
resultados apresentados na tabela abaixo:
Massas (kg) referentes a 40 sacas do produto X
Massas

Nmero de sacas

14,55

15,05

15,55

16,05

16,55

10

17,05

17,55

3
Fonte: dados ctcios

O padro est sendo respeitado?


a) sim, o peso mdio de 16,50 kg.
b) sim, o peso mdio de 16,60 Kg.
c) no, o peso mdio de 15,00 Kg.
d) no, o peso mdio de 15,80 kg.
e) no, o peso mdio de 16,23 Kg.

53

Unidade I
7 Foram selecionadas amostras aleatrias de aes
negociadas para a realizao de um estudo do desempenho
de duas companhias corretoras de aes. Para isso,
considerou-se a porcentagem de lucro para cada ao e
as respectivas variaes durante um perodo especco,
conforme os dados que seguem abaixo:
Corretora A: mdia de lucro obtido no perodo foi 4,5 um,
com desvio padro de 0,41 um.
Corretora B: lucros obtidos (um): 3,7; 3,8; 3,9; 4,6; 4,9; 5,1.
Obs.: um = unidade monetria
Qual corretora apresentou resultados mais homogneos no
perodo?
a) Corretora A, com desvio padro de 0,41 um.
b) Corretora B, com desvio padro de 0,61 um.
c) Corretora B, com mdia de 4,33 um.
d) Corretora A, com mdia de 5,4 um.
e) As duas corretoras apresentaram a mesma variabilidade
nos lucros.
8 A tabela abaixo mostra as idades de 40 crianas
entrevistadas em duas escolas estaduais de certa cidade
no ano corrente:

54

Idades

Frequncia

11

12

13

14

15

22

Total

40

ESTATSTICA DESCRITIVA
Qual o percentual de crianas com 14 anos?
a) 10%
b) 12%
c) 20%
d) 18%
e) 15%
9 Realizou-se uma prova de estatstica para duas turmas. Os
resultados foram os seguintes:
Turma A: = 5 e = 2,5
Turma B: = 4 e = 2,0
Com base nesses resultados, podemos concluir que:
a) A turma B apresentou maior disperso absoluta.
b) Tanto a disperso absoluta quanto a relativa so
maiores para a turma B.
c) A disperso relativa igual disperso absoluta.
d) A disperso absoluta de A maior do que a de B, mas
em termos relativos as duas turmas no diferem quanto
ao grau de disperso das notas.
e) A disperso absoluta de B maior do que a de A.
10 A prefeitura de um grande centro quer conhecer o
padro de consumos mensais de energia eltrica e de
gua de duas de suas regies: uma delas com residncias

55

Unidade I
de alto padro de construo e outra com residncias de
baixo padro de construo.
O estatstico responsvel pelo estudo solicitou, junto s
companhias de distribuio de energia eltrica e de gua, uma
amostra aleatria de cada regio dos valores de consumo mensal
de energia eltrica e de gua das residncias de cada regio. As
companhias distribuidoras forneceram um resumo dos dados
solicitados, mdia e desvio padro do consumo nas residncias
amostradas, apresentados na tabela a seguir:7
Tamanhos de amostra, mdia e desvio-padro das variveis
estudadas
Regio

Consumo

Nmero de residncias
amostradas

Mdia amostral

Desvio padro
amostral

Residncias de Alto Padro

Energia eltrica (kWh)


gua (m3)

400

240
750

60
75

Residncias de Baixo Padro

Energia eltrica (kWh)


gua (m3)

1200

100
200

60
40

Fonte: Companhias distribuidoras de luz X e gua Y

Baseando-se nas informaes da tabela acima, o estatstico


concluiu que:
a) Entre as residncias de alto padro, o consumo de
gua apresenta variabilidade relativa menor do que a
variabilidade relativa do consumo de energia eltrica.
b) As residncias de alto padro apresentam variabilidade
relativa do consumo de gua maior do que aquelas de
baixo padro.
c) As residncias de alto padro e de baixo padro
apresentam variabilidades relativas similares quanto
ao consumo de energia eltrica
Disponvel em: <http://www.ufrgs.br/sai/dadosresultados/
ExameNacional_DesempenhoEstudantes_ENADE%5CEstatistica%5C20
09%5CProva.pdf>. Acesso em: 27 jan. 2011.
7

56

ESTATSTICA DESCRITIVA
d) Entre as residncias de baixo padro, o consumo de
gua apresenta variabilidade relativa maior do que a
do consumo de energia eltrica.
e) Entre as residncias de baixo padro, o consumo de
gua apresenta variabilidade relativa similar do
consumo de energia eltrica.
Resoluo dos exerccios

1 d) no, o volume mdio exportado diminuiu para


R$ 8.875,00.
Para vericar se o volume mdio de exportaes aumentou,
devemos calcular a mdia aritmtica, que nesse caso se trata de
dados agrupados em classes.
Clculo da mdia
n

x=

Pmi .fi

i1
n

fi

i1

Devemos, portanto, encontrar o ponto mdio (Pmi) referente


a cada classe ou intervalo.
Volume exportado

Nmero de
empresas (fi)

Pmi

Pmi.fi

5000|----------6000

5500

5500

6000|----------7000

6500

19500

7000|----------8000

7500

60000

8000|----------9000

8500

68000

9000|----------10000

11

9500

104500

10000|----------11000

10500

63000

11000|----------12000

11500

34500

n = fi = 40
i1

Lembre-se: o clculo feito


pela mdia aritmtica dos limites do
intervalo. Por exemplo: (5000+6000)/2
= 5500.

Pmi .fi = 355000

i1

57

Unidade I
n

x=

Pmi .fi

i1
n

fi

i1
_

x=

355000
40

x = 8875
2 a) Me= 2 e Mo = 1
Nmero de peas de preciso defeituosas devolvidas
mensalmente pelo controle de qualidade:
Nmero de peas com
defeito

Nmero de meses

Frequncias
acumuladas

10

16

20

24

26

27

fi = 27

i1

Uma vez que o nmero de dados mpar (que nesse caso


dado pela soma das frequncias), o valor mediano ser dado
pelo ponto mdio da soma das frequncias (13,5). Ou seja, a
mediana corresponde ao nmero 2. Portanto, a mediana igual
a 2 peas.
Em um maior nmero de meses (8 meses) tivemos 1 pea
defeituosa, esse valor corresponde ao valor modal.

58

ESTATSTICA DESCRITIVA
3 b) sim, com mdia 70 pontos.
Notas referentes disciplina X
Bimestres

Notas (xi)

Pesos (fi)

xi. fi

60

60

75

75

80

160

55

55

fi = 5

i1

xi .fi = 350

i1

Assim:
n

x=

xi .fi

i1
n

fi

350
= 70
5

i1

Como o 3o bimestre tinha peso 2, a nota referente a


esse bimestre deve ser multiplicada por 2. Como os demais
bimestres tm peso 1, as notas devem ser multiplicadas
por 1. O resultado da somatria deve ser dividido pela
soma dos pesos (1 +1 + 2 + 1) = 5
x =(60x1 + 75x1 + 80x2 + 55x1) / 5
Logo:
x = 70 pontos
4 b) a mdia e a mediana

59

Unidade I
Mdia aritmtica:

A mdia aritmtica para esses dados


foi igual a 70, portanto a resposta a
alternativa b).

x=

xi

i1

60 + 50 + 70 + 80 + 90 350
=
= 70
5
5
Portanto, o dado 70 corresponde
tanto mdia aritmtica quanto ao valor
da mediana da distribuio dada.

x = 70
Uma vez que o nmero de dados 5 (um nmero mpar), a
mediana o ponto mdio, ou seja, 70.
5 c) denio do problema, planejamento, coleta dos dados,
anlise e interpretao dos dados.
Ao se aplicar o mtodo estatstico deve-se primeiramente
denir o tema (ou problema), fazer o planejamento de como
ser feita a coleta de dados (amostra), coletar os dados para que
possam ser analisados e interpretados.

Na prxima etapa do curso de


Estatstica (Estatstica Indutiva), voc
ser informado de como so realizadas
estas etapas.

6 e) no, o peso mdio 16,23 Kg.


Para saber se o padro est sendo respeitado, devemos
calcular o valor mdio das massas dessas 40 sacas e vericar se
est sendo de, no mnimo, 16,50 Kg.
Massas (xi)

Nmero de sacas (fi)

xi.fi

14,55

14,55

15,05

45,15

15,55

124,4

16,05

144,45

16,55

10

165,5

17,05

102,3

17,55

52,65

fi = 40

i1

60

xi .fi = 649

i1

Observe que se trata de dados


isolados ponderados.

ESTATSTICA DESCRITIVA
Logo:
n

x=

xi .fi

i1
n

fi

649
= 16, 225
40

i1
_

x 16, 23 kg
Logo o padro no est sendo respeitado.
7 a) Corretora A, com desvio padro de 0,41 um.
O grau de homogeneidade est associado menor
variao em relao mdia. Portanto, para se analisar
o desempenho das corretoras, necessrio conhecer as
medidas de posio de ambas e as respectivas medidas de
disperso.
O problema j fornece estes dados da empresa A, mas no da
empresa B. Portanto, necessrio calcul-los:
Dados da Corretora B: lucros obtidos (um): 3,7; 3,8; 3,9;
4,6; 4,9; 5,1
a) Clculo da Mdia
n

x=

xi

i1

3, 7 + 3, 8 + 3, 9 + 4, 6 + 4, 9 + 5,1 26
=
= 4, 33
6
6

x 4, 3
b) Clculo do desvio padro

61

Unidade I
Lucros
xi

Desvio (xix)

Quadrados (xix)2

3,7

(3,7 4,33) = 0,63

0,40

3,8

(3,8 4,33) = 0,53

0,28

3,9

(3,9 4,33) = 0,43

0,18

4,6

(4,6 4,33) = 0,27

0,07

4,9

(4,9 4,33) = 0,57

0,32

5,1

(5,1 4,33) = 0,77

0,59

xi = 26

(xi x) = 0, 02

i1

i1

(xi x)2 = 1, 84

i1

Como a varincia dada por:


n

(xi x)2

s2 =

i1

s2 =

184
1, 84
,
=
= 0, 37
6 1 5

n 1

Da, o desvio padro :


s = 0, 37
s=0,61
Clculo do coeciente de variao das corretoras:
Clculo do Cv para a corretora A:
Cv =

s.100
_

x
Cv =

0, 41.100
= 9,11
4, 5

Cv=9,11%

62

ESTATSTICA DESCRITIVA
Clculo do Cv para a corretora B:
Cv =

s.100
_

x
Cv =

0, 61.100
= 14, 09
4, 33

Cv = 14,09%
A corretora B apresentou um coeciente de variao em
relao mdia (14,09%) maior do que a corretora A (9,11%).
Assim, podemos concluir que a corretora A apresentou resultados
mais homogneos, ou seja, com menor variabilidade.
8 e) 15%
fri =

fi
.100
ft

fri =

6
.100 = 35
40

fri = 15%
9 d) a disperso absoluta de A maior do que a de B, mas
em termos relativos as duas turmas no diferem quanto ao grau
de disperso das notas.
Como a Turma A teve desvio padro maior que a turma B,
podemos armar que a sua disperso absoluta foi maior. Porm,
ao fazer o clculo do Cv, vericamos a mesma % de variao
para as duas turmas. Veja:
Clculo do Cv para a turma A:

63

Unidade I
Cv =

.100

Cv =

2, 5.100
= 50
5

Cv = 50%
Clculo do Cv para a turma B:
Cv =

.100

Cv =

2.100
= 50
4

Cv = 50%
10 a) Entre as residncias de alto padro, o consumo de gua
apresenta variabilidade relativa menor do que a variabilidade
relativa do consumo de energia eltrica. Para as residncias de
alto padro os clculos do Cv para a Energia eltrica e gua
foram os seguintes:
Energia eltrica:
Cv =

s.100
_

x
Cv =

60.100
= 25
240

Cv = 25%

64

ESTATSTICA DESCRITIVA
gua:
Cv =

s.100
_

x
Cv =

75.100
= 10
750

Cv = 10%
Para as residncias de baixo padro, os clculos do Cv para
a energia eltrica e gua foram os seguintes:

O coeciente de variao do
consumo mdio de gua das residncias
de alto padro menor do que o
coeciente de variao do consumo
mdio de energia.

Energia eltrica:
Cv =

s.100
_

x
Cv =

60.100
= 60
100

Cv = 60%
gua:
Cv =

s.100
_

x
Cv =

40.100
= 20
200

O coeciente de variao do
consumo mdio de gua das residncias
de baixo padro tambm menor
do que o coeciente de variao do
consumo mdio de energia.

Cv = 20%

65

Unidade I
Resumo:

66

Regio

Cv (energia)

Cv (gua)

Alto Padro

25%

10%

Baixo Padro

60%

20%