Capitulo II: Organização e apresentação dos dados

2.
2.1. Percentagens, estimativas e arredondamentos

Percentagem:
Um número racional pode ser representado por diversas formas equivalentes, como por:

 uma fracção,

 um número misto

 um número decimal ou

 uma Percentagem

Conceito de percentagem.

 % lê-se por cento.

 Por cento significa por cem.

1
 1 porcento ou 1% significa um em cada 100: 1% 
100

Uma percentagem pode ser apresentada sob a forma de fracção e sob a forma
decimal

Na fracção, 1 equivale a 100%, 2 a 200%, 3 a 300% e assim por diante...

Exemplo:

2 200%
a.   40% (200% a dividir por 5)
5 5

4 400%
b.   133,33333...%
3 3

c. Outra forma de fazer:

Divide 3 por 4  0,75 e multiplica por 100 75%

3
 0,75  100  75%
4

1
Transformar decimais em percentagem.

Para transformar um decimal em percentagem multiplica-se por cem.

Exemplo:

a. 0,4  0,4  100  40%

b. 0,25  0,25  100  25%

Converter percentagem em decimais.

Transforma-se a percentagem em fracção decimal e em seguida em número

decimal.

Exemplo:

40
a. 40%   0,4
100

75
b. 75%   0,75
100

Como calcular a percentagem de um número.

Multiplica-se o número, pela percentagem transformada em número decimal.

Exemplo:

a. Calcula: 15% de 50 kwanzas

50  0,15  7,50 Kz

Ou usa-se a regra de três simples.

Exemplo:

b. A turma do Sebastião tem 25 alunos. Sabendo que 17 alunos tiraram

positiva a Matemática, qual foi a percentagem de negativas?

25 _______100
8 ________x

8  100
x%   32%
25

2
 c. Quanto custa uma camisola que custava 3000,00 kz. e agora se encontra
com 20% de desconto.

Podemos utilizar vários processos para resolver:

1º Processo:

3000 _______100
x __________20

20  3000
x  600 Kz
100
3000 - 600  2400,00 Kz

Portanto, 600,00 Kz corresponde a 20 % de 3000,00 Kz. Assim, a camisola ficará

em 2400,00Kz.

2º Processo:

Sabe-se que se o desconto é de 20%, a percentagem correspondente ao que há a

pagar será de 80% (100 – 20 = 80). Então podemos calcular 80% de 3000,00 Kz.

3000 _______100
x __________80

80  3000
x  2400 Kz
100

3º Processo

20
Como 20%   0,2 podemos obter 20 % de 3000 fazendo 3000 0,2  600
100

600,00 Kz. corresponde ao valor do desconto.

80
Ou então calculamos 80% de 3000: 80%   0,8 , assim 3000 0,8  2400 .
100

Arredondamentos

O termo algarismos significativos refere-se ao número mínimo de algarismos necessários

para expressar o valor de uma medida experimental sem perda de exatidão.

3
 Como fazer arredondamentos

No caso de arredondamento atendendo o número de casas decimais, usa-se a seguinte

regra.

 Se a casa decimal imediatamente a seguir à escolhida for > 5, aumenta-se

uma unidade à casa decimal escolhida.
Ex: 7,26 arredondar a uma casa decimal 7,3
 Se a casa decimal imediatamente a seguir à escolhida for < 5, deixa
inalterável à casa decimal escolhida.
Ex: 7,24 arredondar a uma casa decimal 7,2
 Se a casa decimal imediatamente a seguir à escolhida for = 5, existem três
possibilidades:
o Se a casa escolhida for par, mantém-se inalterada a casa escolhida
Ex: 7,250 arredondar a uma casa decimal 7,2
o Se a casa escolhida for impar, aumenta-se uma unidade à casa
decimal escolhida
Ex: 7,350 arredondar a uma casa decimal 7,4
o Se o próximo algarismo que segue ao 5 for diferente de 0 (zero),
aumenta-se uma unidade à casa decimal escolhida

Ex: 7,251 arredondar a uma casa decimal 7,3

Ex: 7,351 arredondar a uma casa decimal 7,4

Exemplo:

a. 67,4356  67,44 (arredondamento às centésimas)

b. 7,865126  7,865 (arredondamento às milésimas)

4
 Estimativas
Em matemática e no dia-a-dia usa-se muitas vezes valores aproximados quando:

 É impossível obter um valor exacto;

 Se pretende dar apenas uma ideia da ordem de grandeza de um número;
 Se torna mais vantajoso usar um valor aproximado em vez do valor exacto.

Exemplos:

A minha mochila pesa cerca de 7 kg;

No jogo 1º de Agosto Petro, o estádio 11 de Novembro tinha mais de 20000

pessoas ;

São quase 9 horas.

2.2. Análise gráfica de atributos qualitativos (Gráficos circulares;

Pictogramas e Gráficos de barras)

A representação gráfica dos dados estatísticos tem por finalidade, dar uma ideia a mais
imediata possível dos resultados obtidos permitindo chegar a conclusões rápidas.

Construir um gráfico é relacionar duas ou mais grandezas mas é também pôr em

evidência as tendências, os valores máximos e mínimos, os factos acidentais e as ordens
de grandeza dos fenómenos em observação.

Na representação gráfica, devemos fazer a distinção dos tipos de dados (variáveis) que
temos, e ainda, no caso dos dados de natureza quantitativa, verificar se são contínuos ou
discretos.

Na construção de um gráfico há que ter em conta: o eixo, a origem e a escala.

2.2.1. Diagrama ou gráfico de barras

É um conjunto de barras verticais ou horizontais, cada uma correspondendo a uma
categoria da variável qualitativa em causa e sendo o seu comprimento proporcional a
respectiva frequência ( f ai ou f ri )

5
 2.2.2. Diagrama de barras composta
Utiliza-se quando pretendemos representar duas variáveis, permite fazer a comparação
simultânea de duas ou mais variáveis, correspondendo as diferentes barras às categorias
de uma variável as subdivisões dessas mesmas barras às categorias da outra variável. Os
valores são geralmente apresentados em termos percentuais.

2.2.3. Diagrama de barras múltiplas

Permite representar os dados não só em termos percentuais, tal como no diagrama de
barras compostas, mas também em termos absolutos, permite também fazer a
comparação simultânea de duas ou mais variáveis.

6
 2.2.4. Diagrama de barras duplo
Deriva das anteriores (barras múltiplas) quando intervém uma terceira variável, permite
também fazer a comparação simultânea de duas ou mais variáveis.

2.2.5. Diagrama de sector circular ou gráfico circular

Consiste na representação gráfica dos resultados num círculo, dividido em sectores. É

utilizado principalmente quando se pretende comparar cada parte com o total. Para
construir, divide-se o círculo em sectores, cujas áreas serão proporcionais aos valores das
partes.

7
 2.2.6. Pictograma
Neste diagrama cada categoria é representada por figuras sugestivas, sendo a tamanho da
figura proporcional à respectiva frequência

Cafés vendidos no café da D. Rosa

2ª feira

3ª feira

4º feira

5º feira

6º feira

Sábado

Domingo

=30 cafes

8
9
 2.3. Distribuição de frequências e representação gráfica. Variáveis
discretas (dados simples) - Gráficos de barras

A notação para variável corresponde as letras x, y, z. Na distribuição de frequência de

variáveis discretas, considera-se uma população (N) ou uma amostra (n), as
características observadas x1 , x 2 , x 3 , …, xi .

Frequência absoluta ( f ai ou n i ) é o número de vezes que cada modalidade da variável se

repete na amostra ou população.
f ai
Frequência relativa  f ri  de um valor da variável é dada por f ri  , representa o
n
número de vezes que esse valor ocorre ( f ai ) relativamente ao total da amostra (n) ou da
população (N).

Frequências acumuladas ( Fai ou Fri ). Representam assim, o número ou proporção de

elementos observados que possuem o valor da característica igual ou inferior à
modalidade em causa. é a soma das frequências, relativas ou absolutas, de todos os
valores anteriores

2.4. Distribuição de frequências e representação gráfica. Variáveis

contínuas (dados agrupados em classes) – Histogramas

As variáveis contínuas, por poderem tomar um número infinito de valores, obrigam à

definição de classes de valores, que passam a ser as modalidades da característica em
estudo.
Classes de frequência ou classes são intervalos de variação da variável.

2.4.1. Elementos de uma distribuição de frequência

Etapas para a construção de tabelas de frequência (dados contínuos ou discretos com

valores muito distintos):
1) Definição das classes
a) Determinar a amplitude da amostra (máximo - mínimo)

10
b) Dividir esta amplitude pelo número de classes, k.
c) Tomar para amplitude de classe, h, um valor aproximado por excesso do valor obtido
em b).
d) Construir as classes de modo que tenham todas a mesma amplitude e cuja união
contenha todos os elementos da amostra.
2) Contagem do número de elementos de cada classe.

2.4.2. Número de classes. Intervalos de classe

Não existe uma fórmula exacta para o cálculo do número de classes, não deverá ser um
número muito grande para que não introduza irregularidades que poderão não existir na
população, mas também não poderá ser muito pequeno para que não haja perda de
informação. O principal objectivo de uma distribuição de frequências é encontrar classes
com algum significado e utilidade.

Existem algumas regras básicas que deverão ser seguidas na construção dos intervalos:
1. Em geral, o número de classes (K) deverá estar compreendido entre quatro e
catorze;
2. Nenhuma classe deverá ter uma frequência nula;
3. As classes deverão ter, sempre que possível, amplitudes iguais;
4. Os pontos médios das classes deverão ser números de cálculo fácil;
5. Classes abertas deverão ser evitadas, embora nem sempre é possível fazê-lo;
6. Os limites das classes são definidos de modo a que cada valor da variável é
incluído num e só num intervalo.

Tendo em conta estas regras básicas, por vezes é adoptada uma das seguintes
soluções:
I. Tabela de Truman L. Kelley
n ( nº de observações) 5 10 25 50 100 200 500 1000
K (classe) 2 4 6 8 10 12 15 15

11
 II. Para n  25 K  5
Para n  25 K  n
III. Fórmula de Strurges: K  1  3,3log n

Limites de classe.
São os extremos de cada classe, na classe 10;12 os limites de classe são 10 (limite
inferior) e 12 (limite superior)

Intervalos ou amplitude de classe.

O intervalo de classe é a diferença entre o limite superior da classe e o limite inferior

da classe.
Na classe 10;12 o intervalo de classe é: 12  10  2 =h
A amplitude ou intervalo de classe ( h ) poderá ser calculada se pretendermos todas as
classes com a mesma amplitude, da seguinte maneira:
AT
h em que AT é a diferença entre os valores máximos e mínimos da
K
distribuição e K o número de classes.

Intervalos ou amplitude da distribuição.

É a diferença entre o limite superior da última classe e o limite inferior da primeira
classe, AT.

Intervalos ou amplitude Amostral.

É a diferença entre o valor máximo e mínimo da amostra AA.
Obs.: A amplitude total da distribuição jamais coincide com a amplitude amostral.
Ponto médio, centro de classe ou marca de classe ( x i )

É a média aritmética do limite superior e do limite inferior da classe

10  12
Na classe 10;12 , x i   11
2
Obs.: o ponto médio da classe é o valor que representa a classe.

2.4.3. Tipos de frequências sem intervalo de classes

12
Para variáveis discretas de variação relativamente pequena, cada valor pode ser tomado
como um intervalo de classe e, nesse caso, a distribuição é chamada distribuição sem
intervalos de classe.
Se a variável toma numerosos valores distintos, é comum tratá-la como uma variável
contínua, formando intervalos de classe de amplitude diferente de um.
Este tratamento da variável abrevia o trabalho, mas acarreta alguma perda de precisão.

2.4.4. Representação gráfica de uma distribuição discreta

Para representar a distribuição de frequências relativas ou absolutas de uma variável

discreta utiliza-se o gráfico de barras ou o diagrama diferencial.
Diagrama de barras
O diagrama de barras que representa a distribuição do número de irmãos dos alunos da
turma considerada tem o seguinte aspecto:

Obs.:

• A linha poligonal que une os extremos das barras chama-se polígono de frequência.

• Este tipo de gráfico é adequado para dados qualitativos e para dados quantitativos do
tipo discreto.

Xi fai fri Fai fri

0 10 010 10 0,10
1 15 0,15 25 0,25
2 25 0,25 50 0,50
3 40 0,40 90 0,90
4 10 0,10 100 1,00
Total 100 1,00

13
Diagrama diferencial

Fi

40

30

20

10

0 1 2 3 4 X

Diagrama integral ou função de distribuição

A representação gráfica das frequências acumuladas tem um aspecto de uma série de

degraus. Passamos a ter uma função de frequências, o salto dado pelas frequências
acumuladas em cada ponto corresponde exactamente à frequência simples desse ponto.

0 se x 0
10 se 0  x 1

25 se 1 x  2
Fi  
50 se 2x3
90 se 3 x 4

100 se x4

14
 100

90

80

70

60

50

40

30

20

10

0 1 2 3 4

Uma distribuição de frequências de dados contínuos pode ser representada graficamente

pelo histograma, pelo polígono de frequências e pelo polígono de frequências
acumuladas.

Histograma - é formado por rectângulos justapostos, tendo por base um intervalo de

classe e por área a frequência relativa (ou absoluta).

Algumas características do histograma

 As larguras dos rectângulos são iguais às amplitudes dos intervalos de classe.
 A altura do rectângulo devem ser proporcionais as frequências das classe.
 A área de um histograma é proporcional à soma das frequências.
 Área total coberta pelo histograma é igual a 1, para as frequências relativas.
 Quando queremos comparar duas distribuições devemos utilizar frequências
relativas.
Obs.: Se todas as classes tiverem a mesma amplitude, a construção do histograma é
facilitado

15
Exemplo: notas de alunos a uma determinada disciplina,

Classe Frequência Frequência

absoluta f ai acumulada
Fai
0 ; 2 3 3
2 ; 4 5 8
4 ; 6 10 18
6 ; 8 6 24
8 ; 10 2 26
Total 26

Polígono de frequências

16
Num histograma um polígono de frequências utiliza os pontos médios de cada intervalo
de classe no caso de frequências simples e à partir do limite superior do intervalo de
classe, no caso de frequências acumuladas.

Este tipo de gráfico é usado quando queremos comparar dois histogramas.

Exemplo: notas de alunos a uma determinada disciplina,

Gráfico em segmento de recta vertical

É utilizado para representar uma distribuição de frequência pontual, onde os segmentos

de reta são proporcionais às respectivas frequências absolutas.

Alguns tipos de histogramas

Histograma simétrica: A medida dos dados está no centro do desenho. As frequências

mais altas também estão no centro da figura.
Nos processos industriais, esta é a forma desejável.

17
Histograma com assimetria positiva. A média dos dados está localizada à esquerda do
centro da figura e a cauda à direita é alongada. Esta ocorre quando o limite inferior é
controlado ou quando não podem ocorrer valores abaixo de determinado limite.

Histograma com assimetria negativa. A média dos dados está localizada à direita do
centro da figura e a cauda à esquerda é alongada. Esta forma ocorre quando o
limite superior é controlado ou quando não podem ocorrer valores acima de certo limite.

Histograma em plateau, Isto é, com exceção das primeiras e das últimas classes, todas as
outras têm frequências quase iguais. Essa forma ocorre quando se misturam várias
distribuições com diferentes médias.

Histograma com dois picos, ou duas modas. As frequências são baixas no centro da
figura, mas existem dois picos fora do centro. Esta forma ocorre quando duas
distribuições com médias bem diferentes se misturam.
Podem estar misturados, por exemplo, os produtos de dois turnos de trabalho.

18
Os histogramas também mostram o grau de dispersão da variável.
O histograma à esquerda mostra pouca dispersão, mas o histograma à direita mostra
grande dispersão.

2.5. Separador de frequências ou diagrama de caule-e-folha

É uma forma simples de representar os dados quando não se trabalha com o computador.
A base da construção de uma representação em caule-e-folhas está na separação de cada
dado em duas partes: o “caule” e a “folha”. Tendo em consideração a ordem de grandeza
dos dados a representar, escolhe-se os dígitos dominantes que se colocam ao longo de um
eixo vertical, do lado esquerdo. Estes dígitos constituem os caules. Para cada dado toma-
se o dígito que se segue imediatamente aos dígitos dominantes e coloca-se do lado direito
do eixo, em frente ao respectivo caule. Estes dígitos são as folhas. As folhas são
registadas à medida que vamos percorrendo o conjunto dos dados. No entanto, na
representação final, ordenam-se por ordem crescente as folhas penduradas em cada caule.

Exemplo 1: Consideremos a amostra constituída pelas notas obtidas numa prova de

Estatística, de uma determinada turma:
12,1 8,9 16,2 8,2 15,1 14,5 13,4 14,7
7,5 8,8 12,4 16,1 15,2 13,5 13,8 14,6
15,5 7,8 12,5 13,2 11,0 10,5 9,8

19
Exemplo: 2
Registaram-se os tempos, em segundos, que 28 alunos conseguiam estar sem respirar:
112 41 26 35 98 56 87
125 64 78 82 80 48 92
105 79 83 131 87 94 111
123 57 27 115 38 106 45
Exemplo 3 – Uma empresa imobiliária pretendendo estudar os preços dos apartamentos
na região de Luanda, recolheu essa informação sobre 40 apartamentos, tendo obtido os
seguintes preços (em milhares de dólares):
190 138 179 162 157 357 209 138 151 204
255 135 235 210 281 121 189 255 170 208
290 186 183 122 160 147 299 182 188 126
149 147 208 183 185 154 236 149 185 290

Exemplos 4 – A tabela apresenta os tempos de sono (em horas), de dois jovens, medidos
durante 30 noites seguidas.
Pedro David
8,7 9,3 8,7 7,1 9,5 7,1
9,4 5,3 7,4 8,3 7,1 7,4
6,6 7,3 6,3 7,1 7,5 7,4
6,0 6,7 5,9 7,9 7,9 7,8
6,9 5,8 10,0 7,5 6,4 6,2
9,9 4,7 6,5 6,2 6,2 8,6
6,3 5,6 8,6 8,2 7,5 8,4
8,9 5,9 7,7 8,7 7,7 6,6
10,1 9,4 9,0 8,5 7,6 8,1
9,6 7,6 7,9 7,6 8,8 7,1

2.5.1. A curva de frequência

A curva de frequência, mostra de modo mais evidente, a verdadeira natureza da
distribuição da população.
(Referências bibliográfica: Estatística Fácil de António Arnot Crespo página 64 a 66)
Como, em geral, os dados coletados pertencem a uma amostra extraída de uma
população, pode-se imaginar as amostras tornando-se cada vez mais amplas e a amplitude
das classes ficando cada vez menor, o que nos permite concluir que o contorno do

20
polígono de frequências tende a se transformar numa curva (curva de frequência),
mostrando, de modo mais evidente, a verdadeira natureza da distribuição da população.
Pode-se dizer, então, que, enquanto o polígono de frequência nos dá a imagem real do
fenômeno estudado, a curva de frequência nos dá a imagem tendenciosa.
Assim, após o traçado de um polígono de frequência, é desejável, muitas vezes, que se
faça um polimento, de modo a mostrar o que seria tal polígono com um número maior de
dados.
Esse procedimento, não nos dará certeza absoluta que a curva polida seja tal qual a curva
resultante de um grande número de dados. Porém, pode-se afirmar que ela assemelha-se
mais a curva de frequência que o polígono de frequência obtido de uma amostra limitada.
O polimento, geometricamente, corresponde à eliminação dos vértices da linha
poligonal. Consegue-se isso com a seguinte fórmula:
f ant.  2f i  f post.
fci 
4
onde:
fci é frequência calculada da classe considerada;

f i é frequência absoluta da classe i (classe considerada);

f ant. é frequência absoluta da classe anterior a i;

f post. é frequência absoluta da classe posterior a i;

Altura em centímetros de 40 meninas:

Classe
Altura (cm) Xi f ai fci
150 ; 154
152 4 4,25
154 ; 158
156 9 8,25
158; 162
160 11 9,75
162 ; 166
164 8 8,00
166 ; 170 168 5 5,25
170 ; 174
172 3 12,75
Total
40

21
Formas das curvas de frequência
(Referências bibliográfica: Estatística Fácil de António Arnot Crespo página 66 a 68)
As curvas de frequência assumem as seguintes formas características:

 Curvas em forma de sino

As curvas em forma de sino caracterizam-se pelo fato de apresentarem um valor
máximo na região central.
Distinguem-se as curvas em forma de sino em: simétrica e assimétrica
Alguns fenómenos com distribuições em forma de Sino: estatura de adultos, o
peso de adultos, a inteligência medida em testes mentais.

o Curva simétrica
Esta curva caracteriza-se por apresentar o valor máximo no ponto central e os
pontos equidistantes desse ponto terem a mesma frequência.

o Curvas assimétricas

22
 Na prática, não se encontram distribuições perfeitamente simétricas. As
distribuições obtidas de medidas reais são mais ou menos assimétricas, em relação
à frequência máxima.
Assim, as curvas correspondentes a tais distribuições apresentam a cauda de um
lado da ordenada máxima mais longa do que o outro. Se a cauda mais longa fica a
direita é chamada assimétrica positiva ou enviesada à direita, se a cauda se alonga
a esquerda, a curva chamada assimétrica negativa ou enviesada à esquerda.

Assimétrica Positiva

Assimétrica Negativa

 Curvas em forma de Jota:

As curvas em forma de Jota são relativas a distribuições extremamente
assimétricas, caracterizadas por apresentarem o ponto máximo em uma das
extremidades.
São curvas comuns a fenômenos econômicos e financeiros: distribuição de
vencimentos ou rendas pessoais.

23
  Curvas em forma de "U":
As curvas em forma de U são caracterizadas por apresentarem ordenadas máximas
em ambas as extremidades.
Como exemplo de fenômeno cuja distribuição teria esse formato, podemos citar a
mortalidade por idade.

A metodologia a seguir na construção do diagrama de barras é:

1) Ordenar a amostra e considerar para classes os diferentes valores aí considerados.
Marcar essas classes no eixo xx num sistema de eixos coordenados.
2) Nos pontos onde se consideram as classes, marcar barras de altura igual à frequência
absoluta ou relativa da classe.
Referências
LEVINE, David M.; STEPHAN, David; KREHBIEL, Timothy C.; BERENSON, Mark L. ESTATÍSTICA: teoria e
aplicações (usando o Microsoft Excel em Português). Rio de Janeiro; LTC editora, 2005.

BUSSABA, Wilton de O. ;MORETTIN, Pedro, A.; ESTATÍSTICA BÁSICA. 5 ª ed. São Paulo; editora
Saraiva, 2006.

Elizabeth Reis, ESTATÍSTICA DESCRITIVA. 7ª ed. Lisboa; edições Sílabos, Lda.; 2008.

António Arnot Crespo, ESTATÍSTICA Fácil . 19ª ed. Actualizada ; editora Saraiva, 2009.

24