Académique Documents
Professionnel Documents
Culture Documents
1 ÍNTRODUÇÃO
2 ETIMOLOGIA
4 IMPORTÂNCIA DA ESTATÍSTICA
5 TIPOS DE ESTATÍSTICAS
0
7:00 7:30 8:00 8:30 9:00
6.1 População
População Amostra
É uma variável que pode tomar apenas um conjunto finito ou uma infinidade
numérica de valores. Exemplo, o número de acidentes, o número de
nascimentos, o número de pessoas, etc.
6.3.2.2 Variável quantitativa contínua
É uma variável que toma valores num intervalo real, ou seja é aquele que pode
tomar um número infinito de valores reais diferentes. Exemplo: a temperatura
de um dado material, a altura e o peso de uma pessoa, o peso de pacotes de
farinha numa unidade de produção, o tempo de duração de uma reacção
química, etc.
Deve ser claro, desde o início de estudo, qual o problema a analisar e uma vez
conhecido, qual o tipo de decisão que se pretende tomar. Esta etapa requere já
algum conhecimento estatístico pois os métodos a aplicar não são de modo
nenhum, independentes da informação que se pretende recolher. Uma
identificação incorrecta do problema torna as etapas seguintes inúteis. Ainda
nesta etapa e para tornar a identificação do problema mais fácil, poderá ser
utilizada alguma informação quantitativa já existente.
7.2 – Colecta dos dados
Comentário:……………………………………………………………………………...
..............................................................................................................................
O que o induziu a nos visitar?……………………………........................................
…………………………………………………………………………………………
Por favor deixa este cartão na caixa de sugestões, à entrada. Muito obrigado.
Gráfico de Sector
Outra leitura
14% 8%
Exercício físico
TV ou cinema
32%
46%
8.4.1.5 Histograma
45 a menos de 55 14 28
55 a menos de 65 12 24
65 a menos de 75 8 16
75 a menos de 85 1 2
Total 50 100
Distribuição
35 9 etário dos pescadores
45 9
16
p 45 14
N 14
e 55 14
ú 12
s 55 12
m 10
c 65 12
e 8 65
a 8
r 6 75
d 8
o
o 4 75 1
r 2 85 1
d
e 0 85 0
e
s 0 20 40 60 80 100
Idade (anos)
Poligonal Característica
16
p 14
N
e
ú 12
s
m 10
c
e
a 8
r
d 6
o
o 4
r 2
d
e 0
e
s 0 20 40 60 80 100
Idade (anos)
Polígono de frequência
16
p 14
N
e
ú 12
s
m 10
c
e
a 8
r
d 6
o
o 4
r 2
d
e 0
e
s 0 20 40 60 80 100
Idade (anos)
60
50
40
30
20
10
0
0 20 40 60 80 100 120
9 DISTRIBUIÇÃO DE FREQUÊNCIA
𝒇𝒊 𝒇𝒊
𝒇𝒓 = e 𝒇𝒓 % = × 𝟏𝟎𝟎 onde:
𝑵 𝑵
N = número de dados ou observações a distribuir
O ângulo em graus é obtido pelo produto da frequência relativa percentual pela
divisão do ângulo giro por 100
𝟑𝟔𝟎
∡ = 𝒇𝒓 % × ou ∡= 𝒇𝒓 % × 𝟑, 𝟔
𝟏𝟎𝟎
Frequência Absoluta Acumulada “abaixo de” (fac↓) de uma classe é
obtida através da adição sucessiva das frequências simples absolutas
de cada classe anterior a ela e a frequência absoluta dessa classe.
Exemplo: de acordo com o exemplo2 da tabela 9-3 construa um quadro
de distribuição de frequência e os gráficos de barras e de sector.
Tabela 9-4 Distribuição de frequência do tamanho dos agregados familiares
Variável 𝑓𝑖 𝑓𝑟 𝑓𝑟 % fac↓ fac↑ 𝑓𝑟 %
(X) × 3,6(∡)
1 4 0,08 8 4 50 28,8
2 10 0,2 20 14 46 72
3 15 0,3 30 29 36 108
4 13 0,26 26 42 21 93,6
5 6 0,12 12 48 8 43,2
6 2 0,04 4 50 2 14,4
∑ 𝑓𝑖 ∑ 𝑓𝑟 ∑ 𝑓𝑟 % ∑ 𝑓𝑟 %
= 50 =1 = 100 × 3,6
= 360
16
F 14
r a
12
e b
10
q s
u o 8
ê l 6
n u 4
c t 2
i a 0
António
a Lulendo 1Samuel da
2 Costa 3 4 5 6 25
Nº de pessoas
ESTATÍSTICA DESCRITIVA
Intervalos
∑ 𝒇𝒊 = 𝟐𝟓
b)
12
i
n n 10
ú á f
m r e 8
e v c
r o t 6
o r a
e d 4
d s o
e a 2
s
0
0 5 10 15 20 25 30
∑ 𝑓𝑖 ∑ 𝑓𝑟 ∑ 𝑓𝑟 %
= 30 = 𝑜, 999 = 99,9
≅1 ≅ 100
10
F
r a 8
e b
q s 6
u o
4
ê l
n u 2
c t
i a 0
a 0 50 100 150 200
Classes
10 EXERCÍCIOS DE APLICAÇÃO
k) Marca de automóveis
Das variáveis indicadas, quais são as quantitativas e quais são as
qualitativas?
4 – Declara se cada uma das seguintes variáveis é qualitativa ou quantitativa:
a) Vendas anuais
b) Tamanho dos refrigerantes (pequeno, médio, grande)
c) Ganhos por acção
5 – Para realizar um estudo sobre o tempo gasto, em minutos por 60 elementos
de um clube de karting num circuito de 20 voltas, registou-se o tempo gasto por
16 desses elementos. Os resultados foram os seguintes:
14,1 13,5 15,0 16,2 17,6 18,7 13,1 15,5
16,6 17,2 14,8 15,9 18,0 16,3 14,9 14,3
5.1 – Indique:
a) A população
b) A amostra
c) Indique a variável estatística em estudo e classifique-a.
6 – O corpo administrativo de um consultório médico estudou o tempo de
espera dos pacientes que chegavam ao consultório com uma solicitação de
serviço de emergência. Os seguintes dados foram colectados no período de
um mês (os tempos de espera estão em minutos). 2; 5; 10; 12; 4; 4; 5; 17; 11;
8; 9; 8; 12; 21; 6, 8; 7; 13; 18; 3.
Construa um quadro de distribuição de frequência de dados simples
mostrando:
a) A distribuição de frequências absolutas
b) A distribuição de frequências relativas
c) A distribuição de frequências absolutas acumuladas
d) A distribuição de frequências relativas percentuais acumuladas
e) Que proporção de pacientes que necessitam de serviço de emergência
enfrenta um tempo de espera de nove minutos ou menos
f) Construa um gráfico de linha e um gráfico de bastão ou diagrama de
bastão.
7- Os anos de estudo para uma amostra de 50 indivíduos, dividida
equitativamente entre masculino e feminino, estão apresentados na seguinte
tabela:
4 7 6 4 4
12 7 6 8 5
8 5 5 4 8
4 1 3 4 7
5 5 4 4 4
4 2 4 1 4
11 4 8 5 0
7 4 5 8 0
5 6 2 4 5
4 4 4 4 7
Fiat 5830
Mercedes-Bens 3190
Outros 1370
Total 63951
Nos pontos anteriores vimos como é possível sintetizar os dados sob a forma
de quadros ou (tabelas), gráficos e distribuições de frequências. Em seguida
serão apresentadas algumas medidas que nos permitem representar um
conjunto de dados relativos à observação de determinado fenómeno de forma
ainda mais resumida e permitem também a comparação de diferentes
distribuições: são as medidas de estatística descritiva.
Estas medidas descritivas – conhecidas por parâmetros quando analisamos a
população e estatísticas quando se trata da amostra - permitem-nos sumariar
os dados através de um só valor e devem obedecer a algumas propriedades
para serem boas medidas de discrição dos fenómenos em estudo.
Propriedades desejáveis das medidas descritivas
1 – Objectividade para que dois observadores diferentes cheguem a
mesma conclusão
2 - Depender de todas observações para reflectir a informação contida no
conjunto de todas as observações
3 – Ter um significado concreto para ter uma fácil interpretação
4 – Eficiência computacional e algébrica no que respeita à velocidade do
calculo e simplicidade algébrica
5 – Insensibilidade as variações das amostras para que as medidas
sejam estáveis
De entre as medidas descritivas distinguem-se:
- Medidas de localização;
- Medidas de dispersão;
- Medidas de assimetria, etc.
Neste capitulo debruçar-nos-emos sobre as primeiras – as medidas de
localização – deixando para os próximos capítulos o estudo dos restantes tipos
de medidas.
Estas medidas localizam os valores observados da variável no eixo dos
números reais. As mais importantes são as medidas de tendência central pois
representam os fenómenos pelos seus valores médios, em torno dos quais
tendem a concentrar-se os valores observados.
n = tamanho da amostra
Xi = valores individuais observado
Exemplo: Seja X={2, 5, 7, 6} temos:
1 2+5+7+6 20
X = 𝑛 ∑ 𝑥𝑖 → X= = =5
4 4
∑ 𝒇𝒊 𝑿𝒊 30
𝑿= ∑ 𝒇𝒊
= = 3,0
10
∑ 𝑓𝑖 = 76 ∑ 𝑓𝑖 𝑃𝑚𝑖 = 13.044
∑ 𝐟𝐢 𝐏𝐦𝐢 𝟏𝟑.𝟎𝟒𝟒
𝐗= ∑ 𝐟𝐢
= → X ≅ 171,63𝑐𝑚
𝟕𝟔
11.1.1.3 Média Geométrica (Mg) ou (Xg)
6 6
𝑀𝑔𝑝 = √8 × 64 × 10 =√5120 = 4,15
Exemplo: 𝑋 = {2, 5, 7, 9}
𝑛 4 4 4×630
𝑀ℎ = 1 =1 1 1 1 = 601 = ≅ 4,193
∑ + + + 601
𝑋𝑖 2 5 7 9 630
Exemplo 1:
Tabela 11-4
𝑋𝑖 𝑓𝑖 𝑓𝑖
𝑋𝑖
2 3 1,5
3 6 2,0
5 15 3,0
𝑓
∑ 𝑓𝑖 = 24 ∑ 𝑖⁄𝑋 = 6,5
𝑖
∑ 𝒇𝒊 𝟐𝟒
𝑴𝒉𝒑 = 𝒇 = = 𝟑, 𝟔𝟗
∑ 𝒊 𝟔,𝟓
𝑿𝒊
Exemplo 2: De acordo com a tabela 11-2 relativa a estatura dos alunos , temos:
Tabela 11-5 Tabela de distribuição de frequência das estaturas dos estudantes
da Faculdade de Engenharia
Estaturas (cm) (𝑓𝑖 ) 𝑋𝑖 𝑓𝑖
𝑋𝑖
150 Ⱶ 156 5 153 0,032679
156 Ⱶ 162 4 159 0,025157
162 Ⱶ 168 19 165 0,115151
168 Ⱶ 174 18 171 0,105263
174 Ⱶ 180 14 177 0,079096
𝑓
∑ 𝑓𝑖 = 76 ∑ 𝑖⁄𝑋
𝑖
= 0,4444083
∑ 𝒇𝒊 𝟕𝟔
𝑴𝒉𝒑 = 𝒇 = = 𝟏𝟕𝟏, 𝟏𝟒𝒄𝒎
∑ 𝒊 𝟎,𝟒𝟒𝟒𝟎𝟖𝟑
𝑿𝒊
𝐗 𝟏 𝟐 +𝐗 𝟐 𝟐 +𝐗 𝟑 𝟐 +⋯+𝐗 𝐧 𝟐 ∑ 𝐗𝐢 𝟏
𝟐
𝐌𝐪 = √ =√ ou 𝐗 𝐪 = √ ∑ 𝐗 𝐢
𝐧 𝐧 𝐧
Exemplo1:
Tabela 11-6
𝑋𝑖 𝑓𝑖 𝑋𝑖 2 𝑋𝑖 2 𝑓𝑖
2 4 4 16
5 6 25 150
7 7 49 343
9 3 81 243
∑ 𝑓𝑖 =20 ∑ 𝑋𝑖 2 𝑓𝑖 =752
∑ 𝑿𝒊 𝟐 𝒇𝒊 𝟕𝟓𝟐
𝑴𝒒𝒑 = √ ∑ 𝒇𝒊
=√ = √𝟑𝟕, 𝟔 =6,132
𝟐𝟎
∑ 𝑓𝑖 = 76 ∑ 𝑋𝑖 2 𝑓𝑖 = 2.245140
∑ 𝑿𝒊 𝟐 𝒇𝒊 𝟐.𝟐𝟒𝟓.𝟏𝟒𝟎
𝑴𝒒𝒑 = √ ∑ 𝒇𝒊
=√ =√29.541=171,88cm
𝟕𝟔
11.1.2 Mediana
∑ 𝑓𝑖 = 25
𝑛+1 25+1
𝐸𝑚 = = = 13
2 2
Exemplo2:
Tabela 11-9
𝑋𝑖 𝑓𝑖 𝑓𝑎𝑐 ↓
2 5 5
4 4 9
⑤ 6 ⑮
7 8 23
8 3 26
∑ 𝑓𝑖 =26
𝑛 𝑛+2 26 26+2
+ +
2 2 2 2
𝐸𝑚 = = → 𝐸𝑚 = 13,5
2 2
O elemento mediano ocupa, então, 13,5ª posição do conjunto. Dispondo este
conjunto de valores (tabela 11-9) com suas respectivas frequências
isoladamente, teremos:
𝑋 = {2, 2, 2, 2, 2, 4, 4, 4, 4, 5, 5, 5, 5│ 5, 5, 7, 7, 7, 7, 7, 7, 7, 7, 8, 8, 8}, assim:
𝑋13 +𝑋14 5+5
𝑀𝑒 = = =5
2 2
b.2) Dados ponderados agrupados em classe
O critério de interpretação é semelhante dos casos anteriores, ou seja,
devemos dividir esta distribuição em duas partes iguais. Para tal recorremos a
uma fórmula (já desenvolvida), o que nos permitirá encontrar o valor desejado.
A expressão a utilizar, será:
𝑬𝒎 −𝒇𝒂𝒄↓𝒂𝒏𝒕
𝑴𝒆 = 𝒍𝒊 + [ ]×𝒉
𝒇𝒊 𝒄𝒍𝒂𝒔𝒔𝒆
𝑬𝒎 −𝒇𝒂𝒄↓𝒂𝒏𝒕
𝑴𝒆 = 𝒍𝒊 + [ ]×𝒉
𝒇𝒊 𝒄𝒍𝒂𝒔𝒔𝒆
110
E𝑚 = = 55 (posição do elemento mediano)
2
Classe mediana: 4 Ⱶ 6
Em que 𝒍𝒊 =4; 𝑓𝑎𝑐 ↓ 𝑎𝑛𝑡 =43; 𝑓𝑖 𝑐𝑙𝑎𝑠𝑠𝑒 = 34 e h = 2; logo
55−43
Me = 4 + [ ] × 2 = 4 + 0,7 → Me = 4,7
34
Exercícios: Considere novamente os casos
a) Do estudo do tamanho dos 50 agregados familiares, tabela 9-4 e
b) Da distribuição de frequências de 25 fazendas infectadas, tabela 9-5.
∑ 𝑓𝑖 = 60
Nesta tabela, o valor modal é 1,70m, isto porque é o resultado que apresenta o
maior número de alunos (20)
b.2) Valores ou dados agrupados em classe
Tratando-se de dados agrupados em classe, a moda não é percebida tão
facilmente como nos casos anteriores. Para tal utilizamos diversos processos
na sua obtenção. Mas qualquer que seja o processo adoptado, o primeiro
passo é identificar a classe que contém a maior frequência. A esta classe
denomina-se Classe-Modal.
1º- Processo de Szuber
O processo utilizado por Szuber leva em consideração as frequências anterior
e posterior a Classe Modal. O ponto correspondente à moda divide o intervalo
em partes proporcionais às diferenças da frequenia da classe modal com as
frequências anterior e posterior, respectivamente.
Assim, Para o cálculo da moda pelo processo de Szuber, é necessário que
identifiquemos os seguintes elementos:
Moc =Moda (Processo de Szuber)
∆1 = 𝑓𝑚á𝑥 − 𝑓𝑎𝑛𝑡 (frequência absoluta simples máxima – frequência absoluta
simples anterior)
∆2 = 𝑓𝑚á𝑥 − 𝑓𝑝𝑜𝑠𝑡 (frequência absoluta simples máxima - frequência absoluta
simples posterior)
𝑓𝑚á𝑥 −𝑓𝑎𝑛𝑡
Moc=𝑙𝑖 + [ ]×ℎ
2𝑓𝑚á𝑥 −(𝑓𝑎𝑛𝑡 +𝑓𝑝𝑜𝑠𝑡 )