·E- �TAT(sr!

r
� 11-\I ' I vi-\
""
/\

BAS I CA
Geraldo Luci<1no Toledo
lvo izidoro Ovaile
Ab_ordando os t6picos mais lmportan­
tes da estatlstlca b6slca, este texto con­
tem a materia fundamental para estudos
subsequentes, ja entao no campo da es­
tatistica inferenclal. Seu conteudo limi­
ta-se aos pontos introdut6rios dos estu·
dos estatisticos. Como passo inicial, o
texto cuida de uma lntroclu�o geral a
compreensio da estatfstlca, quando sao
tratados os conceltos de populacao e
amostra, atributo e variavel descontinua
ou discreta e variavel continua, propor­
c;:ao, razao e porcentagem, alem de outros
aspectos fundamentals. Em seguida, o
texto trata de distribulc;:ao de frequen­
cias, focalizando as tabulac;:oes de dados
agrupados e niio agrupados em classes,
bem como os elementos essenciais das
distribuic;:oes e os tipos principals de
frequencias. Em terceiro lugar, o texto
focaliza a apresen� gr6fica, .esclare­
cendo didaticamente como siio construi­
dos e a que fim atendem os principals
tipos de graficos estatisticos. Expoe, por­
menorizadamente, as tecnicas de cons­
truc;:iio dos principals graficos de infor­
mac;:iio e de analise, alertando sobre o
seu uso indevido. Entre os tipos de gra­
ficos cuja construc;:iio e explicada desta­
cam-se: em barras horlzontais, agrupadas
e bidirecionais; em colunas simples e
superpostas; pict6ricos; lineares; em se­
tores; em coordenadas polares; triangu­
lares; e representativos de distribuic;:oes
de frequencia.
Ap6s esses t6picos basicos, o texto
examina as medidas de posl�o - me­
dia, moda,' mediana, quartis, decls e per­
centis. Subsequentemente, aborda as me­
didas de dlspersio absoluta e relativa,
evidenciando o significado d_o� principals
desvlos e coeflclentes de variac;:iio usual­
mente .empregados pelos es�atisticos. As
medidas de asslmetrla e curtose siio a
seguir. abordadas.
A nlvel de estatfstica baslca aplica­
da, siio ainda estudados os numeros-lndl�
ces. Partlndo do concelto fundamental

1co�t!ncc na orelha oosierlorJ

de numeros relativos, o texto explica de­
talhadamente como sao construidos os
principais indices de prec;:os e de quanti·
dades. Entre os numeros-indices estuda­
dos, destacam-se os de Laspeyres, Paas­
che, Fisher, Marshal-Edgeworth, Drobish
e Divisia. Como exemplos extraidos do
sistema brasileiro, sao mostradas as for­
mulas de calculo de indices especiais,
como o PIA, o IGP, o deflator implicito
do PIB, o IPC e o INPC.
Finalmente, sao focalizadas, tambem
a nivel introdut6rio, as tecnicas de cor­
relac;:ao e de regressao, com farta exem­
plificac;:ao e detalhada exposic;:ao dos me­
todos de calculo.
Para facilitar o uso do texto a ni­
vel didatico, ha em. cada capitulo eleva­
·

do numero de exercicios propostos e re­

solvidos.

NOTA SOBRE OS AUTORES

GERALDO LUCIANO TOLEDO e Doutor

em Administrac;:ao de Empresas pela Uni­
versidade de Sao Paulo, na area de Mar­
keting. � professor livre-docente do De­
partamento de Administrac;:ao e do curso
de p6s-graduac;:ao em Administrac;:ao da
FEA-USP. i: ainda professor titular de
Estatistica Aplicada a Administrac;:ao do
Curso Especial de Administrac;:ao da Uni­
versidade Mackenzie. Autor de Marketing
Bancario e co-autor de Estatistica Aplic:a­
da, livros pertencentes ao fundo edito­
rial da Atlas.
IVO IZIDORO OVALLE e graduado em
Economia e p6s-graduado em Economia
Publica pela Universidade de Sao Paulo.
i: professor de Estatistica Basica e Apli­
cada e de Econometria na USP, na Uni­
versidade Cat61ica de Campinas e na
FAAP.

APUCACAO

Pelo seu conteudo abrangente e pela

forma como a materia foi exposta, este
texto de Estatistica Basics foi elaborado
para atender ao ensino fundamental da
estatistica em todos os cursos superiores
em que a materia e minlstrada. A mate­
ria reunida pelos autores e suficientemen­
te ampla e esclarecedora, para .servir de
suporte a estudos subsequentes de esta­
tistica _aplicada.
 CIP-Brasi1. Cata1oga�ao-na-Fonte
Camara Brasi1eira do Livro,SP

To1edo, Gera1do Luciano.

T582e Estatlstica basica/por/ Gera1do Luciano Toledo
2.ed. /e/ Ivo Izidoro Ova1le. 2.ed. Sao Paulo : At1as, 19�2.

l.Estatlstica 2.Estatlstica matematica I. Ovale,

Ivo Isidoro: II. Tltulo.

17.e 18.CDD-310
17. -519
77-1221 18. -519.5

indices para cata1ogo sistematico:

lo Estatlstica 310 (17. e -18.)
2. Estatlstica matematica 519 (1i.) 519.5 (18.)

EDITORA ATLAS S.A.

Rua Helvetia, 574/578 -CEiis
Caixa Postal 7186 Tel.: (011) 221-9144
-

01215 Sao Paulo (SP)

BRASIL
Estatfstica
l)Qsica
GERALDO LUCIANO TOLEDO
IVO IZIDORO OVALLE

0�108
ESTATfSTICA BASICA
Geraldo Luciano Toledo
Ivo lzidoro Ovalle

Diagrama�io de
PAVEL GERENCER

Capade
ANDERSON RODRIGUES

Copyright © 1982

EDITORA ATLAS S.A.

TODOS OS DIREITOS RESERV ADOS - Nos termos da Lei que resguarda

os direitos autorais, e proibida a reprodu\:ao total ou parcial, bem como a
produ\:ao de apostilas a partir deste livro, de qualquer forma ou por qualquer
meio - eletronico ou mecanico, inclusive atraves de processos xerograficos,
de fotoc6pia e de grava\:ao - sem permissao, por escrito, do Editor.

2.a EDI<;.AO
2.a tiragem -· 1982

lmpresso no Brasil
Printed in Brazil
Sumario

1 - INTRODUCAO GERAL A COMPREENSAO DA ESTATISTICA, 13

1.1. Consideracoes Gerais, 13

1.2. Estatistica descritiva e estatfstica indutiva, 15
1.2.1. Estatfstica descrltiva, 15
1.2.2. Estatfstica indutiva ou inferencia estatfstica, 15
1.3. 0 estatistico, 16
1.4. Populaciio e amostra, 16
1.4.1. Populaciio ou universo estatistico, 16
1.4.2. Amostra, 17
1.5. Fenamenos estatfsticos, 18
1.5.1. Fenomenos coletivos ou fenomenos de massa, 18
1.5.2. Fenomenos individuais ou particulares, 18
1.5.3. Fenomenos de multidiio, 18
1.6. Atributo e variavel, 19
1.6.1. Presenca ou ausencia de um atributo, 19
1.6.2. Variavel, 19
1.7. Variavel descontinua ou discreta e variavel continua, 20
1.7.1. Variavel discreta ou descontinua, 20
1.7.2. Variavel continua, 20
1.8. Fases do metodo estatistico (Estatistica descritiva), 20
1.8 .1 . Definiciio do problems, 21
1.8. 2. Planejamento, 21
1.8.3. Coleta dos dados, 22
1.8.4. Apuraciio dos dados, 24
1.8. 5. Apresentaciio dos dados, 25
1.8.6. Analise e interpretaciio dos dados, 25
1.9. As series estatisticas, 26
1.9.1. Serie hom6grada, 27
1.9.2. Serie heter6grada, 27
1.9.3. Os quatro tipos de series estatisticas, 27 7
 1.9.4. Tabelas de dupla entrada, 31
1.10. Proporc;:iio, raziio e porcentagem, 32

1.10.1. Proporc;:iio, 32
1.10.2. Porcentagem, 34
1.10.3. Razao, 36
1.10.4. Taxa, 36
1.11. Arredondamento de numeros, 37
1. 12. Somat6rio, 39
1.12.1. Propriedades do somat6rlo, 40

2 - DISTRIBUICAO DE FREOOENCIAS, 49

2.1 . Dados brutos, 49

2.2. · Roi, 50
2.3. Tabela de freqiiencias, 51
2.3.1. Dlstribuic;:iio de freqiiencias de dados tabulados niio-agrupados
em classes, 51
2.3.2. Distribuic;:iio de freqiiencias de dados agrupados em classes, 53
2.4. Elementos de uma distribuil;:iio de freqiiencias, 54
2.4.1. Freqiiencia simples absoluta, 54
2.4.2. Amplitude total: A , 54
2.4.3. Classe, 55
2.4.4. Limites de classes, 56
2.4.5. Amplitude do intervalo de classe, 58
2.4.6. Ponto media de classe - x -, 59
2.5. Tipos de freqiiencias, 60
2.5.1. Freqiiencias simples, 60
2.5.2. Freqiiencias acumuladas "abaixo de". 63
2.5.3. Freqiiencias acumuladas "acima qe•, 65
2.6. Roteiro para a elaborac;:iio de uma tabela de freqiiencias com dados
agrupados em classes, 67

3 - APRESENTACAO GRAFICA, 75

3.1. Classificac;:ao dos graficos segundo a forma, 75

3.2. Classificac;:ao dos graficos segundo o objetivo (uso), 76
· 3.2.1. Graficos de lnformac;:iio, 76
3.2.2. Graflcos de analise, 76
3.2.3. Uso indevido dos graflcos, 77
3.2.4. Principais tipos de graficos, 78

4 - MEDIDAS DE POSICAO, 107

4.1. lntroduc;:ao, 107

4.2. Media, 101
4.2.1. Media aritmetica, 108
4.2.2. Media geometrica, 124
8 4.2.3. Media harmonica, 132
 4.2.4. Media quadratics, 138
4.3. Moda, 143
4.3.1. Determinac;:iio da moda de valores niio-tabulados, 143
4.3.2. Determinac;:iio da moda para valores tabulados, 144
4.4. Medians, 152
4.4.1. Determinac;:iio da mediana de valores niio-tabulados, 152
4.4.2. Determinac;:iio da mediana de valores tabulados niio-agr.up�os
em classes, 154
4. 4.3. Determinac;:iio da mediana de valores tabulados agrupados 'em
classes, 157
4.5. Considerac;:oes adicionais sobre a media aritmetica, a moda
e a mediana, 164
4.5.1. Relac;:iio empfrica entre a media, a moda e a mediana, 164
4.5.2. Caracterfsticas da media, da medians e da moda, 166
4.6. Ouartis - decis - percentis (ou centis), 169
4.6.1. Ouartis, 169
4.6.2. Decis, 170
4.6.3. Percentis ou centls, 171

5 - MEDIDAS DE DISPERSAO, 181

5.1. lntrodur;iio, 181

5.2. Medidas de dispersiio absoluta, 182
5.2.1. Amplitude total ou intervalo total, 182
5.2.2. Desvio quartil ou amplitude semi-interquartilica, 184
5.2.3. Desvio medio, 183
5.2.4. Desvio-padriio, 191
5.2.5. Variiincia, 210
5.3. Medidas de dispersiio relativa, 219
5.3.1. Desvio quartil reduzido, 219
5.3.2. Coeflciente de variar;io, 220

6 - MEDIDAS DE ASSIMETRIA E CURTOSE, 227

6.1. lntrodur;iio, 227

6.2. Momentos, 227
6.2.1. Momento natural (absoluto) de ordem r, 227
6.2.2. Momento de ordem r em relac;:iio a uma origem qualquer x , 230
6.2.3. Momento centrado na media de ordem r, 232
6.2.4. Relar;iio geral entre os momentos centrados na media e os
momentos naturals, 235
6.2.5. Relac;:iio entre momentos centrados na media e momentos
centrados em uma origem arbitraria, x , 237
6.2.6. Processo breve para o calculo dos momentos, 241
6.2.7. Controle de Charlier e correc;:iio de Sheppard para os
momentos, 246
6. 3. Medidas de assimetria ou de enviesamento, 249
6.3.1. Metodo de comparac;:iio entre medidas de tendencia central, 251
6.3.2. Coeficiente de Pearson, 253 9
 6.3.3. Coeficiente quartil de assimetria, 256
6.3.4. Coeficiente de assimetria entre os percentis 10 e 90, 257
6. 3.5. Coeficiente momenta de assimetria, 259
6.4. Medidas de curtose, 260
6.4.1. Coeficiente percentilico de curtose, 261
6.4.2. Coeficiente momenta de curtose, 263

7 - NOMEROS..fNDICES, 311

7.1. lntroducao, 311

7.2. Conceito de relative, :312
7.2.1. Relative (relacao) de preco (p, t), 312
7.2.2. Relative (relacao) de quantidade (q , t), 313
7.2.3. Relative (relai;:oes) de valor (v , t), 316
7. 3. Criterios (testes) de avaliacao de adequai;:ao da f6rmula de um
indice, 317
7.3.1. ldentidade, 317
7.3.2. Reversao (inversao) do tempo, 318
7.3.3. Circular, 319
7 .3.4. Decomposicao das causas (inversao dos fatores), 320
7.4. Elos de relative e relative em cadeia, 321
7.5. Empregos de medias simples e indice agregativo simples, .323
7.5.1. Media aritmetica simples de relatives, 323
7.5.2. Media harmonica simples de relatives, 324
7. 5.3. Media geometrica simples de relatives, 325
7.5. 4. fndice agregativo simples (indice de Bradstreet), 331
7. 5. 5. Restrii;:oes ao emprego de indices simples, 333
7.6. Emprego de indices agregativos ponderados, 342
7.6.1. fndice de laspeyres OU metodo da epoca-basica, 342
7.6.2. fndice de Paasche OU metodo da epoca atual, 344
7.6.3. fndice de Fischer (indice ideal), 345
7.6.4. fndice de Marshall-Edgeworth, 346
7.6.5. fndice de Drobish, 347 ,.

7. 6. 6. fndice de Divisa, 348

7. 6. 7. F6rmulas modificadas, 348
7.7. Construi;:ao de series de numeros-indices - mudani;:a de base, 355
7.7.1 . Base fixa, 356
7. 7. 2. Base m6vel encadeada, 356
7.7.3. Vantagens e desvantagens dos metodos, 358
7.7.4. Mudani;:a de base na pratica - metodo abreviado, 358
7.7.5. Conjugai;:ao de duas ou mais series de numeros-indices
em uma s6, 359
7.8. Conceito de deflater e de poder aquisitivo, 360
7.8.1. Deflater, 360
7. 8.2. Poder aquisitivo, 363
7.9. Taxa real ou taxa deflacionada, 365
7.10. Alguns indices especiais, 366
10 7.10.1. fndice de Preco por Atacado - IPA, 366
 7.10.2. Iodice Geral de Precos - I GP, 373
7.10.3. Deflator l mplicito de Preco e Iodice de Quantum, 375
7.10.4. Iodice Relacao de Trocas, 379
7.10.5. Iodice daCapacidade de lmportar, 379
7.10.6. Iodice de Precos aoConsumidor - C
I V - (Iodice do Custo
de Vida), 382
7.10. 7. Iodice de Correcao Monetaria - Obrigacoes Reajustaveis do
Tesauro Nacional, 385
7.11. Exercfcios propostos, 388

8 - CORRELACAO E REGRESSAO, 412

8.1. Relacao entre variaveis, 412
8.2. Correlacao linear simples, 412
8.2.1. Medida de correlacao, 412
8.2.2. Correlacao linear positiva, 413
8.2.3. Correlacao linear perfeita positiva, 413
8.2.4. Correlacao negative, 414
8.2.5. Correlacao perfeita negativa, 414
8.2.6. Correlacao nula, 415
8.2.7. Correlacao espuria, 416
8.2.8. Calculo pratico do coeficiente de correlacao linear, 416
8.2.9. Exercicios propostos, 418
8.2.10. Correlacao ordinal, 419
8.2.11. Exercicios complementares, 423
8.3. Analise de regressao, 424
8.3.1. Regressao linear simples, 424
8.3.2. 0 poder explicativo do modelo, 430
8.3.3. Regressao linear por transformacao, 434
8.3.4. Exercicios complementares, 445
8.3.5. Regressao polinomial - ajuste por parabola, 449
8.3.6. Exercicios propostos, 454

Referinclas Blbllogr6ficas, 459

11
Introdufiio Geral a
Compreensiio da Estatistica

1.1. CONSIDERACOES GERAIS

A utilizayao da Estatistica e cada vez mais acentuada em qualquer ati·

vidade profissional da vida moderna. Nos seus mais diversificados ramos de
atuayao, as pessoas estao freqiientemente expostas a Estatistica, utilizando-a
com maior ou menor intensidade. lsto se deve as multiplas aplicayoes que o
metodo estatistico proporciona aqueles que dele necessitam.

Apesar disso, existem muitas concepyOeS erroneas acerca da natureza

desta disciplina. A ideia que um leigo possa fazer da Estatistica difere em
muito da de um profissional. E comum, por exemplo, as pessoas formai:em
conceitos distorcidos a respeito de um estatistico profissional. Para alguns,
trata-se de um individuo que tern a capacidade de manipular numeros para
demonstrar seus pontos de vista. Alguns estudantes, por outro lado, tendem
a admiti-lo como alguem que, auxiliado por sua calculadora, tern a faculdade
de converter qualquer assunto em um estudo "cientifico". Toda essa aura
criada em torno da disciplina tern provocado, em estudantes e profissionais,
uma dupla atitude: de apreensao, quanta a dificuldade de absoryao de seu
conteudo, e de expectativa, quanto a sua potencialidade como instrumento
auxiliar de resoluyao de problemas. Por essa razao, e extremamente dificil
apresentar uma definiyao de Estatistica, alem do que muitos de seus
conceitos fundamentais nao apresentam uma definiyao explicita, ou, se a
apresentam, esta nao se revela suficientemente clara para dar uma ideia defi­
nitiva de seu significado.
E possivel distinguir duas concepyaes para a palavra ESTAT(STICA:
a) No plural (estat{sticas), indica qualquer cole�o consistente de dados
numericos, reunidos com a finalidade de fornecer informa,.oes acerca de
uma atividade qualquer. Assim, por exemplo, as estat{sticas demogiaficas
referem-se aos dados numerioos sobre nascimentos, falecimentos, matri-
m0nios, desquites etc.. As estatlsticas economicas consistem em dados 13
 numericos relacionados com emprego, produ�iio, pre�s, vendas e com
outras atividades ligadas aos varios setores da vida economica.

b) No singular, indica a atividade humana especializada ou um corpo <le

tecnicas, ou ainda uma metodologia desenvolvida para a coleta, a classi­
fica�o, a apresenta�o, a aruilise e a interpreta�o de dados quantitativos
e a utiliza�o desses dados para a tomada de decis0es.

Atraves dessa segunda acep9ao, e possivel vislumbrar o objeto dos

estudos estatisticos. Este reside naqueles fenomenos que se referem .::>rinci­
palmente a um conjunto muito numeroso de individuos, que sao semelhantes
quanto a pelo menos uma caracteristica especifica. Freqiientemente, os
metodos deterministas sao inaplicaveis ao estudo de caracteristicas pr6pria�
de conjuntos muito numerosos de fodividuos, face a extrema complexidade
ou mesmo as condi96es peculiares e a natureza do fenomeno estudado.
Trata-se, em particular, do caso em que o conjunto das ocorrencias rela­
cionadas com o comportamento da caracteristica analisada esta sujeito ao
acaso. Atraves de uma tecnica de sintese, que e uma caracteristica de seus
metodos, a Estatistica torna possivel analisar os padroes de comportamento
da caracteristica em estudo, conseguindo superar a ir.cetermin�9ao que se
manifesta em casos particulares.

Fisher refere-se a Estatistica como o ramo da Matematica Aplicada

dedicado a analise de dados de observa9ao. A despeito das criticas que esta
coP.cep9ao possa merecer, ela evidencia claramente dois aspectos importantes
do metodo estatistico: o tratamento quantitativo a ser aplicado ao fenomeno
e � observa9ao, tomada em seu sentido mais amplo. Assim sendo, qualquer
ciencia experimental nao pode prescindir das tecnicas proporcionadas pela
Estatistica, citando-se, a guisa de exemplo, a Fisica, a Biologia, a Adminis- ·

tra9ao de Empresas, a Economia, a Psicologia, a Agronomia e outras. Todos

esses ramos de· atividade profissional tern necessidade de um instrumental
que se preocupa com o tratamento quantitativo dos fenomenos de massa
ou coletivos, cuja mensura9ao e analise requerem uin conjunto de obser­
va96es de fenomenos individuais ou particulares. Esse mecariismo de amilise
refere-se a um processo de generaliza9ao, a partir de resultados individuais.
Assim, se for observado um certo padrao de regularidade nos resultados de
um experimento qualquer, provavelmente existe uma caracteristica corres­
pondente a uma ampla classe de experiencias. Verificando-se a comprova9ao
dessa caracteristica atraves de testes estatisticos adequados, pode-se fazer a
generaliza9ao da caracteristica para todas as categorias de fenomenos seme­
lhantes.

Para esclarecer e fixar melhor o conceito de Estatistica, sera inte­

ressante dizer-se alguma coisa sobre aquilo que ela nao e.

Em primeiro lugar, a Estatistica nao e, de forma alguma, um metodo

mediante o qual se pode provar tudo aquilo que se deseja. Na realidade, nao
14 ha nada nos metodos estatisticos capaz de evitar que um indivfduo super-
ficial ou inescrupuloso extraia de um estudo estatistico suas pr6prias con­
clus0es, apesar da existencia dos dados numericos. Em segundo lugar, a
EstatiStica nao e simplesmente uma coleyao de dados (estatisticos) nem
constitui um substituto do pensamento abstrato. te6rico ou do exame minu­
dente dos casos excepcianais. Dessa forma, os metodos estatisticos nao se
opoem, de modo algum, a analise qualitativa dos casos particulares. Ambos
OS metodos se completam. Alem disso, nao e correto afirmar-se que a EstJ­
tistica somente seja aplicavel em presenya de um grande numero de caso�
ou que nao possa ser usada em estudos exploiat6rios.

Para estabelecer o ambito dos estudos da disciplina e adotando-se um

esquema pratico de raciocinio, pode-se dizer que a Estatistica compreende
duas funyoes (ou campos) hem amplas. A primeira funyao e descritiva, e a
segunda e indutiva.

1.2. ESTATISTICA DESCRITIVA E ESTATISTICA INDUTIVA

1.2.1. Estatrstica Descritiva
Principalmente em pesquisa social, o analista defronta-se amiude com
a situayao de dispor de tantos dados que se torna dificil absorver completa­
mente a informayliQ que esta procurando investigar. E extremame.rt.ti_ dificil;
captar intuitivamente todas as infomiayoes que os dados contem. Eneces­
sario, portanto, que as informayoes sejam reduzidas ate o ponto em que se
possa interpreta-las mais claramente. Em outras palavras, e indispensavel
resumi-las, atraves do uso de certas medidas-sinteses, mais comumente conhe­
cidas como estatisticas descritivas ou simplesmente estatisticas. Por conse­
guinte, a estatistica descritiva e um numero que sozinho descreve uma
caracteristica de um conjunto de dados. Trata-se, portanto, de um numero­
-resumo que possibilita reduzir os dados a proporyoes mais facilmente inter­
pretaveis. Evidentemente, ao resumir os dados atraves do uso de estatisticas
descritivas, muita informayao ira necessariamente se perder, alem de ser
provavel a obtenyao de resultados distorcidos, a menos que eles sejam inter­
pretados com muita precauyao.

Em um seritido mais amplo, a Estatistica Descritiva pode ser inter­

pretada como uma funyao cujo objetivo e a observayao de fenomenos de
mesma natureza, a coleta de dados numericos referentes a esses fenomenos, a
organizayao e a classificayao <lesses dados observados e a sua apresentayao
atraves de graficos e tabelas, alem do calculo de coeficientes (estatisticas)
. que permitem descrever resumidamente OS fenomenos. Esse livro e dedicado
exclusivamente ao desenvolvimento da Estatistica Descritiva.

1.2.2. Estatlstica lndutiva ou lnferencia Estatrstica

A inferencia estatistica refere-se a um processo de generalizayao, a
partir de resultados particulares. Consiste em obter e generalizar conclilsoes, 15
 ou seja, inferir propi:iedades para o todo com base na parte, 110 parl1c11l;ir.
A induyao estatfstica implica, pois, um raciocfnio muito mais complcxo
do que o que preside a Estatfstica Descritiva. Entretanto, bem comprccndida
e utilizada, pode converter-se em um instrumento muito importantc par11 o

desenvolvimento de uma disciplina cientifica.

0 processo de generalizaylio, que e caracteristico do metodo indutivo,

esta associado a uma margem de incerteza. A existencia da incerteza deve-se
ao fato de que a concluslio, que se pretende obter para o conjunto de todos
os individuos analisados quanto a determinadas caracteristicas comuns,
baseia-se em uma parcela do total de observayoes. A medida da incerteza e
tratada mediante tecnicas e metodos que se fundamentam na Teoria da
Probabilidade.

1.3. 0 ESTATISTICO
Ha diferentes acepyoes para a palavra "estatistico". 0 estatistico pode
ser alguma pessoa que desenvolva funcroes oficiais. utilizando-se de dados
oficiais. Por outro lado, 'o estatistico pode ser um analista especializado em
metodologia .estatistica, utilizando-se dela para desenvolver o trabalho de
coleta, analise e tabulacrlio de dados numericos. Finalmente, o termo pode
referir-se a um especialista que utiliza a matematica superior para desen­
volver novas e poderosos metodos de ·anaJ.ise de dados quantitativos, como
base para tomar decisoos. Os estatisticos slio sempre necessarios, qualquer
que seja o nivel em que desempenham suas atividades.

1.4. POPULACAO E AMOSTRA

Dois conceitos utilizados largamente em Estatistica slio populaylio ou

universo estatistico e amostra.

1.4.1. Populac;io ou Universo Estat(stico

0 conjunto da totalidade dos individuos sobre o qual se faz uma
inferencia recebe o nome de populacrlio ou universo. A populaylio congrega
todas as observayoes que sejaril. relevantes para o estudo de uma ou mais
caracterfsticas dos indivfduos, os quais podem ser concebidos tanto como
seres animados ou inanimados. Em linguagem mais formal, a populai;lio e o
conjunto constitufdo por todos os individuos que apresentem pelo menos
uma caracterfstica comum, cujo comportamento interessa analisar (inferir).
Assim sendo, o objetivo das generalizayoes estatisticas (induylio estatistica)
esta em dizer-se algo acerca de diversas caracterfsticas da populai;lio estudada,
com base em fatos conhecidos. Essas caracteristicas da populaylio slio comu­
mente chamadas de parametros, os quais slio valores fixos e ordinariamente
desconhecidos.

Se se quiser realizar um estudo censitario das rendas das famflias,

16 poderia existir uma observaylio para cada famflia no Brasil.
 Admitindo-se que cada uma dessas observayoes mede, sem erro, a renda
de uma famflia, nenhuma observayao adicional concebivel esclareceria mais
alguma coisa sobre as rendas das familias. Este conjunto, esta cole�ao de
observayoes, constituiria a populayao, ou seja, representaria todas as observa­
yOeS possiveis relativas ao assunto, que e a caracteristica que se pretende estu­
dar. Poder-se-ia limitar a popula9ao apenas ao Estado de Sao Paulo. Agora, o 1
estudo censitario das rendas das fam11ias abrangeria apenas aquele Estado.
'

E importante ficar bem claro que uma populayaO e estudada em termos

de observa9oes de caracteristicas nos individuos, e nao em termos de pessoas
ou objetos em si. Assim, por exemplo, as alturas dos cidadaos do Brasil cons­
tituem uma popula9ao. Poderia haver uma populayao correspondente aos
pesos desses mesmos cidadaos.

Quanto ao numero de elementos, a populayao pode ser finita ou infi­

nita. A primeira e aquela que apresenta um numero limitado de individuos.
Muitas vezes, entretanto, o numero de observa9oes e infinito. A populayao
sera, entao, infinita. Esta ultima normalmente esta associada a processos.
Assim, se um tecnico de laborat6rio quisesse pesar um certo material, por
maior que fosse o cuidado na experimentayao ele poderia, em cada pesagem,
obter uma leitura de certo modo diferente. Qualquer numero de observa9oes
que ele realizasse nao constituiria uma popula9ao completa, pois os resul­
tados poderiam nao ser uniformes. 0 processo de pesagem poderia, desta
forma, continuar indefinidamente, prevalecendo as condiyoes basicas do
experimento. 0 numero de tais medi9oes (observa9oes) tenderia a ser iilfi­
nito, dando origem a uma popula9ao infinita. Uma popula9ao infinita devera,
entao, ser concebida apenas como um esquema conceitual e te6rico.

1.4.2. Amostra

A amostra pode ser definida como um subconjunto, uma parte sele­

cionada da totalidade de observa9oes abrangidas pela popula9ao, atraves da
qual se faz um juizo ou inferencia sobre as caracteristicas da populayao.
As caracteristicas da amostra sao chamadas de estatisticas (descritivas), sendo
simbolizadas por caracteres latinos, enquanto que os parametros da popu­
la9ao terao como simbolos, via de regra, os caracteres gregos. Nesse texto, a
preocupayao seni, portanto, a de descri9ao da amostra atraves da comumente
chamada Estatistica Descritiva.

Suponha-se, para exemplificar, que se pretenda conhecer o conteudo de

ferro natural a ser exportado por um navio. 0 agregado ou populayao
consiste em todo o minerio de ferro a ser exportado por esse navio. Parte do
minerio e examinada, a fim de determinar seu teor de ferro, com o objetivo
de tirar uma conclusao a respeito do teor de ferro natural do embarque
completo. A parte de mineral selecionado constitui a amostra do embarque.
Uma vez que se fara inferencia sobre todo o minerio embarcado a partir de 17
 apenas Utna pOryaO dele, a base do proceSSO e a infonnayao incompleta OU
de amostra.

1.5. FENOMENOS ESTATISTICOS

0 fenomeno em estatistica relaciona-se com qualquer evento que se
pretenda analisar, cujo estudo seja passivel da aplicayao da tecnica estatistica.
A Estatfstica dedica-se ao estudo dos fenomenos de massa, que sao resul­
tantes do concurso de um grande numero de causas, total ou parcialmente
desconhecidas, que serao chamadas de "fenomenos estatisticos".

E possivel nao se conhecerem exatamente as causas subjacentes aos

fenomenos, pois pode-se estuda-los atraves de suas manifestayoes, desco­
brindo-se neles alguns aspectos globais, sem remontar a essas causas. 0 que
caracteriza tais fenomenos (sociais, biol6gicos etc.) e o fato de serem eles
provenientes de um concurso de causas nem sempre totalmente conhecidas
pelo analista.

Os fenomenos classificam-se em tres tipos:

1.5.1. Fenomenos Coletivos ou Fenomenos de M assa

Os fenomenos coletivos sao aqueles que nao podem ser definidos por
uma simples observayao. A natalidade, a mortalidade, a nupcialidade, o preyo
medio de veiculos usados, vendidos diariamente em uma grande cidade,
'
sao fenomenos coletivos.
1.5.2. Feoomenos lndividuais ou Particulares
-OS fenomenos individuais sao aqueles que irao compor os fenomenos .
coletivos. Cada nascimento, cada individuo que morre, cada casamento que
ocorre, cada veiculo usado que se vende diariamente em uma grande cidade,
sao fenomenos individuais.

1.5.3 Fenomenos de Multidio

Os fenomenos de multidao distinguem-se dos fenomenos coletivos pelo
fato de as caracteristicas observadas para a massa nao se verificarem para o
particular, para o individuo isoladamente.

De acordo com a forma como se manifestam, os fenomenos podem ser

classificados sob dois aspectos:

a) Fenomenos Tipicos
Os fenomenos tipicos sao aqueles que se manifestam de forma regular,
revelando um comportamento definido.

b) Fenbmenos Atipicos
Os fenomenos atipicos referem-se aqueles fenomenos cuja manifestayao
se da atraves de um comportamento irregular, nao revelando uma tendencia
18 definida.
 1.6. ATRIBUTO E VARIAVEL

Embora na grande maioria dos problemas estatisticos os dados sejam

de natureza quantitativa, isto nem sempre acontece. Os dados muitas vezes
se apresentam sob o aspecto qualitativo. Por essa razao, costumam-se dividir
os dados estatisticos segundo dois aspectos:

1.6.1. Presen(:CI ou Ausencia de um Atributo

0 observador podera limitar-se a notar a presenya ou ausencia de um

atributo em uma serie de individuos, e contar o numero dos que o possuem
e o dos que dele carecem. Seria possivel, por exemplo, classificar individuos
segundo o sexo. Haveria, entlio, duas classes distintas de dados observados:
uma classe representando os individuos de sexo masculino e outra os de sexo
feminino. Ve-se claramente, atraves do exemplo, que a variayao nlio e quanti­
tativa. Costuma-se estabelecer uma correspondencia entre os resultados
possiveis e numeros, de modo a se ter sempre um carater numerico associado
a observayliO estatistica.

Quando os dados estatisticos apresentam um carater qualitativo, o

levantamento e os estudos necessarios ao tratamento desses dados slio
designados genericamente como estatistica de atributo. Considera-se um
carater como qualitativo quando as modalidades que o comp0em formam
um conjunto amorfo, nlio estruturado numericamente, ou seja, quando nlio
ha ligaylio entre essas modalidades, independentemente do fato de consti­
tuirem um conjunto completo.

Os atributos admitem dois tipos de classificaylio:

1. ClassificafiiO Dicotomica ou Dicotomia

Existe uma dicotomia quando cada classe em que o atributo e consi­
derado admite uma subdivislio em apenas duas subclasses. Por exemplo, a
classifica�ao dos individuos de uma localidade quanto ao sexo.

2. Classi[icafiio Mu/tip/a ou Policotomica

Ocorre uma policotomia quando cada classe se subdivide em mais de
duas subclasses. A classificaylio das pessoas segundo o estado civil e uma
policotomia.

1.6.2 Variavel
0 observador podera tambem anotar ou medir a intensidade efetiva de
um carater variavel em cada um dos objetos ou pessoas observadas. Pode, por
exemplo, registrar a idade das pessoas ao morrer, a estatura ou o peso dos indi­
vfduos, o rendimento das fam11ias em uma grande cidade, o numero de empre­
gados dispensados, por mes, em uma grande empresa e assim por diante.
Os resultados das observayoes serlio expressos sempre atraves de valores
numericos. Os dados sao de carater nitidamente quantitativo, e o conjunto 19
 dos resultados possui uma estrutura numerica. Dir-se-a, entao, que se trata de
estatistica quantitativa ou estatistica de variavel.

1.7. VARIAVEL DESCONTiNUA OU DISCRETA E

VARIAVEL CONTfNUA
Tratando-se de estatistica de variavel, e possivel distinguir duas cate­
gorias de variavel: discreta, ou descontinua, e continua.

1.7.1. Variavel Discreta ou Oescontinua

Suponha que uma instituis:ao de ensino esteja interessada em saber
qual 0 numero de alunos presentes as aulas de um determinado professor' em
certo periodo da vida escolar. Se X simbolizar esse ntimero, entao X sera
uma variavel que s6 pode assumir valores inteiros, inclusive zero. Mais preci­
samente, diz-se que X sera uma variavel discreta quando a menor diferen9a
nao-nula entre dois valores possiveis dessa variavel for finita.

Deve-se notar que, teoricamente, X pode variar em todo o conjunto de

numeros inteiros racionais, e nao apenas inteiros positivos de zero a infinito.

Normalmente a variavel discreta resulta de contagem, razao pela qual

seus valores sao expressos atraves de nutneros inteiros nao-negativos.

1.7.2. Variavel Continua

Se X representar, por exemplo, o numero de metros percorridos por

um atleta durante certo periodo de tempo em uma pista circular, X nao sera
certamente uma variavel discreta. Agora, X pode assumir o valor de qualquer
numero real positivo, uma vez que para o calculo do comprimento da circun­
ferencia e necessario introduzir 0 numero real rr.

Formalmente, diz-se que X e uma variavel continua quando, ao passar

de um valor real a para outro valor b, assume todos os valores intermediarios
entre a e b. Assim sendo, pode-se dizer que a variavel continua resulta normal­
mente de mensura9ao, e a escala numerica .de seus possiveis valores corres­
ponde ao conjunto R dos numeros reais.

Para se fazer uma ideia concreta da variavel continua, basta pensar em

um filete de mercurio de um termometro com escala centigrada. Ao dilatar-se
o filete da temperatura a da escala para a b, ele passara por todas as tempe­
raturas intermediarias.

1.8. FASES DO METODO ESTATiSTICO (ESTATiSTICA DESCRITIVA)

Quando se pretende empreender um estudo estatistico completo,

existem diversas fases do trabalho que devem ser desenvolvidas para se chegar
aos resultados finais do estudo. Essas etapas ou opera9oes sao chamadas fases
20 do trabalho estatistico e sao de ambito da Estatistica Descritiva.
 As fases principais sao as seguintes:
- Defini�ao do Problerna
- Planejamento
- Coleta dos Dados

- Apura�o dos Dados

- Apresenta�o dos Dados
- Analise e Interpreta�o de Dados

1.8.1. Defini�ao do Problema

A primeira fase do trabalho estatfstico consiste em uma defini9ao ou
formula�ao correta do problema a ser estudado. Alem de considerar detida­
mente o problema objeto do estudo, o analista devera examinar outros levan­
tamentos realizados no mesmo campo e analogos, uma vez que parte da
informa�ao de que necessita pode, muitas vezes, ser encontrada . nesses
ultimos. Um fabricante de sabonete, que deseja lan�ar um produto novo no
mercado, poderia estar interessado em um estudo sobre as caracteristicas dos
consumidores atuais. Nao havendo estudos. semelhantes, ele devera formular
o problema com base em sua pr6pria experiencia. Uma lista de fatores rele­
vantes devera resultar dessa investiga�o preliminar: numero de unidades
consumidas por familia em cada ano, numero medio de pessoas que compoe
cada familia, numero de membros adultos da familia, as marcas preferidas
e assim por diante. Saber exatamente aquilo que se pretende pesquisar e o
mesmo que definir corretamente o problema.

1.8.2. Planejamento
0 passo seguinte, ap6s a defini�ao do problema, compreende a fase do
planejamento, que consiste em se determinar o procedimento necessario para
resolver o problema e, em especial, coma levantar informa�oes sabre o
assunto objeto do estudo. Que dados deverao ser obtidos? Como se deve
obte-los? E preciso p/anejar o trabalho a ser realizado, tendo em vista o obje­
tivo que se pretende atingir.

Mais . especificamente, na fase do planejamento a preocupa�ao maior

reside na escolha das perguntas, bem como sua correta formula�ao, qualquer
que seja a modaiidade de coleta dos dados.

E nessa fase que sera escolhido o tipo de levantamento a ser utilizado.

Sob esse aspecto, pode haver dois tipos de levantamento:

1. levantamento censitario, quando a contagem for completa, abrangendo

todo o universo.

2. levantamento por amostragem, quando a contagem for parcial.

Outros elementos importantes que devem. ser tratados nessa mesma

fase sao o cronograma das atividades, atraves do qual sao fixados os prazos
para as varias fases, os custos envolvidos, o exame das informa�oes dispo-
21
 niveis, o delineamento da amostra, a forma como serao escolhidos os dados
e assim por diante. Os livros mais especfficos sobre pesquisa de mercado
poderao ser consultados, caso o leitor tenha maior interesse ne�e assunto.

1.8.3. Coleta dos Dados

0 terceiro passo e essencialmente operacional, compreendendo a coleta

das informayoes propriamente ditas. Formalmente, a coleta de dados se refere
a obtenylio, reunilio e registro sistematico de dados, com um objetivo deter­
minado.
Antes de se tecer qualquer outra considerayao sobre esta fase do
metodo estatistico, convem estabelecer uma distinylio entre os dados estatis�
ticos.
Uma empresa, por exemplo, pode valer-se de·diversas fontes ao utilizar
os dados em seus trabalhos estatisticos. Assim, os seus registros contabeis
podem conter muitas informayoes uteis para outros fins, que nao meramente
o da avaliaylio do ativo, do passivo e do patrimonio, e a determinaylio dos
lucros e perdas. Os varios departamentos de uma organizaylio, no curso de
sua atividade normal, mantem igualmente registros de natureza estatistica.
Pode ocorrer, entretanto, que os registros da pr6pria empresa nao propor­
cionem toda a informaylio necessaria para resolver determinado problema.
Por exemplo, para se saber se uma queda nas vendas esta sendo experimen­
tada tambem por outras empresas do mesmo setor industrial em que opera,
a empresa nao ira recorrer simplesmente a seus registros internos. Podera
haver algum organismo especializado que reuna os dados e os distribua em
forma de publicayoes ou de qualquer outra maneira. De qualquer modo, os
registros internos nao serao suficientes nesta situaylio, necessitando a empresa
recorrer a fontes externas para obter as informayoes desejadas. Se a empresa
precisasse saber a opiniao dos consumidores sobre algum aspecto particular
do seu produto, um exame direto sobre eles seria recomendavel. E possivel,
pois, distinguir dois tipos de fontes externas, as quais darao origem a duas
especies de dados: dados primarios e dados secundarios.

Dados Primlirios
Os dados silo primarios quando slio publicados ou comunicados pela
pr6pria pessoa ou organizaylio que os haja recolhido.

Dados Secundirrios
Os dados slio secundarios quando sao publicados ou comunicados por
outra organizaylio.
Um conjunto de dados e, pois, primario ou secundario em relayao a
alguem. As tabelas do Censo Demografico slio fontes primanas. Quando
determinado jornal publica estatisticas extraidas de varias fontes e relacio­
nadas com diversos setores industriais, os dados slio secundarios para quern
22 desejar utilizar-se deles em alguma pesquisa que esteja desenvolvendo. Embora
muitas vezes possa ser conveniente recorrer a fontes secundarias, e mais
seguro trabalhar com fontes primarias, por varias razoes:

1. Uma fonte primana oferece, em geral, inform�ao mais detalhada do que

uma fonte secundaria.

2. E mais provavel que as defini�0es de termos e de unidades figurem somente

nas fontes primarias.

3. 0 uso da fonte secundaria traz o risco adicional 'de erros d� transcri�o.

4, Uma Conte primaria podera vir acompanhada de copias dos impressos

utilizados para coletar as informa�oes, juntamente com o procedi­
ritento adotado na pesquisa, a metodologia seguida e o tipo e tamanho
da amostra.

Essas informa�oos proporcionam ao usuario uma ideia do grau de

garantia que os dados oferecem.

A coleta de dados pode ser realizada de duas maneiras, direta ou indi­

retamente.

Coleta Direta
A coleta e direta quando e obtida diretamente da fonte, como no caso
da empresa que realiza uma pesquisa para saber a preferencia dos consumi­
dores pela sua marca.

Ha tres tipos de coleta direta:

a) Coleta Continua
b) Coleta Periodica
c) Coleta Ocasionill

A coleta de dados e continua quando estes sao obtidos ininterrupta­

meqte, automaticamente e na vigencia de um determinado periodo: um ano,
por exemplo. Os registros de nascimento, de casamento, de 6bito podem ser
considerados como uma forma de coleta direta continua.

A coleta de dados e peri6dica quando e realizada em perfodos curtos,

determinados, de tempos em tempos. 0 recenseamento demografico, a
cada dez anos, e o censo industrial, anualmente, sao exemplos de coleta
peri6dica.

A coleta de dados e ocasional quando os dados forem colhidos espora­

dicamente, atendendo a uma conjuntura qualquer ou a uma emergencia.
A coleta de casos fatais em um surto epidemico e o registro de pedidos de
um determinado artigo que uma grande empresa recebe em um dia de greve
sao fonnas de coleta ocasional.

Coleta Indireta
A Coleta dos dados e indireta quando e inferida a partir dos elementos
conseguidos pela coleta direta, ou atraves do. conhecimento de outros fenO- 23
 menos que, de algum modo, estejam relacioriados com o fenomeno em
questao. E feita, portanto, por dedu90es e conjeturas, podendo ser realizada:
a) Por analogia
b) Por proporcionaliza�ao
c) Por indfoios
d) Por avalia�iio

A coleta de dados e feita por analogia quando o conhecimento de um

fenomeno e induzido a partir de outro que com ele guarda rela96es de
casualidade.
A coleta de dados e feita por proporcionaliza9ao, quando o conheci­
mento de um fato se induz das condi96es quantitativas de uma parte dele.

A coleta por indicios se da quando sao escolhidos fenomenos sintoma­

ticos para discutir um aspecto geral da vida social.

A coleta e feita por avaliayao quando, atraves de informa96es fide­

dignas ou estimativas cadastrais, se presume o estado quantitativo de um
fenomeno.

1.8.4. Apura�io dos Dados

Antes de come9ar a analisar os dados, e conveniente que lhes seja dado

algum tratamento previo, a fim de torna-los mais expressivos. A quarta etapa
do processo e, entao, a da apura9ao ou sumariza9ao, que consiste em resumir
os dados, atraves de sua contagem e agrupamento. E um trabalho de conden­
sa9ao e de tabula9ao dos dados, que chegam ao analista de forma desorgani­
zada, tornando impossivel a tarefa de apreender todo o seu significado pela
simples leitura.

Hli varias formas de se fazer a apura9ao, dependendo das necessidades

e dos recursos disponiveis do interessado: manual, mecanica, eletromecanica
ou eletronica.

A apurayao e manual quando nao recorre a qualquer maquina para ser

realizada. Quando a apurayao for feita com o auxilio de maquinas mecdnicas,
como as de somar e de calcular, comuns em qualquer escrit6rio, ela seni
meciinica.

A apurayao eletromecdnica e realizada com maquinas que diferem das

itnteriores pelo fato de suas engrenagens internas serem movidas a energia
eletrica. Finalmente, as maquinas eletronicas dao origem ao Ultimo tipo de
apura9ao. Essas maquinas efetuam as opera96es atraves de impulsos eletricos,
dispensando qualquer tipo de engrenagem, o que lhes confere uma velocidade
infinitamente maior que a das anteriores.

Por conseguinte, atraves da apurayao, tem-se a oportunidade de con­

densar os dados, de modo a obter um conjunto compacto de numeros, o
qual possibilita distinguir melhor o comportamento do fenomeno na sua
24 totalidade.
 Entretanto, a contrapartida da melhor aprecia�ao dos dados em seu
conjunto e a perda correspondente de detalhes, uma vez que se trata de um
processo de sintetiza�ao.

1.8.5. Apresenta�iio dos Dados

A apresenta�ao ou exposic;ao dos dados observados constitui a quint�
fase do metodo estatlstico.

Ha duas formas de apresentac;ao, que naci se excluem mutuamente:

1. Apresenta�ao Tabular
A apresentac;ao tabular e uma apresentac;ao numerica dos dados. Con­
siste em dispor os dados em linhas e colunas distribuidas de modo ordenado,
segundo algumas regras praticas adotadas pelos diversos sistemas estatfsticos.
As regras que prevalecem no Brasil foram fixadas pelo Conselho Nacional de
Estatistica. Tais regras acham-se publicadas e dispoom sobre os elementos
essenciais e complementares da tabela, a especificac;ao dos dados e dos sinais
convencionais, o procedimento correto a ser desenvolvido no preenchimento
da tabela e outros dispositivos importantes. 0 leitor que estiver interessado
podera adquirir essas normas junto a qualquer agencia do IBGE, uma vez que
nlfo e o objetivo desse livro entrar nesses pormenores. As tabelas tern a van­
tagem de conseguir expor, sinteticamente e em um s6 local, os resultados
sobre determinado assunto, de modo a se obter uma vislfo global mais rapida
daquilo que se pretende analisar.

De maneira mais formal, define-se como tabela a disposic;ao escrita que

se obtem, fazencio-se referir uma colec;ao de dados numericos a uma deter­
minada ordem de classificac;ao.

2. Apresenta¢o Grd[ica
A apresentaylfo grafica dos dadosnumericos constitui uma apresentac;ao
geometrica. Embora a apresentac;ao tabular seja de extrema importancia; no
sentido de facilitar a analise numerica dos dados, nlfo permite ao analista
obter uma visao tlfo rapida, facil e clara do fenomeno e sua variac;ao como a
conseguida atraves de um grafico. No Capitulo 3, serlfo desenvolvidos os
diversos tipos de graficos e sua utilizac;ao.

1.8.6. Analise e lnterpreta�lo dos Dados

A ultima fase do trabalho estatistico e a mais importante e tambem a

mais delicada. Nesta etapa, o interesse maior reside em tirar conclusoes que
auxiliem o pesquisador a resolver seu problema. A analise dos dados esta­
tisticos esta ligada essencialmente ao calculo de medidas, cuja finalidade
principale descrever o fenomeno. Assim, o conjunto de dados a ser analisado
pode ser expresso por numeros-resumos, as estatisticas, que evi,denciam 25
 caracteristicas particulares desse conjunto. 0 significado exato de cada um
dos valores obtidos atraves do calculo das varias medidas estatisticas dispo­
niveis deve ser hem interpretado. E possivel mesmo, nesta fase, arriscar
algumas generalizar;oes, as quais envolverao, naturalmente, algum grau de
incerteza, porque nao se pode estar seguro de que o que foi constatado para
aquele conjunto de dados (a amostra) se verificara igualmente para a popu­
lar;ao. 0 processo de generalizar;ao, como afirmado anteriormente, esta alein
do escopo deste livro, constituindo um campo mais avanr;ado da Estatistica,
que e 0 da Estatfstica Indutiva OU lnferencia Estatistica.

1.9. AS SERIES ESTATISTICAS

Uma vez coletados OS dados, nao e conveniente apresenta-los para ana­

lise, sob a forma a que se chegou pela simples apurayao. Muitas vezes o con­
junto de valores e extenso e desorganizado, e seu exame requer maior
atenr;ao. Alem disso, com_o ja foi salientado, ha o perigo de se perder a visao
global do fenomeno analisado, quando a lista de dados for extensa e desor­
denada.

Por outro lado, se a lista original de valores puder ser apresentada de

uma forma mais simples· e compacta, havera menor dificuldade em interpretar
os dados e trabalhar com eles. Reunindo, pois, os valor,es em tabelas com­
pactas, consegue-se apresenta-los e descrever-lhes a varutr;ao mais eficiente­
mente. Essa condensayao dos valores permite ainda a utilizar;ao de represen­
tar;ao grafica, que normalmente representa uma forma mais util e elegante
de apresentar;ao da caracteristica analisada. Enfim, qualquer processo de
representar;ao que contribua para proporcionar uma visao mais sintetica do
fenomeno estudado, sem tirar-lhe a precisao primitiva, contribuira igualmente
para facilitar e encaminhar qualquer desses estudos, quer seja o de caracteri­
zayao de um conjunto, o de comparayao com outros semelhantes ou ainda o
de previsao de valores possiveis. E o caso, por exemplo, da serie estatistica.

Uma serie estatistica define-se como toda e qualquer coler;ao de dados

estatisticos referidos a uma mesma ordem de classificayao: quantitativa. No
sentido mais amplo, serie e uma sucessao de numeros referidos a qualquer
variavel. Se OS n\.tmeros expressarem dados estatisticos, a serie sera chamada
de serie estatfstica. Em sentido mais estreito, pode-se dizer que uma serie
estatistica e uma sucessao de dados estatisticos referidos a caracteres quali­
tativos, ao passo que uma sucessao de dados estatisticos referidos a caracteres
quantitativos configurara uma seria�ao. Em outros termos, a palavra serie e
usada normalmente para designar �m conjunto de dados dispostos de acordo
com um carater variavel, residindo a qualidade serial na disposir;ao desses
valores, e nao em uma disposiyao temporal ou espacial de individuos. Para
diferenciar uma serie estatistica de outra, ha que se levar em conta, entao,
26 os tres caracteres presentes na tabela que as apresenta:
- A Epoca (fator temporal ou cronologico) a que se refere o fenomeno analisado.
- 0 Local (fator espacial ou geogr.ifico) onde o fenomeno acontece.
- 0 Fenomeno (especie do fato OU fator especificativo) que e descrito.

As series estatisticas podem ser de quatro tipos, conforme varie um

desses caracteres ou fatores. Embora seja a variayao desses elementos a
caracteristica diferenciadora das series, costuma-se d ividi-las em dois grupos�
0 das series hom6gradas e 0 das heter6gradas.

1.9.1. Serie Homograda

Serie homograda e aquela em que a variavel descrita apresenta variayao

discreta OU descontinua. Sao series hom6gradas a serie temporal, a serie
geografica e a sene especifica.

1.9.2. Serie Heterograda

A serie heterograda e aquela na qual 0 fenomeno OU 0 fato apresenta

gradayoes ou subdivis.Oes. Embora fixo, o fenomeno varia em intensidade.
A distdbuiyiiO de freqiiencias OU seriayiiO e uma sene heterograda.

1.9.3. Os Ouatro Tipos de series Estatfsticas

As series estatisticas, conforme visto, diferenciam-se de acordo com a

variayiiO de um desses tres elementos: epoca, local, fato.

1. Serie Temporal
A Serie temporal, igualmente chamada serie cronol6gica, serie historica,
serie evolutiva ou marcha, identifica-se pelo carater variavel do fator crono­
logico. Assim, deve-se ter:

a) Elemento Variavel: epoca (fator cronol6gico)

b) Elementos Fixos: local (fator geografico)
fenomeno (fator especificativo)

Exemplo: 0 diretor de marketing da empresa G.L.T. S.A., fabricante de

componentes eletronicos, deseja examinar a evolu�iio de suas vendas em
1975, mes a mes. Para tanto, solicitou ao Departamento de Analise de
Mercado a tabela da qua! constam os valores de vendas no perlodo desejado
(Tabela 1.1 ).

Como pode ser observado, o unico carater variavel e o tempo, aqui

representado pelos meses.

Da mesma forma, os valores sucessivos apresentados pelo censo demo­

grafico de uma cidade formariio a marcha da populayiio dessa cidade.

2. Serie Geogrtifica
Tambem denominada serie territorial, sene espacial OU Serie de locali­
zayiiO, a serie geografica apresenta como elemento ou carater variavel
somente o fator geografico. Assim: 27
 a) Elemento Variavel: local (fator geognifico)
b) Elemenfos Fixos: epoca (fator cronol6gico)
fenomeno (fa tor especificativo)

TABELA 1.1 - G.L.T. S.A. - I NDUSTRIA DE COMPONENTES ELETRONICOS

Vandas - Mercado lnterno - 1975

Meses Vendas (em mi/hares de cruzeiros)

Janeiro 2300
Fevereiro . . . . . . . . . . . . . . . . . • 1 800
Man;:o . . . . • . . . . . . . . . . . . . . . 2 200
Abril . . • . . . . . . . • . . • . . . . • . . 2 210
Maio . . . . . . . . • • . • . • . . • . . . • 2360
Jun ho . . • • . . . . . . . . • . . . • . . . 2600
Jul ho . . . . . . • . . . • . . • . • . . . . 2690
Agosto ................... . 3 050
Setembro . . . • . . . . . . . . . . . . . . 3 500
Ou tu bro .................. . 344 0
Novembro . • • . . · . . . . . . . . . . . . . 3 100
Dezembro . . . .. . • . • . . . . . . . . . . 2 760

TOTAL ANUAL . . . . . . . . . • . . . . 31.510

Fonte: Departamento de Analise de Mercado.

Se o diretor de marketing da G.L.T. S A desejar saber, agora, o com­

. .

portamento das vendas dessa empresa efetuadas nos varios Estados do Brasil,
durante o exercicio fiscal de 1975, o fator diferenciador das vendas seria o
geografico.

A tabela correspondente ficaria assim:

TABELA 1.2 - G.L.T. S.A. - I NDUSTRIA DE COMPONENTES ELETRONICOS

Vendes por Unidade da Federat;lio - 1975
·

Unidades da Federa�5o Vendas (em mi/hares de cruzeiros)

Minas Gerais . • . •
.
. . . . . . . . • . . • 4.000
Parana . . . . . . . . . . . . . . . . . • . • 2.230
Rio Grande do Sul . . • . • . • • . . • . 6.470
Rio de Janeiro . . • • • • .· • • . • . . . . 8.300
Sio Paulo . • . • • • • • •_ • . • . . . . • . 10.090
Outros • . . . . . . . . . . . . . . . . . . . 420

TOTAL - BRASIL • . . . • • . . . . • • 31.510

28 Fonte: Departamento de Analise de Mercado.

3. Serie Especifica
A serie especffica recebe tambem outras denominay6es: serie cate­
g6rica OU serie por categoria. Agora, 0 carater variavel e 0 fenomeno.
a) Elementu Variavel: fenomeno (fator especificativo)
b) Elementos Fixos: epoca (fator cronologico)
.local (fator geogr3fico)

Suponha que o diretor de marketing esteja agora interessado em.

conhecer o comportamento das vendas de cada um de seus produtos, os
quais foram agrupados em tres categorias ou linhas, dada a grande variedade
de componentes fabricados pela empresa. A tabela contendo essas infor­
mayoes representaria uma serie especifica.

Os dados da Tabela 1.3 revelam que cinquenta por cento do fatura­

mento da empresa G.L.T. S.A. sao representados pelos produtos da linha C.
Esse fato revela a importancia de urna tabela, como forma de apresentayao
sintetica e elegante dos valores representativos de um fenomeno qualquer.

Os tres tipos de serie apresentados constituem exemplos de series

hom6gradas.

TABELA 1.3 - G.L.T. S.A. - INPUSTRIA DE COMPONENTES ELETRONICOS

Vendas por Linha de Produto - 1975

Linha do Produto Vendas (em mi/hares de cruzeiros)

Linha A . . . . . . . . . . . . . . . . . • . 6.450

Linha B . . . . • . • • . • . • . . • . • . • 9.310

Linha C . . . • • • . . . • • • . . . • • . • 15,750

TODOS OS PRODUTOS . . . . . . . . • 31.510

Fonte: Oepartamento de Analise de Mercado.

4. Distribuifffo de Freqilencias - Seriafiio

As distribuiyoes de frequencias OU distribuiyoes por frequencias sao
series heter6gradas. Neste caso, todos OS elementos - epoca, local e fenO­
meno - sao fixos. Embora fixo, o fenomeno ou fator especificativo
apresenta-se agora atraves de grada9oes, isto e, OS dados referentes ao fen(>.
meno que se esta representando sao reunidos de acordo com sua magnitude.
Normalmente, os problemas de tabula9ao sao enquadrados nesse tipo de serie.

Nas distribui9oes de frequencias, os dados estatisticos sao dispostos

ordenadamente em linhas e colunas, de modo a permitir sua leitura nos
sentidos horizontal e vertical. Na tabela resultante desse procedimento, sao
fixos a epoca, o local e o fenomeno, estando os dados agrupados de acordo
com a intensidade ou varia9ao quantitativa do fenomeno. 29
 TABELA 1.4

Numero de Empregados das Virias Cla- de Salirios

no Estado de Sio Paulo - 1968

Classes de SaltJrios (Cr$) Numero de Empregados.

At4! 80 . • • . . . . . . . . . • . . . • . . . . . 41 326
De 80 a 119 • . . . • . • . . • . . . . . . . . 123 236

De 120 a 159 . . • . • . . . • . • . • . . . . 428 904

De 160 a 199 324 437

De 200 a 399 787 304

De 400 a 599 266 002

De 600 a 799 102 375

De 800 a 999 56 170

1.000 e mais . . . . • . • . • . • • • • • . • • 103.788

TOTAL . . . • • • . • . • • . . . . . • . • . . 2 233 542

Fonte: Servico de Estatfstica da Previctencia e Trabalho.

Um exemplo de distribuiyao de freqtiencias encontra-se na Tabela 1.4,

que descreve os salarios no Estado de Sao Paulo em 1968, classificados e
distribuidos Conforme O numero de empregados.
Esta tabela apresenta o numero de empregados que percebiam, na
epoca, um salario que estivesse incluido em uma dessas classes ou faixas
salariais. Da mesma forma, seria possivel agrupar as vendas da empresa
G.L.T. S.A. em classes de faturamento e analisar o numero de meses em
que se verificaram os varios faturamentos incluidos nas diferentes classes
(Tabela 1.5).

TABELA 1.5 - G.L.T. S.A. - INDUSTRIA DE EQUIPAMENTOS ELETRONICOS

Numero de Meses Segundo o Faturamento

Vendas (em mi/hares de cruzeiros) Numero de Me1es

De 1.800 a 2.199 . . • • • • • • • • • • • • • • • • • 1

2.200 a 2.599 • • • • . • . • • • • . • • . . • . . 4

2.600 & 2.999 . • • . . . • • • • , . • • • • • . • 3

3.000 a 3.399 • • . • . . • • • • • • • • • . • • . 2

3.400 a 3. 799 . • • . • • • • • • • • • . • . • . • 2

TOTAL DE MESES • . • • • • • • . • • • . . . • . . 12

Fonte: Departamento de Anlilise de Mercado.

0 processo de construyao das tabelas representativas de uma distri-

30 buiirao de freqtiencias sera visto mais adiante.
1.9.4. Tabelas de Dupla Entrada

As tabelas apresentadas ate o presente sao tabelas estat(sticas simples,

as quais siio formadas por uma coluna indicadora (coluna matriz), onde
siio inscritos os valores ou as modalidades. classificadas, e por outra coluna
onde se inserem as ocorrencias ou as intensidades do fenomeno analisado.

E comum, todavia, haver necessidade de apresentar, em uma (mica

tabela, mais do que uma serie. Quando as series aparecerem conjugadas,
tem-se uma tabela de dupla entrada. Essa tabela e apropriada, portanto, a
apresentayiio das distribuiy5es a dois atributos, havendo duas ordens de
classificayiio: uma horizontal (linha) e outra vertical (coluna).A Tabela 1.6
apresenta uma tabela de dupla entrada, onde estiio conjugados dois tipos de
serie: temporal e especffica.

TABELA 1.6
Populai;:io Economicamente Ativa por Setor de Atividade - Brasil

Popula�io (1 000 hab.)

Setor
1940 1950 1960

Primario ................... 8968 10 255 1 2 163

Secundario ...... . . .. ..... . . 1 414 2 34'7 2962
Terciario ..... ... . . . .. ..... 3620 4 516 7 525

Fonte: IPEA.

Cada linha, encabeyada pela designayiio do setor - "primario'', "secun­

dario" e "terciario" -, constitui uma serie temporal. Por outr<? lado, cada
coluna encabeyada pelos anos - 1940, 19 50, 1960 - representa uma serie
especifica.0 resultado e uma serie especifico-temporal.

Ja na Tabela 1. 7 estiio conjugadas as series geografica e temporal,

resultando na serie geografico-temporal.

TABELA 1.7
Produi;:io Brasileira de Borracha

Produ�io
Unidade de Produf6o
1937 1938 1939

Acre .. .. .... .... . .... .... 500 7 4 765 4 7 27

Amazonas .................. 6 858 599 8 5631
Para . . . .... .. . ... . . .... .. 4.945 4 223 4500
Mato Grosso .... ... . .. .. .... 1 327 1 285 1 235
Outros Estados . • . . . . . • . .... .. 333 539 337

Fonte: Anuario Estatfstico do Brasil - IBGE. 31

 Finalmente, convem lembrar que nem sempre uma tabela representa
uma serie estatistica. Por vezes, os dados reunidos niio revelam uniformidade,
sendo meramente um aglomerado de informayoes gerais sobre determinado
assunto, as quais, embora uteis, nao apresentam a consistencia nccessaria para
se configurar uma serie estatistica. Veja-se, por exemplo, a Tabela 1.8.

TABELA 1.8
Situ�io dos Espetllculos Cinematogrilficos no Brasil - 1967

Especificaf:fio Dados Numericos

Numero de cinemas 2 488

Lotai;:ao dos cinemas 1722348
Sessoes por dia . ..... .. .... ... .. .... .
. 3 933
Filmes de longa metragem ..... . ..... . ... . 131330488
Meia entrada . .. .... .. ..... .......... 89 581 234

Fonte: Anuario Estatfstico do Brasil - IBGE.

1.10. PROPORCAO, RAZAO E PORCENTAGEM

Apesar de as noyoes de propor9ao, razao e porcentagem serem mais

propriamente alocadas em textos de matematica, sera Util discutir breve­
mente aqui estes termos e a distinyao existente entre eles.Do ponto de vista
estatistico, elas podem ser consideradas como medidas muito simples, mas
que permitem estabelecer comparay6es entre diversos grupos.

1.10.1. Propor�o

Um certo numero de pessoas foi classificado em quatro categorias.

Essas categorias sao, naturalmente, mutuamente exclusivas e exaustivas.
Em outras palavras: uma pessoa s6 podera estar incluida em uma unica
categoria, e todas elas deverao estar classificadas.

Em termos simb6licos, pode-se escrever:

N1 = numero de pessoas incluidas na categoria l
N numero de pessoas incluidas na categoria 2
2
=

N3 = numero de pessoas incluidas na categoria 3

N4 = numero de pessoas incluidas na categoria 4
N = N I + N2 + N 3 + N 4 = numero total de pessoas consideradas.

Neste caso, a proporriio de pessoas pertencentes a primeira categoria

N1
e determinada mediante 0 calculo do seguinte quociente: - ; para as
N
N
2
demais categorias, a determinayao segue o mesmo procedimento: -- ,
N

32
; , ; . Parece 6bvio que o valor de uma proporyao nao pode exceder
N N
a unidade, e que a soma de todas as propor�OeS sera sempre igual a unidade.
Assim,

Ni N2 N� N4 N
+- +-+-=-=1
N N N N N

Dessa forma, a proporriio de individuos em uma dada categoria e •

definida atraves do quociente entre o nfunero de individuos pertencentes a '

essa categoria e o numero total de individuos considerados, devendo as
categorias ser mutuamente exclusivas e exaustivas.

0 emprego das propor�0es sera ilustrado com os valores apresentados

na Tabela 1.9.

TABELA 1.9.
N6mero de Sbcios Praticantes e Nio-Praticantes de Futebol
em Dois Clubes Hipotfrticos

S6cios Club6 1 Clube 2

Praticantes (exclusivamentel de:

Futebol de saliio . . . . . . • . . . . ... 580 680
Futebol de campo . . . . . • . . . . . . . 430 1 369
Niio-Praticantes . . • . . • . . . . . • . . . 4810 10 811

TOTAL . . . . . . . . . . . . . . .. . . . . . 5820 12 860

Nao e tao simples, raciocinando-se em termos absolutos, dizer qual

dos dais clubes conta com maior numero de adeptos de futebol em suas
duas modalidades, porque o numero de associados difere muito de um
clube para outro.Par outro lado, a compara�ao direta pode ser estabelecida
rapidamente, se os dados forem expressos em propor�0es. Veja-se, par
exemplo, a Tabela 1.10.

A propor�ao de praticantes de futebol de salao e, no clube 1, de

580 680
, ou 0,100; no clube 2, de , ou 0,053.Se forem comparados,
5.820 12 860
em tennos relativos, os praticantes de futebol, consideradas as duas moda­
lidades, verificar-se-a que os valores sao muito proximos em ambos os
clubes. Por outro lado, o segundo clube apresenta uma propor�o inferior
de adeptos de futebol de salao e superior de adeptos de futebol de campo
(Tabela 1.11 ).

Se o interesse estivesse em saber a propor�lio de praticantes de futebol

de salao entre os associados adeptos de futebol, o denominador do quo­
ciente que forneceria essa infonna�ao deveria ser igual ao numero total de
praticantes de futebol. 33
 TABELA 1.10
Propo�lo de Sbcios Praticantes e Nlo-Praticantes de Futebol
em Dois Clubes Hipot6ticos

S6cios Clube 1 Clube 2

Praticantes (exclusivamentel de:

Futebol de sallo .............. 0,100 0,053

Futebol de campo ............. 0,074 0,106
Nlo-Praticantes .. .. .. . . . . .. .. . 0,826 0,841

TOTAL .. .... . . . ... . . . .. .... 1,000 1,000

TABELA 1.11

Clube 1 Clube 2

Propon;:lo dos praticantes de:

Futebol de salfo ......... , ... 0,100 0,053

Futebol de campo ............ 0,074 0,106

TOTAL .. . . . . .. .. .. . . .. . . ... 0,174 0,159

TABELA 1.12

Clube 1 Clube 2

Praticantes de futebol . . .. . . .. 1 010 2049

de futebol
Propor�o de praticantes
580 680
de salfo .............. . = 0 574
• = 0' 332
1 010 2049

1.10.2. Porcentagem

As porcentagens sao obtidas a partir do calculo das proporyoes, sim·

plesmente multiplicando-se o quociente obtido por 100. 0 raciocinio, em
termos de porcentagem, devera ser conduzido como se se estivesse calcu­
lando o numero de indivfduos que estaria incluido em uma determinada
categoria se o numero total de individuos fosse igual a 100. Porcentagem
significa, portanto, "por cem".A soma das proporyoes e igual a 1, e a soma
das porcentagens e sempre igual a 100, a menos que as categorias nao sejam
mutuamente exclusivas e exaustivas.

As porcentagens sao mais usadas do que as proporyoes para repro­

duzir resultados. Os valores constantes da Tabela 1.10 poderiam perfeita-
34 mente ser expressos em porcentagem.
 TABELA 1.13
Porcentagem de Sbcios Praticantes e Nio-Praticantes de Futebol
em Dois Clubes Hipotltticos

Clube 1 Clube 2
S6cios
Numero % Numero %

Praticantes (exclusivamentel de:

Futebol de salao . . . . . . . . . . . . . 580 10,0 680 5,3
Futebol de campo .......... . . 430 7.4 1 369 10,6
Nfo-Praticantes . . . .. . . . . . . . . . . . 4 810 82,6 10 811 84,1

TOTAL . . . . . . . . . . . . .. . . . . . . . 5 820 100,0 12 860 100,0

Normalmente, as porcentagens sao arredondadas ate a primeira casa

decimal, ajustando-se os Ultimos dlgitos, de modo que o total seja igual a
100. 0 emprego de porcentagens requer que o numero total de casos
seja suficientemente grande, evitando assim que sejam cometidas inter­
pretayoes equivocadas.

Ha algumas regras gerais importantes, que orientam o emprego das

porcentagens e das propory6es:

1. Deve-se sempre indicar o numero de casos juntamente com as porcentagens

ou as propor�oes.

2. Nao se deve calcular uma porcentagem a menos que o numero que serve
de base para 0 calculo esteja proximo de so OU mais. Se 0 numero de
casos for muito pequeno, e prefer{vel in�car 0 numero efetivo deles, sem
recorrer as porcentagens.

3. Para determinar 0 numero de indiv{duos pertencentes a uma determinada

categoria a partir do total de indiv{duos, basta multiplicar esse total pela
propor�ao dos indiv{duos na categoria. Assim, se o clube 1 tivesse
8 000 socios e fosse sabido que a propor�iio de praticantes de futebol
de salao e de 0,054, 0 numero desses praticantes seria de 8 000 x 0,054 =

= 432. Empregando·se porcentagem, chegar-se-ia ao mesmo resultado:

Total de s6cios: 8 000
Porcentagem de praticantes de futebol de saliio: 5,4%

Numero de praticantes de futebol de salao:

� � 5•4
8 OO
= 432
O

4. As porcentagens e propor�es tern por finalidade principal, em Estatistica,

estabelecer compara�oes relativas. As vendas de duas emprcsas foram as
seguintes nos dois anos comparados:

TABELA 1.14

Faturamento (1.000 cruzeiros) Aumen to

Aumen to
Empresa relativo
absoluto
1974 1975 (percentual) %

A 2.000 3.000 1.000 50

B 20.000 25.000 5.000 25
35
 Em termos absolutos, a empresa B teve um aumento de faturamento
superior ao da empresa A. Entretanto, se a compara-rao for efetuada em
termos relativos, a empresa A apresentara um desempenho hem superior: a
porcentagem de aumento de faturamento da empresa A foi 50%, contra
apenas 25%1 de aumento conseguidos pela empresa B.

1. 10.3. Razao

A razao de um numero A em rela-rao a outro numero B define-se

como A dividido por B. A quantidade precedente e colocada no numerador,
enquanto que a seguinte ira para o denominador.

Atraves de uma enquete realizada em determinada cidade, descobriu-se

que, das pessoas entrevistadas, 300 se manifestaram favoraveis a uma deter­
minada medida adotada pela prefeitura local, 400 ficaram contra a medida e
70 eram indiferentes. Neste caso, a razao dos contrarios para os favoraveis
a medida e de �� ; a dos favoraveis e contra para OS indiferentes e de
(300 + 400)
. D'fi -
1 erentemente da proporyao, - pod e ser supenor a
a razao
· '

70
unidade. Por outro lado, e possfvel reduzir a razao a uma expressao mais
simples, simplificando os fatores comuns do numerador e do denominador.
Assim, por exemplo, a razao dos entrevistados contrarios a medida para os
favoraveis poden1 ser expressa como j, ou, de forma equivalente, 4 : 3.

Em certas ocasioes, e conveniente expressar a razao em termos de um

denominador representado pela unidade. Neste caso, pode-se afirmar que a
razao dos CODtrarios para OS favoraveis e de 1,33 para 1, C a dos favoraveis
e contrarios para OS indiferentes e de I 0 para I.

As propor\:oes, na realidade, representam um tipo particular de razao,

na qual o denominador constitui o numero de casos e o numerador uma
fra-rao daquele. Entretanto, o termo razao e usado, normalmente, quando A
e B representam categorias separadas e distintas.

Se houver apenas duas categorias, sera possfvel calcular a propor-rao

diretamente a partir da razao e vice-versa. Sabendo-se, por exemplo, que a
razao dos homens para as mulheres entre os membros associados de um

clube e de ; , pode-se concluir que em cada cinco associados havera

uma media de 3 homens e duas mulheres. A proporyao dos homens sera,

entao, de � , ou 0,6.
1.10.4. Taxa

Taxa e uma quantidade expressa em rela\:ao a outra quantidade, como

2 cruzeiros por quilograma, 40 quilometros por hora, 3 cruzeiros de ativo
36 por 1 cruzeiro de passivo, 2 por cento de juros. Dessa forma, os quilometros
por hora, por exemplo, sao obtidos dividindo-se o total de quilometros pelo
numero total de horas. Assim, tambem, todos os demais exemplos constituem
razoes. Uma razao, expressa em relayao a 100, e uma porcentagem. Portanto,
uma razao e um caso particular de taxa, uma porcentagem e uma razao
expressa de uma certa forma e uma taxa pode, as vezes, ser uma media.

1.11. ARREDONDAMENTO DE NUMEROS

0 arredondamento de um dado estatistico deve obedecer a algumas
regras:

I . Arredondamento por Falta

Quando 0 primeiro dfgito, aquele situado mais a esquerda entre OS

que irao ser eliminados, for igual ou menor que quatro, nao devera ser
alterado o digito remanescente.

TABELA 1.15

Numero a arredondar Arredondamento para Numero arredondado

12,489 lnteiros 12

20,733 Decimos 20,7

35,992 Centesimos 35,99

2. Arredondamento por Excesso

Quando 0 primeiro digito ap6s .aquele que sera ar.redondado fQr maibr
ou igual a cinco seguido por digitos maiores que zero, o digito remanescente
seni acrescido de uma unidade.

TABELA 1.16

Numero a arredondar Arredondamento para Numero arredondado

15,504 lnteiros 16

16,561 Decimos 16,6

17,578 Centesimos 17,58

3. Arredondamento de Digitos Seguidos do Cinco

Quando 0 digito situado mais a esquerda dos que serao eliminados for
um cinco ou urn cinco seguido somente de zeros, o Ultimo digito remanescente,
se for par, nao se alterara, e se for impar sera aumentado de uma unidade.
(TABELA 1.17)
4. Arredondamento de Soma
Quando se trata de soma, deve-se arredondar primciro o total, e
posteriormente as parcelas. Ha aqui dois casos a considerar:
a) Se a soma das parcelas da seric arrcdondada for superior ao total, deve-sc 37
 TABELA 1.17

Numero a arredondar
! Arredondamento para Numero arredondado

215,500 lnteiro 216

216,500 lnteiro 216

216,150 Decimos 216,8

216,705 Centesirnos 216,70

rdomar a se ric original. arredondando-sc, por falta, tantas parcelas quantas

fort·m as unidadcs l'Xcedl·ntes. S er.Io cscolhidas as parcelas antc rior­
mente arredondadas por ex ccsso e cu.ias fra1;oes desprezadas representem
o m e no r e rr o r c lat ivo. ( TABELA 1.18)

TABELA 1.18

Serie original Serie arredondada Serie corrigida

6,51 7 7

7,50 8 8

14,63 15 15

20,10 20 20
.
24.73 25 24

26,52 27 25�

99,99 102 > 100 100

Arredondarnentos refeitos.

b) St• a soma das pan:elas da s cri e arredondada for inf<.'rior ao total,

rd orn ar-s e-a a seri e original, arredondando-se, por cxcesso, tantas parcelas
quantas forem as unidades em falta. Seriio t!scolhidas aquelas parcclas
anteriormcnte a rn· d on d adas por falta c cujas fra1;oes representem o mcnor
erro relativo.

TABELA 1.19

Serie original Serie arredondada serie corrigida

5,34 5 5

7.45 7 7

18,50 18 19*

19,90 20 20

22,37 22 22

26.43 26 27*

99,99 98 < 100 100

38 Arredondarn1>ntos refoitos.
 1.12. SOMATORIO
A Matematica fornece ainda outra no�ao de grande utilidade para a
Estatistica: o Somat6rio. 0 operador somat6rio facilita sobremaneira a
indica�ao e a formula�ao de medidas, bem como algumas opera�5es alge­
bricas desenvolvidas pela Estatistica. E por essa razao que o assunto sera
apresentado neste livro como uma especie de apendice ao Capitulo 1.
Para designar somat6rio, utiliza-se a letra grega sigma mahisculo: l:. ,

0 simbolo deve ser lido como "somat6rio de" ou "soma de". Assim, por
exemplo, seja o seguinte conjunto de mimeros:X= {3,6, 9, 12, 15}. A soma
<lesses numeros sera indicada por:
5

I x; = 3 + 6 +9 + 12 + 15 = 45
i=i
5
A expressao L x; deve ser lida da seguinte maneira: "somat6rio
i=i
de x;, i variando de l ate 5".
A letra i que aparece juntamente com ox e um indice, cuja finalidade
e indicar o numero de ordem de cada parcela. A cada parcela devera, entao,
corresponder um mimero de ordem, o qual indica a posi�ao em que ela se
encontra na lista de valores a serem somados.Assim, no exemplo

Xi = 3 porque 3 e 0 primeiro valor da lista

X2 = 6 porque 6 e 0 segundo valor da lista

X3 =9 porque 9 e 0 terceiro valor da lista

X4 = 12 porque 12 e 0 quarto valor da lista

Xs = 15 porque 15 e 0 quinto valor da lista

Define-se, genericamente:
n
L x; =Xi + x2 + x3 + ... + Xn (1)
i=i

0 1 e on indicam, respectivamente, o limite inferior e o superior do soma­

t6rio, representando 0 numero de ordem da primeira e da ultima parcela a
serem somadas.

Em um teste de Matematica, aplicado em uma classe com 20 alunos,

chegou-se aos seguintes resultados:

TABELA 1.20

6 10 9 2 8
3 7 4 6 5
1 9 7 10 8
0 9 6 6 9
39
 Calcular:
20

a) I x;= 6 + 10 + 9 + 2 + s + 3 + 1 + 4 + 6 + 5 + 1 +
i=l + 9 + 7 + 10 + 8 + 0 + 9 + 6 + 6 + 9 = 125
5
b) I x; = 6 + 10 + 9 + 2 + 8 = 35
i=l
10

c) I x;·= 3 + 1 + 4 + 6 + 5 = 2s
i=6
18
d) I x;= lo + s + o + 9 + 6 = 33
i=14
5
e) I xl = 62 + 102 + 92 + 22 + 82 = 36 + 100 +
i=l + 81 + 4 + 64 = 285

( t. x �
'
f) = (6 + 10 + 9 + 2 + 8)' = 35' = l 225

Observa?o: A expressao i = {l, 2, 3, .. . , n} indica os valores assumidos

pelo indice i, sendo lida da seguinte forma: "i variando de 1 ate n".
1.12.1. Propriedades dos Somatbrios

Operar com somat6rios requer o conhecimento de alguinas ptoprie­

dades, regras e defini�0es, as quais serao desenvolvidas aqui sob a designa�ao
generica de propriedades dos somat6rios.

1. 0 somat6rio de uma constante e igual ao produto do numero de terrnos

pela constante:

If
. l =1
a=a+a+ ... +a=n•a (2)

Exemplo:
5
I 4 =4+ 4+ 4 + 4+ 4=s x 4 = 20
i=l

2. 0 somat6rio do produto de uma constante por uma variavel que depende

do somat6rio e igual ao produto da constante pelo somatorio da variavel.

n n

Lax;=
.
a L x; (3)
i=l i=l
40
 n
L ax; = ax1 + ax2 + .. .+ axn =
i=l n
= a(x1 + x2 + ...+ Xn) = a L x;
i=l
Exemplo:
TABELA 1.21

Ordem do valor, i Valor x;

3
2 6
3 9

4 12

5 15

Ix;=
i=l
45

Seja a = 2.
n s

L ax; = L 2x; = (2X 3) +(2X 6) +(2 X 9) +(2 X 12) +

i=l i=l
+ (2X 15) = 6+12 +18 + 24+30=90

Por outro lado,

s s

L 2x; = 2 L x; = 2 X 45 = 90
j=l i=l

3. Propriedade distributiva do somat6rio em relaft[o a adi�ao algebrica

n n n
L (x; + Y;) = L x; + L Yi (4)
i=l i=l i=l

n
L (x; + Y;) = (xi + yi) +(x2 + Y2) + ...+ (Xn +Yn) =
i=l
= (Xi+X2+ · · · +Xn) + (y1 +Y2+ · · · + Yn) =

n n
= L Xj + L Yi
i=l i=l

Exemplo: 41
 TABELA 1.22

Ordem do
valor i Xi Yi Xi+ Yi
1 3 2 5
2 6 4 10

3 9 6 15

4 12 8 .20

5 15 10 25

5 5 5
I Xi= 45 In= 30 L (xi+ Yil = 75
i=I i=l i=l

5
I (x; +Yi) = (3 + 2) + (6 + 4) + (9 + 6) + (12 + s) +
+ (15 + 10) = 5 + 10 + 15 + 20 + 25 = 75
5 5 5
L (x; +Y;) = L x; + L Yi = 45 + 30 = 75
i=I i=I i=I
4. 0 quadrado da soma e diferente da soma dos quadrados

(5 )

:t . . . + 2X1Xn + 2X2X3 + 2X2X4 + ... +

+ 2x2Xn + ... + 2xn_2Xn-I + 2xn_2Xn +

n n
+ 2xn-1Xn) L x: + 2 L x;x1=

i=I i</
i=I
Assim,

n
+ 2 L x;x1 (6)
i </
i=·1

42 Exemplo:.
 TABELA 1.23

Ordem i X;
2·
X;

1 4 16
2 6 36
3 8 64
3 3
Ix;= 2 I

1s L x; = 116
i=l i=l

( t. � x '
=
I 8' = 324

3
I x; = 16 + 36 + 64 = 116
i=l
3
2 L x;x; = 2[(4 X 6) + (4 X 8) + (6 X 8)] =

i<j 2 x 104 = 208

i=l =

3 3
= L xi + 2 L x;x; = 116 + 208 =
324
i=l i<j
i=l

5. 0 produto de duas somas e diferente da soma dos produtos

( t. � ( t. � ( t. )
x . y
*
xm (7)

( t. � ( t. �
x y = (x, +x, + ... +x.)(y, +y, + ... +
+ Yn) =
(.X1Y1 +X2Y2 + · · · +XnYn) +
+ (X1Y2 +X1Y3 + · · · +X1Yn +X2Y1 +
+x2y3 + · · · +X2Yn +xn-1Yn-2 +
+ xn-1Yn) =

n n
= L x;y; + L x;y ;
i=l U-j
i=I 43
 Exemplo:
TABELA 1.24

Ordem i Xi Yi XiYi

1 3 2 6
2 6 4 24
3 9 6 54
4 12 8 96
5 15 10 150

5 5 5

L Xi= 45 L Yi= 30 L XiYi = 330

i=l i=l i=l

L X;Y; = 330
j=l
5

I x; = 4s
j=l
5

L Yi = 30
i=l

0 mesmo resultado seria obtido fazendo-se:

(t. x) (t. y) t. -
XtYi + ti �iYj
i=l
5

L X;Y; = [(3 x 4)+(3 x 6)+(3 x 8)+(3 x 10)]+[(6 x 2) +

::{ +(6 x 6)+(6 x 8)+(6 x 10)]+[(9 x 2)+(9 x 4) +
+(9 x 8)+ (9 x 10)]+[(12 x 2)+(12 x 4)+
+(12X 6)+(12X 10)]+[(ISX 2)+
+(1SX4)+(1SX6)+(1SX8)] =

= 84 + 156 + 216 + 264 + 300 = 1 020

44
6. Numero de parcelas de um somatorio
n

0 numero k de parcelas OU termos do somat6rio L e dado pela

seguinte expressa-o: i=a

I k= n - a+ (8)

Exemplos:

5
a) L x; = 2 + 4 + 6 + 8 +10 = 30
i=l
k=n-a+l=S-1+1=5

Esta soma comp6e-se, portanto, de cinco parcelas.

b} L Yi = Y3 + Y4 + Ys + Y6 + Y1 + Ys
i=3
k=n-a+ 1 = 8 - 3+1= 6 parcelas.

7. Somatbrios multiplos {dup/os)

0 somat6rio multiplo (duplo) de um produto e igual ao prodtlto dos

somat6rios tomados separadamente. A formula�ao dessa propriedade sera
feita em termos do somat6rio duplo.

(9)

Exemplo: .) TABELA 1.26

x; Yj

Xt = 2 Yl = 1

x2 = 4 Y2 = 3
n = 6
X3 = 6 Y3 = 5
m =4
X4 = 8 Y4 = 7

X5 = 10

5 4
Ix;= 30 L Yi':= 16
i=l j=l
45
 . ( ± �)
1=1
x • ( t �')
1=1
Y = 30 X 16 = 480

n m

I I XiYj = (2 x 1) + (2 x 3) + (2 x 5) + (2 x 7) + (4 x 1) +
i= I j= I
+ (4 x 3) + (4 x 5) + (4 x 7) + (6 x 1) +
+ (6 X 3) + (6 X 5) + (6 X 7)+ (8 X 1) +
+ (8 x 3) + (8 x 5) + (8 x 7) + (10 x 1) +
+ (IO X 3) + (10 X 5) + (10 X 7) =
= 32 + 64 + 96 + 128 + 160 = 480

8. Eliminaftio do indice
8.1. Muitas vezes, por motivo de simplifica�o, elimina-se o indice que
acompanha a variavel. Esta pratica, entretanto, s6 devera ser aceita quando
nao houver duvidas a respeito dos valores que serao somados. Isto acon­
tece principalmente em demonstra�fies onde o somat6rio aparece com
muita frequencia, ou na resolu�ao de exercicios.

Assim, por exemplo, utilizando-se os dados da Tabela 1.25, poder-se-ia

escrever:
s

L x; = 30 ou, simplesmente, �x = 30.

i=I

Da mesma forma,
4

L Yj = 16 ou, simplesmente, l:y = 16.

j=I

8.2. Outro procedimento costumeiro e o de substituir o indice pela

pr6pria variavel representativa dos valores que deverao ser somados.

Exemplo:

TABELA 1.26

Va/ores de X x;

4 xi =
4
5 x2 = 5

6 X3 = 6

7 X4 = 7

8 X5 = 8
46
 8 5
E igualmente correto escrever Lx 3? OU L Xj 30.
=
=

x=4 i=l

EXERCiCIOS RESOLVIDOS

1.1. Os dados abaixo representam a popula�ao por mil habitantes das

regioes adm inistrativas do Estado.

TABELA 1.27

Populw;io (1 000 hab.)

N9 Regiiies
1970 1975
I Grande Sao Paulo 8 143,2 10 481.4
II Literal 841,5 981,6
111 Vale do Paralba 797,8 883,5
IV Sorocaba 1 110,8 1 164.4
v Campinas 2 114,5 2 336,9
VI Ribeirao Preto 1 427,7 1 459,7
VII Eiauru 554.4 515.4
VIII S. J. do Rio Preto 942,2 905,6
IX Arac;atuba 543,2 553.4
x Presidente Prudente 719,3 661,8
XI Marflia 691,2 633,3
ESTADO 17 885,8 20 577,0

Fonte: Revista de Saude Publica, vol. n9 10, junho de 1976, n9 2.

1.1.l. Expressar os valores da popula�ao em termos relativos percentuais.

1.1.2. Determinar as taxas de crescimento aritmetico 1970/1975.

Solu¢o:
1.1.1. Divide-se a popul�lio de cada regilio pela do Estado em cada
ano, multip licando-se o quociente por 100. Os resultados estao na
Tabela 1. 28.
TABELA 1.28

Populw;io (%)
Regiiies
N'! .i
1970 1975

I Grande Scio Paulo 45,5 50,9

II Litoral 4,7 4,8
Ill Vale d o Pararba 4,5 4,3
IV Sorocaba 6,2 5,7
v Campinas 11,8 11,4
VI Ribeiriio Preto 8,0 7, 1
VII Bauru 3, 1 2,5
VIII S. J. do Rio Prato 5,3 4,4
IX Ar�tuba 3,0 2,7
x Presidente Prudente 4,0 3,2
XI Mar Ilia 3,9 3,1
ESTADO 100,0 100,0
47
 1.1.2. Para determinar as taxas de crescimento em 5 anos, dividimos
a popula�ao de 1975 de uma certa regiao pela popula�ao em 1970 da

mesma regiiio. Exemplo: Para a Grande Sao Paulo teremos: �O14:31,;4 =

= 1,287, ou seja, cresceu 28,7% em cinco anos. Para o Estado teremos:

20 577 ,0
1,150, ou seja, cresceu 15%
17 885,8 em cinco anos. As demais
=

estao na Tabela 1.29.

TABELA 1.29

Taxa de crescimento
N'! Regioes
1970-75 (%)

I Grande Slio Paulo 28,7

II Litoral 16,6
Ill Vale do Parafba 10,8
IV Sorocaba 4,8
v Campinas 10,5
VI Ribeiriio Preto 2,2
VII Bauru - 7,1
VIII S. J. do Rio Preto -3,9
IX Arac,atuba 1 ,9
x Presidente Prudente -8,0
XI Mar Ilia -7.4

ESTA DO 15,0%

I. 2. Calcular os seguintes somatorios:

4

1.2.1. L (xi + 2) para x = 2, 3 , 4, 5.

i=l
4

1.2.2. L (xi + 2)2 para x = 1, 2, 3 , 4.

i=l
Soluffo
i :
4 4 4 4

1.2.1. L Xj + L 2 = L Xj + (4 x 2) = L Xj + 8 =

i=l i=l i=l i=l

= 2 + 3 + 4 + 5 + 8 22 =

4 4 4

1.2.2. L (xi + 4xi + 4) = L xl + 4 L X; + 16 =

i=l i=l i=l

= l + 4+ 9 + 16 + 4(1 + 2 + 3 + 4) + 16 =

48 = 34 + 40 + 16 = 90
Distribuifiio de Frequencias

No primeiro capitulo, ao se enunciarem as formas de apresentayiio de

dados numericos, foi mencionada a apresentayiio tabular das series estatis­
ticas. Uma das vantagens das tabelas estatisticas e a de condensar, de forma
consistente, as informay5es necessanas ao estudo desejado. Isto porque,
freqiientemente, o estudo de um determinado fenomeno requer a coleta de
uma grande massa de dados numericos, dificil de ser tratada se esses dados
nao forem organizados e condensados em uma tabela. No caso especifico das
seriayOes, acontece normalmente que, ao coletar os dados referentes ao fenO­
meno objeto de estudo, o analista se defronta com valores que se repetem
algumas vezes, sugerindo sua apresentayiio atraves de tabelas onde somente
apareyam valores distintos uns dos outros. Essa providencia favorece eviden­
temente uma arnilise e interpretayiio mais rapida da natureza e comporta­
mento do fenomeno observado. Neste capitulo sera desenvolvido um tipo
de tabela que condensa uma coleyiio de dados conforme as freqiiencias ou
repetiyoes de seus valores.

2.1. DADOS BRUTOS

Feita a coleta, os dados originais ainda niio se encontram prontos para

anatise, por nao estaren1 numericamente organiZados. Por essa raziio, costu­
ma-se chama-los de dados brutos. Tomando-se, por exemplo, as alturas dos
alunos em uma sala de aula e anotando-se os resultados em uma lista da qual
constem os nomes dos alunos em ordem alfabetica, ninguem garantira que
os valores correspondentes as alturas observarao uma determinada ordem
numerica, crescente OU decrescente. Mais provavel e que estejam desorgani­
zados, uma vez que a ordem das alturas nao corresponde necessariamente a
ordem alfabetica. A lista de alturas e, portanto, uma lista de dados brutos,
que sao aqueles valores a que se chegou pela simples coleta, sem qualquer
preocupayiiO quanto a sua ordenayiiO. 49
 Na Tabela 2 .1, estao relacionados os valores correspondentes ao consu­
mo individual de energia eletrica, medido em quilowatts-hora, em um grupo
de 50 usuarios.
TABELA 2.1

Consumo Mensal de Energia Elitrica, por 50 Usuarios Particulares - KWH

58 62 80 57 8 126 136 96 144 19

90 86 38 94 82 75 148 114 131 28
66 95 121 158 64 105 118 73 83 81
50 92 60 52 89 58 10 90 94 74
9 75 72 157 125 76 88 78 84 36

Como pode ser observado, as cifras estao dispostas de forma desorde­

nada. Em razao disso, pouca informayao se consegue obter inspecionando os
dados anotados. Mesmo uma informayao tao simples como a de saber os
consumos maximo e minimo requer um certo exame dos dados da tabela,

2.2. ROL
0 rol e uma lista em que os valores estao dispostos em uma determi­
nada ordem, crescente ou decrescente. Dispondo os dados de acordo com o
consumo, obtem-se uma ordenayao da Tabela 2.1.

TABELA 2.2

Con1umo Mensal de Energia Ellrtrica por 50 Usuarios Particul•es - KWH

3 58 75 89 118

8 58 76 90 121

10 60 78 90 125

19 62 80 92 126
28 64 81 94 131
36 66 82 94 136
38 72 83 95 144
50 73 84 96 148
52 74 86 105 157
57 75 88 114 158

Essa classificayao dos dados proporciona algumas vantagens concretas

com relayao a sua forma original. Em primeiro lugar, ela torna possivel visua­
lizar, de forma bem ampla, as variayoes de consumo, uma vez que os valores
extremos sao percebidos de imediato. Em Segundo lugar, e possivel observar­
-se uma tendencia de concentrayao dos valores na faixa de 50-90 kwh. Apesar
de o rol propiciar ao analista mais informayoes e com menos esforyo de
concentrayao do que os dados brutos, ainda assim persiste o problema de
a analise ter que se basear nas 50 observayoes individuais. 0 problema se
50 agravara quando 0 numero de dados for muito grande.
 2.3. TABELA DE FREOUENCIAS

As tabelas de freqiiencias sao representayoes nas quais os valores se

apresentam em correspondencia com suas repetiyoes, evitando-se assim que
eles apare�m mais de uma vez na tabela, como ocorre com o rol.

Uma empresa fabricante de instrumentos de precisao esta interessada

em saber o numero de aparelhos defeituosos rejeitados pela seyao encarregada
do controle de qualidade. As estatisticas, fornecidas por essa seyao, referem-se
ao periodo de1971a1974.
TABELA 2.3 - EMPRESA X
Numero Mensal de Aparelhos Defeituosos

� 0
J F M A M J J A s 0 N D

1971 6 2 5 6 0 8 7 .6 3 4 5 8
1972 10 9 7 6 3 4 6 4 5 4 0 1
1973 3 6 7 9 3 1 4 6 5 3 5 4
1974 7 2 5 8 6 4 2 5 1 6 5 2

Os dados brutos, apresentados na Tabela 2.3, nao informam muita coisa

sobre o fenomeno "numero de aparelhos defeituosos", sendo dificil extrair
deles muitas conclusoes, sem esforyo de concentrayao. Observa-se, entretanto,
que os valores que constam da tabela aparecem repetidos, como o 0 (zero),
por exemplo, que aparece duas vezes. Esse fato ira sugerir, naturalmente, que
se condensem todos os resultados em uma tabela, estabelecendo a correspon­
dencia entre o valor individual e o respectivo numero de vezes que ele foi
observado.
0 nuniero de observayoes ou repetiyoes de um valor ou de uma modali­
dade, em um levantamento qualquer, e chamado freqiiencia desse valor OU
dessa modalidade. Uma tabela de freqiiencias e uma tabela onde se procura
fazer corresponder os valores observados da variavel em estudo e as respectivas
freqiiencias. A tabela de freqiiencias proporciona uma apresentayao estetica­
mente mais vantajosa dos dados, facilitando ainda a verificayao do comporta­
rriento do fenomeno. E possivel, por outro lado, com a utilizayao de uma
tabela de freqiiencias, a obtenyao de estatisticas (medidas) com menos
calculo, e, conseqiientemente, em menos tempo do que se esse trabalho fosse
realizado a partir dos dados brutos.

As tabelas de freqiiencias podem representar tanto valores individuais

como valores agrupados em classes.

2.3.1. Distribui�ao de Frequencias de Dados Tabulados

Niio-Agrupados em Classes

Utilizando OS dados da Tabela 2.3, e possivel construir uma tabela de

freqiiencias de valores nao-agrupados em classe, ou seja, uma tabela onde os 51
 valores da variavel aparecem individualmente. Este tipo de apresentayliO e
utilizado para representar uma variavel discreta ou descontinua. 0 exemplo
e dado pela Tabela 2.4.

TABELA 2.4 - EMPRESA X

Numero Mensal de Aparelhos Defeituosos

Numero de
Contagem ou Numero de
j Aparelhos com
Tabula�o Meses ffj)
Defeito fxjJ

I I
1
I
0 r I
2
2 I 1 n I 3
3 I 2 0 I 4
I I
4 I 3 ISi I 5
5 I 4 ISi r I 7
I I
6
I
5 ISi n I
8
7 I 6 ISi 0 I 9
8 I 7 0 I 4
I I
9 I 8 n I 3
10 I 9 r I 2
I I
11
I
10 I I
1

11

I fj = 48
j=I

Na primeira coluna, encabeyad� pelo fndice j, aparecem os numeros

correspondentes a ordem dos valores da variavel. 0 indice j sera utilizado,
neste livro, sempre que se estiver trabalhando com tabelas de frequencias
(dados tabulados). Para operar - com os dados brutos, usar-se-a o indice i.

Na segunda coluna, encabeyada por Xj, sao anotados os valores da

variavel.

A terceira coluna e uma coluna auxiliar, utilizada para que se possa

processar a contagem dos valores repetidos, sem grande esforyo.

A ultima coluna, encabeyada por fj, apresenta as freqiiencias, que sao

os resultados numericos provenientes da contagem. A soma das freqiiencias
e sempre igual ao numero total de valores observados:

� (1)
�
ke 0 extremo superior do intervalo de valores do indice j.
fj e 0 numero de observayoes de um valor
52 Ne o numero total de valores observados
 Normalmente, depois de construida, a tabela apresentara apenas as
colunas encabeyadas por Xj e f;.

2.3.2. Distribui\:io de FrequAncias de Dados Agrupados em Classes

Muitas vezes, mesmo com o risco de se sacrificar algum detalhe mani- .

festado na ordenayao de valores individuais, ha vantagem em resumir os dados
originais em uma distribuiyao de freqiiencias, onde os valores observados nao
mais aparecerao individualmente, mas agrupados em classes.

Quando a variavel objeto do estudo for continua, sera sempre conve­

niente agrupar os valores observados em classes. Se, por outto lado, a variavel
for discreta e o numero de valores representativos dessa variavel for muito
grande, recomenda-se o agrupamento dos dados em classes. Neste ultimo
caso, o procedimento visa a evitar certos inconvenientes, como:

a. grande extensao da tabela, dificultando, tanto quantci os dados brutps, a

leitura e a interpreta�o dos resultados apurados.

b. Aparecimento de diversos valores da variavel com freqiiencia nula.

c. lmpossibilidade ou dificuldade de visualizar;ao do comportamento do

fenomeno como um todo, bem como de sua variar;ao.

Um teste de estatistica, contendo 100 perguntas do tipo certo-errado,

foi aplicado em uma tunna de 500 estudantes. A Tabela 2.5 apresenta os
resultados do teste.

TABELA 2.5

Resultados do Teste de Estatlstica

Classes Freqiiiincias
Notas fj

01--10 5
10.f--20 15
201--30 20
301--40 45
401--50 100
501--60 130
601--70 100
701--80 60
801--90 15
901--100 10
10

I fj = 500
j=l
53
 Para a constru9ao dessa tabela, nao ha necessidade de se ordenarem os
valores originais. Pode-se partir diretamente da lista de dados brutos. E facil
ver, por outro lado, que, na distribui9ao de freqilencias de valores agrupados
em classes, nao figuram mais os valores exatos de cada item em particular.
Nao e possivel, da mesma forma, obter diretamente da tabela o valor exato
dos itens mais alto e mais baixo. Apesar disso, a tabela informa, de imediato,
a tendencia de a serie se concentrar em torno de um valor central, alem de
proporcionar uma visao panoramica do comportamento da variavel, o que
seria impossivel de se fazer a partir da lista dos dados brutos.

0 simbolo f--- indica inclusao na classe do valor situado a sua

esquerda e exclusao do valor situado a sua direita. Assim, na Tabela 2.5 a
primeira classe (Ol---10) congrega valores de 0 (zero), inclusive, ate 10,
exclusive.

Ha outros simbolos para representar o intervalo de classe:

0 --l 10: A classe cornpreende valores de 0, exclusive, ate 10, inclusive.

0 -- 10: A classe cornpreende valores de 0, exclusive, ate 10, exclusive.

0 f---i 10: A classe cornpreende valores de 0, inclusive, ate 10, inclusive.

2.4. ELEMENTOS DE UMA DISTRIBUICAO DE FREQUENCIAS

Para construir uma tabela de freqilencias, e necessario conhecer alguns

termos pr6prios e de uso corrente, bem como o procedimento tecnico mais
adequado. Esses termos serao listados a seguir.

2.4.1. Frequencia Simples Absoluta

A freqilencia simples absoluta de uma classe ou de um valor individual

e o numero de o'bserva9oes correspondentes a essa classe ou a esse valor. A
freqilencia simples absoluta, OU simplesmente freqilencia, e sirnbolizada por
fj. Na Tabela 5:
!1 =
5
!2 = 15
f3 = 20

!10 10
2.4.2. Amplitude Total: Ar

A amplitude total OU intervalo total e a diferen9a entre 0 maior e 0

menor valor observado da variavel em estudo. Se, por exemplo, no teste que
deu origem a Tabela 2.5, a maior nota tivesse sido 97 e a menor 1, a ampli­
tude total do conj unto de valores observados seria:

54 Ar = 97 - 1 = 96
 A amplitude total do exemplo da Tabela 2.1, por outro lado, sera:
At = 158 - 8 = 150
2.4.3. Classe

Classe de freqiiencia, OU, simplesmente, classe, e cada um dos grupos

de valores em que se subdivide a amplitude total do conjunto de valores
observados da variavel.

Uma determinada classe pode ser identificada por seus extremos ou

pcla ordem em que ela se encontra na tabela (valor do indice j). Na Tabela 2.5:
Classe 0 I--- 10 ou primeira classe (j = 1)
Classe 80 I-- 90 ou nona classe (j = 9)

0 numero de classes, em uma distribuic;:ao de freqiiencias, e represen­

tado por k. E importante que a distribuic;:ao conte com um numero adequado
de classes. Se esse numero for escasso, os dados originais ficarao tao compri­
midos que pouca inforrnac;:ao se podera extrair da tabela. Se, por outro lado,
forem utilizadas muitas classes, havera algumas com freqiiencia nula ou muito
pequena, e 0 resultado sera uma distribuic;:ao irregular e prejudiciat a inter­
pretac;:ao do fenomeno como um todo.

Para determinar o numero de classes ha diversos metodos. A regra de

Sturges, um dos metodos, estabelece que o numero de classes e igual a:

I k= 1+3,3 log10N I (2)

k = numero de classes

N = numero total de observa�0es

Exemplo:
a) Se 0 numero de observac;:oes for 500:
N = 500
k = 1 + 3,3 log 500
log 500 = 2,69897
k = 1 + (3,3 x 2,69897) = 1 + 8,906601
k = 9,906601 ou, arredondando,
k = 10

b) Se N = 50
k = 1 + 3,3 log 50
k = 1 + (3,3 x 1,69897) = 1 + 5,606601 = 6,606601
k .. 7

Esses dois exemplos revelam um dos inconvenientes resultantes da apli­

cac;:ao da formula de Sturges, que e o de propor um numero demasiado de
classes para um numero pequeno de observac;:oes e relativarnente poucas
classes, quando o total de observac;:oes for grande. 55
 Truman L. Kelley, em The Grouping Data for Graphic Portrayal, sugere
os seguintes numeros de classes, com base no numero total de observayoes,
para efeito de representayao grafica:

5 10 25 50 100 200 500 1.000

2 4 6 8 10 12 15 15

Mesmo conhecendo esses e outros criterios de determina�ao do numero

de classes, o analista devera ter em mente que a escolha dependera antes da
natureza dos dados e da unidade de medida em que eles forem expressos do
que de regras muitas vezes arbitrarias e pouco flexiveis.
2.4.4. Limites de Classes

a) Limite Superior e Limite Inferior

Os limites de classe sao seus valores extremos. A segunda classe do
exemplo da Tabela 2.5 tern como limites os valores 10 e 20. 0 valor 10 e
denominado limite inferior ou limite minimo de classe, enquanto o valor 20
e den�minado limite superior.
Os valores 0 e 100, por representarem, respectivamente, o limite
inferior da primeira classe e 0 superior da ultima, sao tambem denominados
limite inferior e limite superior da distribui�o.
Para a construyao de uma tabela de freqilencias e muito importante a
escolha dos limites das classes, de forma que seus pontos medios (item 2.4.6)
coincidam, tanto quanto possivel, com a concentra�ao dos valores reais. Alem
disso, e recomendavel que os limites de classe sejam representados por
n(1meros inteiros. Por outro lado, ao estabelecer os limites de classe, deve-se
ter cuidado para evitar interpreta�oes ambiguas. Por exemplo, os limites:
Cruzeiros

30 40
40 50
50 60

Eles nao sao claros, em virtude de nao se saber em que classe devem
ser incluidos os valores 40 e 50. Se os valores originais estiverem arredon­
dados para inteiros, sera correto escrever:

Cruzeiros

30 a 39
40 a 49
50 a 59

56
 Entretanto, se os valores originais aparecerem com precisao ate centavos,
esses lirnites nao serao claros. Utilizando essa ultima representa9ao, nao se
teria certeza quanto a em que classe se deveriam incluir valores tais como
39,4, 39,8, 49,7 etc. 0 problema estaria solucionado se os limites fossem
escritos da seguinte rnaneira:

Cruzeiros

30,00 a 39,99
40,00 a 49,99
50,00 a 59,99

Entretanto, esse terceiro tipo de distribui�o nao e muito aceito, em

virtude de problernas de ordem estetica.

Para evitar os inconvenientes apresentados pelas tres formas auteriores

de apresenta9ao de dados em tabelas de freqiiencias, alguns autores sugerem
a seguinte representa�o:

Cruzeiros

30 1----- 40
40 50
50 60

ficando subentendido que na primeira classe devem estar inclufdos os valores

rnaiores ou iguais a 30 ate valores que sejam menores que 40, e assim
sucessivamente.
Se o leitor tiver que trabalhar com uma tabela que ja esteja montada
e onde OS }imites de classe estejam expressos de forma diferente a sugerida
por esse livro, sera conveniente conhecer a no�o de limites reais de classe.

b) Limites Reais de C/asse

Considere a Tabela 2.6, em que se exemplifica urna distribui9ao de
freqiiencias.
TABELA 2.6
Classes fj
2,50 a 2,59 1
2,60 a 2,69 2
2,70 a 2,79 7
2,80 a 2,89 4
2,90 a 2,99 2
16 57
 A primeira classe, cujos limites sao 2,50 e 2,59, congregaria, na reali­
dade, valores compreendidos no intervalo de 2,495 a 2,595. Esses limites sao
denominados limites reais de classe. Na pratica, os limites reais sao obtidos
pela media aritmetica entre o limite superior de urna classe e o limite inferior
de classe seguinte. 0 limite superior real da primeira classe sera, entao:
2,59 + 2,60
2,595
2
=

c) Limites niio Definidos

Urna classe com limite indefinido OU aberto e aquela que inclui todos
os valores da variavel menores que um certo limite superior especificado, ou
maiores que um limite inferior especificado.

TABELA 2.7

Acionistas da G.L.T. S.A. - Componentes Eletronicos

Acionistes
Numero de Bfoes
fj (1.000)
1 a 99 20
100 a 499 70
500 a 999 50
1 000 a 9 999 45
10 000 OU ma is 5

TOTAL 190

A utilizac;:ao desse expediente prejudica a representac;:ao e analise dos

dados. Nao se sabe, na realidade, se a media de ac;:oes possuidas pelos 5 000
acionistas com 10.000 ou m ais a90es e um numero muito pr6ximo ou muito
afastado desse limite inferior. Nao e possivel, por conseguinte, utilizar a
tabela po.ra calcul�s em que se requeira grande exatidao, como, por exemplo,
para estirnar a media de ac;:oes por acionista.

2.4.5. Amplitude do lntervalo de Classe

A amplitude do intervalo de classe ou simplesmente intervalo de classe

e o comprimento da classe, sendo geralmente definida como a diferenc;:a entre
seus limites superior e inferior. Essa definic;:ao nlio e evidentemente geral, urna
vez que, se for utilizada para calcular o intervalo de classe, qualquer uma
das formas de representac;:ao das classes anteriormente propostas podera
conduzir a intervalos diferentes.

Para determinar, entao, a amplitude do intervalo de classe, deve-se

tomar a diferenc;:a entre dois limites inferiores ou entre dois limites superiores
sucessivos de classe. Esse procedimento e verdadeiro sempre que as classes
tiverem a mesrna amplitude.

No exemplo da Tabela 2.6, tem-se:

a) Amplitude do intervalo de classe obtida pela diferenl(a entre dois limites
superiores sucessivos:
58 2,69 - 2,59 = 0,10
 A amplitude do intervalo da segunda classe e igual a 0,10.

b) Amplitude do intervalo de classe obtida pela diferen�a entre dois limitcs

inferiores sucessivos:
2,70 - 2,60 = 0,10

que e a amplitude do intervalo da segunda classe.

Se a amplitude da segunda classe fosse determinada, para esses limites,'
de acordo com a primeira defini9ao, resultaria em um valor diferente do'
obtido pelo ultimo criterio:

2,69 - 2,60 = 0,09 * 0,10

Se as classes forem representadas como sugerido na Tabela 2.6, a ampli­

tude de classe, estabelecida conforme a primeira defirri9ao, somente coincidira
com a calculada de acordo com a segunda quando sua determina9ao for
efetuada a partir dos limites reais de classe. Assim, a amplitude do intervalo
da segunda classe ficara:

2,695 - 2,595 = 0,10

E recomendavel construir tabelas onde os intervalos de classe sejam

iguais. Evitam-se, assim, equivocos na interpreta9ao da varia9ao do fenomeno.
Entretanto, a adoyao desse procedimento pode, em certas ocasioes, resultar
em uma distribuiyao de freqiiencias muito deformada, o que nao acontece
se as amplitudes forem desiguais. Quando, por um motivo qualquer, tecnico
ou estetico, os intervalos tiverem amplitudes desiguais, a nova amplitude
devera ser um multiplo da primitiva, preferencialmente 0 dobro, 0 quintuplo
e o decuplo.

2.4.6. Ponto Medio de Classe - xi -

0 ponto medio OU valor medio de classe e 0 valor que a representa,

para efeito de calculo de certas medidas. Na distribuiyao de freqiiencias com
valores agrupados em classes, considera-se que os resultados incluidos em
cada classe distribuem-se uniformemente por seu intervalo. Por essa razlio, a
escolha do ponto medio para representar todos OS valores de uma classe e 0

procedimento mais coerente, uma vez que esse ponto, por suas caracteristicas,
deve ser eqiiidistante dos limites de classe.

Para obter o ponto medio de uma classe, basta acrescentar ao seu limite
inferior a metade da amplitude do intervalo de classe. Esse procedimento
podc ser adotado, qualquer que seja a representa9ao tabular escolhida. Assim,
por exemplo, o ponto medio da primeira classe da distribni9ao da Tabela 2.7
sera determinado como segue:

2,50 a 2,59
Primeira classe:
Amplitude do intervalo:0,10
Metade da amplitude: 0,05 59
 0 ponto medio da primeira classe seni, entao:

X1 = 2,50 + 0,05 = 2,55

Para obter os pontos medios das classes seguintes, basta acrescentar ao

ponto medio da classe precedente a amplitude do intervalo de classe (se for
constante), como indicamos na Tabela 2.8.

Quando as classes forem representadas conforme aparece na Tabela 2.5,

ou seja, quando o limite superior de uma classe for igual ao inferior da
seguinte, 0 ponto medio podera ser calculado atraves da media aritmetica dos
limites do intervalo. Assim sendo, o ponto medio da primeira classe sera:

Primeira classe: 0 f---10

0 + 10
5
-

Ponto medio:
- -
Xl -
2
TABELA 2.8

Ponto mt!!dio
Classe 'i Xj

2,50 a 2,59 1 2,55

2,60 a 2,69 2 2,55 + 0,10 = 2,65
2,70 a 2,79 7 2,65 + 0,10 = 2,75
2,80 a 2,89 4 2,75 + 0,10 = 2,85
2,90 a 2,99 2 2,85 + 0,10 = 2,95

16

2.5. TIPOS DE FREOUENCIAS

Uma tabela de freqiiencias pode representar e caracterizar um dos

{
seguintes tipos de freqiiencias:

Absoluta
- Freqiiencia Simples

{
Relativa

Absoluta
"Abaixo de"

{
(crescente)
Relativa
-- Freqiiencia Acumulada
Absoluta
"Acima de"
(decrescente)
Relativa

2.5.1. Freqiiencias Simples

a) Freqii.encia Simples Absoluta
60 Simbolo: f;
 A freqilencia simples absoluta e o numero de repeti9oes de um valor
individual ou de uma classe de valores da variavel. Trata-se do caso visto ate
o presefite. A soma das freqilencias simples absolutas em uma tabela e
chamada freqilencia total e corresponde ao numero total de observa9oes.

� (3)
�
Considerem-se os exemplos dados pelas Tabelas 2.9 e 2.10.

TABELA 2.9 - EMPRESA X

Relatorio de lnsp�io. NCimero de Defeitos por P�a

Numero de Defeitos Numero de Per:as

Xj fj

0 5
1 10
2 18
3 12
4 5

Na Tabela 2.9, a freqilencia simples absoluta do valor zero e 5, indicando

que esse numero aparece cinco vezes no levantamento efetuado. Ha, portanto,
cinco pe�s com nenhum defeito.

TABELA 2.10
Notas Obtidas por 500 Alunos em um Teste de Estatlstica

Notas N<J de alunos - fj -

01--10 5
101-- 20 15
201-- 30 20
301--40 45
401--50 100
501-- 60 130
601--7 0 100
701--80 60
801--90 15
901--100 10

10

Il 'i = 500
j= 61
 Na Tabela 2.10, a freqiiencia simples absoluta da quarta classe e 45.
Ha 45 alunos cujas notas se situaram no intervalo compreendido pelas notas
de 30, inclusive, a 40, exclusive.

b) Frequencia Simples Relativa

Simbolo: frj
A freqiiencia simples relativa representa a propor�o de observa<;oes de
um valor individual ou de uma classe, em rela<;ao ao numero total de obser­
va<;oes. Trata-se, portanto, de um numero relativo. Para calcular a freqiiencia
relativa, basta dividir a freqiiencia absoluta da classe ou do valor individual
pelo numero total de observa<;oes. Simbolicamente,

fri =

I
/i
t;
=

N
!;
( 4)

j=t

Desejando expressar o resultado em termos percentuais, multiplica-se

o quociente obtido por 100.

I fr; � * . 100 I (5)

Observando essa ultima expressao, ve-se claramente que a freqiiencia

relativa e o resultado de uma regra de tres simples:

{Nf; ----
100%

x%

x% =

N
!; • 100 = fri

A soma das freqiiencias simples relativas de uma tabela de freqiiencias

e sempre igual a 1,00 ou 100%.

k
I tri = 1,00 OU 100% (6 )
j=t

Considere-se o exemplo da Tabela 2.11. Como ali se observa, a

freqiiencia simples relativa do valor 2 e 0,36 OU 36%, indicando que ha trinta
e seis por cento de pe<;as, dentre as cinqiienta, com dois defeitos. De fato,
62 dezoito corresponde a trinta e seis por cento de cinqiienta.
 TABELA 2.11 - EMPRESA X
Relat6rio de lns�o. Numero de Defeitos por P�a

Freqiiincias
Numero de /)llfss
Xj frj relativas
fj
percentuais

0 5 5/50 = 0,10 10%

1 10 10/50 = 0,20 20%
2 18 18/50 = 0,36 36%
3 12 12/50 = 0,24 24W.
4 5 5/50 = 0,10 10%
s s s
50
I fj = 50
I.frj = 50 = 1 ,00
I frj = 100%
j=l j=l j=l

2.5.2. Freqiiencias Acumuladas "Abaixo de"

a) Frequencia Absoluta Acumulada

Simbolo: Fj
A freqiiencia absoluta acumulada "abaixo de" uma classe ou de um
valor individual e a soma da freqtiencia simples absoluta dessa classe ou desse
valor com as freqtiencias simples absolutas das classes ou dos valores ante­
riores. A expressao "abaixo de" refere-se ao fato de que as freqtiencias a
serem acumuladas correspondem aos valores menores ou anteriores ao valor
ou a classe cuja freqtiencia acumulada se deseja obter, incluindo no calculo
a frequencia do valor ou da classe. Toda vez que se procura saber quantas
observa¥oes existem ate uma determinada classe ou valor individual, recorre-se
a freqtiencia acumulada "abaixo de".

Considerem-se os exemplos das Tabelas 2.12 e 2.13. Na primeira,

F3 = 33 significa que hli trinta e tres pe¥as que apresentaram ate dois
defeitos, incluindo esse numero; portanto, as pe�s que nao apresentaram
defeitos, as que apresentaram um e as que apresentaram dois defeitos.

TABELA 2.12 - EMPRESA X

Relatorio de lnsp�io. Numero de Defeitos por P�a

Xj
'i Fj

0 5 5

1 10 15

2 18 33
3 12 45

-
4 5 50

I fj = 50

j=l
63
 TABELA 2.13
Notas Obtidas por 500 Alunos em um
Teste de Estatlstic:a

Notas Fj
fj
0 I-- 10 5 5
10 I-- 20 15 20
20 I-- 30 20 40
30 I-- 40 45 85
401---- 50 100 185
50 I-- 60 130 315
60 I-- 70 100 415
70 I-- 80 60 475
80 l---9
- 0 15 490
90 1--100 10 500

10

2
j=l
fj = 500

No caso da Tabela 2.13, F5 = 185, por exemplo, indica que houve

185 alunos que obtiveram notas iguais ou inferiores a 50.

b) Frequenda Rekltiva Acumuklda

Simbolo: Fri
A freqtiencia relativa acumulada da classe ou do valor individual j e
igual a soma da freqiiencia simples relativa dessa classe ou desse valor com

TABELA 2.14 - EMPRESA X

Relatbrio de lnsp�o. Numero de Defeitos por P�a

De acordo De acordo
com o item (a) com o item (b)
Xj fj ''i (%) Fj

Frj (%) Frj

0 5 10 5 0+ 10 = 10 5/50= o,fo ou 10%

1 10 20 15 10+20 = 30 15/50 = 0,30 OU 30%

2 18 36 33 30+36= 66 33/50 = 0,66 OU 66%

3 12 24 45 66+24 = 90 45/50 = 0,90 OU 90%

4 5 10 50 90+10=100 50/50 =1,00 OU 100%

500 100
64
 TABELA 2.15
Notas Obtidas por 500 Alunos em um Taste de Estatlstica
I
Deacordo Descordo
I
I com o item (a) com o item (b)
Notss fj frj (%) Fj
I
I Frj (%) Frj
I
I
Ol--1 0 5 1 5 1 5/500 = 0,01 ou, 1%
101--20 15 3 20 4 20/500 = 0,04 OU 4%
201-- 30 20 4 40 8 40/500 = 0,08 OU 8%
301--40 45 9 85 17 85/500 = 0,17 OU 17%
401--50 100 20 185 37 185/500 = 0,37 OU 37%
501--6 0 130 26 315 63 315/500 = 0,63 OU 63%
601--70 100 20 415 83 415/500 = 0,83 OU 83%
701---80 60 12 475 95 475/500 = 0,95 OU 95%
801--90 15 3 490 98 490/500 = 0,98 OU 98%
901-- 100 10 2 500 100 500/500 = 1,00 OU 100%
I

500 I 100
I

as freqtiencias simples relativas das classes ou dos valores anteriores. A

obtenyao das freqtiencias relativas acumuladas pode ser feita de duas forrnas:

a) Acumulando as freqiiencias simples relativas de accirdo com a defini�ao

de freqiiencias acumuladas.

b) Calculando as freqiiencias relativas diretamente a partir das freqiiencias

F·
absolutas, de acordo com a defini�o de freqiiencias relativas: Fr; = i: .
Considerem-se os exemplos das Tabelas 2.14 e 2.15.
Na Tabela 2.14, Fr3 = 0,66, por exemplo, indica que sessenta e seis
por cento das peyas examinadas apresentaram ate dois defeitos. Na Tabela
2.15, Fr5 0,37 indica que trinta e sete por cento dos alunos obtiveram
=

50, ou, por outra, que trinta e sete por cento dos
notas iguais ou inferiores a
alunos obtiveram nota compreendida na faixa de 0 a 50.

2.5.3. Frequencias Acumuladas "Acima de"

a) Frequencia Absoluta Acumu/ada

A freqtiencia absoluta acumulada "acima de" uma classe ou de um
valor individual representa o numero de observayoes existentes alem do valor
ou da classe, incluindo no cilculo as observay<>es correspondentes a esse valor
ou a essa classe. Para obter a freqtiencia absoluta acumulada (acima de), basta
somar a freqtiencia simples absoluta da classe ou do valor individual as
freqi.iencias simples absolutas das classes ou dos valores individuais posteriores. 65
 TABELA 2.18

Notas Obtidas por 500 Alunos em um Teste de Estatfstica

Fj
Notas fj "Acima de"

01-- 10 5 500
101-- 20 15 495
201-- 30 20 480
301-- 40 45 460
401-- 50 100 415
501-- 60 130 315
601-- 70 100 185
701-- 80 60 85
801-- 90 15 25
901--100 10 10

500

Considere-se o exemplo da Tabela 2.16. 0 valor F5 =415 indica que

houve quatrocentos e quinze alunos com notas iguais ou superiores a 40.

b) Frequencia Relativa Acumulada

A freqiiencia relativa acumulada "acima de" classe ou do valor indi­
vidual j, exemplificada na Tabela 2.17, e igual a soma da freqiiencia simples
relativa dessa classe ou desse valor com as freqiiencias simples relativas das
classes ou dos valores posteriores. Da mesma forma como no caso anterior,
pode-se obter as freqiiencias relativas acumuladas "acima de" a partir:

TABELA 2.17
Notas Obtidas por 500 Alunos em um Teste de Estatlstica
I
I
Descordo Deacordo
I Fj com oitem (a) com oitem (b)
Notas 'i frj (%)
I Aic made
I
Frj (%) Frj
I Aic made Aic made
Of-- 10
101-- 20
5 : 1 500 100 500/500=1 ,00 OU 100%
15 I 3 495 99 495/500 = 0,99 OU 99%
201-- 30 20 I 4 480 96 480/500=0,96 OU 96%
301-- 40 45 I 9 460 92 460/500=0,92 OU 92%
401-- 50 100
I 20 415 83 415/500 = 0,83 OU 83%
I
501-- 60 130 26 315 63 315/500=0,63 63%
I OU

601-- 70 100 I 20 185 37 185/500 = 0,37 OU 37%

701-- 80 60 I 12 85 17 85/500=0,17 OU 17%
801-- 90 15 I 3 25 5 25/500 = 0,05 OU 5%
901--100 10 I 2 10 2 10/500=0,02 OU 2%
I
66 500 I 100
 a) da defini�ao de freqilencias acumuladas;

b) da defini�o de freqilencias relativas.

2.6. ROTEIRO PARA A ELABORACAO DE UMA TABELA DE

FREOUENCIAS COM DADOS AGRUPADOS EM CLASSES

Para a constru�o de uma tabela de frequencias, e conveniente adotar-se

um roteiro que, embora baseado em criterios relativamente arbitrarios, facilita
e torna mais operacional o trabalho de quern ira montar a tabela. 0 roteiro
proposto consta dos seguintes passos:
a) Lista de dados brutos que pode ou nio ser transformada em rol.
b) Encontrar a amplitude total do conjunto de valores observados.

Maior valor Menor valor

At= do conjunto do conjunto

c) Escolher o numero de classes (k). Alguns autores prop(iem que se escolha

arbitrariamente entre um minimo de cinco e um maximo de vinte classes, ressaltando,
todavia, que, quanto maior o numero de observa¢es, maior devera ser o numero de
classes e vice-versa. No item 2.4.3 desse cap{tulo Coram apresentados dois criterios mais
objetivos para a determina�iio do numero de classes: a formula de Sturges e a tabela
de Kelley, os quais, eventualmente, poderiio ser utilizados pelo leitor.

d) Determinar a amplitude do intervalo de classe. A amplitude do intervalo

de classe sera igual ao quociente entre a amplitude total da serie e 0 numero de classes
escolhido.

At
Amplitude do Intervalo de Classe =k (7)

Muitas vezes, ao efetuar a divisiio acima, pode-se chegar a um resultado nio

muito conveniente, sob o aspecto de montagem das classes. Neste caso, convem arre­
dondar o nlimero correspondente a amplitude do intervalo de classe a que se chegou
para um numero mais adequado, que facilite os c8lculos (arredondamento arbi­
trario ).
e) Determinar os limites das classes, escolhendo-se, preferencialmente,
numeros inteiros.

O Construir a tabela de freqilencias, conformc sugerido anteriormente.

EXERCiCIOS RESOLVIDOS

2.1. A tabela abaixo representa os salarios pagos a l 00 operarios da empresa

GLT & Cia.
2. l. l . Determinar: F requencias absolu tas acumuladas ( "abaixo de'');
frequencias simples relativas e frequencias relativas acumuladas ("abai­
xo e acima de'').

2.1.2. Quantos operarios ganham ate dois salarios mfnimos? 67

 N'! de salarios N<? de operarios
mfnimos (fj)
01--- 2 40
21--- 4 30
41-- 6 10
61--- 8 15
8 1--10 5

Total 100

2.1.3. Quantos operarios ganham ate 6 salarios minimos exclusive ?

2.1.4. Qual a porcentagem de operarios com salario entre 6 e 8 sala­

rios minimos?
2.1.5. Qual a porcentagem de operarios com salario inferior a 4 sala­
rios minimos?

Soluriio
2.1.1.
Frj
Fj
Classes 'i "Abaixo de" frj "Abaixo de" "Acima de"

01-- 2 40 40 0.40 0.40 1,00

21-- 4 30 70 0,30 0,70 0,60
41-- 6 10 80 0,10 0,80 0,30
61-- 8 15 95 0,15 0,95 0,20
81--- ·10 5 100 0,05 1,00 0,05

Com aux11io da tabela construida em resposta a pergunta 2.1.1.,

podemos responder as demais, conforme segue: \

2.1.2. 40 operarios
2.1.3. 80 operarios
2.1.4. 0,15 OU 15%
2.1.5. 0,70 OU 70%
2.2. A tabela de freqiiencias apresenta 4 falhas de constru�ao. Quais sao?

Classes Fj

0---I 2 80

4 --I 6 0

61--- 8 10

8 ---110 10

68 100
Solurao
a) falta a classe 2 --1 4
b) o valor 6 esta inclu{do na scgunda e na terceira classes
c) Fj no lugar de lj
d) 80% das freqilencias c oncentrados na prirneira classe e nenhuma freqilencia
na segunda classc

2.3. Os dados seguintes representam 20 observa\:oes relativas ao fndice

pluviometrico em determinados municipios do Estado:

Milfmetros de chuva

144 152 159 160

160 151 157 146
154 145 141 150
142 146 142 141
141 150 143 158

2.3.l. Determinar o numero de classes pela regra de Sturges.

2.3.2. Construir a tabela de freqilencias absolutas simples.

2.3.3. Determinar as freqilencias absolutas acumuladas ("abaixo de'').

2.3.4. Determinar as frequencias simples relativas.

2.3.5. Determinar as freqilencias relativas acumuladas ("abaixo de'').

Soluriio
2.3.l. k =1 + 3,3 log10 N

N = 20 log k = 1 + 3,3 log 20

k 1 + 3,3 (1,3010)
=

k 5,29 jk � 5j
= OU

A1 =Amplitude total= 160 - 141 = 19

Ar
c = = 19-;- 5 = 3,8 �4
k

2.3.2. Classes
Cont. 'i
Mil. de chuva

140 ----1144 1S1r 7

144 ----1148 n 3
148--H52 0 4
152 ----1156 I 1
156 ---1160 ISi 5

Total 20
69
 2.3.3./2.3.4./2.3.5.
Classes fj Fj '' Frj
i

140 ----1144 7 7 0,35 0,35

144 ----1148 3 10 0,15 0,50
148 ----1152 4 14 0,20 0,70
152---1156 1 15 0,05 0,75
156 ----1160 5 20 0,25 1,00
-

20 1,00

2.4. A tabela abaixo representa a distribuic;ao das espessuras de 100 folhas

de tabaco:

2,01 2,08 1,96 3,04 2,01 3,18 1,94 2,19 2,24 2,18
2,59 1,96 2,29 3,18 2,09 1,96 2,06 2,18 2,05 2,04
2,43 1,56 1,94 3,15 2,35 2,08 2,56 2,17 1,96 1,59
2,22 2,34 2,24 1,95 2,01 3,12 3,03 3,12 2,04 1,66
1,87 2.49 3,12 2,24 1,76 3,20 2,38 1,58 1,89 1,98
1,89 1,71 2.42 1,62 1,97 2,18 1,69 3,14 2,18 3,06
2,40 1,96 3,01 2,19 2,25 1.45 1,93 2,06 1,83 1,84
1,91 2,11 1,78 2,36 2,33 3,17 2,03 1,87 3,11 2,17
1,72 1,62 1,99 1,64 1,54 2,26 1,86 2,09 1,74 1,92
2,36 1,82 2,02 2,25 1,75 3,15 3,18 \ 1,99 1,76 2,51

Construir a distribuic;ao de freqiiencias com 9 classes de amplitude 0,2,

sendo que 0 limite inferior da 1 i:i classe e igual a 1,40.
Soluriio
Espessuras Contagem fj

1.40 I-- 1,60 ISi 5

1,60 I-- 1,80 ISllSll 12
1,80 I-- 2,00 ISi ISi ISi ts1 n 23
2,00 I-- 2,20 ts1 ts1 ts1 ts1 n 23
2,20 I-- 2.40 ISi ISi 0 14
2.40 I-- 2,60 ISll 7
2,60 I-- 2,80
2,80 I-- 3,00
3,00 f-- 3,20 ISi ISi ISi I 16

100

EXERCICIOS PROPOSTOS
2.5. Considere a seguinte distribuic;ao de freqiiencias correspondente aos
diferentes prec;os de um determinado produto em vinte lojas pesqui­
70 sadas.
 PrlJ(:OS N9 de lojas

50 2
51 5
52 6
53 6
54

Total 20

2.5.1. Quantas lojas apresentaram um pre�o de CrS 52,00?

2.5.2. Construa uma tabela de freqiiencias simples relativas.

2.5.3. Construa uma tabela de freqiiencias absolutas acumuladas.

2.5.4. Quantas lojas apresentaram um pre�o de ate Cr$ 52,00 (inclu-

sive)?

2.5.5. Qual a porcentagem de lojas com pre�o de ate Cr$ 53,00

(inclusive)?
2.5.6. Qual a porcentagem de lojas como pre�o maior do que Cr$
51,00 e menor do que Cr$ 54,00?

2.6. Considere a seguinte tabela:

Classes fj

2, 751-- 2,80 2
2,80 I-- 2,85 3
2,851-- 2,90 10
2,90 I-- 2,95 11
2,951-- 3,00 24
3,00 f-- 3,05 14
3,051-- 3, 10 9
3,10f-- 3, 15 8
3,15 f-- 3,20 6
3,20 f-- 3,25 3

90

Identificar os seguintes elementos da tabela:

2.6.1. Freqiiencia simples absoluta da quinta classe.

2.6.2. Freqiiencia total.

2.6.3. Limite inferior da sexta classe. 71

 2.6.4. Limite superior da quarta classe.

2.6.5. Amplitude do intervalo de classe.

2.6.6. Amplitude total.

2.6.7. Ponto media da terceira classe.

2.6.8. Numero total de classe.

2.6.9. Freqiiencia absoluta acumulada alem da sexta classe.

2.6. IO. Porcentagem de valores iguais ou maiores que 3,20.

2.7. Um produto e vendido por apenas tres empresas, em um determinado

mercado. Em determinado ano, para um total de 18 000 unidades
vendidas, tivemos a seguinte distribuis;lio das vendas:

Empresas A 8 c

Vendas 7 200 4 800 6 000

Detenninar a distribuis;ao percentual das vendas.

2.8. Complete o quadro de freqiiencias abaixo:

Classes fj Fj
)
0-----l 2 3 3
2 -----! 4 ? 8
4 -----! 6 8 16
6 -----! 8 10 26
8 -----!1 0 ? 28

2.9. A tabela seguinte representa as alturas (em cm) de 40 alunos de uma

classe.

162 163 148 166 169 154 170 166

164 165 159 175 155 163 171 172
170 157 176 157 157 165 158 158
160 158 163 165 164 178 150 168
166 169 152 170 172 165 162 164

2.9.1. Calcular a amplitude total.

2.9.2. Admitindo-se 6 classes, qual a amplitude do intervalo de
classe?

2.9.3. Construir uma tabela de freqiiencias das alturas dos alunos

admitindo que o limite inferior da H classe seja 148 cm.

2.9.4. Determinar OS pontos medias das classes.

72 2.10. Assinale a alternativa correta:

2.10.1. Popula�ao OU Universo e:
a. Conjunto de pessoas.

b. Conjunto de indiv{duos apresentando uma caracterlstica especial.

c. Conjunto de todos os indiv{duos apresentando uma caracteristica comum

objeto de estudo.

2.10. 2. Os fenomenos de Massa sao:

a. aqueles em que as caracteristicas observadas niio valem para os indiv{duos;

b. aqueles que niio podem ser definidos por uma simples observa«;lio;

c. aqueles que irlio compor os fenomenos coletivos.

2.10.3. A variavel e discreta quando:

a. dados dois valores reais, podemos encontrar pelo menos um valor entre
eles;

b. a menor diferen11a niio nula entre dois valores dados for finita;

c. dados dois valores reais, a diferen1<a entre eles e zero.

2.10.4. As fases principais do metodo estatistico sao:

a. coleta dos dados, amostragem, apresenta111io tabular e apresenta«;iio grafica
e defini\;iio dos problemas;
b. amostragem, apresenta1<1io tabular, apura111io dos dados, interpreta1<lio dos
dados e planejamento;

c. defini1<1io do problema, planejamento, coleta dos dados, apura\;iio, apre­

senta«;lio dos dados, arnilise e interpreta\;ii o dos dados.

2.10.5. A Serie Estatistica e chamada cronol6gica quando:

a. 0 elemento variavel e 0 tempo;

b. 0 elemento variavel e 0 local;

c. nlio tern elemeuto vari.<vel.

2.10.6. Amplitude total e:

a. a diferen«;a entre dois valores quaisquer de um conjunto de valores;

b. a diferen\;a entre o maior e o menor valor observado da variavel dividido

por 2;

c. a diferen«;a entre o maior e o menor valor observado da variavel.

2.10. 7. Para obter o ponto medio de uma classe:

a. soma-se ao seu limite superior metade de sua amplitude;

b. soma-se ao seu limite inferior metade de sua amplitude;

c. soma-se ao seu limite inferior metade de sua amplitude e divide-se o resulta­

do por 2.

2.10.8. Freqiiencia simples absoluta de um valor da variavel e:

a. o numero de repeti1<oes desse valor;

b. a porcentagem de repeti«;oes desse valor;

c. o numero de observa1<oes acumuladas ate esse valor. 73

 2.10.9. Freqiiencia total e:
a. o numero de repeti1;oes de um valor da variavel;

b. a soma das freqiiencias simples absolutas;

c. a soma das freqiiencias relativas menos as freqiiencias absolutas.

RESPOST AS DOS EXERCiCIOS PROPOSTOS

2.5.1. 6

2.5.4. 13
2.5.5. 95%

2.5.6. 60%

26.1. 24

2.6.2. 90

2.6.3. 3,00
2.6.4. 2,95
2.6.5. 0,05
2.6.6. 0,5
2.6.7. 2 ,875

2.6.8. K= 10

2.6.9. 26

2.6.10. 3,33%

2. 7. 40%; 26,7%; 33,3%

2.8. 5; 2

2.9.1. 30

, 2.9.2. 5

2.9.3. 3; 6; 6; 13; 9; 3

2.9.4. 150,5; 155,5; 160,5; 165,5; 170,5; 175,5

2.10.1. c
2.10.2. b

2.10.3. b

2.10.4. c
2.10.5. a

2.10.6. c
2.10.7. b

2.10.8. a

74 2.10.9. b
Apresentafiio Grafica

No capitulo anterior fez-se referencia a utilidade das tabelas como

instrumento de anaJ.ise e de apresenta'tlio de dados estatisticos. Afirmou-se
que as tabelas de elassifica'tliO cruzada podem auxiliar no estudo da inter­
-rela'tlio entre duas ou mais variaveis, ressaltando-se sua utilidade geral como
dispositivo para a apresenta'tlio sistematica de dados estatisticos.

A apresenta'tliO grafica e um complemento importante da apresenta'tliO

tabular. A principal vantagem de um grafico sobre a tabela prende-se ao fato
de que ele permite conseguir uma visualiza'tlio imediata da distribui'tlio dos
valores observados. Propiciam os graficos uma ideia preliminar mais satis­
fat6ria da concentra'tlio e dispersao dos valores, uma vez que atraves deles
os dados estatisticos se apresentam em termos de grandezas visualmente
interpretaveis. Por outro lado, os fatos essenciais e as rela1,:0es que poderiam
ser dificeis de reconhecer em massas de dados estatisticos podem ser obser­
vados mais claramente atraves dos graficos.

3.1. CLASSIFICACAO DOS GRAFICOS SEGUNDO A FORMA

Ha tres tipos de graficos, classificados quanto ao criterio da forma:

a) Diagramas
Os. diagramas sio graficos geometricos dispostos em duas dimens0es. Os
diagramas sao os graficos mais usados na representa�ao de series esta­
tlsticas e se apresentam atraves de uma grande variedade de tipos.

b) Cartogramas
Os cartogramas sio ilustra�es relativas a cartas geograficas, Jargamente
difundidas em Geografia, Historia e Demografia.

c) Estereogramas
Os estereogramas representam volumes e sio apresentados em tres
dimens0es. Muitas vezes sao confeccionados em cartolina ou madeira,
quando nao desenhados em perspectiva. 75
 3.2. CLASSI Fl CACAO DOS GRAFICOS SEGUNDO 0 OBJETIVO (USO)

E possivel distinguir, de certo modo arbitrariamente, dois objetivos

que justificariam o emprego de graficos. Os graficos sao usados para apre­
sentar visualmente dados numericos, proporcionando maior facilidade e
rapidez de compreensao dos mcsmos, ou, entao, para apresentar conclusoes
ou resultados de uma analisc. Ha, portanto, dois tipos de graficos, conforme
o objetivo ou uso a que se destinam: graficos de informa<yao e graficos de
analise.

3.2.1. Graficos de I nformai;ao

Sao graficos destinados principalmente ao publico em geral, objeti­

vando proporcionar uma visualiza<yao rapida e clara da intensidade das moda­
lidades e dos valores rclativos ao fenomeno observado. Sao graficos tipica­
mente expositivos, devendo, por conseguinte, ser o mais completo possivel,
dispensando comentarios explicativos adicionais. Nos graficos de informaiyao
nao se dcve prescindir dos titulos, escritos em letra de forma. Ja as legendas
podem ser omitidas, desde que as informa<yoes desejadas estejam presentes,
possibilitando a completa interpretaiyao do grafico.

A figura seguinte mostra como podem os dados estatisticos ser apre­

sentados atraves de um grafico de informa<yao, �e forma a facilitar sua
avalia<yao. Os dados sobre a exporta<yao acumulada mensal de um artigo sao
apresentados juntamente com um padrao (exporta<yao prevista), de modo que
a exporta9ao efetiva possa ser facilmente comparada com aquele padrao.
No Grafico 3.1, a gerencia tern rapidamente a noiyao comparativa sobre a
exporta<yao efetiva e a planejada, bem como a no<yao sobre as flutuaiyoes
mensais.
0 Grafico 3.1 e tipico dentre aqueles destinados a auxiliar a adminis­
traiyao a avaliar e controlar opera<yoes. Graficos dessa modalidade permitem
que se comparem as variaveis, cujo comportamento interessa estudar, com
certos padroes, que se faiyam prediyoes ou se chegue a outros objetivos quanti­
tativamente definidos, para determinar se as opera<yoes efetivas estao atin­
gindo as metas propostas. Mediante uma revisao peri6dica, a gerencia obtem
um quadro explicativo rapido das operaiyoes.

3.2.2. Graficos de Analise

Os graficos de analise prestam-se melhor ao trabalho estatistico, forne­

cendo elementos uteis a fase de analise dos dados, sem deixar de ser tambem
informativos.

Quando se usam graficos para apresentar os resultados de uma analise,

esses freqiientemente vem acompanhados de uma tabela. lnclui-se, muitas
vezes, um texto dissertativo, chamando a aten<yao do leitor para os pontos
76 principais revelados pclo grafico ou pela tabela. Muitos relat6rios adminis-
GRAFICO 3.1 - EXPORTACAO DO ARTIGO X

Exportai;:ao �------�

/
60 000 /
/
60 000
/
/
Exportai;:ao prevista /
/

50 000 (acumulada) / 50 001

>----
40 000 40 000
Exportai;:ao efetiva
30 000 (acumulada) 30 000

20 000 20 000

10 000 10 000

0 0
J F M A M J J A S O N D

trativos, economicos ou de qualquer outra natureza combinam as tres formas

de apresentayao de dados. lsto porque, na pratica, poucas pessoas tern habi­
lidade com mimeros, e as que tern dificuldade consultarao, via de regra,
apenas o grafico. Por outro !ado, a maior parte das pessoas nunca examinara
as tabelas estatfsticas, preferindo analisar os graficos e eventualmente
procurar no texto a informayao adicional necessaria.

3.2.3. Uso lndevido dos Graficos

Muitas vezes, o uso indevido dos graficos pode trazer uma ideia falsa
dos dados que estao sendo analisados, chegando mesmo a confundir o leitor.
Vej amos, atraves de um exemplo, como esse fato pode ocorrer. Os tres
graficos apresentados a seguir representam o mesmo fenomeno atraves do
mesmo grupo de dados. A primeira impressao e a de que OS tres graficos
representam dados nitidamente diferentes.

No Grafico 3.2, as flutua96es das vendas parecem ser moderadas; j a no

Grafico 3.4, tem-se a impressao de que a flutuayao das vendas nao manifesta
praticamente tendencia alguma, exceto leve flutuayao. Trata-se, na realidade,
de um problema de construyao de escalas. Enquanto o Grafico 3.2 se apre­
senta com uma escala mais ou menos convencional, os demais revelam pro­
pory6es consideravelmente diferentes para as escalas em que foram divididos
os dois eixos.

Examinando superficialmente os tres graficos e nao prestando muita

atenyao as escalas e a outros detalhes tecnicos, o leitor certamente recebera
impressoes diferentes sobre a flutuayao das vendas. 77
GRAFICO 3.2 - VENDAS DO ARTIGO Y GRAFICO 3.3 VEN DAS DO ARTI GO Y

3,0

2,9
4

..
.. 2,8
e e
·;;; ·a;
N
3 N

2 2 2,7
"
"
..
.. "O
"O 2 ..
..
..
..
>O 2,6
>O .J:.
.J:.

:E :E
2,5

0 2,4
J F M A M J J A S O
1975

J M M J S
/ 1975

GRAFICO 3.4 - VENDAS DO ARTIGO Y

..
e 4
·a;
N

2
" 3
Cl)
"O
.. 2
"'
>O
.J::.

:E
0
J F M A M J J A s 0

1975

3.2.4. Principais Tipos de Graficos

3.2.4.1. Graficos em Barras (horizontais)

Os graficos em barras tern por finalidade comparar grandezas, por meio
de retiingulos de igual largura e alturas proporcionais as respectivas grandezas.
Cada barra (ou coluna) representa a intensidade de uma modalidade do
78 atributo. 0 Grafico 3.5, em barras, representa as vendas efetuadas pela
empresa VASIGLASS S.A., fabricante de vasilhas de vidro, conforme os
diferentes tipos desses recipientes, expressando-se as vendas de cada tipo
como percentagem das vendas totais.

As magnitudes das barras sao representadas pelos respectivos compri­

mentos e seu trayado e feito tendo-se como referenda uma escala horizontal.
Em geral, as divisoes da escala se prolongam em trayos verticais por todo o
grafico, facilitando assim a leitura do comprimento de cada barra. A identi­
ficayao da barra e inscrita a esquerda do grafico.

GRAFICO 3.5 - VASIGLASS S.A.

VENDAS DE VASILHAS, POR TIPO, EXPRESSAS COMO PERCENTAGEM
DAS VENDAS TOTAIS, 1972

TIPOS DE VASILHAS 0 5 10 15 20 25 30 35 40%

Para al imentos (boca Iarga)

Farm6cia e cosm8ticos

Utilidade geral

Garrafas de cerveja

Lieores

Alimentos (boca estreita)

Garrafas de refrigerantes

Vasilhas caseiras

0 5 10 15 20 25 30 35 40%

Ha quatro orientayoes gerais a sercm observadas na construyao de um

grafico em barras horizontais:

a) As barras so diferem em comprimento, e nio em largura, a qual e

arbitraria.

b) As barras devem vir separadas umas das outras pelo mesmo espac;o, o qua!
deve ser suficicnte para que as inscric;oes que identificam as diferentes
barras nao tragam confusiio ao leitor. Como regra pratica pode-se tomar
o espac;o entrc as barras com·o aproxirnadamente a metadc ou dois terc;os
de suas larguras.

c) As barras dcvem ser desenhadas observando sua ordem de grandeza,

para facilitar a leitura e analise comparativa dos valores. Normalmente, a
ordem e decrcscente, a barra superior representando o maior valor. Cate­
gorias gerais que costumam vir com inscric;oes do tipo "outros", "demais"
etc. aparecerao representadas na barra inferior, mesmo que seu compri­
mento exceda o de alguma outra, uma vez que ela representa o agrupa­
rnento de classes relativamente pouco importantes.

d) Um grafico, construldo para mostrar grandezas absolutas, devera ter uma

linha zero claramente definida e uma escala de quantidades ininterrupta, 79
 caso contnirio a leitura e a interpretar;iio do gr:ifico poderiio ficar
distorcidas.

Existem outros tipos mais elaborados de graficos em barras. Entre eles

destacam-se tres: o grafico de barras compostas, o grafico <le barras agrupadas
e o grafico de barras bidirecionais.

Grrifico de Barras Compostas

0 grafico de barras compostas difere do grafico de barras convencional
apenas pelo fato de apresentar cada barra segmentada em partes compo­
nentes.

GRAFICO 3.6 IMPORTACAO BRASILEIRA DE VINHO E CHAMPAGNE

-

PROVENIENTES DE VARIAS ORIGENS, 1972 - 1100 dolaresl

PAISES 0 50 100 150 200 250 300 350 400

Fran�a
�
Portugal Vinho

Italia
�
Espanha Champagne

Chile

Argentina

(Dados fictlcios) 0 50 100 150 200 250 300 350 400

Atravcs dcssc grafico e possivel comparar visualmente a importancia

rclativa <las importayoes provenientes dos seis paises, as importay6es totais
por pais, bem como as importa96es provenientes de cada uma <las origens,
por produto.

Grdfico de Ba"as Agrupadas

Sc for mais importante estabelecer a compara9iio entre as importa96es
de cada um dos paises, para cada produto e entre categorias de produto,
poder-se-a construir o grafico de barras agrupadas (Grafico 3. 7).
Nesse caso, os dados de importa9ao correspondentes a cada origem
sao apresentados separadamente, para facilitar a compara9iio. Esse grafico
niio permite, contudo, comparar, com facilidade, as importa96es totais de
cada produto.

Graficos de Barras Bidirecionais

Quando se deseja representar, graficamente, quantidades positivas e

negativas, como, por exemplo, perdas e ganhos, mudan9as de percentagens
em periodos de tempo sucessivos e desvios positivos ou negativos em torno
80 de um valor padrao, o grafico de barras bidirecionais e muito mais indicado.
 GRAFICO 3.7 - IMPORTACAO BRASILEIRA DE V.INHO E CHAMPAGNE
PROVENIENTES DE VARIAS ORIGENS, 1972 - (1.000 dolares)

PA[SES 0 50 100 150 200 250

Fran�a

- Vinho

Portugal � Champagne

Italia

Espanha

Chile

Argentina

(Dados fictfciosl 0 50 100 l50 200 250

Para a constru�ao desse tipo de grafico, tra�am-se as barras a esquerda

e a direita de uma linha vertical, tambem chamada linha zero. As barras que
representam quantidades positivas devem ser dispostas em ordem descen­
dente; as que representam quantidades negativas, em ordem ascendente.

GRAFICO 3.8 - EVOLUCAO DAS VENDAS DA CIA. X ENTRE OS ANOS DE 1971 E 1972

UNHA DE PROOUTOS -50 -40 -30 -20 -10 0 10 20 30 40 50 (%)

Liquidificadores

Batedeiras de Bolo

Refrigeradores

Exaustores

Maquinas de Lavar Roupa

Aquecedores E l�tricos

(Dados fictlcios) -50 -40 -30 -20 -10 0 10 20 30 40 50 (%)

Se uma empresa, por exemplo, exporta uma linha de produtos eletro­

domesticos, poderia estudar comparativamente a situa�o de cada um deles
em termos de sua evolu�o percentual de um periodo a outro, como
mostra o Grafico 3.8. 81
 3.2.4.2. Graficos em Colunas
Os graficos em colunas OU graficos em barras verticais prestam-se a
mesma finalidade que os graficos em barras horizontais, sendo, entretanto,
preferiveis a esses ultimos quando as legendas a se inscreverem sob os retan­
gulos forem breves. Caso contrario, o emprego do grafico em barras e mais
adequado. Entao, a 11nica diferenc;:a entre os graficos em barras horizontais e
os :':m colunas reside na direc;:ao dos retangulos, agora verticais. Todas as
demais observayaes apresentadas anteriormente sao extensiveis a esse ultimo
caso.

Os graficos em colunas prestam-se em especial a representayao, analise e

interpretac;:ao de dados relacionados com series de tempo, como, por
exemplo, as vendas de um produto em periodos sucessivos. Se11do assim, as
colunas deverao estar dispostas em ordem cronol6gica. Por outro lado, em
casos como esses, em que os valores podem descrever uma variayao continua,
as barras ou colunas podem ser apresentadas contiguas umas as outras.
TABELA 3.1

PRODUCAO MEDIA MENSAL DE CARVAO BETUMINOSO

PELO PAIS X NO PERIODO DE 1965 A 1972

Quantidade /
Anos
(mil toneladas)

1965 45
1966 50
1967 70
1968 80
1969 130
1970 150
1971 200
1972 210
Fonte: (dados fict(cios).

GRAFICO 3.9 - PRODUCAO MEDIA MENSAL DE CARVAO BETUMINOSO NO

PAIS X 1965 A 1972 hi
-

25(} 250

200 200

150 150

100 100

50 50

0 0
1965 1966 1967 1968 1969 1970 1971 1972
82
 Muitas vezes, costuma-se colocar no topo ou no interior de cada coluna
o valor correspondente a sua altura. Esse procedimento permite eliminar a
escala.
A Tabela 3.1 apresenta a produyao media mensal de carvao betumi­
noso efetuada por um certo pafs, no periodo de1965 a 1972.
Atraves do Grillc o 3.9 podemos ver como a Tabela 3.1 ficara reprer
·sentada.
Os graficos em colunas podem aparecer de diversas maneiras, dentre as
quais se destacam tres: graficos em colunas superpostas, graficos de porcen­
tagens complementares e graficos em colunas remontadas.

Grtificos em Co/unas Superpostas

0 grafico em colunas superpostas corresponde ao grafico de barras
compostas. Tanto um quanta o outro servem para representar compara­
tivamente dois ou mais atributos. 0 Grafico 3.10 apresenta a produ�o de
televisores portateis e de televisores com mais de 20 polegadas da E mpresa Y.

GR,\FICO 3.10 - PRODUCAO DE TELEVISORES - EMPRESA Y 1970-1973

3500 3 500
3000 3000
� Mai
sde20
� Polegadas
2 500 2 500
2 000 2 000

1 500 1 500
llllllD Portatei
s
1 000 1 000

500 500

0 0
1970 1971 1972 1973

Grdficos de Porcentagens Complementares

0 mesmo fato representado pelo grafico de colunas superpostas pode
ser visto tambem em termos de participa�o percentual de cada tipo de
televisor no total produzido.
Cada coluna do grafico corresponde a 100%, e suas partes componentes
sao obtidas por meio de uma regra de tres simples. Para exemplificar: a
produ�o total de televisores em 1970, cujo valor e igual a altura da primeira
coluna do Grafico 3.10, corresponde a 100%; entao, a produyao de televisores
portateis correspondera, em 1970, a x por cento. Esquematicamente,

2 500 ----- 100%

2000 ----- x

2000 x 100
800!.
=

x 10
2 500 83
=
GRAFICO 3.11 - EMPRESA Y - PRODUCAO DE TELEVISORES 1970-1973

% %
100 100

80 80 Mais de 20
Polegadas

60 60

40 40 lllllll Portateis

20 20

0 0
1970 1971 1972 1973

Obtem-se a porcentagem do complemento por diferen9a: porcentagem

de televisores com mais de 20 polegadas: 100 - 80 = 20%. E assim se
procede sucessivamente, ate completar o grafico. /

Grdfico em Colu�s Remontadas

0 grafico em colunas remontadas presta-se aos mesmos prop6sitos que
o grafico em barras agrupadas. Ela permite que as compara9oes entre as
grandezas dos atributos sejam feitas mais facilmente. No Grafico 3.12 estao
representadas as vendas da empresa Y, discriminadas de acordo com o fato de
as vendas serem destinadas ao mercado externo ou ao interno.

GRAFICO 3.12 - VENDAS DA EMPRESA Y

VENDAS INTERNAS X VENDAS PARA 0 EXTERIOR - 1968-1972

Vendas Vendas
(1.000 cruzeiros) (1.000 cruzeiros)
700 700

600 600

500 500 Vendas

lnternas
400 400

300 300
Vendas ao
200 200
lllllll Exterior
100 100

0 0
1969 1970 1971 1972
84
 3.2.4.3. Graficos Pict6ricos (Pictogramas)
Os graficos pict6ricos ou pictogramas sao construi'dos a partir de fi­
guras ou conjunto de figuras representativas da intensidade ou <las modali­
dades do fenomeno. Sao graficos muito freqiientes em jornais e revistas, tendo
como principal vantagem o fato de despertar a aten9iio do publico leigo.

GRAFICO 3.13 - CAMINHOES EXPORTADOS PELO BRASIL - 1970-1972

1970

= 1 000 caminh6es

1971
11/i
1972
�
No Grafico 3.13, cada figura representa 1 000 caminhoes.
Existem algumas regras basicas que regem a constru9ao de pictogramas:
a) Os simbolos devem ser auto-explicativos.

b) As diferentes quantidades devem expressar-se mediante maior ou menor

niimero de simbolos, e niio mediante um aumento ou diminui1<iio do
tamanho do simbolo basico.

c) Os g r:ificos deyem proporcionar uma visiio geral do fenomeno, e niio

detalhes minuciosos.

d) Os pictogramas estabelecem compara1<oes gerais, devendo ser evitados,

conseqiientemente, para interpretar afirma1<oes ou dados isolados.

3.2.4.4. Graficos em Linhas ou Graficos Lineares

Os graficos lineares siio freqiientemente usados para a representayiio de
series de tempo (quando um dos fatores for 0 tempo), isto porque quando
a serie cobre um grande numero de periodos de tempo, a representayao dos
valores atraves de colunas pode conduzir a uma excessiva concentra9ao de
dados. Como os movimentos siio indicados pelas alturas das colunas, estas
podem ser substitufdas por uma linha que siga os movimentos de suas partes
superiores. As linhas siio particularmente mais eficientes do que as colunas,
quando existem intensas flutua96es nas series ou quando ha necessidade de
se representarem varias series em um mesmo grafico.

Para construir o grafico em linhas, basta marcar os pontos correspon­

dentes aos valores observados em cada periodo e uni-los por meio de um tra90
continuo. 85
 Os graficos em linhas podem aparecer como um conjunto de segmentos
de retas contiguos ou apresentarem-se "polidos". 0 Ultimo caso ocorre
quando 0 desenhista procura suavizar OS angulos que irao aparecer no
encontro de dois segmentos.

0 Grafico 3.14 representa a evoluyao das vendas de tratores de esteira

produzidos pela empresa Z, no periodo de 1965 a 1972.

GRAFICO 3.14 - VENDAS DE TRATORES DE ESTEIRA - EMPRESA Z 1965-1972

Numero de Tratores

700

600

600

400

300
200

100

0 L-_.___L_J.._-L..--L--'---'--
65 66 67 68 69 70 71 72 Anos

Observa�ao: Grafico com escala interrompida.

Frequentemente, em virtude da magnitude dos valores a serem repre­

sentados, pode ocorrer um espa�o inutil entre a linha do grafico e um dos
eixos . Sendo assim, costuma-se desenhar, junto a origem do eixo desejado,
uma linha em ziguezague, ou simplesmente interromper a escala no inicio ··

do mesmo.
GRAFICO 3.16 - COM�RCIO EXTERIOR DO BRASIL
I MPORTACAO (C.l.F.I
- 1963-1969 -

lmpcrtacao
Bilh5es de D61ares

1.400

2.200

2.000 /

1.800

1.600

1.400

1.200

1.000

800

63 64 65 66 67 66 69 Anos

86 Fonte: C.l.E.F.
 No Grafico 3.15, ve-se claramente que o menor valor o bservado e signi­
ficativamente maior que zero. A representaylio dos valores sem a linha em
ziguezague provocaria um espayo inutil entre a linha do grafico e o eixo hori­
zontal, devido a extenslio da escala no eixo vertical.
0 uso de uma escala interrompida, entretanto, deve ser feito com
cautela, uma vez que ela distorce parcialmente a perspectiva do grafico. Assim,
uma pequena variaylio na intensidade do fenomeno pode parecer de grandes
proporyoes quando a escala for interrompida, urna vez que a atenylio do
leitor se concentrara apenas nos pontos da escala realmente significativos.

3.2.4.5. Graficos em Faixas

Os graficos em faixas slio graficos lineares, equivalentes em uso aos

graficos em barras compostas. Esse tipo de grafico sera apresentado em suas
diferentes modalidades, atraves de um exemplo.

TABELA 3.2
PRODUCAO BRASILEIRA DE CAMINHOES PESADOS - PERIODO 1962-1968

Anos
Segmento Exporta(:io
1962 1963 1964 1965 1966

Do ano 28992 15 928 16 169 15 716 21 029

Gasolina
Acumulada 28992 44920 61 089 76 805 9 7 834

Diesel Do ano 10678 8096 8 357 9 243 14022

(inclusive
onibus) Acumulada 10678 1 8774 27 1 31 36 374 5 0 396

(Dados Fict(cios)

A leitura na escala do grafico(Grafico3.16)corresponde aproduylio con­

junta dos segmentos Diesel e Gasolina. Assim, em 1962 a produylio de ca­
minhoos pesados foi da ordem de 39.67 9 unidades, valor que sera lido na esca­
la vertical. 0 segmento diesel foi responsavel por 10.678 unidades. Podemos
calcular a produylio de caminhoes a gasolina por diferenya:

39 670 - 10 678 = 28 992

Os graficos em faixas podem tambem ser um instrumento util para a

apresentaylio da produylio acumulada de caminhoes pesados. A representaylio
dos valores acumulados constantes da Tabela 3.2 sera feita conforme o
Grafico 3.1 7.

Os gnificos em faixas podem ainda ser utilizados para representar percen­

tagens complementares, da mesma fotma como acontece com os graficos em
colunas. Com os elementos da Tabela 3.2, constr6i-se outra, expressando os
valores de cada segmento como percentagens do total, trayando-se o grafico 87
 GRAFICO 3.16 - PRODUCAO BRASILEIRA OE CAMINH0ES PESADOS
PERiODO 1962-1966

30 000

20 000

10 000

0
1962 1963 1964 1965 �966

GRAFICO 3.17 - PRODUCAO ACUMULADA DE CAMINHCES PESADOS

BRASIL 1962-1966
-

140

120

100

80

60

40

20

1962 1963 1964 1965 1966

88
correspondente a partir dai. A largura das faixas de cada segmento fornecera
a respectiva participac;ao percentual na producrao de caminhoes.

Para esclarecer melhor o calculo das porcentagens (participas;ao percen-

tual de cada segmento ), e apresentado a seguir 0 calculo da participas;ao

GRAFICO 3.18 - PRODUCAO BRASILEIRA DE CAMINHOES PESADOS

PARTICIPACAO PERCENTUAL DE CADA SEGMENTO - 1962-1966
%

80

60

40

20

0
1962 1963 1964 1965 1966

percentual do segmento Diesel na producrao de caminhoes pesados no

ano de 1963:

Produ\(ao do ano (segmento Diesel). . . . . . . . . . . . . . . . . . 8096

.

Produ\(ao do ano (segmento Gasolina). . . .... .

. . . . . 15 928
. . . .

Produ¢o total do ano (gasolina mais Diesel) .. . . . 24 024 . . . . . .

A participacrao percentual do segmento Diesel e determinada por meio

de urna regra de tres simples, lembrando que a producrao total do ano
representara 100%. 0 clilculo ficara:
24 024 ----- 100% 8096 x 100
x = = 33'73
8096 ----- x 24 024

Portanto, a participas;ao percentual do segmento Diesel na producrao

do ano de 1963 foi da ordem de 33,7%. A participac;ao percentual do
segmento gasolina podera ser obtida por diferen\:a: 100,0%- 33,7% = 66,3%.
Da mesrna forma procede-se para os outros anos., ate completar a tabela. 89
 3.2.4.6. Graficos em Setores

Os gnificos em setores ou setogramas sao usados para representar

valores absolutos ou porcentagens complementares. Desta forma, a repre­
senta?o de porcentagens complementares pode ser feita atraves de diferentes
tipos de giaficos:
a) Graficos em Setores
b) Grwcos em Barras Compostas
c) Grwcos em Colunas (porcentagens complementares)
d) Grwcos em Faixas Complementares

0 grafico em setores tambem e conhecido coma gr:ifico circular ou

cartograma em setores. Para construi-lo, parte-se do fato de que o nfunero
total cie graus de um area de circunferencia e360. Assim, o riumero total
de valores analisados(100%, se quisermos representar as porcentagens com­
°
plementares) correspondera a 360 . Cada uma das parcelas componentes do
total dos valores podera, entao, ser expressa em graus, e a correspondencia
se fara atraves de uma regra de tres simples. Exemplificando:

TABELA 3.3
PRODUCAO AGRICOLA DO ESTADO A - ALGUNS PRODUTOS
1972
������� /
Produtos Ousntidade (t)

Caf6 ............ . 400 000

A�ucar ........... . 200 000
Milho . . . . . . • . . . . . • 100 000
Feijao ........... . 20 000

Total ........ . 720 000

Fonte: X (dados fictfcios)

Constr6i-se preliminarmente uma nova tabela (como a de numero 3.4),

da qual constem os elementos necessarios a constru�iio dos graficos, ou seja,
OS angulos representatiVOS dos valores (OU porcentagens) individuais de cada
produto.

0 calculo dos angulos oorrespondentes as quantidades exportadas e

desenvolvido a partir da informa�lio relativa a exporta?o total, 720 000
toneladas, a qual devera representar 360°:
Cdlculo do Setor Co"espondente ao Cafe

720 000 ---- 360°

0
90 400 000 ---- x
 TABELA 3.4

Produtos Quantidade ft) Angulos correspondentes (Graus) %

Caf� . . . . ... . . . .
- 400 000 200 55,5
Ac,:ucar . . . . . . . . . . 200 000 100 27,8
Milho . . . . . . . . . . . 100 000 50 13,9
Feijao........... 20 000 10 2,8

Total . . . . . . . . . . . 720 000 360 ° 100,0

400 000 x 360

x = 2000
720 000
=

Calculo do Setor Correspondente ao Af!Lcar

720 000 ----- 360°

�o
200 000 ----

200 000 x 360

x = 1000
720 000
=

Calculo do Setor Correspondente ao Mi/ho

720 000 ---- 360°

100 000 ----

x0

100 000 x 360 = 500

x =
720 000

C<ilculo do Setor Correspondente ao Feijiio

720 000 ----- 360°

20 000 ----- Xo

20 000 x 360 = 100

x =
720 000

Resta agora a construs:ao do grafico. Com o auxilio de um transferidor,

faz-se a marca�o dos iingulos correspondentes as quantidades, partindo de
um ponto qualquer da circunferencia e seguindo o sentido dos ponteiros
do rel6gio:

A legenda poderia ser dispensada inscrevendo-se no interior de cada

setor a porcentagem ou a quantidade correspondente de cada um.

91
 GRAFICO 3.19 - PRODUC::AO AGRiCOLA DO ESTADO A ALGUNS PRODUTOS - 1972

Legend a

fptff§ffl CAFIO

CTI ACUCAR

f!lllllll}J MILHO

1111 FEIJAO

GRAFICO 3.20 - PRODUCAO AGRiCOLA DO ESTADO A iALGUNS PRODUTOS - 1972

Cat� 55,5%

U bserva{:iiO:

Para a constru¢o de graficos em setores, nao e indispensavel a utili­

za9ao de um cfrculo de circunferencia (360°). 0 gnifico pode ser feito
tambem a partir de um semicfrculo (180°) ou de um quadrante (90°), con­
forme se utilize o semicfrculo ou o quadrante para a representa 9ao completa
do fenomeno.

3.2.4.7. Graficos em Coordenadas Po/ares

Os graficos em coordenadas polares sao construfdos sobre uma circun­

ferencia, dividida em um deterrninado numero de partes iguais, dependendo
do numero de valores a serem representados.

Para representar, por exemplo, a varia9ao de um determinado fenomeno,

temperatura media mensal, nos doze meses do ano, divide-se a circunferencia
em doze partes iguais, que figurarao como as doze dire96es radiais. Em seguida,
92 adota-se a media dos valores observados como o valor do raio do circulo.
 Os dados da Tabela 3.5 referem-se a temperatura media mensal regis­
trada em uma determinada regiao, mes a mes. Essa tabela fornecera OS ele­
mentos necessarios a constru�o do grafico polar.

Inicialmente, toma-se como raio do circulo a media <las temperaturas

registradas na tabela, bastando, para isso, somar os valores constantes da

segunda coluna da Tabela 3.5 e dividir o total por doze: 2i�0 = 23°

TABELA 3.5
TEMPERATURAS MEDIAS MENSAIS REGISTRADAS NA REGIAO X - 1969

MeS6s Temperatura mklia mensal (°C)

Janeiro
Fevereiro
Mar�
Abril
Maio
Junho
Jul ho
Agosto
Setembro
Outubro
Novembro
Dezembro

276°

GRAFICO 3.21 - TEMPERATURAS MEDIAS MENSAIS REGISTRADAS

NA REGIAO X 1969
-

J
93
 Desta forma, cada dire9ao radial funcionara como uma escala de valores
e cortara a circunferencia no valor 23. Ao longo das doze dire9oes radiais
serao assinaladas as temperaturas observadas, tomando uma dire¢o para cada
mes. Posteriormente, unir-se-ao os pontos assinalados e o grafico estara
concluido.

Os giaficos polares podem ser usados tambem para o registro de preci­

pita¢o pluviometrica ao longo do ano, arrecada9ao de irnposto mes a mes,
importa9oes e exporta9oes de um pals mes a mes etc.
3.2.4.8. Estereogramas

Usam-se os estereogramas para a representa¢o grafica de tabelas de

dupla entrada. Tais tipos de graficos sao pouco usados, dada a pequena

GRAFICO 3.22

precisao que oferecem e a dificuldade de o leitor apreciar com fidelidade as

varia96es do fenomeno, ja que os valores sao proporcionais a um volume.
As varia96es lineares sao mais faceis de interpreta¢o ao olho humano. A
titulo ilustrativo, apresentamos um estereograma na pagina anterior.

3.2.4.9. Graficos Triangulares

Usam-se os graficos triangulares quando se pretende representar tres

atributos simultaneamente. Os atributos deverao estar inter-relacionados, e
suas intensidades podem ser apresentadas em termos percentuais, que e o
caso mais comum.

Parte-se de um triangulo equilatero de altura igual a 100%. Ao tomar

um ponto qualquer no interior do triangulo, deve-se ler os valores corres­
pondentes as intensidades dos atributos, em tres escalas. Essas sao cons­
truidas sobre as medianas dos triangulos, devendo ser lidas no sentido dos
vertices. Desta forma, em cada vertice do triangulo, tem-se 100% de um dos
atributos e zero por cento dos outros dois.

Para estudar, por exemplo, o custo de produ¢o de um artigo como a

soma dos seguintes custos parciais: materia-prima, mao-de-obra e diversos, o
94 grafico triangular e muito util.
 100

GRAFICO 3.23

Ao tomar o ponto A no interior do triangulo, por exemplo, e necessario

que sua leitura seja feita nas tres escalas: as escalas que fornecerao a partici­
pai;:lio percentual nos custos de produi;:ao, da materia-prima, da mlio-de-obra
e de diversos. A partir do ponto em questao, trayam-se paralelas aos eixos
das escalas ate o lado oposto aos vertices (linhas continuas). Para determinar
a participaylio percentual de cada atributo, bastara efetuar a leitura do
comprimento dessas paralelas, na escala correspondente.

3.2.4.10. Graficos Representativos de Distribui9oes de Frequencias

Os graficos usados para a representayao de distribuiy6es de freqiiencias

simples e acumuladas slio graficos tipicamente de analise. A representaylio
das freqiiencias simples e feita atraves do histograma OU do polfgono de.
freqiiencias, enquanto as freqiiencias acumuladas slio representadas pelo poli­
gono de freqiiencias acumuladas ou ogiva de Galton.

a) Histogramas

0 histograma e um grafico formado por um conjunto de retangulos

justapostos, de forma que a area de cada retangulo seja proporcional a
freqiiencia da classe que ele representa. Assim sendo, a soma dos valores
correspondentes as areas dos retangulos sera sempre igual a freqiiencia total.

0 histograma e construido tomando-se como referencia dois eixos

coordenados. No eixo horizontal, ou eixo das abscissas, slio anotados os. 95
 valores individuais da variavel em estudo, ou os limites das classes. Por
conseguintc, a dimensao horizontal de cada retiingulo representara a classe.
No eixo vertical, ou eixo das ordenadas, sera construida a escala onde serao
lidos os valores relativos ao numero de observa�es ou freqiiencias da classe.
A area de cada retiingulo do histograma corresponde a freqiiencia da classe
que o retiingulo representa. Para determinar a altura do retangulo, basta
tomar a formula de calculo da area de um retiingulo:

I S=bX h I (1)

onde: b = base do retiingulo = amplitude do intervalo de classe

h = altura do retiingulo
s = area do retiingulo = freqiiencia da classe

Para tra9<lr o grafico deve-se calcular as alturas dos retiingulos.

Estas alturas sao tiradas da rela\:ao (1)

I h =

! I
A altura de cada retiingulo do histograma sera dada, entao, pelo
(2)

quociente entre a area (freqiieI1cia) deste retiingulo e a,tlmplitude do intervalo

de classe, que, em geraJ, e Constante.

Exemplo: Construir o histograma da serie a seguir:

TABELA 3.6
DISTRIBUICAO DAS EXPORTACOES DE 65 EMPRESAS FABRICANTES DE
COMPONENTES ELETRONICOS 1972 -

Numero de empresas
Volume exportado US$
Frequencias - fj -

50.0001--- 60.000 8
60.0001--- 70.000 10
70.000 1--- 80.000 16
80.0001--- 90.000 14
90.0001---100.000 10
100.0001---110.000 5
110.0001---120.000 2

Total 65

(Dados Ficticios)

Para calcular as alturas, acrescenta-se uma coluna a mais na tabela original,

como indicamos na Tabela 3.7.

Quando a base for unitaria, as alturas serao numericamente iguais as

96 freqiiencias.
 TABELA 3.7

Volume exportado US$ Freqiiencias (fj) Alt. = (freq.) + (base)

50.000 !------ 60.000 8 8+10= 0,8

60.000 !------ 70.000 10 10+10=1,0
70.000 !------ 80.000 16 16+10=1,6
80.000 f----- 90.000 14 14+10= 1,4
90 .000 1-----100.000 10 10+10=1,0
100.0001-----110.000 5 5+10=0,5
110.0001---1
-- 20.000 2 2+10=0,2

Como pode ser visto na Tabela 3.7, as alturas sao proporcionais as

freqilencias. Para construir o histograma, adota-se o eixo perpendicular como
o das alturas. Posteriormente, elc sera substitufdo por um eixo de freqilencias,
}embrando, todavia, que OS valores lidos em ta} eixo se referem as areas dos
diferentes retangulos, e nao as suas alturas.

Na pratica, costuma-se construir o histograma utilizando diretamente o

eixo de freqilencias, ressalvando-se, evidentemente, o que foi dito no para­
grafo anterior.

0 histograma correspondente a tabela anterior ficara:

GRAFICO 3.24 - DISTRIBUl<;:AO DAS EXPORTA<;:OES DE 65 EMPRESAS

FABRICANTES DE COMPONENTES ELETRONICOS - 1972

Numero de Empresas
fj 16

14

12

10

2
0
50 60 70 80 90 100 110 120 Valor Exportado
(em milhares US$)

Assim como foi feito para representar graycamente as freqilencias

absolutas, e possfvel utilizar 0 histograma para representar as freqilencias
relativas. A figura do histograma sera a mesma. Havera apenas uma diferen�
em termos dos valores que comporao a escala do eixo vertical.

0 grafico correspondente ficara:

97
iRAFICO 3.25 - DISTRIBUICAO PERCENTUAL OAS EXPORTACOES
DE EMPRESAS FABRICANTES DE COMPONENTES ELETRONICOS - 1972

Porcentagem
de Empresas
(%)

50 60 70 80 90 100 110 120 Valor Exportado

(em milhares US$)

iRAFICO 3.26 - DISTRIBUICAO DAS EXPORTACOES DE

65 EMPRESAS FABRICANTES DE COMPONENTES ELETRQNICOS - 1972

16 )

14

12

10

0
50 60 70 80 90 100 110 120 Valor Exportado
(em milhares US$)

E comum utilizar no mesmo histograma dois eixos verticais, um a

8 direita e outro a esquerda. 0 ultimo representara as freqtiencias absolutas.
Tal procedimento apresenta a vantagem de possibilitar a representa<;:ao dos
dois tipos de freqiiencias simples utilizando apenas um grafico·.

b) Poligonal Caracteristica
A poligonal caracteristica e a representa<;:ao do contomo do histogra­
ma (Grafico 3.26).

c) Poligono de Freqiiencias

Unindo por linhas rctas OS pontos medios das bases superiores dos
retangulos do histograma, obtem-se outra reprcsenta<;:ao dos dados, deno­
minada Poligono de Freqiiencias.

0 poligono de freqiiencias pode referir-se as freqiiencias absolutas OU

as freqiiencias relativas, conforme a escala utilizada no eixo vertical. As
escalas podem aparecer simultaneamente.

GRAFICO 3.27 - DISTRIBUICAO DAS EXPORTACOES DE 65 EMPRESAS

FABRICANTES DE COMPONENTES ELETRONICOS 1972 -

16
Polfgono de Freqiiencias

14

12

10

50 60 70 80 90 100 110 120 Valor Exportado

(em milhares US$)

d) Poligono de Frequencias Acumuladas - Ogiva de Ga/ton

A Ogiva de Galton ou Poligono de Freqiiencias Acumuladas tern por

finalidade a representa<;:ao grafica das tabelas de freqiiencias acumuladas. 99
 Esse tipo de grafico pode ser utilizado para representar as freqticncias acu­
muladas "abaixo de" e "acima de".

Quando o poligono de freqtiencias acumuladas se refere as freqiiencias

relativas, usa-se a denomina\:ao ogiva percentual ou poligono de freqiiencias
relativas acumuladas. Como ja observado, a representa\:ao das freqiiencias
relativas pode ser feita utilizando-se o mesmo grafico das freqiiencias abso­
lutas, alterando-se apenas a escala de leitura. Pode-se ainda apresentar a
escala das freqiiencias relativas a direita do grafico.

A Tabela 3.8 apresenta as freqiiencias acumuladas "abaixo de" e

"acima de", referentes ao problema das empresas fabricantes de compo­
nentes eletronicos.
TABELA 3.8

Volume exportado Numero de

Fj "Abaixo de" Fj "Acima de"
US$ empresas fj

50.000 t--- 60.000 8 8 65

60.000 t--- 70.000 10 18 57
70.000 t--- 80.000 16 34 47
80.000 t--- 90.000 14 48 31
90.000 t--- 100.000 10 58 I 17
100.0001-- 110.000 5 63 7
110.000 t---120.000 2 65 2

I fj = 65
j�1

GRAFICO 3.28 - REPRESENTACAO DAS FREQU�NCIAS ACUMULAOAS ."ABAIXO DE"

Freqiiencias Fj Frj
Freqiiencias
Acumuladas Relativas
"Abaixo de" 70
100 Acumuladas
60 90 (%)
80
50
70
40 60
34._ ....... 48.5
50
-- - - -- -

30
40
20 30
20
10 Volume
10
0 Exportado
0
50 60 70 80 90 100 110 120 (US$ 1.000)
100
 Desejando-se saber, por exemplo, o numero de empresas com um
volume exportado de ate 80.000 d6lares, basta verificar, na escala das
freqiiencias absolutas acumulaclas, o numero correspondente a esse valor,
qual seja 34. Conclui-se que ha 34 empresas com um volume exportado de
ate 80.000 d6lares. Se o interesse recair na porcentagem de empresas com
ate 80.000 d6lares exportado, a leitura se fara na escala das freqiiencia�
relativas acumuladas. 0 resultado sera 48,5%.

GRAFICO 3.29 - REPRESENTACAO DAS FREQU�NCIAS ACUMULADAS "ACIMA DE"

70
100
60 90

50 80
70
40
60

30 50

40
20 lQ- 26%
17 --- 20
10
10
Volume
0 .L._.,_....L_--L_---1. __,1
_ __ ;;; _.J.+. 0
L__J..__-=:::;.i.. Exportado
50 60 70 80 90 100 110 120 (US$ 1000)

Para saber, por exemplo, o numero (ou a porcentagem) de empresas

com volume de exportayao superior a 90.000 d6lares, basta fazer, no
grafico, a correspondencia entre essa quantia e a freqiiencia acumulada,
absoluta ou relativa. Os valores correspondentes serao:

Fj = 17: ha dezessete empresas com um volume de exportayao igual ou

superior a 90.000 d6lares.
Fr
i
= 0,26 ou 26%: vinte e seis por .cento das empresas analisadas (dentre
as 65) apresentaram um volume de exportayao igual ou superior a
90.000 d6lares.
e) Grafico em Hastes (Bastiio)
Muitas vezes, o interesse recai na representayao grafica de dados nao
agrupados em classes, o que acontece quando os valores da variavel em
estudo aparecem individualmente. A representayao grafica, neste caso, difere
um pouco daquilo que foi visto ate o presente. 101
 Na inspeylio de um lote com 1 000 peyas de precisao, produzidas por
uma empresa fabricante de instrumentos 6ticos, encontraram-se os resul­
tados reproduzidos na Tabela 3.9.

TABELA 3.9

NtJmero de PBfBS - fj -
Numero de defeitos
(Freqiiencia do numero de defeitos)

0 40
1 120
2 340
3 290
4 160
5 30

Total 1 000

A representaylio grillc a do fenomeno acima podera ser feita atraves

do grafico em hastes ou grafico em bastoes (Grafico 3.30). Poderia, altero
nativamente, ser feita a representaylio atraves de um histograma com bases
unitarias. Neste ultimo caso, as freqiiencias serao numericamente iguais as
alturas dos retangulos do histograma. A f6rmula S = b Xh sera aplicada,
agora, da seguinte maneira:

Freqiiencia (S)= Base (J)X Altura (h)

S=JXh=h

s=h I
GRAFICO 3.30

Numero de Pe�as fj frj Porcentagem das

Pe�s
360 36
-

300 -- 30

240 24

180 18
--

120 -- 12

60 6

0 .T
.
T Nl'.lmero de
0 1 2 3 4 5 Defeitos

102.
GRAFICO 3.31

Numero de P�as frj (%) Porcentagem

fj das Pei;:as

360 . 36

300 30

240 24

180 18

120 12

60 6

Numero de
Defeitos
0 2 3 4 5

Para estabelecer as bases dos retangulos, a partir dos valores da variavel

(numero de defeitos, no caso), procede-se da seguinte maileira:

1
Seja x; um valor qualquer da variavel. Fazendo-se ix; � 21' teremos

o limite inferior da base do retangulo. Para obter o limite superior basta

somar � a x;: ix; +�I· Procede-se da mesma maneira para todos os valores,

cujas freqiiencias se deseja representar atraves de retangulos.

Observa(:io: Nern sempre as bases dos retangulos serao unitarias.

f) Graficos em Escada
A representa�ao das freqiiencias acumuladas para valores individuais e
feita mediante o uso de um grafico em escada, conforme a figura do Grafico
3.32. A representa�ao das freqiiencias acumuladas com o recurso do poligono
de freqiiencias acumuladas, embora encontrada, nao e rigorosa, raziio por que
nao sera exemplificada.
Os dados que deram origem ao Grafico 3.32 siio os constantes da
Tabela 3.10. 103
GRAFICO 3.32

Numero de Pec;:as
Fj Frj (%)

1 000 100
I
900 I 90
I
___J
800 I 80
I
700 I
70
I
I
600 I 60
I
,------,
500 I I
50
I I
400 I I 40
I I
I I
300 I I 30
I I
200 I I 20
r--1 I
I I I
100 I I I 10
I I
-
.
� I I I I
Numero de
Defeitos
0 2 3 4 5

TABELA 3.10

Freqiiincias acumuladas
Numero de defeitos
Fj Frj (%)

0 40 4
1 180 18
2 520 52
3 810 81
4 970 97
5 1 000 100

g) Exemplos de Curvas de Frequencias

As curvas de frequencias (poligono de frequencias polido), em geral,
apresentam um formato, de certo modo, caracteristico, assemelhando-se ao
contorno de um sino, evidenciando uma forte concentra«;ao dos valores em
104 torno do centro da distribui«;ao.
 Mesmo que a semelhan9a com um sino seja muito grande, e bem pro­
vavel que, na pratica, a curva apresente uma certa deforma9ao (distor9ao)
para a esquerda ou para a direita. Quanto a esse aspecto, e possivel distinguir
tres configura96es (Veja o Capitulo 6) para as curvas em forma de sino:

GRAFICO 3.33

1. C.ur:va sem Oeform�lo 2. Curva com Deform� 3. Curva com Oeforma(f:io

(Simdtrica> ii Direita 8 Esquerda

x 0

Outros formatos de curvas de freqiiencias podem scr cncontrados.

Sao apresentados a seguir alguns exemplos:

GRAFICO 3.34

1. Curva em Form• de U 2. Curva em Form1 de J 3. Curva em Forma de J

(Antimodall (Amodal) lnvertido (Amodall

0 x 0 x 0

h) A Curva de Lorenz·

A curva de Lorenz e um tipo de grafico usado para representar con­

ccntra9lio ou desigualdade de renda de receita, de riquezas etc. Na Tabela
3.11 estao registradas as informa96es relativas ao numero de depositantes de
um banco pequeno, agrupados segundo o volume de dep6sitos e o total
depositado em cada classe: 105
 TABELA 3.11
NOMERO DE DEPOSITANTES E VOLUME DE DEPOSITOS DO BANCO X
(VALORES ACUMULADOSI

Va/ores percentuais
Numero de Volume de
Dep6sitos Depositantes Dep6sitos na classe
Depositantes Dep6sitos
(acumulado) (acumulado)
% %

Menos de 500 770 102.100 54,6 3.4

Menos de 1 000 980 255.100 69,5 8,6
Menos de 1 500 1 090 388.400 77,3 13,1
Menos de 2 000 1 160 505.100 82,3 17,0
Menos de 2 500 1 200 609.000 85,1 20,5
Menos de 5 000 1 310 1.002.800 92,9 33,7
Menos de 10 000 1 380 1.465.000 97,9 49,2
Acima de 10 000 1 410 2.976.200 100,0 100,0

Como pode ser observado na tabela acima, 1 310 depositantes foram

responsaveis por um volume de dep6sitos inferiores a 5.000 cruzeiros, com
um volume total de dinheiro depositado da ordem de 1.002.800. Em termos
percentuais, pode-se afirmar que 92,9% dos depositantes foram responsaveis
por apenas 33,7% do volume total depositado. 0 Grafico 3.35 representa
todas as rela�oes percentuais entre o numero de depositantes e o volume
total depositado.

A linha diagonal do gnifico representa completa igualdade. Quanto

mais a curva de Lorenz se afasta da diagonal, maior sera a desigualdade.
Assim, por exemplo, pode-se ler que 54,6 por cento dos depositantes sao
responsaveis por apenas 3,4 por cento dos dep6sitos.

GRAFICO 3.36 - CONCENTRACAO DE DEPOSITOS A VISTA

BANCO X CURVA DE LORENZ
-

Porcentagem de
Dep6s;tos 100 �-----

90

80

70

60

60

40

30

20

10

0 IL-.....-....==;::=;::::;=---�-_j
10 20 30 40 60 60 70 80 90 100

P o r__
106�--�------- ----- c �• a ge m_d_e_D��e-•-io _�
.:..._ n "
t .:..._
_....1
Medidas de Posifiio

4.1. INTRODU<;:Ao
Vimos, nos capftulos precedentes, que atraves de uma distribuiyiio
de freqiiencias se estabelece um sistema de classificai;ao que descreve o
padrao de variai;ao de um determinado fenomeno estatistico. Ocorre, toda­
via, que poderia ser muito dificil trabalhar com a distribuiyao de freqiiencias
completa, razao pela qual costuma-se lan�ar mao de determinadas medidas.
Essas medidas sumarizam certas caracterfsticas importantes da distribuiyao
de freqiiencias. Ha diversas medidas que possibilitam condensar as infor­
mai;oes dentro da fase analitica da Estatistica Descritiva. Concentraremos
·

nossa ateni;ao, de forma mais enfatica, em dois tipos mais importantes:

as medidas de posii;ao, especialmente as de tendencia central e as medidas
de dispersiio ou. de heterogeneidade. Os demais tipos siio as medidas de assi­
metria e as medidas de curtose.
As medidas de posiyiio, que seriio objeto desse capitulo, podem-se
apresentar de varias formas, dependendo daquilo que se pretende conhecer
a respeito dos dados estatisticos. As mais importantes sao as medidas de
tendencia central ou promedias; as quais sao assim denominadas, em virtude
da tendencia de os dados observados se agruparem em torno desses valores
centrais. A moda, a media aritmetica e a mediana sao as tres medidas de
tendencia central ou promedios mais utilizados para resumir o conjunto de va­
lores representativos do fenomeno que se deseja estudar. Outros promedios
menos usados sao a media geometrica, harmonica, quadratica, cilbica e
biquadratica.

4.2.M�DIA
A medida de tendencia central mais comumente usada para descrever
resumidamente uma distribuii;ao de freqiiencias e a media, ou mais propria-
mente, a media aritmetica. Ha varios tipos de medias, os quais serao exami- 107
 nados a seguir: media aritmetica, media geometrica, media harmonica, media
quadratica, media cubica, media biquadratica. 0 leitor ccrtamente devera
estar mais familiarizado com a media aritmetica, devido a freqiiencia com
que dela se utiliza.

4.2.1. Media Aritmetica

Simbolo: x (le-se "x trayo" ou "x barra").

A media aritmetica de um conjunto de numeros pode ser de dois

tipos: simples ou ponderada.

a) Media Aritmetica Simples

A media aritmetica simples de um conjunto de numeros e igual ao
quociente entre a som� dos valores do conjunto e o numero total de valores.

Suponha que em um escrit6rio de consultoria a empresar ha cinco

·

contfnuos que recebem os seguintes salarios mensais: Cr$ 800,00, Cr$ 780,00,
CrS 820,00, Cr$ 810,00 e Cr$ 790,00. A media aritmetica dos salarios
ou o salario medio mensal dos contfnuos desse escrit6rio sera de 800 cruzei­
ros, de acordo com a definiyao.
800 + 780 + 820 + 810 + 790 4.000
x = = = 800
5 5
Genericamente, podemos escrever:

(1)

onde
x; = valor genenco da observaylio
n = numero de observay0es

A media aritmetica simples sera calculada sempre que os valores nao

estiverem tabulados, ou seja, quando aparecerem representados individual­
mente, como e o caso, por exemplo, dos dados brutos. No exemplo acima,
a variavel x representa os salarios dos contfnuos. Conseqiientemente;

Xi = 800
Xz = 780 i = {l , 2, 3, 4, 5}
X3 = 820 n = 5
X4 = 810
X5 = 790 5

I x;
i=l
5
108
b) Media Aritmetica Ponderada
A media aritmetica e considerada ponderada quando os valores do
conjunto tiverem pesos diferentes. Tratando-se de media simples, todos OS
valores apresentam igual peso. Obtem-se uma media aritmetica ponderada
atraves do quociente entre o produto dos valores da variavel pelos respectivos
pesos e a soma dos pesos.

Assim, por exemplo, um professor pode realizar quatro provas por

1, 2, 3, 4 .
ano em sua materia, atribuindo a cada uma delas os seguintes pesos:
. Se um aluno tiver recebido as notas 8, 7; 9 e 9, nessa ordem, sua nota
final sera a media aritmetica ponderada 8,5, obtida da seguinte maneira:

(8 X 1)+ (7 X 2)+(9 X 3)+(9 X 4)

.
_ _

cla F.mal
M"d.
1 +2+3+4
- -

8+ 14 +27+36 85
= ------ 8,5
10 10=
O mesmo resultado seria obtido se fossem adotados pesos relativos,
como indicamos na Tabela 4.1.
TABELA 4.1

Provas Pesos relativos Notas Produtos

1
1� - = 0,1 8 0,8
10
2
2� - = 0,2 7 1.4
10

3
3� = 0,3 9 2,7
10
4
4� -= 0.4 9 3,6
10

Soma dos pesos relatives: 1,0 Media ponderada = 8,G

Soma dos produtos

Quando se usam pesos relativos, o denominador sera sempre igual a

unidade, e a media aritmetica ponderada seni igual a soma dos produtos
dos valores da varravel pelos respectivos pesos relativos. Assim sendo, a
media aritmetica ponderada sera igual a soma dos valores constantes da
ultima coluna da Tabela 4.1.
No exemplo apresentado, os pesos dos valores da variavel sao fixados
previamente, para efeito de calculo. Tratando-se, todavia, de distribuiyoes de
freqiiencias, os pesos dos valores da variavel nao sao atribuidos arbitraria­
mente, mas correspondem ao numero de vezes que cada valor ocorrer.

Assim, por exemplo, admitamos que as notas atribuidas a vinte alunos

em um teste de estatistica sejam as seguintes, dispostas em o.rdem crescente: 109
 4, 5, 5, 5, 5;
5, 6, 6, 6, 6;
6, 6, 7, 7, 7;
7, 7, 8, 8, 8.
A nota media obtida mediante a utiliza�ao da formula (I) seni:
n 20

L X; L Xj
i=l i=l
x =--- = --- =
n 20
=
4+5+5+5+5+5+6+6+6+6+6+6+7+7+7+7+7+8+8+8
=
20
124 =
= 6'2
20
Portanto, a media aritmetica simples das notas e �.2. Como os valores
da variavel aparecem repetidos, e possfvel adotar 0 numero de observa�oes
ou freqilencia de cada um deles como peso ou fator de pondera�ao. Assim,
por exemplo, a nota sete aparece cinco vezes. E indifercnte, portant<>,
para efeito de calculo da media SOmar 0 numero sete cinco vezes OU
multiplicar esse valor por cinco.
7 + 7 + 7 + 7 + 7 = 5 x 7 35
=

E possivel proceder da mesma fonna para os demais valores de

variavel, como se observa no desenvolvimento seguinte:

x
4+5+5+5+5+5+6+6+6+6+6+6+7+7+7+7+7+8+8+8
= ------�
20
OU
- - (4 x 1) + (5 x 5) + (6 x 6) + (7 x 5) + (8 x 3)
x-
1 + 5 + 6 + 5 +3
0 numerador da primeira expressao representa a opera�ao necessaria
para 0 calculo da media aritmetica simples, de acordo com a formula (1).
0 denominador e 0 numero total de observa�OeS.

Ja o numerador da segunda expressao apresenta o procedimento para

0 calculo da media ponderada, onde cada valor da variavel e multiplicado
pela respectiva freqiiencia. 0 numero quatro apareceu uma vez, o cinco e o
sete apareceram cinco vezes, o seis apareceu seis vezes e o oito tres vezes.
Ao inves de considerar cada nota do aluno individualmente, como e feito
para 0 calculo da media aritmetica simples, toma-se 0 valor tantas vezes
quantas ele tiver ocorrido. 0 denominador da segunda expressao e calculado
pela soma das freqilencias de cada valor da variavel, o que equivale a
freqiiencia total, ou numero total de valores observados. Retomando os
calculos:
(4 x 1) + (5 x 5) + (6 x 6) + (7 x 5) + (8 x 3)
X = =

110 1 + 5 + 6 + 5 +3
 4 + 25 + 36 + 35 + 24 124
= = 6 '2
=

20 20
Esse resultado e o mesmo que o obtido pelo emprego da formula (1 ),
porque 0 principio dos metodos e 0 mesmo, diferindo apenas a forma
de calculo.
Genericamente, se os valores xi. x2, . .. , Xk ocorreremfi. [2 , fk • . . .

vezes, respectivamente, a media aritmetica do conjunto sera calculada por: i'

k
I x;fi
/= 1
x = _,:__ ___
(2)
k

I Ii
j=l

Xj = valores da varravel, OU pontos mediOS. de classe

k
L Ji = n = mimero total de observa�oes
j=l
k = numero de classes ou de valores individuais diferentes da variavel
Na Tabela 4.2, condensamos os resultados do exemplo.

TABELA 4.2

Xj 'i Xjfj

4 1 4 x 1 =4
5 5 5X5=25
k=5
6 6 6X6=36
n= 20
7 5 7 x 5 =35
8 3 8X3=24

5 5

I fj= 20=n L Xjfj= 124

j=l j=l

Normalmente, para o clilculo da media aritmetica ponderada recorre-se

a uma tabela desse tipo, o que possibilita maior rapidez de opera�ao e
organiza�o dos valores.

Quando os valores estao agrupados em classes, a tabela requer mais

uma coluna, necessaria para dispor os pontos medios de classes, como
indicamos na Tabela 4 3.
.
111
 TABELA 4.3

Classes
'i Xj Xjfj

101--20 5 15 75
201--30 10 25 250
301--40 15 35 525
401--50 10 45 450
501--60 5 55 275

5 5

I'j=45=n I Xjfj = 1 575

j=l j=l

I Xjfj
x = _,_i_=_i __
=
j=l \= 1575
35
n 45 45
c) Propriedades da Media Aritmetica
I) Primeira Pr opriedade
A soma algebrica dos desvios de um conjunto de numeros tomados
em rela�ao a media aritmetica e zero. Simbolicamente:
n

I d; = 1: (x; - x) =
o
i=l
(3)
k
= =
I difj 1:(xi - x)fj o
j.=1

on de,
�l = x; - x e i =
{ 1, 2, ... , n} para dados brutos
= =
dj Xj - X e j {l, 2, . . . , k} para dados tabulados
A comprova�ao dessa propriedade e simples:

Para Dados Brutos

n n n
= =
I d; I (x; - x) I x; -
i =l i=l i =l

Como xe uma constante, para um dado conjunto de valores,

n

Ix= nx
112 i=l
Mas,
n n

Ll x;
L x;
i= i=l n

x =---
n
e, assim, nx = n
n
=
L x;
i=l
Entao,
n n n n n

L d; =
L x; -

L x =
L x; -

L x; = 0
i=l i=l i=l i=l i=l
Para Dados Tabuhdos
k k k k

L di
L (Xj x)fj L Xjfj
=
L xfi
=
-

j=l j=l j=l j=l

Mas, k

L Xjfj
k k k
j=l
I xfi = x I Ii = nx = n =

L Xjfj
n
j=l j=l j=l
Portanto,
k k k k k

I dj =

I X jfj -

L xfi L Xjfj -

L Xjfj = 0
j=l j=l j=l j=l j=l
Exemplo 1:
Consideremos os salarios recebidos pelos cinco continuos.
x = {780, 790, 800, 810, 820}

A media dos salarios e x = 800, e a soma dos desvios sera zero,

como na Tabela 4.4.
TABELA 4.4
x; d; = Xj-X

780 780 - 800= -20

790 790 -800= -10
800 800-800= 0
810 810 - 800= 10
820 820-800= 20

5 5 n

I d; :=
I (x; - soo1= o >
L d;= o
i=l i=l i=l

Exemplo 2:
Com os dados da Tabela 4.5, comprovar a primeira propriedade
da media. 113
 TABELA 4.5

Notas Numero de alunos

Xj fj
4 1
5 5
6 6
7 5
8 3
n= 20

A media aritmetica das notas e = 6,2, conforme visto anterior­

x
mente. A Tabela 4.6 pennite operar mais rapidamente
TABELA 4.6

Xj fj Xjfj dj = Xj - 6,2 djfj= (Xj - 6,2) fj,

4 1 4 4:..... 6,2 = -2,2 (-2,21 x 1 =-2,2

5 5 25 5 -6,2=-1,2 (-1,21 x 5=-6,0
6 6 36 5·_ 6,2 = -0,2 (-0,21 x 6=-1,2
7 5 35 7 -6,2 =0,8 (0,81 x 5 =4,0
8 3 24 8 -6,2= 1,8 (1,81 x 3 =5,4

5 s

n= 20 L Xjfj=124
I djfj=o
j=I j=I

II) Segunda Propriedade

A soma dos quadrados dos desvios tomados em rela�o a media
aritmetica e um mfnimo.

Para dados brutos

n n

L (x; - x)2 <

I (x; - Xo)2 (4)
i=I i=I

Para dados tabulados

k k
L (x1 - x)2f; <
I (x1 - xo)2/; (5)
/=I / =l

onde Xo e um valor arbitrario quatquer, muitas vezes chamado de media

arbitniria. Neste caso, x0 =F x.
A comprova�ao da propriedade sera feita apenas para a formula (4).
"
Devemos ter
S1 = I:(x; - x)2 I:(x: x2 - 2x;X) I:x: nx2 - 2I:x;x
= + = + =

114 I:x: nx2 - 2 (I:x;) (I::;) �

= + =
 = r.x; + nx2 - 2nx2= r.xl - nx2

S2 = '1:.(x;-x0)2= '1:.(xl + x� - 2x;xo ) =

= r.x; + n-x� - 2x0 '1:.x;=

+ -
= '1:.x2
; nx2
0 - 2x0nx
Mas
S2 - S1 = (r.xl + nx� - 2x0nx) - ('1:.xl - nx2) =
= n(x� - 2x0x + .X2) = n(x0 - x)2

Como n > 0 e (x0 - x)2 > 0 => n(x0 - .X)2 > 0.

Assim sendo, a diferen�a

(S2 - Si)= n(x0 -- x)2

C sempre positiva, para Xo i= X, OU seja,

S2 -- S1 > 0
Daf tiramos
S1 < S2 OU r, (x; - x)2 < L (x ; - Xo)2
Exemplo 3:
Considere o conj unto de numeros X = { 3, 5, 7, 9, 10}. A media
aritmetica do conjunto e
5

I Xj

= _i_=_I _ 3 + 5 + 7 + 9 + 10 � 6g
X = = = '
5 5 5
Considere agora os seguintes valores arbitranos para x0 : 7 e 5. Os
calculos das somas dos quadrados dos desvios serao feitos com recurso da Tabela
auxiliar 4. 7.

TABELA 4.7

(Kj-X) = Xo =l Xo =5
Xj (x;-6,8)2 (x; - 7)2 (x;-5)2
(x;- 6,8) (x;- 7) x;-5

3 .3-6.,8=-3S
. (-3,li)2=14 4
, 4 3-7=-4 (-4 )2=16 3-6 =-2 (-2)2=4
6 6-6S
. =-1,8 (-1 ,8)2=3,24 6-7=-2 (-2)2=4 6-6=0 (0)2 =O
7 7 -6,8=0,2 (0 2
, )2 =0,04 7-7=0 (0)2 =O 7-6=2 (2)2 =4
9 9-6,8=2,2 (2,2)2 =4,84 9-7=2 (2)2 =4 9-6=4 (4)2 =16
10 10-6,8 =3,2 (3,2)2 =10,24 10- 7 =3 (3)2 =9 10 -6=6 (6)2 =26

I (x; -6,8)2=
5 5
I (x;-7)2=
5
I !x;-6) 2
=
i=I i=I i=I
=32,8 =33 =46
115
 Como pode ser observado,
'i;(x; - 6,8)2 < 'i;(x; - 7)2 < 'i;(x; - 5)2
,!. + +
32,8 < 33 < 45
para x = 6,8.
Exemplo 4:
Comprovar a segunda propriedade da media, usando os dados cons­
tantes da Tabela 4.3, adotando para x0 os vafores 30 e 36.
A comprova�ao e feita com o auxflio da Tabela 4.8.
TABELA 4.8

Classes Xj Ix; - 36J2f;

2 2 2
10 1-- 20 15 75 115 - 351 5 = 2 000 115 - 301 5 = 1 125 115-361 5 = 2 205

201-- 30 10
I 25 I 250 1 i 2
125 - 35 10= 1 ooo
2
125 - 301 10 = 250 1 2
12� - 361 10· = 1 210

301- -40 1 35 1
15 525 1 135-351215=0 135
2
301 15 = 375
-· i 135- 361215 15 =

401- -50
I 10 1 45 1 450 1 145 351' 10= 1 ooo
·-
2
145 - 301 10= 2 250 1 145 -- 361210 810=

50 l--60
I1-----�I 55 >--
1 275
2
I 155- 351 5 ,, 2 ooo 2
I 155- 36125= 1 805
1±
155 - 301 5 = 3125

I± / I±
s
f;=45 = n x; f=
; l 575
2
lx;-35J f;=6 000 L Ix;-3012 f;=7 125 L Ix;-36J2f;=6 045
.r• I J-'J t j··i j�1
. J
_ _

L:x;f;
j=l
x = -=----
1 575 = 35
n 45
Como se observa,
s 5 s

L (x; - 35)2!; < L (x; - 36)2!; < L (-c; -30)2f;

j=l -l- j=l -l- j=l -l-
6 000 6 045 7 125
para x = 35.

III) Terceira Propriedade

Media Aritmetica Ponderada de Todas as Medias. Se n 1 numeros
tern media x1 , n2 numeros tern media .X2 , • • • , nk numeros tern media Xk,
a media do conjunto formado por todos OS numeros e dada pela expressao:

X"1n1 + "X2n2 + ... + Xknk

x =
n1 + n2 + ... + nk

I x; n;
j=l
x (6)
k

I n;
j=l
116
 A comprova9ao dessa propriedade e imediata e sera feita apenas para
o caso de dados nao-tabulados.Fa9amos inicialmente
n,
X ii
i=I
I
=

ni
n,
IX2i
=
i i =

n2

nk

I Xki
i=i
Xk =

nk
k
n =

I ni
j=i
Assim sendo,
n, n, nk
I X ii +
i=I
I X 2i + ... +
I
i=I
Xki
i=i
x = =

n, + n2 + . . + nk
.

n, n, nk
n,
I X ii n2
I X2; nk
I Xki
i=i i=I i=I
+ + ... +
ni n2 nk
+
= =

n, n2 + . .. + nk
k

n 1x1 n2x2 + .. + nkxk

I
=
+ .
=
j=I
n1 + n2 + ... + nk k
I
i" 1
Exemplo 5:
Considere os seguintes conjuntos de numeros:
x, =
{10, 40, 70, 80}
X2 =
{5, 15, 20, 30, 40}
X3 =
{l, 2, 3, 10, 12, 20} 117
 Devemos ter:
=
i 4
Xi = 10 + 40 + 70 + 80 = 200 = SO � =
4 4 {Xi 50
x
2 �
= 5 + 15 + 2 + 30 + 40 = I;0 = 22 2 = 5
:2 =
{X 22
3
:X3 = 1 + 2 + 3 + 10 + 12 + 20 = ��= =6

= 1, 2, 3
6 6
8
{�
X
3
=8
j 3

L Xjnj
- j=i = (50 x 4) + (22 x 5) + (8 x 6) =
x =�-3 - -
4 + 5 +6
I n1
/=i
= 200 + 110 + 48 = 358 =
23 '87
15 15
Supondo agora que as tres series de numeros constituam uma unica
Serie, teriamos, ordenando OS valores:
l, 2, 3, 5, 10, 10, 12, 15, 20, 20, 30, 40, 40, 70, 80
Dai, calculamos
1+2+3+5+10+10+12+15+20+20+30+40+40+70+80 =
x=
15
= 358 = 23 87
15 '
IV) Quarta Propriedade
Somando-se (ou subtraindo-se) um valor constante e arbitrario a cada
um dos elementos de um conjunto de numeros, a media aritmetica flea so­
mada ( ou subtrafda) por essa constante.
Seja X = {xi, x2, • • • , Xn} e seja X0 uma constante escolhida
arbitrariamente.

Fa�amos Y
= X - X0
Assim sendo,
n
x
I ;
i=i
x=--­
n
n n n n
L Yi I (x; - xo) I ;
x
L Xo
= i=i = i=i i=i i=i _ nx0
x--­
118 y n n n n n
 (7)

Como pode ser observado, x, a media de X, ficou subtrafda pela

constante x0, ao subtrair cada um dos valores de X por essa constante.
Da mesma forma, poderia ser demonstrado que para Y X + X0 terfamos: =

(8).

V) Quinta Propriedade
Multiplicando-se (ou dividindo-se) cada elemento de um conjunto de
numeros por um valor constante e arbitrario, a media flea multiplicada (ou
dividida) por essa constante.

Sejam, X = {xi, x2, • • • , Xn} e e uma constante arbitraria. Fa�a­

mos y =ex.
Devemos ter
n n
I eXj I Xj
i=l i=l i=l
= --- = e = ex
y n n n
---
----

(9)

De igual modo, poderia ser demonstrado que, para Y = ; , teriamos

I y
=
-f I (10)

Exemplo 6:

�.
Comprovar a quinta propriedade, com os dados da Tabela 4.3, fazendo
e= 5 e Y = A comprova�ao e feita com o auxflio da Tabela 4.10.
TABELA 4.10

Classes fj Xj Xjfj Yj'i':= �

x· x·
Yjfj
10f--20 5 15 75 �5 =3 3 x 5=15
20f--30 10 25 250 25 =5 5 x 10=50
5
30f--40 15 35 525 35 =7 7X15=105
5
40f--50 10 45 450 45 =9 9X10=90
5
501--60 5 55 275 55 =11 11X5=55
5
s 5 s

I j=45 I Xjfj=1 575 Irjfj=315

j=I ' j=l j=l 119
 5

L Xjf;
__ j ct
x -�-4- - = 1 575 = 35
5 45
De acordo com a quinta propriedade, devemos ter

-
y= x 35
7=-5-=7
A media dos valores da variavel transformada Y e, segundo a defini�ao,
k

L Yjfj
= j=l 3 15
7
y �--­
n 45
=

onde 7 e igual a media aritmetica dos valores de Xo dividida pela CO'llStante

arbitraria 5.

d) Processo Breve para o Cdlculo da Media Aritmetica

Com o recurso das duas ultimas propriedades da media aritmetica e
possivel desenvolver um processo breve de calculo da media, menos direto
que o anterior, mas que proporciona o mesmo resultado. Neste caso, faz-se
uso de uma variavel transformada, denominada variavel reduzida, cuja
expressao e a seguinte:

Dados Brutos:

, X; - Xo
I d·1 -
_

--- (11)
c
Dados Tabulados:

Xj
-'- - Xo
I
,
(12)
_

.
di - ---
c

onde x0 e c sao constantes arbitrarias.

Das formulas (11) e (12) deduzimos facilmente as express5es da

media aritmetica simples e ponderada, com a utiliza�o da variavel redu­
zida d'.
Para o caso da media aritmetica simples, fazemos

d;
, =x; - x0
--­
c
x; = x0 + c dj
Conforme a defini�ao da media aritmetica simples, podemos escrever
n

Ix; i=l
x = i=l = ------

120 n n
 A ultima expressao pode ser desenvolvida como segue:
n II n

I (xo +cdj) I Xo + I cdj

i=l i= 1 i=l
x= = =
n n
n n n

I Xo cz: dj I dj
i=l i=l X:Xo
n
+ n
= --
K
+ c i=ln
Portanto,

I di
i=l
X= Xo +c ---
n
(13)

Da mesma forma chegaremos a expressao da media aritmetica pon-

derada:
-" . _ Xj - Xo
Uj -
c
Xj = x0 +cdj
k k
L Xjfi L (xo +c<I'j)Jj
j=l j=l
n n
k k k k
L Xofj c L dj fj x0 L Jj L djfj
j=l j=l j=l j=l
= -'------
n
+ ----
n
= - --
---'-
n
-- +c ----
n
=

Jl(xo
I difi
j=l
)'( + c --­
=--

n
Assim,

(14)

Genericamente, podemos escrever:

I x= xo + cd' I (15)
onde d' e a media aritmetica simples ou ponderada dos valores dos desvios
reduzidos, conforme o caso.
121
 Observariio: Quando a media aritmetica tiver que ser calculada a partir
de uma tabela de freqiiencias onde os dados estiverem agrupados em classes,
costuma-se adotar os seguinte criterios:
I) 0 valor da Constante Xo sera igual ao ponto medio da classe de maior
freqiiencia, se o numero de classes (k) for par, ou o ponto m6dio da
classe intermediaria, se 0 numero de classes for i'mpar.
II) 0 valor da constante c sera igual a amplitude do intervalo de classe.

Exemplo 7:
Na Tabela 4.15 figuram os dados correspondentes ao consumo de
eletricidade de 80 usuarios. Calcular a media aritmetica do consumo, pelos
processos longo e breve.

TABELA 4.16
Consumo Numero de usuarios
kwh fj
51-- 25 4
251-- 45 6
451-- 65 14
651-- 85 26
851-- 105 14
1051-- 125 8
1251-- 145 6
1451-- 165 2
80

Soluriio:
Para o calculo da media pelos dois processos recorremos a Tabela
auxiliar 4.16.
TABELA 4.16

Proceuo Longo Procll$$0 Brsvtt

Classes f; Xj Xjfj dj= Xj;075 df'j

5f--25 4 15 60 15 75 =-3 (-3)x4=-12

;
25 f-- 45 6 35 210 35 75 =-2 (-21x6=-12
;
45f--65 14 55 75 =-1
55 770 ;0 (-l)X 14=-14
65f--85 26 75 1950 75;075 =O 0X 26 =O
85f--105 14 95 1 330 95-75 =1 1x14= 14
�
105f--125 8 115 920 11� 75=2 2X 8=16
;;;
125f--145 6 135 810 135 75 = 3 3 X 6=18
2�
145f--165 155 310 155 75 =4 4X 2=8
2�
8 8 8

2:• �=80 Lxjfj=6 360 z: df';=18

i= j=l 1�1
122
Qilculo da Media pelo Processo Longo

De acordo com a formula (2), teremos:

k
Xj/j
L
i 1 6 360
x = = = 79'5
=

n 80
Dessa forma, o consumo medio por usuario e de 79,5 kwh.

Oilculo da Media pelo Processo Breve

Neste caso, fa9amos

x0 = 75 � ponto medio da classe de maior freqiiencia (k = 8)

c = 20 = amplitude do intervalo de classe

Aplicamos, agora, a formula (14):

k
fj
I d/
j=l
x = xo + c vira
11

x = 75 + 20 �� = 75 + 4,5 = 79,5

Exemplo 8:
Calcular a media aritmetica dos dados da Tabela 4.17, pelos processos
longo e breve.

TABELA 4.17

2 10
4 15
6 20
8 16
10 9

Construamos inicialmente uma tabela de calculo auxiliar (Tabela 4.18).

Qilculo da Media pelo Processo Longo

k
fj fj
s

L Xj
j=l
L Xj
j=l 418
I -x = 5,9714 I
x = = = 5,9714
n 70 70 123
 TABELA 4.18

Processo Longo Processo Breve

Xj fj Xjfj dj, =
Xj -- 6
- -

2
df'j
2 10 20 -2 -20
4 15 60 -1 -15
6 20 120 0 0
8 16 128 1 16
10 9 90 2 18

s s s

I 'i 10 L Xjfj 418

I df'j -1
j=I j=I j=I
= = =

Ctilculo da Media pelo Processo Breve

Fayamos primeiramente

Xo =6 pois X3 =6 e 0 valor intermediario da tabela

c = 2 pois 2 e a diferenya entre dais valores sucessivos quaisquer

k

I d/fi
·-
1
. __ _
X = Xo + C _/_-
n
Entao
l 2 ,
x=6+2 - =6 - =6 - 0,0286 = 5,9714
70 70

I :x = 5,9714

4.2.2. Media Geometrica

Simbolo xg.

A media geometrica de n valores e definida, genericamente, coma a

raiz n-esima do produto de todos eles. A media geometrica pode ser simples
ou ponderada, conforme se utilize ou nao em seu calculo uma tabela de
freqilcncias.

a) Media Geometrica Simples

Dados n valores X1, X2, . • . ' Xn, a media geometrica desses valores
Sera

124
OU

Xg= n
�� x
/�1 ;
(16)

Observariio: A letra grega rr (pi) e o simbolo utilizado para indicar o

produto dos valores da variavel.

Exemplo 9:
Calcular a media geometrica dos seguintes conjuntos de numeros:
x= po, 60, 360}
y= { 2, 2, 2, 2}
No primeiro caso temos:
Xi =10 n =3
X2 =60
X3 = 360

��
n =
i�l Ai
= -;,; 10 x 60 x 360 = -;,; 216 000 = 60
Para o segundo conjunto, temos:

Y1 =Y 2 =Y3 =Y4 = 2 e n=4

4 4r-;4 4
Yg = v Y1 X Y2 X y3 X Y4 = 'f 2 X 2 X 2 X 2=v 2 =2
Muitas vezes recorremos a logaritmos para o calculo da media geo­
metrica.
De acordo com a formula (16),

Xg= � X1 X X2 X X3 X ... X Xn
Aplicando log a ambos os membros da expressao, vira

logxg=log �X1 x X2 x X3 x ... x Xn OU

logx1 + logx2 + logx3 + .. . + logxn

Iogxg=-------­
_

n
Para determinar xg, calculamos o antilogaritmo do valor correspon­
dente ao segundo membro da expressao.

[
J
. logx1 + logx2 + logx3 + ... + logxn
Xg=antllog
_

Exemplo 10:
Calcular a media geometrica simples do conjunto X = t 1, 4, 16, 64}. 125
 Xg = 4 r;-:: x; = V' 1 X 4 X 16 X 64 = V' 4 096
:/ i �1
log Xg = log V' 4 096 =
log
!096 =
;
3•61 360
= 0,903090
Entlio,
xg = antilog 0,903090 = 8

b) Media Geometrica Ponderada

A media geometrica pondernilll de um conjunto de numeros dispostos

em uma tabela de freqiiencias e calculada por intermedio da seguinte
expresslio:

OU

(17)

k
onde n =
L Ji.
/=1
Exemplo 11:

Calcular a media geometrica dos·valores constantes da seguinte tabela:

TABELA 4.19

Xj

1 2
3 4
9 2
27

Primeiro Metodo
4
k 4
/1 71
=

Xg = 9
Jr = ':,/ 12 x 34 x 92 x 2 =

I n=9
126 /=1
 = {/ 1 x 81 x 81 x 27 = {/ 177 147

logxg =log {/177 147 =

log 177 147
=
9
5 24 335
= • ! = 0,5831483

Xg = antilog0,5831483 = 3,829554
I Xg = 3,829554

Para comprovar esse resultado, basta fazer:

(Xg)n = (3,829554)9 = 177 147

Segundo Metodo
A expressio 17 nos da

n 1 1•
x
g = v xl X x122
X ... X xkfk
Aplicando o operador logaritmo a ambos os membros da expressao,

/1 +!2 logx1
+ .. + fk logx, . logxk
logxg
_

=-------n------ (18)

Substituindo os simbolos pelos dados do problema,

logxg = 2 log 1 + 4 log 3 +92 log 9 + 1 log 27
_

Mas,
log 1 = 0
log 3 = 0,477121
log 9 = 0,954243
log 27 = 1,431364

Assim,
logxg = (2X 0)+(4X 0,477121)+(2X 0,954243)+(1x1,431364) =
9
- 0 + 1,908486 + 1,908486 + 1,431364 - 5,248336
- - =
9 9
= 0,5831483

Conseqilentemen te,
.Xg = antilog 0,5831483 = 3,829554 Xg = 3,829554

c) Propriedades da Media Geometrica

I) Primeira Proprie�de
0 produto dos quocientes de cada valor de um conjunto de numeros
pela media geometrica do conjunto e igual a um. 127
 Xi X
-x---2 x ... X
Xn -= l (19)
Xg Xg Xg

A comprova�ao dessa propriedade e simples:

Xi
- X
X2
- X
Xn
... X - Xi xX2 x ...x Xn
Xg 'Xg Xg (.Xg)n
Extraindo a raiz n-esima:

V'xi X X2 X ... X Xn Xg
xg
=

V (xg)n
Exemplo 12:
Comprovar a primeira propriedade da media geometrica com os dados
do exemplo 9 (primeiro problema).

Soluffio:
Os valores da variavel X sao 10, 60 e 360, e sua media geometrica
e igua} a 60, OU seja:
X = {IO, 60, 360}
xg = ti IO X 60 X 360 = 60
Dividindo os valores da variavel X por sua media geometrica, e
multiplicando os quocientes assim obtidos, teremos:
Xi x � x � = 1
Xg Xg Xg
ou seja,
10 60 360 216 000 l
60
X 60
X
60
=

216 000
=

Observafiio: Conforme pode ser observado, enquanto que a soma dos

desvios em rela�ao a media aritmetica x e igual a zero, 0 produto dos
quocientes dos itens pela media geometrica e um. Utilizando OS dados do
exemplo acima,
3

:L x;
i=i IO+ 60+ 360 430
x 143,333...
3 3
=--- = = =

± d; = (10 - ; ) (60 - 4;0) + (360 - 4;0)

4 0
+ = 0
1=i
II) Segunda Propriedade
Series que apresentam o mesmo m1mero de elementos com a mesma
128 soma total tern a mesma media aritmetica, enquanto series que apresentam
o mesmo numero de elementos com o mesmo produto tern a mesma media
geometrica.

Exemplo 13:
Comprovar a segunda propriedade da media geometrica tomando
X = {8, 12, 5} e Y = {2, 50}.
Calculando as medias geometricas,

Xg = y8 X 12,5 = y'100 =· 10
Yg = v2 x 50 = v'10Q = 10

Assim, Xg = Jg.
III) Terceira Propriedade
A media geometrica e menor OU igual a media aritmetica.

I xg �x I (20)

A desigualdade Xg < x sempre se verifica, quando os valores da serie

forem positivos e nem todos iguais. Se entre eles houver um ou mais zeros,
a media geometrica sera nula.

A igualdade Xg = x so ocorrera quando todos OS valores da serie

forem iguais.
Para comprovar essa propriedade, consideraremos uma serie com
dois valores apenas:
2 >
(xi - X2) ;;;. 0 Xi. X2 0
Desenvolvendo o primeiro membro
x� + x� - 2xix2 ;;;. 0

Somando e subtraindo a quantidade 2xix2 ao primeiro membro da

desigualdade, teremos

x� +x� + 2xiX2 - 2XiX2 - 2X1X2;;;. 0

OU

(Xi + X2)2 - 4XiX2 > 0 e

Dai tiramos
2
(Xi + X2)
;;;. X1X2
4
OU

( X1 +
2
X2 )2 ;;;. X1X2
Extraindo a raiz quadrada
Xi + X2
2
;;;. vx;x:;, 129
 o que equivale a x ;;;i: Xg uma vez que
X1 + X2 __: -V� -
= X e X 1 X2 = Xg
2
A generalizayao para n valores pode ser conseguida da mesma forma.

IV) Quarta Propriedade

Quanto maior a diferenya entre os valores ongma1s maior sera a
diferenya entre as medias aritmetica e geometrica.

Exemplo 14:
Consideremos os seguintes conjuntos de numeros:
x = {2, 2}
y = {14, 16}
w = {8, 12}
z = {2, 50}
As medias aritmetica e geometrica de cada um dos conjuntos sao
as indicadas na Tabela 4.20.
TABELA 4.20

Media aritmltica MtJdia geomltrica

Conjunto
x xg

x = {2, 2 } 2 2
y = {14 , 16 } 15 14,97
w = {8, 12 } 10 9,80
z = {2, 50} 26 10

Examinando a Tabela 4.20, percebe-se claramente que as diferenyas

entre as duas medias acentuam-se a medida que os valores originais da
variavel se diferenciarn.

d) Aplicafoes da Media Geometrica

Serao apresentadas, a tftulo de ilustrayao, tres aplicayoes da media
geometrica:

- Media de Relafoes
Consideremos os dados da Tabela 4.21.
TABELA 4.21

Capital Re/Bflo Relar;io

Empress Dfvida
lfquido capital/dfvida dfvida/capital

A 2. 500 1.000 2,5 0,4

B 1.000 2.000 0,5 2,0

130 3. 500 3.000

 Calculando a media aritmetica das duas relai;:aes, teremos:

= 2,5+ 0,5 =
Relai;:ao capital/divida: :X1 1,5
2

= 0,4+ 2,0 =
Relai;:ao divida/capital: :X2 1,2
2
Como essas relai;:oos sao o inverso uma da outra, poderia parecer um
contra-senso que o produto de suas medias nao seja igual a um, o que rear.
mente acontece:
-
I.-- (-1.-5 I
x -1.-2)_>_1.....,

Entretanto, esse aparente absurdo decorre do fato de nao havermos

atribuido as relai;:oos seus pesos corretos antes de calcular a media. Teriamos
o seguinte resultado, se os pesos houvessem sido considerados:

(2,5 x 1 000) + (0,5 x 2 000) =

1 ' 1667
1000+2 000
0 numerador dessa expressao corresponde ao capital liquido total
(3.500), enquanto que 0 denominador e igual a divida total (3.000). 0 re­
sultado l ,i 667 deve ser interpretado como a relai;:ao media entre capital
e divida, entre as duas empresas consideradas.

Analogamente, determinamos a media das relai;:0es da divida versus

capital Iiquido:

(0,4 x 2 500) + (2,0 x 1 000)

= 0,8571
2 500+1 000
ou, com o emprego dos totais

. 3 000
= 0,8571
3 500

Multiplicando as duas medias, obtemos:

1 1.1667 x o,8571 = 1 I
Conforme se pode verificar, nesses calculos os pesos atribufdos as
relay6es nao sao iguais. Caso se deseje que isso ocorra, pode-se recorrer a
media geometrica. Assim,
= =
Relai;:ao capital/dfvida: Xg1 y 2,5 X 0,5 v'T,25 = 1,1180
= =
Relayao dfvida/capital: Xg2 = y 0,4 X 2,0 � 0,8944

=
0 produto dessas medias sera igual a um: 1,1180 x 0,8944 1.

A escolha dentre as medidas dependeni, nesse e em outros casos, do

fim que se persiga. Se, para uma determinada empresa, se deseja estabelecer
uma relai;:ao do tipo capital/dfvida que seja independente da dfvida ou do
capital das diferentes empresas envolvidas, e recomendavel o uso da media 131
 geometrica. Se o que se deseja saber e a relayao capital liquido/divida de
um certo numero de empresas, ap6s a consolidayao, a cifra correta sera
obtida atraves da media aritmetica, ou achando a relayao pelos totais.

II - Media em Distribuiroes Assimetricas

Uma distribuiyao de freqiiencias pode encontrar-se deformada a direita

(assimetrica). Contudo, se usarmos os logaritmos dos valores da variavel,
com um intervalo de classe constante para os logaritmos, a curva se trans­
formara em simetrica. Neste caso, a media geometrica revela-se mais apro­
priada que a aritmetica.

III - Media de Taxas de Variariio

A media geometrica e usada em certas ocas1oes, para determinar

taxas medias. Assim, por exemplo, suponhamos que um individuo tenha
investido um capital de Cr$ 500,00 em 1973. Ap6s um ano de aplicayao,
essa importancia ascendeu a Cr$ 650,00. Reaplicando essa ultima quantia,
ao final de mais um ano seu montante situava-se em torno de Cr$ 910,00.
A taxa media de aumento de capital sera obtida mediante o Cl:\lculo de urria
media geometrica.

Calculemos, inicialmente, as taxas de aumento de capital, periodo a

periodo:

Perfodo Taxa

650
1973-1974 = 1,3
500
-

910
1974-1975 = 1,4
650
-

Taxa media: .,/ 1,3 X 1,4 = 1,3491

A taxa media de aumento do capital investido no perfodo de dois

anos foi de 34,91%.
4.2.3. Media Harmonica
Simbolo: Xh·

Definiriio: A media harmonica de um conjunto de valores x; e o

inverso da media aritmetica dos inversos.

De acordo com ess:l definiyao, pode-se afirmar que o valor Xk e a

media harmonica de um conjunto de valores, se a operayao que iguala os
dois conjuntos for a adiyao dos inversos. Para um conjunto den valores da
variavel, podemos escrever
1 1 1 1
+ +- -+...+-l
-= +-l
-+ ... +--
132 Xh Xh Xh Xh Xi X2 Xn
 -n
=
I
n
(x.1 ) OU
Xh i=l I

I
=
x;
i=l
n
xh

Daf se conclui que o inverso da media harmonica e a media aritmetica

dos inversos dos valores da variavel.

a) Media HarmfJnica Simples - (Dados Brutos)

Dado o conjunto de n valores x 1, x2, , Xn , a media harmonica do

.--- ---.
• • •

conjunto sera

1
+ _1 + ... +-
1
Xi X2 Xn
n

OU

n
=--­ (21)
Xh
n n
1 1
I x. ? Xj
i= 1 I I =1
.
n

Exemplo 15:

Calcular a media harmonica simples dos seguintes corijuntos de nu­

meros:
x = { 10, 60, 360}
y = {2, 2, 2, 2}

xh = ----
1
:
n
n 3
------- =
1 + 1 + 1
3 x360
43
= 25,12

Ix. w 60 36o
i=l I

Yh
n
--- = -------
n
1
4
.!.+.!.+..!.+..!_
4
--
x
4
2
= 2

� Yi
2 2 2 2

b) Media Harmonica Ponderada

A media harmonica ponderada de um conjunto de numeros, dispostos

em uma tabela de freqiiencias, e dada pela seguinte expressao: 133
 k

It; n
;=1 (22)
Xh =

k
=

k
k 1 1 I;
L X·f; I -!;
x; I x;
j=1 I ;=1 =1
;
k

It;
;=1

Exemplo 16:
Uma pessoa adquiriu quatro camisas ao preyo unitario de trinta
cruzeiros e duas camisas a cinqiienta cruzeiros cada uma. Para calcular o
preyO medio pago por camisa, hli duas formas de procedimento:
I) Cdlculo pela Media Harm0nica
Os dados do problema poderiarn ser expressos da seguinte forma:
A pessoa gastou 120 cruzeiros em camisas de 30 cruzeiros e 100 cruzeiros
em camisas de 50 cruzeiros a unidade. Neste caso, os valores da variavel sao
os preyos por camisa, e seus pesos as quantidades gastas em camisas. Portanto,

xh =
(...!.).. 1
(...!.\.. =
220
4+2
= 36,67
120 3 0 +100
_ _ _so)_
120+100
II) Cdlculo pela Media Aritmetica
Os valores da variavel sao os preyos por camisa, mas agora os pesos
sao o numero de camisas compradas. Por conseguinte,

- (4 x 30)+(2 x 50) 220 36 '67

x =
=
=

4+2 6
Os princfpios dos dois metodos sao simples. Estamos calculando
media de taxas, ou seja, cruzeiros por camisa. 0 numerador de ambas as
expressoes representa a quantia total gasta com camisas (220 cruzeiros),
enquanto 0 denominador e igual ao numero de camisas adquiridas. Quando
sao empregados os pesos do denominador, aplica-se a media aritmetica
(pesos 4 e 2); quando se empregam os pesos do numerador, usa-se a media
harmonica (120 e 100).
Outro exemplo onde se pode empregar indiferentemente qualquer
uma das medias e o da obtenyao da velocidade media de um veiculo
(quilometros por hora). Sendo os pesos os quilometros percorridos, utiliza-se
a media harmonica·, e se OS pesos forem horas invertidas O calculo e feito
134 atraves da media aritmetica.
Exemplo 17:
Calcular a media harmonica dos dados constantes da Tabela 4.22.

TABELA 4.22

1 fj
Classes fj Xj
Xj Xj
- -

11--- 3 1 2 .
2 2 1= 1,00
2
1 4
31--- 5 4 4
4 4= 1,00
-

1
51--- 7 8 6 �= 133
6 6
•

1 4
71---- 9 4 8
8 5= 0,50
1 2
91---11 2 10 10 = 0,20
10
k
5 f;
I 'i=20=n I _L =403
x·
'
j=l j=l I

Devemos ter
- n
Xh =

k I
I x:ii
j=t I

Xh = _1Q_ = · 4'96
4,03

c) Propriedade da Media Harmonica

A media harmonica e menor OU igual a media geometrica para

valores da varilivel diferentes de zero.

(23)

Por extensao de raciocinio e de acordo com a terceira propriedade

da media geometrica, podemos escrever

I Xh,;;;; X ,;;;; x
g I (24)

Genericamente, podemos enunciar: A media harmonica de um con-

junto de numerOS positiVOS e menor OU igua} a media geometrica, e esta,
por sua vez, e menor OU igual a media aritmetica.
Verifiquemos a desigualdade Xh < X , a qual ocorre quando os
g
valores da serie forem positivos e nem todos iguais. Segundo a expressao (20),
podemos fazer yg < y ou 135
 n

L: Yi
i=t
/[:
1=1
<
n

Fayamos Yi = -
Xi e substituindo na expressao acima teremos

n
I
L:I x-
< i= l

n n

0 primeiro membro da desigualdade pode tambem ser escrito como:

I I
�/XI1 XIn - jX1
-
n •

X2 • .

; -
•
X2 • . • Xn -

= --;:=:======--
...; X1
n • X2 . • • X

Assim sendo,
n

L:
----- <
I i=I xi
�
n

Xi
� i �I
n

Dai tiramos

n
I OU
L:I x-
i= I

Se todos OS valores da variavel forem igua�s. a media harmonica sera

igual a media geometrica e a media aritmetica. Consideremos OS valores
da variavel constantes e iguais a x0. Devemos ter. entlio,

Xo
n n n
Xh = = = -- - =
I
.
n
I n
n-
Xo
L:I Xi-
L: X
i=I o
-
i=
Xg � Xi = n � Xo = '{/ x0 x0 ... x0
� i �I � i �I
= n • =
'------v--"
vx:- n fatores

136 = Xo
 n n

x;
I L Xo
n x0
i=l i=l
x = = ---
= Xo
n n n

Observafiio: Quando os valores da variavel nao'forem muito diferentes,

verifica-se aproxiinadamente a seguinte rela�ao:

(25)

Exemplo 18:
Calcular as medias aritmetica, geometrica e harmonica dos seguintes
conjuntos de numeros:

x = {2, 4, 6, 8, 10}
y = {10, 10, 10}
z = {10,1, 10,l, 10,2, 10,4, 10,5}

Solufiio:
18.1) x = {2, 4, 6, 8, 10}
n

x;
I
i=l 2+4+6+8+10 30
= = = = 6
n 5 5

� = V 2X4X6X8X10 V 3 840 = 5,21

n 5 5
= - --- -- -- - -- = = 4•38
n 1 1 1 1 1 1,1417
' 1 2+4+15+-g+10
LX.
i=l
I

Como pode ser notado atraves deste exemplo,

x > Xg > xh
6 > 5,21 > 4,38
18.2) Y = po, 10, IO}
n

I Yi
i=l 10 + 10 + 10.
.

30
= = = = 10
n 3 3

Yg � = '!../ 10 x 10 x 10 = � = 10
137
 n 3 3
Yh = n
1 1 + 1 + 1 =-3-= 10
- 10 10 10 10
I Xj
i=l

Como todos OS valores da serie sao iguais, y =Yg=Yh.

18.3) z= {10,1, 10,1, 10,2, 10,4, 10,5}
z =
10,1+10,1+10,2+10,4+10,5 = 51,3 =10 2600
5 5 '
zg = ;_; 10,1 X 10,1 X 10,2 X 10,4 X 10,5 =

= ;,; 113 622,8184 = 10,2587

Zh =--=
5 --- 5 =
l l l 0,4874508
--�-

+ l l
_
+ +
10,1 10,1 10,2 10,4 10,5
_ __
+ __ __ __

= 10,2574
Conforme a relaylfo (25)
x+Xh
g=
X 2
para valores pouco diferentes da variavel. Assim, fayamos
z+Zh 10,2600+10,2574
2 = 2
= 10,2587 = zg
4.2.4. Media Ouadratica
Simbolo: Xq·
Definifao: A media quadratica de um conjunto de n valores x; e
a raiz quadrada da media aritmetica dos quadrados. Podemos dizer, entao,
que Xq e a media quadratica de um conjunto de valores Xj se a opera�o
que igualar os dois conjuntos for a adi�o dos quadrados.

(xq)2 +(xq)2 + . . .+ (Xq)2 = x� + x � +...+x!

n n

I (xq)2 =I x :
i=l i=l
n

n I x:
i=1
n(xq)2 = L x t OU (xq)2 = (26)
n
i=1

a) Media Quadrdtica Simples

Para o conjunto de n valores x1, x2, • • • , Xn, a media quadratica
simples sera calculada atraves da seguinte expressao, obtida a partir da
138 (26), mediante a extrayao >de raiz quadrada.
 (27)

Ex emplo 19:
Calcular a media quadratica dos conjuntos

x = {2, 2, 2}
y = (2, 3, 4, 5}
Solu�iio:
19.1)

+ 22 + 22 = /IF = 2
3
19.2)

� j 12 32 42 52
��
+
+ +
-

Yq = =

'
4
=

= ..;/54--:
4 = y'13,5 = 3,67

b) Media Quadrdtica Ponderada

Quando os valores da variavel estiverem dispostos em uma tabela
de freqiiencias, a media quadratica sera determinada pela seguinte expressao:

k k

I
j=l
/ fj
x I1 f Jj
x
[=
Xq = = (28)
k n
I fj
j=l

Exemplo 20:
Calcular a media quadratica dos valores constantes da Tabela 4.23
k

I xj fj
Xq =
j l
=
n
= /2298
../� = ·I
v 54'7143
= 7 '40
139
 TABELA 4.23

Classes fj Xj2
Xj Xj2 fj Xjfj
21--- 4 5 3 9 45 15
41--- 6 10 5 25 250 50
61--- 8 12 7 49 588 84
81--- 10 10 9 81 810 90
101--- 12 5 11 121 605 55
5 k
n = 42 I xffj= 2 298 L Xjfj=294
j=l j=1
A media aritmetica desse conjunto e igual a 7' OU seja,
k

I x11;
j= 1 29 4
x = = = 7
n 42

c) Propriedades da Media Quadrtitica

I) Primeira Propriedade
A media quadratica de uma constante e igual a Constante.

Xq
=

Para x 1 = x2 = . . . = ·x0, teremos

x20
n

L... «
1
fl
"\'
i=
= = = Xo OU
n n

I Xq
= x0 I para x; = X o. (29)

0 exemplo 19 confirma numericamente essa propriedade.

II) Segunda Propriedade
Multiplicando ou dividindo todos os valores de um conjunto de
numeros por um valor constante e arbitrario, a media quadratica flea
multiplicada ou dividida por essa constante.

140 Fa�amos c a constante e Yi = ex;. Entao,

 2 2
n n

I (cx;) I c x� I

Yq= fl;[= = i=l

n
i=l
n =
n
2
I X;
= = JI:_ c2 i= 1n c 1

n CXq

I =Yq = CXq para Yi ex;. (30)

III) Terceira Propriedade

Sempre que OS valores de x forem positivos e valida a relac;ao.

I Xq ;;;;. x ;;;;. Xg ;;;;. Xh I (31)

A igualdade se verifica quando os valores da variiivel forem iguais

(constantes). Assim e que, para X1 = X2 = . .. = Xo.

Xq� = j�
4-- = Xo

conforme a expressao (29).

== =
Da mesma forma, Xq x Xg Xh para x1 =x2 =... = x0•
Ocorrera a desigualdade para valores de variavel nem todos iguais.
Para comprovar a desigualdade, mostraremos que Xq > x. Para isso, parti­
remos da seguinte relac;ao:

L (x; - x)2
n

> o,
i=l
uma vez que se trata de soma de quadrados de valores diferentes.

Desenvolvendo o primeiro membro da desigualdade,

(x; - x)2 x2
n n

I
i=I
=I i=l
(x l + - 2x;x) =
" n
2 n

= I x� Ix =
- 2x
I
+
I
i=t
Xj
i=1 i=l
n

I X;
nx2 - 2Xn n =
n
i=l
=
I x� I
+
141
i=I
 n n

I x�
2 2 nx2 >O
Xj + nx - 2nx2
= I
j=I
=
i=I
l
-

Assim, se

I x: - nx 2 >O,
i=I

segue-se que
n
n 2
I
2
Xj > nx2 OU I Xj
i=I
i=I > x2
n
Mas
n

I xt
i=i
n
x . : :
Entlio, x > x2 e, finalmente, I Xq
.
> x I
.

0 exemplo 20 comprova essa propriedade.

0bserv(lfi5es:

I) A media quadratica e largamente utilizada em Estatistica, principal­

mente quando se pretende calcular a media de desvios (x - x), em vez de
a media dos valores originais. Neste caso, a media quadratica e denominada
desvio-padrlio, que e uma importante medida de dispersao, objeto do pr6ximo
capftulo.
II) Outras medias menos usadas em Estatistica slio a media cubica e
a media biquadratica, as quais sao calculadas respectivamente atraves das
seguintes expressoes:

a) Media CUbica

X e= 3
para a Media Cubica Simples (32)
n

I xJ t;
=1
;
Xe= 3
para a Media Cubica Ponderada (33)
n

b) Media Biquadrdtica

jf":7
142 Xbq = J � para a Media Biquadrtitica Simples (34)
 k

'L xi lj
1�1
_;_
___
para a Media Biquadrdtica Ponderada (35)
n

4.3. MODA

/\
Simbolo: M0 ou X

A moda e outra medida de tendencia central, havendo outras deno­

mina�oes para designa-la: norma, valor dominante, valor tipico. Generica­
mente, pode-se definir a moda como o valor mais freqiiente, quando
comparada sua freqiiencia com. a dos valores contiguos de um conjunto
ordenado. Quando afirmamos que o salario modal de uma empresa e igual
a dois mil cruzeiros, queremos dizer que esse e o salano percebido pelo
maior n6mero de pessoas dessa empresa. 0 termo moda foi utilizado prirneira­
mente por Karl Pearson em 1895, talvez como uma associa�ao a sua
concep¢o na linguagem comum.

4.3.1. Determina�o da Moda de Valores Nio-Tabulados

Considerando um conjunto ordenado de valores, a moda sera o valor

predominante, o valor mais freqiiente desse conjunto. Evidentemente, um
conjunto de valores pode nao apresentar moda, sendo, entao, denominado
conjunto amodal, caso em que todos os valores da varravel em estudo
ocorreram com a mesma intensidade (freqiiencia). Por outro lado, po­
demos ter conjuntos plurimodais, quando houver mais de um valor predo­
minante.

Exemplo 21:
Calcular a moda dos seguintes conjuntos de valores:

x = {4, 5, 5, 6, 6, 6, 7, 7, 8 , 8}
y = {4, 4, 5, 5, 6, 6}
z = {l, 2, 2, 2, 3, 3;4, 5, 5, 5, 6, 6}
w = { l, 2, 3, 4, 5}
A moda de cada um dos conjuntos sera:
Moda de X: M0 = 6. 0 valor 6 e o mais freqilente (3 ocorrencias).
Moda de Y: Esse conjunto e amodal, pois seus tres valores apareceram duas
vezes cada um. Nao ha, portanto, predominancia de nenhum
valor do conjunto sobre os outros.

Moda de Z: M0 = 2 e M0 = 5. Trata-se de um conjunto bimodal, uma

1
vez que tanto o2valor 3 como o S apresentaram o maior numero
de observa,.oes.

Moda de W: Esse e outro conjunto amodal. 143

 4.3.2. Determina�o da Moda para Valores Tabulados
Os valores da variavel dispostos em uma tabela de freqiiencias podem
apresentar-se individualmente ou agrupados em classes. No primeiro caso, a
determina�ao da moda e imediata, bastando, para isso, consultar a tabela,
localizando o valor que apresenta a maior freqiiencia. Esse valor seni a
moda do conjunto. Assim, por exemplo, a moda do conjunto apresentado
na Tabela 4.24 e M0 = 3. Esse resultado indica que a rejei�ao de 3 pe�as
defeituosas por mes foi o resultado mais observado.
TABELA 4.24 - EMPRESA X
Numero de P�as de Precisiio Defeituosas Devolvidas Mensalmente pelo
Controle de Qualidade

Numero de pe�as com defeito Numero de meses

Xj 'i

0 2
1 4
2 6
3 8
4 4
5 2
6 1
7

I 'i = 21
j=l

Tratando-se de uma tabela de freqiiencias com valores tabulados e

agrupados em classes, o procedimento n:io e imediato, sendo disponfveis
alguns metodos de calculo distintos. Qualquer que seja 0 metodo adotado,
0 primeiro passo para determinar a moda e localizar a classe que apresenta
a maior freqiiencia, comumente chamada de classe modal.

a) Moda Bruta
0 metodo mais rudimentar de calculo da moda em tabelas de fre­
qiiencias com valores agrupados em classes consiste em tomar o ponto
medio da classe modal. Esse valor recebe o nome de moda bruta. Exami­
nando os dados da Tabela 4.25, por exemplo, podemos dizer que a terceira
cla�se e a classe modal e a moda bruta seni seu ponto medio: M0 = 35.
Os dois metodos que apresentaremos a seguir sao mais elaborados e
baseiam-se nao apenas na freqiiencia da classe modal, mas tambem nas
freqiiencias das classes adjacentes.

b) Metodo de King
O metodo de King, para o calculo da moda elaborada, baseia-se na
influencia das freqiiencias das classes adjacentes sobre a classe modal.
Considerando essas freqiiencias, esta-se admitindo implicitamente que a
144 moda se desloca dentro do intervalo de classe para um determinado ponto
 TABELA 4.25

Classes

101--20 3
201--30 5
Classe Modal: 301--40
301--4 0 7
Moda Bruta: 35
401--50 6
501-- 60

n = 22

(valor), de tal sorte que as distancias desse ponto aos lirnites de classe
sejam inversamente proporcionais as freqiiencias das respectivas classes
adjacentes. Assim e que, quanto maior for a freqiiencia da classe adjacente,
menor seni a distancia do ponto a essa classe.

Para comprovar o que dissemos, fa�amos:

l; = limite inferior da classe modal;

ls = limite superior da classe modal;
di = distancia do ponto (moda) ao limite inferior;
d2 = distancia do ponto (moda) ao limite superior;
!ant = freqiiencia simples da classe adjacente anterior a classe modal;
fpost = frequencia simples da classe posterior a classe modal.

Como di e d2 sao inversamente proporcionais as freqiiencias das

classes adjacentes, podemos escrever:

d2 fant
=
di !post

A propriedade das propor�aes permite-nos escrever:

d2 +di fant +/post

�-
= ---

di !post

0 numerador do primeiro membro da expressao equivale a amplitude

do intervalo de classe: d2 +di = c. Assirn,

fant +/post C • /post

=
_

e
- /post fant + fpost

Para determinar a moda, basta acrescentar a distancia di ao lirnite

inferior da classe modal.

!post
M0 = I + di = I +c (36)
fant +[post
145
 Como pode ser notado, o metodo de King nlio leva em consi<lcrayao
a freqtiencia da classe modal, o que revela sua limitaylio. Sc essa fre­
qtiencia, por exemplo, for muito maior do que as das classes adj accntes,
por esse metodo estaremos atribuindo uma importincia exageradamente
grande a elas.
Exemplo 22:

Calcular, pelo metodo de King, a moda dos. valores constantes da

Tabela 4.26.
TABELA 4.26

Classes fj
101--20 2
201--30 4
301--40 8
401--50 5
501--60

n = 20

Solufiio:
A classe modal e a terceira: 301---40. A moda, segundo a formula
de King, seni:

[post + 10 s
M0 I + c fant fpost. = 30 4 + 5 =
+
=

= 30 + �
s = 30 + 5,556 = 35,556 Mo = 35,556 I
A moda bruta desses valores e ligeiramente menor: M0 = 35.
b.1 ) Determinafiio Grdfica de Moda pelo Metodo de King
Para determinar graficamente a moda pelo metodo de King, parti­
remos do histograma. Por simplificayao, construiremos apenas a parte do
histograma rclativa ao calculo da moda (C.rafico 4.1 ) .

A ---

GRAFICO 4.1'
0 x

,
..,,

146
 Para a detennina¢o da moda , marca-se inicialmente o ponto A na
perpendicular ao limite inferior da classe modal, de modo que sua ordenada
seja igual a freqiiencia da classe posterior. lgualmente marca-se o ponto
B na perpendicular ao lirnite superior, mas no lado oposto, de sorte
que sua ordenada seja igual a freqiiencia da classe anterior. 0 segmento
AB determina no segmento I ls o ponto P, que corresponde a moda.
�=M
0 procedimento acirna justifica-se em virtude da semelhan? dos
A IP e BlsP. Assim, J?odemos escrever
triangulos

lsP Bis

Fazendo

lsP = d2 Bis = fant

I P= di Al =/post
Assim
d2 fant
=
di /post
e, pela propriedade das propor�fies,

d2 + di _ fant +/post
di - /post
e, finalmente, fazendo d2 + di = c = amplitude do intervalo de classe,

f,�p_os_t -
di =c .,- -
fant +/post
Somando di ao limite inferior da classe modal, teremos a f6rmula
de King:
,,f"_
post
Mo =I +c
fant +/post

Exemplo 23:
Determinar graficamente a moda, conforme a f6rmula de King, dos
dados1 da Tabela 4.27.
TABELA 4.27

· Classes
101--20 2
201--3 0 3
301--- 40 10 Classe Modal: 30f-- 40
401--50 9
501---60 4
n = 28 147
 Solu�iio:
Pela f6rmula 36, teremos
fpost
Mo = I + c
fant + /post
9 90
M0 = 30 + 10
3 + 9 = 30 +
U
I M0 =
37,5

Graficamente

10
A -- -

6
GRAFICO 4.2
4

0 50 60 x

c) Metodo de Czuber
0 metodo de Czuber, para o calculo da moda elaborada, leva em
consi dera�ao nao apenas as freqiiencias das classes adjacentes, mas tambem
a freqiiencia da classe modal. 0 ponto que corresponde a moda divide o
intervalo da classe modal em duas partes, as quais sao proporcionais as
diferen�as entre a freqiiencia da classe modal e as das respectivas classes
adjacentes.
Fa�mos, entao,

t.i = Imo - lant = (frequencia da classe modal) -

(freqiiencia da classe
anterior);
62 =Imo - fpost= (freqiiencia da classe modal) -
(freqiiencia da classe
posterior);
= limite inferior da classe modal;
ls = limite superior da classe modal;
di = distancia da moda ao. limite inferior da classe modal;
d2 = distancia da moda ao limite superior da classe modal.

Segundo o princfpio do metodo de Czuber,

d2 /J.2
148 di t:,.1
 Recorrendo novamente a propriedade das propor�oes,

d2 + di b.2 + b.i
=

Lembrando que d2 + di = c, amplitude do intervalo de classe, e

colocando di em evidencia,

[:, i
di = c
b.2 + !:;,.l
Como d1 e a distancia entre o limite inferior da classe modal e a
moda, essa seni determinada por

!:;,.l
M0 =I+ d 1 =I+ c --­ (37)
t::,.2 + ll1

OU

fmo - !ant
M0 =I+ c
2/mo - Uant +/post)
-------

Exemplo 24:
Determinar a moda, pelo metodo de Czuber, usando os dados do
exemplo 23.
De acordo com a formula 37,
= 30
c = lO

b. 1 = fmo - /ant = lO - 3 = 7

62 =/mo -/post= 10 - 9 = l

b.1
M0 =I+ c ----

1::,.1 + b.2
7
= 30 + lo m = 30 + 8,75 = 38,75

I M0 = 38,75 1
c. l) Determinariio Grdfica da Moda pelo Metodo de Czuber
Para determinar graficamente a moda, Segundo 0 metodo de Czuber,
partiremos de um histograma. Por simplifica�ao, construiremos apenas os tres
retangulos correspondentes as classes de interesse. 149
 s T

GRAFICO 4.3

0 1, x
P=Mo

Temos que:
At =Imo - /ant;
L'.2 =Imo - /post;
I = limite inferior da classe modal;
ls = limite superior da classe modal;
c = amplitude do intervalo de classe (constante).

Consideremos os seguintes triangulos semelhantes QRS e QTU. Em

virtude da propriedade dos triangulos semelhantes, podemos escrever a
seguinte proporyao:

CQ QD
=
SR TU
Mas,
CQ = M0 - l QD =ls - Mo
SR = t:.1 TU = t:.2
Assim sendo:
M0 - l
A1
A determina¢o de M0 e feita a partir dessa ultima relayao:
(M0 - I )t:.2 =Os - Mo)A1

M0A2 -- l b.2 =lsA1 -- M0A1

M0t:.2 + M0A1 = I A2 + l5A1

150 I t:.2 + lsA1

Mo =
A1 + A2
----­
 Como 18 =I + c, o denominador da expreSSfo ficar4:

I f:i.2 + lsA1 =I A2 + (I + c)f:i.1 =I f:i.2 + / A1 + cA1 =

=I (f:i.1 + A2) + cA1
Portanto,

I (A1 + A2) + c f:i.1 f:i. 1

Mo = = 1 + c '
f:i.1 + f:i.2 f:i.1 + A2
-------­

conforme a expressio (37).

Examinando a Figura 4.3, podemos afirmar, entao, que a moda
corresponde a abscissa P = M0 do ponto de interse�o Q das linhas
RT e SU.
Observ0f6es:
I) 0 leitor que estiver familiarizado com os conhecimentos de catculo
podera encontrar a formula de Czuber atraves de uma parabola construida
de modo a passar pelos pontos medios da classe modal e das classes contfguas
a ela. Desse modo, a parabola Y =ax2 + bx + c passara pelas extremidades
das tres ordenadas: fant. fmo e [post·
Em seguida deverao ser determinados os parametros da parabola, a, b,
c, atraves de um sistema de tres equa�aes a tres inc6gnitas, com a origem
no ponto medio da classe modal, chegando-se a seguinte expressao:

fant + fpost -- 2 fmo 2 fant + fpost

y = 2 x + I'
x + Jmo
2c 2
� '--v--1 ·
a b c
0 maximo de y (freqilencia) e obtido por deriva�o. 0 valor de x,
correspondente ao valor maxima de y' sera dado por

fant - fpost
x = X __£__
!ant + fpost - 2[mo 2
Mudando a origem para o limite inferior da classe modal, obtem-se:

, cifmo - fant) A1
x = =c ----
2fmo - ifant + fpost) A1 + A2
Assim,

I
_
M0 =I + x' =I + c __

f:i.
f:i._l _
1 + A2

2) Seria possivel obter outras formulas da moda considerando outros

criterios, como, por exemplo, utilizando as freqilencias de todas as classes.
Entretanto, todo esse rigor nao se justifica, em virtude do pouco uso
dessa medida. 151
 4.4. MEDIANA
Simbolo: Md OU x.
A mediana e a terceira medida de tendencia central e pode ser defi·
nida como o valor que divide uma serie ordenada de tal forma que pelo
menos a metade ou cinqilenta por cento dos itens sejam iguais ou maiores
do que ela, e que haja pelo menos outra metade ou cinqilenta por cento de
itens maiores do que ela. A mediana e considerada uma separatriz, por ser
um promedio que divide a distribui9ao ou conjunto de dados em partes
iguais. Trata-se de uma medida muito utilizada na amilise de dados estatis­
ticos, especialmente quando se atribui pouca importancia aos valores extremos
da varili vel.

Elemento Mediano
Por ser uma separatriz, isto e, em virtude de a mediana se constituir
em um valor que separa a distribui¢o em partes de tal sorte que uma fra¢o
(0,5 ou 1/2) de valores lhe seja inferior e os restantes superiores, podemos
concluir que essa medida apresenta um numero de ordem. Assim e que,
ordenando os valores da serie, a mediana e um valor que ocupa uma deter­
minada ordem ou posi9ao na serie ordenada. 0 numero que indica a ordem
em que se encontra o valor correspondente a mediana e denominado ele­
mento mediano, cujo simbolo e EMd·

4.4.1. Determina�o da Mediana de Valores Nio-Tabulados

A determina9ao da mediana de valores nao-tabulados processa-se a

partir de um rol ou lista ordenada dos dados. Podem ocorrer duas hipoteses
com rela9ao ao numero de observa96es n: que ele seja impar ou par. Veremos
os dois casos.
a) 0 Numero de Observaroes e fmpar
0 procedimento para o calculo da mediana quando a lista de valores
contiver um nilmero fmpar de observa9oes requer, em primeiro lugar, que
se determine a ordem em que se encontra a mediana na serie. Deve-se,
entao, encontrar o valor do elemento mediano, o que e feito da seguinte
forma:

I EMd= � I (38)

O passo seguinte sera localizar a mediana na lista de valores, de

acordo com o resultado obtido no calculo do elemento mediano.

Exemplo 25:
Calcular a mediana do seguinte conjunto de numeros:
152 x = {2, 3, 6, 12, 15, 23, 30}
 Solurao:
A primeira providencia a ser adotada seria a de ordenar os valores.
Neste exemplo, os valores da serie ja se encontram ordenados.

Em seguida, determinaremos o valor do elemento mediano, utilizando

a formula (38), uma vez que o numero de observay5es e impar (n = 7).

E Md -�
-

2 - 2-±_J_
- 2
-- 4
Ressalte-se o fato de que o valor 4 e um numero ordinal. Assim,
EMd =4 indica que a mediana e o valor que se en contra na quarta posiyao
da lista ordenada de valores, e 0 quarto numero da serie.
Finalmente, procuraremos no conjunto qual o valor que se encontra
no quarto lugar da lista. Esse numero c;orrespondera a mediana do conjunto.
No exemplo:

�, M.-d-=-12--.,
Observe que existem tres valores menores do que doze (2, 3 e 6) e
tres valores maiores (15, 23 e 30), o que corresponde a cinqilenta por
cento (ou metade) de itens maiores e menores do que a mediana.

b) 0 Num ero de Observafoes e Par

0 procedimento para calcular a mediana de ·um numero par de obser­
vay5es e ligeiramente diferente do adotado para 0 caso em que n e impar.
Assim e que 0 elemento mediano Sera determinado, agora, atraves da
seguinte expressao:

I E Md = ; I (39)

· Exemplo 26:

Calcular a mediana do conjunto:

x = (3, 6, 9, 12, 14, 15, 17, 20}.

So/ufiio:

Como vemos, n = 8.
0 elemento mediano sera, de acordo com a formula (39),
n 8
EMd = = =4
1 2
Seguindo a mesma linha de raciocinio do exemplo anterior, identifi­
carfamos a mediana coma 0 quarto elemento da lista, OU seja, Md= 12.

Entretanto, esse procedimento de identificayao resultaria em um valor da

mcdiana que contrariaria a defini\:ao, uma vez que nao teriamos a mesma
propor9ao de valores menores e maiores do que o valor doze. Haveria, 153
 entiio, tres valores menores do que doze (3, 6 e 9) e quatro maiores
(14, 15, 17 e 20).
Toda vez que houver um numero par de observa�oos a lista apresen­
tara dois valores centrais e a mediana sera determinada calculando a media
aritmetica deles. No exemplo, teriamos:

12 14
Md = + = 13
2
Percebe-se, agora, a ocorrencia de igual numero de valores maiores
(14, 15, 17 e 20) e menores (3, 6, 9, 12) do que a mediana.

4.4.2. Determina\:iO da Mediana de Valores Tabulados

nio Agrupados em Classes

Quando os valores da variavel estiverem ja tabulados, o procedimento

a ser adotado sera praticamente identico ao anterior.

Em primeiro lugar, deve-se verificar se o numero de observa�oes e

impar ou par e, conforme o caso, aplicar as formulas (38) ou (39), para o
calculo do elemento mediano.

Em seguida, acrescentamos uma coluna a tabela de freqiiencias original,

onde serao determinadas as freqiiencias acumuladas. Comparando o resultado
obtido no calculo do elemento mediano com os valores constantes dessa
coluna, determinaremos a mediana.

Exemplo 27:
Calcular a mediana dos valores apresentados nas Tabelas 4.28 e
4.29.
TABELA 4.28 TABELA 4.29

Va/ores FrsqiilJncias Valor• Fmqiilncias

Xj fj Xj fj

2 5 3 3
3 10 4 6
4 15 5 9
5 12 6 8
6 5 7 6
7 3 8 3

n = 50 n = 35

Solufao:
a) 0 numero de observa�OeS da variavel, conforme a Tabela 4.28, e
154 n = 50. Assim sendo, fazemos:
 EMd
50 = 25
=1= 2
n

A mediana devera ser o vtges1mo quinto elemento, se levarmos em

3, 3, 3,
considera\:li'O os valores do conjunto ordenados, ou seja:

{2, 2, 2, 2, 2, . ' 7, 7, 7}

4.30.
. .

0 passo seguinte sera o calculo das freqilencias acumuladas, o que

sera feito com o recurso da tabela auxiliar
TABELA 4.30

Xj fj Fj

2 5 5
3 10 15
4 15 30
5 12 42
6 5 47
7 3 50

n = 50

Examinando a coluna das freqilencias acumuladas verificaremos que

ate o valor dois, inclusive, existem cinco observa\:oes, o que equivale a
dizer que o quinto elemento da lista e igual a dois. Portanto, a mediana
nao pode ser dois, uma vez que ela equivale ao vigesimo quinto valor, e
ate dois temos apenas cinco observa\:OeS. Assim, iremos percorrendo a
coluna ate encontrar um valor (freqilencia acumulada) igual ou maior que
o elemento mediano. A freqilencia acumulada seguinte e quinze, que, por
ser inferior a vinte e cinco, indica que tres nao e a mediana. Ja a freqilencia
acumulada ate o valor quatro da variavel e superior a vinte e cinco. Portanto,

I Md=41
a mediana desse conjunto e

Observ()fiio: Em virtude de o numero de observa\:OeS ser par, teremos

dois valores centrais, que no caso sao iguais. Assim,

1Md=�=41
b) 0 conjunto de observa\:oes, neste caso, e fmpar: n = 35.
35
0 elemento mediano sera:

+ 1 18

4.31
EMd - � -
2 2
- -

A mediana sera o decimo oitavo valor da lista. A Tabela mostra

que ate cinco, inclusive, temos dezoito observa�es. Conseqilentemente, 155
 TABELA 4.31

Xj fj Fj

3 3 3
4 6 9
5 9 18
6 8 26
7 6 32
8 3 35

n = 35

Se tivessemos os valores dispostos individualmente, teriamos a seguinte

lista:
/1 =3 /2 =6 fs = 6 !6 =3
� ,.....--...

3,3,3,4,4,4,4,4,4,5,5,5,5,5,5,5,5,5,6,6,6,6,6,6,6,6,7,7,7,7,7,7,8,8,8
i
Md= 5 ou 189 elemento da lista
Exemplo 28:
Calcular a mediana dos valores constantes da Tabela 4.32.
TABELA 4.32

Xj fj Fj

3 3 3
4 6 9
5 9 18
6 8 26
7 6 32
8 4 36

n = 36

Solu�iio:

Temos n = 36 � n e par. Entao,

n 36
EMd =1=2 = 18
A mediana e o decimo oitavo elemento, numero esse que coincide
com o valor da freqilencia acumulada ate cinco: F3 = 18. Mas como quando
n for par a mediana seni igual a media aritmetica dos dais valores centrais,
156 teremos:
 Md=�=55
'
2

4.4.3. Determina�o da Mediana de Valores Tabulados

Agrupados em Classes
Quando os valores da variavel estiverem agrupados em classes, o
calculo da mediana seni realizado por interpola�ao. Tratando-se de dados
agrupados, admite-se que os valores da variavel na distribui�ao de freqiiencias
distribuam-se continuamente. A mediana seni, neste caso, o valor da variavel,

para o qual metade ou cinqiienta por cento da freqiiencia total ( �) flea

situada abaixo e outra metade acima dele. Geometricamente, isso equivale

a dizer que a mediana e 0 valor de x (eixo das abscissas) que corresponde a
perpendicular que divide o histograma em duas partes que apresentam
areas iguais.

No Grafico 4.4, o histograma apresenta-se dividido pela linha tracejada

OP em duas partes exatamente iguais quanto as suas areas.

GRAFICO 4.4

45
0
40 E

35 I
I
30
I
25 101 30
I
20 I
35 I
15
I
10 20 I 40
25
I
5 10 15
I
A 8
0 10 20 30 40 \;so 60 70 80 x

Md=42,5

A mediana sera, entao, a abscissa correspondente a linha OP, a qual

divide o histograma em duas partes iguais. Em virtude de as areas dos
retangulos do histograma corresponderem as freqiiencias das respectivas
classes, OP seni tal que a soma das areas situadas a sua esquerda OU a sua
direita seni sempre igual a metade da freqiiencia total, ou seja, igual ao
elemento mediano. Examinando o Grafico 4.4, podemos ver que
n = 10 + 20 + 35 + 40 + 25 + 15 + 5 = 150,
e que

157
 Dessa forma, podemos afirmac que a linha OP devera dividir o histograma
em duas partes, sendo a area de cada uma delas igual a 75. Observando
novamente a figura verificaremos que as areas APOD e PBEO correspondem
respectivamente as freqiiencias e 30. Portanto, ate chegar a linha OP, a
10
area total sera igual a 75, incluindo APOD:

APOD
t
01 + 20 + 35 + 10 = 75
Considerando a area a direita da linha OP, teremos igualmente uma
area numericamente igual a 75, incluindo PBEO.
PBEO
t
30 + 25 + 15 + 5 = 75
Para encontrar a mediana, basta verificar qual o valor da variavel
(eixo das abscissas) que divide o histograma em duas partes iguais. 0 proce­
dimento e simples. Se somarmos as freqiiencias das tres primeiras classes,
chegaremos a 65 observayoos, que correspondem ao valor numerico da
soma das areas dos respectivos retangulos do histograma. Podemos dizer,
entao, que ate o valor 40 da variavel (abscissa) houve 65 observayoos.
Como precisamos de 75 observayOeS (E Md =
;01 = 75 ) para chegar a
mediana, ha n cessidade de consideram
� �os �ais dez valores (observ �goos)
da classe segumte. Em termos proporC1ona1s, devemos considerar de
40
valores da classe mediana. Uma vez que a amplitude do intervalo de classe
e igual a dez, para chegar a mediana iremos considerar apenas uma fra9ao

dessa amplitude, ou seja: �. Simbolicamente:

AP = 4010 • AB !Q_
=

40
01 • = 25
'

Assim, a mediana sera igual a:

Md = 40 + 2,5 = 42,� I Md = 42,5 I
0 mesmo resultado seria obtido a partir do poligono de freqiiencias
acumuladas. Consideremos irlicialmente a Tabela 4.33, que recomp0e os
dados do problema anterior.

TABELA 4.33

Classes Fj
'i
10 f-- 20 10 10
20 f-- 30 20 30
30 f--40 35 65
Classe Mediana- 40 f--5 0 40 105 EMd = 75
50 f--6 0 25 130
60 f-- 70 15 145
70 f-- 80 5 150
150
158
 Fj Frj(%)

160

140
Loo
120 80

100
60 GRAFICO 4.5
80
EMd=75- ·-·-·-
-50%
60 40

40
20
20

0
0 10 20 30 40 "' 50 60 70 80 x

Md=42,5

Examinando o poligono de freqiiencias acumuladas representado no

Gnifico 4.5, podemos ver que a mediana ea abscissa do ponto P do poligono
de freqiiencias acumuladas, cuja ordenada e o elemento mediano (EMa = 7 5),
no caso de freqiiencias absolutas, e cinqiienta por cento, no caso de freqiien­
cias relativas. Para calcular o valor da mediana, recorremos aos triangulos
semelhantes, RQP e RST, que gozam da propriedade:
RQ PQ
=
RS ST
Para determinar a mediana, teremos que fazer:
Md=I + RQ
onde I = limite inferior da classe mediana.
PQ
RQ =RS ·
ST
Mas
RS = c = amplitude do intervalo de classe
PQ = EMd - Fant
Fant = freqiiencia acumulada atea classe anterior a classe mediana
ST = freqiiencia simples da classe mediana = fMd
En tao,
F,,.
I
.
Md =I + c
EMd
[Md
-

(40)

No exemplo, teremos:

Md= 40 + 10
.
75 - 65 = 40 100
= 42,5 Md= 42,5
+ 159
40 40
 Observaroes:

1) Tratando-se da distribuiyao de freqiiencias de dados tabulados

agrupados em classes, o elemento mediano seni sempre igual a EMd =

� ,

nao se fazendo distinyfo entre numero par OU fmpar de observay6es.

2) 0 calculo da mediana pode ser feito a partir das freqiiencias

relativas. Neste caso,

0,50 - Frant
Md= I+ c ----­
(41)
frMd

F rant = frequencia reiativa acumulada ate a classe anterior a med1ana

frMd =
freqiiencia simples relativa da classe mediana

No exemplo acima:
65 75 - 65
0•50 -
150 150
Md= 40 + 10 = 40 + 10----

40 40
150 150

= 40 + 10 � =
·
42 5
,

Exemplo 29:

Calcular o consumo mediano de eletricidade (kw/hora) dos 80 uswirios,

utilizando os dados do exemplo 7.
a) Por formula.
b) Por interpola"iio.
c) Graficamcnte.
Solu�iio:
A Tabela 4.34 apresenta os dados do problema.
"TABELA 4.34

Consumo Numero de
Fj
kwh usuarios: fj

5 i:-- 25 4 4
251--- 45 6 10
451--- 65 14 24
651--- 85 26 50
85 f---105 14 64
105 f---125 8 72
125 1--145 6 78
145 1--165 2 80

80
160
a) Primeiro Metodo: Resolurao porFormula

Para aplicayao da f6nnula, precisamos dos seguintes dados:

n 80
EMd =1=2= 40

Classe mediana: 6Sf---85, uma vez que, ate85, temos cinqiienta

-
observayaes, e ate 65 apenas 24.

/. = limite inferior da classe mediana = 65

c = amplitude do intervalo de classe = 20
fMd = freqilencia simples da classe mediana = 26
Fant = freqilencia acumulada ate a classe anterior a classe mediana = 24

Conforme a formula (40), devemos ter:

EMd
Md=! +c ----
Fant - = 65 +20
40
- 24
=
fMd 26
320
= 65 +
26
= 65 +12 ' 31 I Md= 77,31 I
0 consumo mediano, por conseguinte, e de 77,31 kwh.

b) Segu.ndo Metodo: PorIntrp

e olarao

Admite-se que o consumo se distribui continuamente e o consumo

80 valores lhe seja inferior e metade
mediano e o valor tal que metade dos
superior. Para obter a mediana, devemos localizar o quadragesimo elemento,
ja. que EMd = 40. Percorrendo a Tabela 4.34 na coluna de freqiiencias
acumuladas, verificaremos que o quadragesimo elemento encontra-se na
quarta classe: 65f----
85. Como ate a terceira classe, inclusive, acumulamos
24 observaiyoes, precisamos de mais 16 para completar as 40 necessarias.
Assim sendo, se tomarmos todo o intervalo da quarta classe, estaremos
considerando todas as observaiyaes dessa classe (26). Entretanto, interessam­
-nos apenas 16 observayoes para atingir o ponto que corresponde a mediana.
Para saber que parcela. do intervalo da classe mediana (c = 2 0) devemos
levar em consideraiyao, faremos a seguinte regra de tres simples:

{26 ---- 20
x =
20
;
6
16
= 12,31
16 ----- x
Acrescentando-se esse valor ao limite inferior da classe mediana,
chegaremos a

,
.... M_d_=_65_ +
- 1
- 2- ,-31 _=_ 7 _ 7-, 31 I
- --.

valor igual conseguido com o uso da f6rmula (40). Na realidade, esse ultimo
e apenas o resultado de interpolaiyao. Assim, de acordo com o que vimos
acima, 161
 20 x 16
x= = 20 �
26 26
onde
20 =c
16 = 40 - 24 = EMd - Fant
26 =[ Md

Substituindo os numeros pelos simbolos que os representam, temos

EMd Fant
x=c
-

fMd
que, somado ao limite inferior da classe mediana (/ ), reproduz a formula (40).
EMd Fant
Md =I+ c
-

----

[Md
c) Terceiro Metodo: Determinariio Grtifica da Mediana
Inicialmente construiremos o poligono de freqtiencias acumuladas
(ogiva).

N(lmerode Pon:entagem de
Usu6rios Usudrios
Fj Fri(%}

80 100

70

60 76

60
GRAFICO 4.6
EMd =40 - -- - - -- 60

30

20 26
10

O 5 25 45 66 \ss 106 126 146 166 Consumo kwh

Md= 77,31

A partir do eixo das ordenadas na altura correspondente ao elemento

mediano (40), no caso de freqtiencias absolutas, ou a cinqtienta por cento,
no caso de freqtiencias relativas, tra�amos uma paralela (linha interrompida)
ao eixo das abscissas, ate encontrar o ponto P na ogiva. ·nesse ponto,
baixamos uma perpendicular ao eixo das abscissas, encontrando nesse o
valor da variavel representativo da mediana Md = 77 ,31. E natural que
a leitura da mediana no grafico s6 pode ser realizada aproximadamente.
0 valor exato so se consegue mediante a aplica�ao da formula (40), ou
162 pelo metodo de interpola�ao, que lhe e equivalente.
Exemplo 30:

Calcular a mediana do problema do exemplo 29:

a) Utilizando a formula das freqiiencias relativas; e
b) Graficamente, atraves do histograma.
Solufiio:
a) Primeiro Metodo: Por Fonnu/a
A Tabela auxiliar 4.35 fornece OS dados necessarios para 0 calculo
da mediana.
TABELA 4.36

Consumo Numerode Porcentagemde

Fr
kwh usu6rios: fj usuarios: ' 'i (%) i

5l--2 5 4 5,0 6,0

251--45 6 7,5 12,5
451--6 5 14 17,5 30,0
Classe Mediana 651--85 26 ''Md 32,5 62,5
851--105 14 17,5 80,0
1051--125 8 10,0 90,0
1251--145 6 7,5 97,5
1451--165 2 2,6 100,0

n = 80 100,0

0 elemento mediano, como vimos, e

n 80
EMd =1=1= 40.

Em termos porceqtuais, o elemento mediano corresponde a cinqiienta

por cento da distribuiyao. Com esse valor, localizamos -a classe mediana
(65f--85). Assim sendo; teremos, de acordo com a formula (41),
0,50 - F rant 0,50 - 0,30
Md= I + c = 65 + 20 =
frMd 0,325

= 65 +
0 25 '
: = 65 + 12,31 I Md= 77,31 I
b) Segundo Metodo: Por Grtifico
Observando o Grafico 4.7, podemos notar que ate a ierceira classe
(45 f--65), inclusive, houve 24 observayoos (4 + 6 + 14). Como o elemento
mediano e igual a 40, precisamos ainda tomar 16 _observayoos das 26 da
classe seguinte (40 ___:___ 24). Em termos proporcionais, precisamos de ;� c,
onde c e a amplitude do intervalo de classe.
16 �������
20= 12,31 Md= 65 + 12,31= 77,31
26 X 163
 NUmero de
usuarios
'i
10
28
-c-

24 I
I
I
20 I
I = 80

16
I
I
EMd= -!!J! =40 GRAFICO 4.7
I Classe Med;ana: 65 I-- 85
12 I = 20
16 �
I
8 I
I
14 I 14
4
2,311

0 6 26 45 66 \85 105 126 146 165

Consumo �h
MU= 77,31

4.5. CONSIDERACOES ADICIONAIS SOBRE A MEDIA

ARITMETICA, A MODA E .A MEDIANA

Dentre as varias medidas de tendencia central, seguramente a media

aritmetica e a mais utilizada. Entretanto, existem casos que justificam o
emprego de outra medida. Antes de entrarmos nesses pormenores, vejamos
como podem ser relacionadas as tres principais medidas de tendencia central:
media (aritmetica), moda e mediana.

4.5.1. Rela�o Empfrica entre a M6dia, a Moda e a Mediana

Karl Pearson desenvolveu uma f6rmula empirica de relaylio entre a
media, a moda e a mediana. Existem algumas condiyoos a serem satisfeitas
para que a relaylio proposta por Pearson se verifique com maior aproximaylio:

a) A distribuiQiio (curva) de freqiiencias deve ser unimodal.

b) A distribui9ao de freqiiencias deve ser fracamente assimetrica.
c) 0 numero de observaQoes deve ser suficientemente grande e · pequena
a escala de unidades que divide a distribuiQiio.

A relayliO de Pearson e a seguinte:

I x -M0 = 3(x - Md) I (42)

Se quisermos calcular cada medida a partir dessa relaya'o, teremos:

3Md -Mo
x
2
-

M0 = 3Md - 2x (43)

2x +Mo
Md=
164 3
Exemplo 31:
Utilizando os dados dos exemplos 7 29,e calcular a media, a moda
(Czuber) e a mediana e comparar os resultados com os da relayao empirica
de Pearson.

Solu(iio:
lnicialmente, reproduziremos na Tabela
resoluc;ao do problema.
4.36 OS dados necessarios a

TABELA 4.36

Consumo Numerode Xj Xjfj Fj

kwh usufJrios: fj

51---- 25 4 15 60 4 n = 80
251---- 45 6 35 210 10 k = 8
451---- 65 14 55 770 24
Classe Modal
651---- 85 26 75 1 950 50
Classe Medians
851----105 14 95 1 330 '64
1051---- 125 8 115 920 72
1251---- 145 6 135 810 78
1451---- 165 2 155 310 80

n = 80 6 360

Devemos ter:
k

L
j=l
Xjfi
6 80360 = 79'5 = 79,5 x

= 65 20 (26 -14)(26 - (26l4)

n

Mo= I + c --­
b.1

t::..1 + t::.2. 14)

= 75 +
+ -

I M0 = 75 l
Md= EM�:aFant = 65 20 402� 24 = 77,31 IMd= 77,311
l + c +

Pela relac;ao empfrica

Mo= 3Md 2.X= (3 X 77,31) - (2 X 79,5)= M0= 73
-

= 231,93 - 159,0= 72,93 73 £:

Md= 2.X 3 Mo= (2 X 79,5)

+
3 75 78 I Md= 78 I +

-- 3Md - Mo - (3 X 77,31) - 75 78,465 ::::: 78,5 I = 78,5

2 2 . x
165
 Como pode ser visto, nao ha uma discordancia acentuada entre as
medidas calculadas pelos dois processos.

4.5.2. Caracterrsticas da Media, da Mediana e da Moda

Uma forma util de comparar as medidas de tendencia central e

atraves da utilizayao de um diagrama. Devemos, entretanto, lembrar, antes
de qualquer considerayao, que tais medidas se baseiam em conceitos distintos.
Assim e que a media aritmetica e a soma dos valores observados dividida
pelo numero total deles; a mediana e 0 valor que divide a serie em duas
partes iguais quanta ao numero de valores de cada parte e a moda e o
valor em cuj a vizinhanya tendem a se concentrar os valores da serie.

a) Conceitos Fisicos das Medidas de Tendencia Central

Conforme dito anteriormente, o conceito de media aritmetica corres­
ponde ao de centro de gravidade estudado em Ffsica. Esse fato nos revela
que essa medida e afetada de maneira acentuada pelos valores extremos da
serie, o que nao acontece com a moda e a mediana. Assim, por exemplo,

Numero de
Observat;:6es 30

25

20
GRAFICO 4.8
15

10 .( Empregado B
5 '
......
......
............

0 2 x =2 3 Minutos

Os tempos obtidos por B revelam sua menor eficiencia em relat;:ao a A.

duas series podem apresentar a mesma media mas suas distribuiyOeS serem
diferentes. Suponhamos que dois empregados executem uma determinada
tarefa, em media, em dais minutos, sendo esse resultado calculado a partir
de um certo numero de observayCies realizadas. Alguem poderia estar
tentado a concluir, com base nessa informayao, que ambos os empregados
apresentaram a mesma eficiencia. Um exame mais acurado da distribuiyao
dos tempos de execu\:aO da tarefa pode, entretanto, revelar resultados
discrepantes para essas pessoas, conforme pode ser notado no Grafico 4.8,
na pagina anterior.

Outro Grafico muito ilustrativo da influencia dos valores extremos

166 sobrc a media e 0 4.9.
GRAFICO 4.9

A
c52lEJ��
•
l Mo

El �jB El
cS 2l 2l 2l El

Md

As disposi\!OeS A e B, embora revelem a mesma media aritmetica,

nao podem ser eonsideradas iguais. Em A, OS oito itens situados a esquerda
da media estlio compensados por apenas um que se encontra muito a sua
direita, de modo que o centro de equilfbrio esteja em x. Em B, os mesmos
oito itens a esquerda da media sao compensados por seis a sua direita. Nessa
dispoSi\!lIO, e pOSSlVel ainda vislumbrar 0 posicionamento tipiCO das medidas
de tendencia central em distribui�es ligeiramente assimetricas a direita.
Em termos de uma curva de freqiiencia, percebe-se melhor esse posiciona­
mento (Gnifico 4.10).
GRAFICO 4.10

MoMd 'i"
SitN$1o de nttdi9 arhmttiA.. d• ,.....,. • • mead! .,. um• diltribuil;lo com _.....,.. ii diNIU

No exemplo 30, tivemos os seguin tes result ados, que confirmam o

que acabamos de dizer no que se refere a disposi�ao <las medidas de tendencia
central quando a distribui\!lIO e ligeiramente assimetrica a direita:

Mo= 75
Md= 77,31
x = 79,S
Neste caso

Mo<Md<x
b) Possibilidades de Calculo Algebrico
A media aritmetica e uma medida mais estavel do que a mediana ou a
moda. Alem disso, para o calculo posterior de outras medidas estatfsticas, 167
 como, por exemplo, algumas medidas de dispersao, a media aritmetica e
muito mais conveniente. Assim e que, se conhecemos duas quaisquer das
tres quantidades 1:x, N ou X, a terceira pode ser calculada imediatamente.
Ou entao, desejando-se determinar a. media das medias aritmeticas de
diferentes series, basta atribuir o peso apropriado a cada uma delas e
em seguida calcular a media ponderada das medias. 0 resultado representa
a media de distribUiyiIO constitufda pelos valores de todas as series Originais.
Tais recursos algebricos nao existem para a mediana nem para a moda.

c) Outras Caracteristicas das Medidas de Tendencia Central

A media aritmetica e preferfvel as demais medidas, para estimar a

tend
_ encia central, quando se trata de muitas classes de populay6es, por
haver menos variabilidade entre as medias aritmeticas calculadas a partir de
varias amostras aleat6rias do que entre as medianas e as modas.

A media aritmetica pode ser calculada a partir dos dados brutos, sem
recorrer a qualquer agrupamento ou ordenayao de valores originais, o que
nao ocorre com a mediana e a moda.

Ja para a determinayao da mediana e da moda, em distribuiy6es de

frequencias onde ocorram classes com limites indefinidos ("menos de ... "
ou "mais de ... "), nao M dificuldade alguma. Em casos como este, todavia,
o. valor de x nao pode ser determinado com exatidao para a serie, a menos
que figure na tabela o valor total dos itens na classe ou classes que tenham
algum extremo (limite superior ou inferior) aberto.

A mediana e preferfvel a media quando se esta interessado em conhecer

exatamente o ponto medio da distribuiyao, aquele valor que a divide em
duas partes exatamente iguais. E preferivel, ainda, quando os resultados
extremos sao tais que podem afetar sensivelmente o valor da media.

A moda e utilizada essencialmente quando pretendemos apenas uma

medida rapida e aproximada da tendencia central.

d) Conc/usoes

I - Um promedio pode atuar como medida de tendencia central

somente se existir uma quantidade consideravel de concentrayao
na distribuiyao de frequencias, isto e, se a variabilidade nao for
muito grande. Apenas o valor do promedio nao descreve, por
si .s6, o grau de variaylio na distribuiyiio de frequencias, nao
nos garantindo, conseq\ientemente, que ele seja uma medida
significativa de tendencia central.

II - Um promedio serve como uma medida util de localizayao_ para

comparar duas ou mais distribuiy0es de frequencias somente se
essas tern aproximadamente a mesma forma.
168
 III - Um promedio nao deve ser usado como um resumo da distri­
buiyao de freqiiencias completa, quando o interesse estivcr
concentrado na distribuiyao completa.

4.6. QUARTIS - DECIS - PERCENTIS (OU CENTIS)

Ha uma serie de medidas de posiyao semelhantes na sua conce�ao a
mediana, embora nao sejam medidas de tendencia central. Como se sabe, a
mediana divide a distribuiyao em duas partes iguais quanto ao numero de
elementos de cada parte. Ja os quartis permitem dividir a distribui�ao em
quatro partes iguais quanto ao numero de elementos de cada uma; os decis
em dez partes e os centis em cem partes iguais.

Para simbolizar cada uma dessas medidas separatrizes, faremos:

Q; = quartis i = I, 2, 3
D; = decis i = I, 2, 3, ... , 9

C; = centis i = I, 2, 3, . . . , 99
Assim, para dividir uma serie ordenada de valores em quatro partes
iguais, precisamos de tres separatrizes (quartis); para dividi-la em dez, iremos
recorrer a nove separatrizes (decis); em cem, recorremos a noventa e nove
separatrizes (centis). 0 grafico a seguir ilustra melhor o que acabamos de
dizer em relayao aos quartis e decis:

A B
Oi 02 03
Primeiro Segundo Terceiro
Ouartil Quartil Quartil
I

02 = Ds =Md

A B
Di D2 03 04 Ds 06 D1 Ds 09

4.6.1. Quartis
a) Primeiro Quartil
Simbolo: Qi

Definiriio: Dado um conjunto ordenado (ordem crescente) de valores,

0 primeiro quartil,Qi' e 0 valor que divide 0 conjunto em duas partes tais
que um quarto ou vinte e cinco por cento dos valores sejam menores do
que ele e tres quartos ou setenta e cinco por cento dos restantes sejam
maiotes. 0 elemento que indica a ordem OU posiyao do primeiro quartil e
determinado, para dados agrupados em classes, pela seguinte expressao:
n
EQ, = 4'
onde n e o numero de valores do conjwi.to, ou n(lmero de observa�oos. 169
 b) Segundo Quartil
Simbolo: Q2 ou Md
Definifiio: Dado um conjunto ordenado de valores, o segundo quartil
OU mediana e 0 valor que 0 divide em duas partes iguais quanto ao numero
de elementos, isto e, cinqilenta por cento ou dois quartos dos valores
do conjunto sao menores, e os dois quartos restantes sao maiores do que ele.
O elemento mediano e calculado, como veremos, atraves da seguinte expressao:
2n n
EMd = E , = 4
Q - 2

c) Terceiro Quartil
Simbolo: Q3
DefinifiiO: Dado um conjunto ordenado (ordem crescente) de valores,
0 terceiro quartil e 0 valor que divide 0 conjunto em duas partes tais que
setenta e cinco por cento ou tres quartos dos valores sejam menores e
vinte e cinco por cento ou um quarto sejam maiores do que ele. 0 elemento
que indica a ordem em que n encontra o terceiro quartil e calculad0, para
dados tabulados, como segue:
3n
EQ =
• 4 '
oride n e 0 nilmero de valores observados�
Genericamen te, para determinar a ordem ou posi�ao do quartil a
ser calculado, usaremos a seguinte expressao:

� (44)
�.
onde:
i = numero do quartil a ser calculado
n = m'.imero de observa�0es.
4.6.2. Decis

Sfmbolo: D; i = l, 2, . . . ' 9

A defini�ao dos decis obedece ao mesmo principio da dos quartis,

com a modifica�ao da porcentagem de valores que ficam aquem e alem do
decil que se pretenda calcular. Assim, por exemplo:

a) Primeiro Decil: D1
0 primeiro decil de um conjunto ordenado (ordem crescente) de valores
e o valor que divide um conjunto em duas partes tais que dez por cento ou
um decimo dos valores sejam menores e nove decimos ou noventa por cento
sejam maiores do que ele. 0 elemento que indica a posi�ao do segundo decil
.
e calculado pela seguinte expressao:
n
170 ED =-
1 10
b) Segundo Decil: D2
Trata-se do valor que divide o conjunto em duas partes, tais que vinte
por cento ou dois decimos dos valores sejam menores e oitenta por cento
ou o ito decimos dos valores sejam maiores; para saber a ordem do segundo

2n
ED= -
decil, usamos a expressao:

2 10

De especial interesse e o quinto decil, que divide o conjunto em duas

partes, tais que cinco decimos ou cinquenta por cento dos valores sejam
menores e cinco decimos ou cinquenta por cento dos valores restantes
maiores do que ele. Assim sendo, o quinto decil e igual ao segundo quartil,
que por sua vez e igual a mediana. 0 elemento que indica a ordem do quinto

ED,=Sn = !:2 = 2n4

decil e igual ao elemento mediano, ou seja:

10 .

I Md=Ds = Q2 I
Podemos, entao, afirmar que

De uma forma geral, para calcular os decis, recorreremos a seguinte

expressao que define a ordem em que o decil se encontra:

(45)

n=
onde

=
numero de valores observados
i numero que identifica o decil a ser calculado

= 2,
4.6.3. Percentis ou Centis
Sfmbolo: C; i 1, 3, . . . ' 99
Neste caso; cada parte em que foram subdivididos os valores do
conjunto, atraves dos novcnta e nove centis, contara com um centesimo
ou um por cento dos valores do conjunto.

0 elemento que definira a ordem do centil, em uma distribui�ao de

frequencias de valores tabulados agrupados em classes, sera encontrado
pelo emprego da expressao:

=
1� �1
�

onde
=
n=
i numero identificador do centil
nilmero total de observa�oos 171
 E oportuno lembrar que os centis englobam todos os decis e quartis.
Assim, por exemplo:

a) Decimo Centi/: C10

0 decimo centil dividira o conjunto ordenado (ordem crescente) de

valores em duas partes, tais que dez por cento ou dez centesimos dos
valores do conjunto sejam menores e noventa por cento ou noventa cente­
simos sejam maiores do que ele. Teremos, entao:
10 X n n
Ec,o = = 1Q = O,ln OU
100
I X n n
ED i = = = O,ln
10 IO

b) Vigesimo Centi/: C20

O vigesimo centil e igual ao segundo decil, porque

20 X n 2n
Ec20 = 100 , n = ED, =lo = 0,2n
= 02

25n n
Ee 25 = 100 = -
-

4
= 0'25n
}
c) 0 vigesimo quinto centil e igual ao primeiro quartil, porque

Ec,s = EQ,
In
EQ I = - = 025n
'
4

Esquematicamente, indicamos na Tabela 4.37 as equivalencias entre

centis, decis e quartis.
A formula de caiculo dos centis sera:
·
Ee; - Fant
C;= l+c r (47)
JC;

Exemplo 32:
Utilizando os dados do problema 29, calcular as seguintes medidas
(p. 160):
a) Trigesimo centil: C30
b) Quinquagesimo centil: C50
c) Septuagesimo quinto centil: C75
d) Decimo quinto .centil: C15
e) Vigesimo quinto centil: C2s
O Nono decil: D9
172
 TABELA 4.37

Justificativa pelo
Centi/ Decii auartil
E
e;
10n 1n
- Ec = 0 1n
C10 D1
•o 100 = ,
E
01 = 10 =0,1n
- 20n 2n
C2 0 0-z E
c20 = 100 =0,2n Eo
2=10 =
0,2n

C 2s - E
25n n ' 1n n
a1
c,s =100 =0,25n=4 E
a1 =4=4=0,25n

JOn Jn
C30 D3 E Eo =1
e» = 1 00 = O,Jn
-

3 0 = O,Jn

- E 40n 4n
C40 D4
e"' = 100 = 0,4n E 0 n
D4 = 10 = ' 4

{ ""
E 0,5n;
05 = 10 =
50n
Cso al=Md E
cso = 100 = 0,5n
Ds
n 2n
E
Md=2= 4 =0,5n
60n 6n
c60 06 - E -
_

0,6n E
06 = 10 =
_

c(/J 100 - 0,6n

70n 7n
C70 07 -
Ec = 0,7n E o = 10 =0,7n
10 100 = ,
- 75n Jn Jn
C1s a3 Ec 0,75n= E 2= 0,75n
,s = 100 = 4 a 4=

- 80n 8n
C so Ds E
cao = 100 =o,an E
08=10 =
O,Sn

- 90n 9n
- 0,9n
_

C90 D9 E Eo 10 =0,9n
_

C90 100
-
, =

Solu�iio:
a) Trigesimo Centi/: C30
a. I) Elemento que define a ordem ou posi�ao do trigesimo centil:
i. n
E e; =
100
conforme a expressao (46).

Neste caso, i = 30 e n = 80. Assim,

30 X 80 = 2 400 = 24
E
_

C,o - 100 100

Portanto, o trigesimo centil sera o vigesimo quarto elemento do con­
junto ordenado de valores.

a.2) Localiza�ao da classe onde se encontra o trigesimo centil.

Percorrendo a coluna das freqiiencias acumuladas, verificaremos que o

vigesimo quarto elemento da lista se encontra na terceira classe:
451---6
-- 5. Como esse valor coincide com a freqiiencia acumulada
ate a terceira classe, deduziremos, de imediato, que C30 = 65. 173
 a.3) Aplica1tlio da formula.

Para comprovar que C30 = 65, apliquemos a f6rmula{47):

Eci - Fant
Ci = I + c ----­

lei
Neste caso,
l = limite inferior de classe onde se encontra o trigesimo centil:
45
c = amplitude do intervalo de classe: 20

Eci = elemento indicativo da ordem ou posil(lio do trigesimo centil:

30 X 80
EC30 = 240
=

.
100
Fant freqiiencia acumulada ate a classe anterior a classe onde se
encontra o trigesimo centil: 10

lei = lc30 = freqiiencia simples de classe onde se encontra o

trigesimo centil: 14

Assim,
24 10
C30 = 45 + 20 - = 45 + 20 = 65 C30 = 65
14
Interpreta1tlio: Trinta por cento (30%) dos usuarios apresentaram um
consumo de ate 65 kwh, enquanto. que setenta por cento apresentaram
um consumo superior a 65 kwh.
Graficamen te,

N<unerode
Usu6rios
Fj

80

GRAFICO 4.11

30
Ec.,=24 --
20

Ecu=12 -- 0
1

0 6 25 45 85 115 � 125 145 185

C15=47,86 Cso=77,31 \ C90=D�=125

Consumokwh

c ., =85 c.,,=89.29

:E flicil perceber que o trigesimo centil e igual ao terceiro decil.

i X n
174 EDi =

10
 3 x 80
Mas, i = 3 e n = 80. Assim,
ED 3 = 249
10

Como vimos,

Ec,0 = 249

Portanto, ED = Ee = 249 Tanto o terceiro decil como o trigesimo

3 30

centil sao o mesmo valor: D3 = C30 = 65

b) Quinquagesimo Centi/: C50

b.l) Ordem ou posiyiio do C50:

50 x 80 -
Ecs o -
- - 40.0
100
0 qiiinquagesimo centile ig ual a mediana e ao quinto decil, uma vez que

5 x 80 2 x 80
EDs 400
. EMd Ea2 409
'10 4
= = = = =
·

b.2) A classe onde se executa o qiiinquage simo centile a quarta classe:

65f--85

b.3) Calculo da medida pela formula (47).

40 24
C50 65 + 20 77,31 Cso Ds Q2 77,31
-·

= Md =
26
= = = =

c) Septuagesimo Quinto Centi/: C1s

c. l) Ordem ou posiyiio do C ,5
I

75 x 80
Ec7S = .
600
100
=

Da mesma forma, o terceiro quartile o sexagesimo elemento:

3 x 80
Ea 609
4
=

3
=

c.2) Classe do septuagesimo quinto centil ou terceiro quartil: 851---105

ou quinta classe.

c.3) Calculo
60 - 50
C75 85 + 20 85 + 14,29 = 99,29
14
= =

I C,s = Q3 = 99,29

d) Decimo Quinto Centi/: C 1s

d.l) Ordem ou posiylio do C 15

15 X 80
Ee IS = 120
100 175
= •
 d .2 ) Localizayao de medida: terceira classe: 451--65.
d.3) Calculo.
12 - 1O
C15 =
45 + 20 =
45 + 2 ' 86 = 4 7 86
14 '

e) Vigesimo Quinto Centi/: C2s

e. l ) Ordem ou posiylio do C25

25 X 80
ECis
_ =
- 209
100
Da mesma forma,
Q l X 80
E
= =
209
I
4
Q1•
=
Concluimos, entlio, que C25

e.2) Classe onde se encontra o vigesimo quinto centil: 451----65.

e.3) Calculo do vigesimo _quinto centil.

= 20 - 10 =
C25 45 + 20 = 45 + 14,29 59,29
14

I C::is =
Q1 =
59,29

f) Nono Decil: D9

f.1) Ordem ou posiylio do D9

9 X 80
D9
_
-
=
72 9
IO
De igual modo,

90 x 80
C90 = =
729
lOO

Entao, C90 =
D9.

f.2) Classe onde se encontra o nono decil: 1051--125.

f.3) Calculo do nono decil

72 - 64 D9 C90
=
125
D9 = 105 + 20 = 125 =

Esse resultado ja era previsto, uma vez que 72 e um valor que coincide
176 com o encontrado na coluna de freqiiencias acumuladas.
Exemplo 33:

lnterpretar os seguintes resultados do problema 32.

a) C30 = 65

b) C25 = 59,29

c) D9 = 125

Soluriio:
a) C30 = 65

0 valor 65 refere-se ao consumo de energia em kwh. Como esse valor

corresponde ao trigesimo centil, podemos afirmar que trinta por cento dos
oitenta usuarios consumjram ate 65 kwh, ensiuanto que setenta por cento
consumiram mais de 65 kwh. Em termos da onlem ou posiyao que o trigesimo
centil ocupa na distribuiyao do consumo pelos usuarios, temos, conforme
foi visto: Ec30 24° . =

b) C25 = 59,29

Neste caso, podemos dizer que um quarto ou vinte e cinco por cento
dos usuarios consumiram ate 59,29 kwh. Conseqtientemente, tres quartos ou
setenta e cinco por cento dos oitenta usuarios consumiram mais de 59,29 kwh.
Notar que
_ 25 X 80 _ 80
E E
C2s - 100 - Q1 =
4

c) D9 = 125

0 nono decil corresponde ao nonagesimo centil. Assim, podemos dizer

que nove decimos ou noventa por cento dos usuarios apresentaram um
consumo de energia igual ou inferior a 125 kwh, e dez por cento um
consumo superior.

EXERCfCIOS PROPOSTOS
4.1.- A tabela abaixo representa os salarios pagos a 100 operanos da empresa
GLT &Cia.

N9 de sa/srios N<J de operllrios

mfnimos
fj
01---2
- 40
2 !---4
- 30
4t--6 10
61----8 15
8 1---1
- 0 5

100
171
 Deteminar:
Sal3rio mCdio;
Sallirio modal (Czuber);
Sallirio mediano.

4.2. Com os dados do exercicio 2.4 do Capftulo 2, determinar a media e a

mediana, o 19 e 39 quartis.

4.3. A tabela abaixo apresenta os resultados de 25 analises de uma subs­

tancia qufrnica em porcentagens. Determinar a media e a mediana
da distribui�o.

% fj

Ot--1 6 3
16 t--32 3
321--4 8 6
481--64 8
641--8 0 4
801-- 96

TOTAL 25

4.4. Seja a distribuiyao das estaturas de 100 alunos de uma classe.

Estaturas Numero de
fm) alunos

1.401-- 1,50 5
1,501-- 1,60 10
1,601--1,70 30
1,701--1,80 40
1,801-- 1,90 10
1,901-- 2,00 5

TOTAL 100

Determinar:

4.4.1. A estatura media.

°
4.4.2. A estatura modal (Czuber ).

4.4.3. A estatura mais freqilente (King).

4.4.4. A estatura mediana.

4.4.5. Os limites onde estao compreendidos 50% das estaturas (19 e

178 39 quartis ).
4.5. Os desvios tomados em rela�ao a media arbitraria X0 9 de um
=

conjunto de nfuneros sil'o: {-4; -1; 2; O; 3; -3; 5; l}. A media

aritmetica do conjunto sera:

a) 0,375 d) 15,275
b) 9,375 e) 10,275
c) 11,375

4.6. Dados os conjuntos de numeros: A { 100; 101; 102; 103; 104; 105}
=

e B {O, 1, 2, 3, 4, 5}, podemos afirmar que:

=

a) a media de A e igual a de B multiplicada por 100;

b) a media de A e igual a media de B;
c) a media de A e igual a media de B dividida por 100;
d) a media de A e igual a media de B mais a constante 100;
e) nenhuma das respostas acima.
-

4.7. Um comerciante atacadista vende determinado produto em sacas que

deveriam canter 16,50 kg. A pesagem de 40 sacas revelou os resultados
representados na tabela abaixo:

Pesos N9 de sscas

14,551-- 15,05 1
15,051--15,55 3
15,551-- 16,05 8
16,051-- 16,55 9
16,551--17,05 10
17,051--17,55 6
17,551-- 18,05 3

TOTAL 40

Pede-se:

4.7.1. A media da distribui�ao.

4.7.2. A mediana.
4.7.3. A moda (Czuber).
4.7.4. 0 septuagesimo quinto centil.
4.7.5. 0 terceiro decil.
4.7.6. A porcentagem de sacas entre a mediana e o 759 centil.

4.8. A tabela abaixo apresenta a distribui¢o das exporta�oes de empresas

eletronicas em 1972. 179
 Volume exportado N<J de
$ empresa&

50.0001--- 60.000 5
60.000 I-- 70.000 10
70.000 I-- 80.000 20
80.000 I-- 90.000 10
90.000 t-- 100.000 5

TOTAL 50

Pede-se:

4.8.1. A media. 4.8.5. 39 quartil.

4.8.2. A mo<la. 4.8.6. 59 decil.

4.8.3. A mediana. 4.8.7. 759 centil.

4.8.4. I 9 quartil.

RESPOSTAS DOS EXERCiCIOS PROPOSTOS

4.1. 3,30; 1,60; 2,67

4.2. 2,192; 2,087; 1,870; 2,371

4.3. 46,40; 49

4.4. 4.4.l. 1,705 m

4.4.2. 1,725 m

4.4.3. I ,725 m

4.4.4. 1,713 m

4.4.5. 1,633 e l,775m

4.5. b
4.6. d

4.7. 4.7.L 16,475 4.8. 4.8.1. 75.000

4.7.2. 16,494 4.8.2. 75.000

4.7.3. 16,650 4.8.3. 75.000

4.7.4. 17,000 4.8.4. 67.500

4.7.5. 16,050 4.8.5. 82.500

4.7.6. 25% 4.8.6. 75.000

4.8.7. 82.500

180
Medidas de Dispersiio

5.1. INTRODUCAO
Como se sabe, os fenomenos em cuja amilise intervem o metodo
estatistico, bem como os dados estatisticos a eles referentes, caracterizam-se
tanto pela sua semelhanya quanto pela sua variabilidade. Assim e que o
calculo de um promedio s6 se justifrca em razlio dessa variabilidade presente
na natureza. Nao ha razao alguma para se calcular a m6dia de um conjunto
de dados onde nao haja variayao desses elementos. Ocorre, todavia, que, se a
variabilidade dos dados for muito grande, sua media tera um grau de
confiabilidade tao pequeno que sera inutil calcula-la.

E importante ressaltar nessa altura que a analise completa dos dados

requer nao apenas sua apresentayao, atraves de graficos e tabelas, ou o
calculo de promedios OU outras medidas de posiyao. Caracterizar um conjunto
de valores apenas atraves de uma media, por ex'emplo, e descreve-lo inade­
quadamente, uma vez que os dados diferem entre si, em maior ou menor grau.
Assim, suponhamos que se deseja comparar a performance de dois empre­
gados, com base na seguinte produyao diaria de determinada peya:

Empregado A: 70, 71, 69, 70, 70

Empregado B: 60, 80, 70, 62, 83

De acordo com os resultados da produ\:ao diaria em cinco dias, verifi­

camos que a performance meilia do empregado A e de 70 peyas produzidas
diariamente, enquanto que a do empregadoB e de 71 peyas. Por conseguinte,
baseados riestes Unicos resultados (xA = 70 e XB = 71), rUriamos que a
performance de B e melhor do que a de A. Se nos fixarmos mais detida­
mente nos dados, entretanto, perceberemos que a produyao de A varia
apenas de 69 a 71 peyas, ao passo que a de B varia de 60 a 83 peyas, o
que revela que a performance de A e bem mais uniforme do que a de B.
Ocorre, por outro lado, que um alto grau de uniformidade ou pequena 181
 dispersao costurna ser considerado como algo de qualidade desejavel em
um processo produtivo. Qualquer produ�tro em serie seria antieconomica
se houvesse muita variabilidade nos materiais ou pe�as fabricadas.

Se determinado teste de estatfstica fosse aplicado em uma classe

dividida em dois grupos de afonos segundo um criterio qualquer, poderia
ocorrer que ambos os grupos houvessem obtido a mesma media, digamos
x = 6. Se o grupo A fosse extremamente homogeneo a ponto de todos os
alunos tirarem a mesma nota 6, ter!amos, logicamente: XA = 6. Ja no grupo
B poderiamos encontrar notas desde 0 ate 10, e a media xa = 6. Baseados
apenas na media dos grupos, ir!amos concluir que ambos revelaram o mesmo
nivel de conhecimento. Entretanto, esse valor nao nos informaria nada a
respeito da homogeneidade ou heterogeneidade de conhecimento dentro de
cada grupo. Assim e que o grupo A revelou completa homogeneidade de
conhecimento, uma vez nio houve variabilidade ou dispersao das notas,
todas iguais a 6. Ja o grupo B apresentou notas dentro de um intervalo de
0 a 10, revelando, conseqiientemente, rnaior heterogeneidade de conheci­
mentos. Para avaliar o grau de variabilidade ou dispersao dos valores de um
conjunto de numeros, lan�aremos rnio das estatfsticas denominadas medidas
de dispersao. Essas nos proporcionarao um conhecimento mais completo
do fenomeno a ser analisado, permitindo estabelecer compara�aes entre
·

fenomenos de mesma natureza e mostrando ate que ponto os valores se

distribuern acima ou abaixo da tendencia central.

Iremos tratar de dois tipos de medidas de dispersao:

I) Medidas de Dispersiio Absoluta

a) Amplitude total;
b) Amplitude serni-interquartt1ica;
c) Desvio rnedio;
d) Variincia e desvio-padrao.

II) Medidas de Dispersiio Re/ativa

a) Desvio quartil reduzido;
b) Coeficiente de varia,.S:o de Pearson;
c) Coeficiente de varia�ao de Thorndike;
d) Coeficiente do intervalo quartiL

5.2. MEDIDAS DE DISPERSAO ABSOLUTA

5.2.1. Amplitude Total ou lntervalo Total

Simbolo: At
DefinifiiO: A amplitude total de um conjunto de numeros e a diferen�a
entre os valores extremos do conjunto.
Exemplo I:
182 Calcular a amplitude total dos seguintes conjuntos de numeros:
 A= {10, 12, 13, 20, 25, 34, 45}
B= {17, 18, 19, 20, 21, 22, 23}
c= {-4, -3, -2, 3, 5}
Solu¢o:
Para o conjunto A, temos: At = 35 - 3 = 32
Para o conjunto B, temos: At = 23 - 17 = 6
Para o conjunto C, temos: At = 5 - (-4) = 9

Se os dados vierem dispostos em uma tabela de freqtiencias, com os

valores agrupados em classes, ha duas formas de se definir a amplitude t otal:

Primeiro Metodo: At = Ponto m�dio da ultima classe - ponto medio

da primeira classe.
Segundo Metodo: At = Limite superior da ultima classe - limite
inferior da primeira classe.

Exemplo 2:
Calcular a amplitude total dos valores dispostos na Tabela 5.1.

TABELA 5.1

Classes fj Xj

101-20 5 15
201-30 12 25
301-40 20 35
401-50 14 45
501-60 10 55
601-70 4 65

n = 65

Solu¢o:
Pelo primeiro metodo: At= 65 - 15 = 50.

I At= 50 I
Nesse metodo OS valores extremos sao eliminados.
Pelo segundo metodo: At = 70 - 10 = 60.
Restriflies ao Uso da Amplitude Total
Embora a amplitude total seja a mais simples das medidas de dispersao,
ha uma forte restri?o ao seu uso em virtude de sua grande instabilidade,
uma vez que ela leva em conta apenas os valores extremos da serie. Compa-
remos os conjuntos A e B do exemplo I : 183
 Mlidia Amplitude
Conjun to
x total: At

A= {10, 12, J3, 15, 20, 25, 45} XA = 20 At = 35

A
8= {17, 18, 19, 20, 21, 22, 23} xs = 20 Ats= 6

A media aritmetica de cada um <lesses conjuntos e igual a 20. Por­

tanto, no que diz respeito a uma medida de posiyao, ambos os conjuntos
podem ser considerados identicos. Ao calcularmos a amplitude total verifi­
caremos que os valores do conjunto A apresentam maior dispersao. Todavia,
no calculo da amplitude total nao sao levados em considerayao os valores da
serie que se encontram entre os extremos, o que poderia conduzir o analista
a interpretayoes equivocadas. Muitas vezes, um valor particularmente anor­
mal podera afetar de maneira acentuada a medida. 0 conjunto A, por
exemplo, apresenta o ultimo valor (45) sensivelmente distante do penultimo
(25), fato que talvez tenha provocado uma amplitude total de tal magni­
tude (35).
Alem da insensibilidade aos valores entre os extremos e pela impor­
tancia, no calculo da medida, de um possfvel valor extremo anormal, a
amplitude total e sensivel ao tamanho de amostra. Ao aumentar essa ultima,
a. amplitude total tende a aumentar, ainda que nao proporcionalmente.
Finalmente, a amplitude total apresenta muita variayao de uma amostra
para outra, mesmo que ambas sejam extraidas da mesma populayao.

Apesar dos inconvenientes dessa medida, os quais nao justificam, na

maioria das vezes, seu uso, ha situayoes especiais em que ela resulta satisfa­
t6ria. E o caso, por exemplo, da amplitude da temperatura em um dia ou
no ano. Outra situayao seria aquela em que os dados sao raros ou demasiada­
mente esparsos para justificar o emprego de uma medida mais precisa.

E importante acrescentar que, ao descrever uma serie por uma medida

de posiyaO (media, por exemplo) e de dispersao, Se essa ultima for a ampli­
tude total, e recomendavel que se indiquem os valores extremos da serie.

5.2.2. Desvio Quartil ou Amplitude Semi-interquartnica

Sfmbolo: Dq

0 desvio quartil e uma medida de dispersao baseada nos quartis e

calculada como a media aritmetica das diferenyas entre a mediana e os dois
quartis, sendo, todavia, determinado mais facilmente como segue:

Dq = Q3 ; Qi (1)
onde

184
Q3 = terceiro quartil e Qi = primeiro quartil
Exemplo 3:
Calcular a amplitude semi-interquarttlica dos dados apresentados na
Tabela 5.2.
TABELA 5.2

Classes fj Fj

101-- 20 4 4
201--30 12 16
301--40 15 31
401--50 20 51
501--60 15 66
601-- 70 11 77
701-- BO 3 BO

BO

3 x 80
= = 60<?
4

In 1 x 80
EQ, = = = 20<?
4 4
De acordo com a expresslio (1), devemos ter:

60 - 51
Q3 = 50 + 10 = 56
15

Ql = 30 + 10
20 - 16
= 32 '67
15

56 - 32,67 23,33
= = 11,665
2 2

I Dq :== 11,665 I
Uma caracteristica do desvio quartil e o fato de que no intervalo
definido pelos limites (Md - Dq ) e (/tfd + Dq) encontram-se cinqilenta
por cento dos itens, aproximadamente. Essa porcentagem sera exata sempre
quc a distribui�lio for simetrica. No exemplo acirna, temos:

Q3 = 56 Dq = 11,665

31
Qi = 32,67 Md= 40 + 10 40 - = 44,5
20

Calculando os limites do intervalo:

Md - D q = 44,5 - 11,665 = 32,835

Md+ D q = 44,5 + 11,665 = 56,165 185

 Esses valores sao bem pr6ximos daqueles correspondentes aos quartis
primeiro e terceiro, uma vez que a distribuiyao e fracamente assimetrica.
Consideremos, agora, a distribuiyao de freqiiencias simetricas expressa na
Tabela 5.3.
TABELA 5.3

Classes fj Fj

101--20 5 5
201--30 10 15
01 > 301--40 15 30
Md==> 401--50 20 50
03 ==> 501--60 15 65
601--70 10 75
701--80 5 80

80

80
EQ - �
. -4
= 4 = 200.

EMd =
:
2 X 80
2
= 409
=
4
3n 3 X 80
EQ3 = 4 =
4
= 609
De acordo com esses dados, calcularemos:
20 - 15
Q 1 = 30 + 10 = 33 '33
15
40 - 30
Q2 = Md = 40 + IO -w-- = 45

60 - 50
Q3 = 50 + IO = 56,67
15
56 67
; 33 33

{
Dq = , , = l l ,67
Md - Dq = 45 - 11,67 = 33,33 = Q1
Md+ Dq = 45 + 11,67 = 56,67 = Q3
Como a distribuiyao e simetrica, OS limites do intervalo Md ± Dq
coincidem com os quartis primeiro e terceiro, o que equivale a dizer que
esse intervalo compreende cinquenta por cento das observay6es (40 obser­
vay6es) .

ObservQfoes:
1. 0 desvio quartil apresenta como vantagem o fato de ser uma medida
facil de calcular e de interpretar. Alem do mais, nllo e afetado pelos
186 valores extremos, grandes ou pequenos, sendo recomendado, por conse-
 guinte, quando entre os dados figurem valores extremos que nao se
consideram representativos.

2. 0 desvio quartil devera ser usado preferencialmente quando ·a medida de

tendencia central for a mediana.

3. Trata-se de uma medida insensfvel a distribuiyao dos itens menores que

Qi, entre Qi e Q3, e maiores que Q3•

5.2.3. Oesvio M6dio

Sfmbolo: Dm
0 desvio medio OU media dos desvios e igua) a media aritmetica dos
valores absolutos dos desvios tomados em relayao a uma das seguintes
medidas de tendencia central: media ou mediana.

a) Desvio Medio para Dados Brutos

Quanda os valores nao vierem dispostos em uma tabela de freqiiencias,
o desvio medio sera calculado, de acordo com a definiyao, atraves do emprego
de uma das seguintes f6rmulas:
n

L Ix; - xi
i=i
Dm= (2 )
n
----­

onde d;= (x; - x)= desvio em relayao a media aritmetica.

n

L Ix; -Mdl
i=i
Dm= (3)
n
-----­

onde d;= x; - Md= desvio em relayao a mediana.

As barras verticais indicam que silo tomados os valores absolutos,

prescindindo do sinal dos desvios. Pode um dos n desvios ser tornado como
se fosse positivo.

Exemplo 4:
Calcular o desvio medio dos con1untos de nfuneros apresentados no
exemplo 1:
A= {10, 12, 13, 20, 25, 34, 45}
B = {17, 18, 19, 20, 21, 22, 23}
c = {-4, -3, -2, 3, 5}
Os dados necessarios para 0 calculo do desvio medio silo:
10 + 12 + 13 + 20 + 25 + 34 + 45 15 9
XA = =1
=
22,714
7
MdA = 20
17 + 18 + 19 + 20 + 21 + 22 + 23 = 140
XB = =
20
7 7
MdB = 20 187
 4 - 2 5 -1
Xc=(- )+( 3)+(- )+3+ = =-0,2
5 5
Mdc=-2
Desvio Media do Conjunto A

TABELA 5.5

Xj Xj-X x
l i-xl Xj-Md lxi-Mdl

10 10-22,714= -12,714 12,714 10 -20= -10 10

12 12-22,714= -10,714 10,714 12-20=-8 8
13 13 -22,714 =-9,714 9,714 13-20=-7 7
20 20-22,714= -2,714 2,714 20-20=0 0
25 25-22,714= 2,286 2,286 25-20=5 5
34 34- 22,714 = 11,286 11,286 34-20=14 14
45 45-22,714= 22,286 22,286 45-20= 25 25

Llxi - xl = o Lx
l i-x=
l 11.714 l i-Mdl=69
Lx

x= 22,714
Md= 20

Usando as formulas (2 e ( , chegaremos a:

) 3)
Pela Media
7

L Ix;- 22,7141

Dm =
i=l �
71 14
=10,245 Dm = 10,245
-----
7
Pela Mediana
7

L: 1x;- 201
9
Dm =_i=_i 6 =9 '857 Dm = 9,857
7 7
_____

Desvio Media do Conjunto B

TABELA 5.6

Xj Xj-X l i-xl
x x;-Md lxj-Mdl

17 17 -20=-3 3 17-20= -3 3
18 18-20=-2 2 18-20=-2 2
19 19 -20=-1 1 19 -20=-1 1
20 20-20= 0 0 20-20= 0 0
21 21 -20= 1 1 21-20= 1 1
22 22 -20= 2 2 22-20= 2 2
23 23-20 = 3 3 23-20= 3 3

L(Xj-X)= 0 Llxi-xl= 12 Llx;-Mdl= 12

�
188 �
 Neste caso, o desvio medio e igual, tanto quando calculado a partir
da media como da mediana, uma vez que x =Md= 20.
Pela Media
7

I Ix; - 201
i=l 12
Dm = 1,714
Dm = -= 1,714
7 7
Pela Mediana
7

I Ix; - 201
i=l 12
Dm = -= 1,714
7 7
Desvio Medio do Conjunto C
TABELA 5.7

Xj x;-x lx;-xl x;-Md lx;-Mdl

-4 (-4) -(-0,2)= -3,8 3,8 -4-(-2)=-2 2
-3 (-3) -(-0,2)=-2,8 2,8 -3-(-2)=-1 1
-2 (-2) -(-02, )=-18, 1,8 -2 :-(-2)=0 0
3 3 -(-02 , )= 32, 3,2 3-(-2)=5 5
5 5 -(-0,2)= 5,2 5,2 5-(-2)=7 7

�lx;-xl=16,8 �lx;-Mdl=15

x= -0,2
Md=-2

Como ocorreu para o primeiro conjunto, o desvio medio neste caso

e menor quando tornado em relayliO a mediana do que em relayliO a
media.
Pela Media
�Ix; - (-0,2)1 16 8
Dm
S :::: 3,36
Dm 3,360
= =
5 =

Pela Mediana
·� Ix; - (-2)1 15
Dm = = =
3 Dm
3
5 s =

b) Desvio Medio para Dados Tabulados

Se os valores vierem dispostos em uma tabela de frequencias, agrupados
ou na:o em classes, sera:o usadas as seguintes f6rmulas:

Cdlculo pela Media

k•
L lx1 - xl fj
j=t
(4)
n

onde x1 representa um valor individual ou um ponto medio da classe.

189
 Cdlculo pela Mediana
k
I lxj - Mdlfj
= j=l
Dm (5)
n
Exemplo5:
Calcular o desvio medio dos valores representativos do consumo de
energia eletrica (em kwh) de 80 usuarios (exemplo 7 do Capftulo 4).
TABELA 6.B
I(= 79,5 Md= 77.31

NUmero de

I
Consumo Usu,rios x; "i'i Xj-X lx;-xlf; Xj-Md lx;-Mdlf; F;
f;

5f-25 4 15 60 -64.5 64.6 x 4 =258 -62.31 62.31 x 4 =249.24 4

I
25f-45 6 35 210 -44.5 44.5 x 6 = 267 -42.31 42.31 x 6 =253.86 10

1:
45f-65 14 55 770 -24.5 24.5 x 14= 343 -·22.31 22.31 x 14= 312.34

65f-85 26 75 1 960 -4.5 4.5X26=117 -2.31 2.31 x 26 =60.06

85f-105 14 95 1 330
I 15.5 15,5 x 14=217 17,69 17,69 x 14= 247,66

105f-125 8 115 920

I 35,5 35,5 x 8 = 284 37,69 37,69 x 8=301,52 72

125f-145 6 135 810 55.6 55,5 x 6 =333 57,69 57,69 x 6=346,14 78

145f-165 2 155 310 75,5 75.5X2=151 77,69 77,69 x 2=155.38 80

I 80 "i:x;f;= 6 380 "i:lx1-xlf1= 1 970 °i:lx1-Mdlf;= 1 926,2

A media aritmetica fo1 calculada no exemplo 7 (x 79,5), e a

=

mediana no exemplo 29 (Md 77 ,31) do capftulo precedente. Teremos,

=

entao:
Cdlculo pela Media
8

I lxi - 79,5 lfj

_,_i_=_ l ----- = 1 970 =
24'625
80 80
Ctilculo pela Mediana
8

I IXj - 77,31 lfj

.._i_= l _____ l 926,2
24,078
= =

80 80
Temos novamente neste exemplo o desvio medio, calculado com base
na mediana, menor que o calculado com base na media aritnietica.
Observ(lfoes:
1. 0 desvio medio resulta mais vantajoso que as medidas de dispersao
precedentes, principalmente pelo fato de, em seu calculo, levar em consi­
derayao todos os valores da distribuiyao.
2. 0 desvio medio, calculado levando-se em considerayao os desvios em
torno da mediana, e minimo, OU seja, e menor do que qualquer desvio
medio calculado com base em qualquer outra medida de tendencia central.

3. Apesar de o desvio medio expressar aceitavelmente a dispersao de uma

190 amostra, nao e tao frequentemente empregado como o desvio-padrao, o
 qual sera descrito mais adiante, pois este se adapta melhor a uma ampla
gama de aplica�0es. Alem disso, 0 desvio medio despreza 0 fato de
alguns desvios serem negativos e outros positivos, pois essa medida os
trata como se fossem todos positivos. Todavia sera preferido o uso do
desvio medio em lugar do desvio-padrio, quando esse for indevidamente
influenciado pelos desvios extremos.

5.2.4. Desvio-padrio

Simbolo: S
0 desvio-padrio e a medida de dispersio mais usada, tendo em
comum com o desvio medio o fato de em ambos serem considerados os
desvios com rela�ao a x. S6 que, no calculo do desvio-padrio, em lugar de
serem usados os valores absolutos das discrepancias ou desvios calculam-se
os quadrados desses.

No capitulo anterior vimos que a media quadratica de um conjunto

de nfuneros (item 2.4) e a raiz quadrada da media aritmetica dos quadrados
dos valores desse conjunto. Pois bem, o desvio-padrao nao e seniio uma
media quadratica dos desvios em rela�o a media aritmetica de um conjunto
de nfuneros, ou seja, e a raiz quadrada da media aritmetica dos quadrados
dos desvios, estes tomados a partir da media aritmetica.

a) Desvio-padr(fo de Dados Brutos

Seja o seguinte conjunto de nfuneros: X= {x1, X , , Xn}. 0 desvio­
2
• • •

-padrio OU a media quadratica dos desvios OU afastamentos em rela�ii'O a

media aritmetica desse conjunto Sera definido por:

M
(x; - x)2
S= = (6)
n n
onde d; = (x; - x).
Se desenvolvermos o numerador da expressao sob o radical, chegaremos
a f6rmula desenvolvida do desvio-padrao:
I:(x; - x)2 = I:(xJ + x2 - 2x;x) = I:xf + I:x2 - 2I:x; x =
I:xJ nx2 - 2xI:x; =
( )
= +

I:x; 2 2(I:x;) (I:x;) _

= I:x2
1 + n -- -
n
·

n
n(I:x;)2 2 (I:x;)2 (I:x;)2
= I:x2
1 + = I:x;2 -
n 2 n n
Dessa forma, podemos escrever:

S= _!_ [ I:x?
1 -
(I:x;)2 ] (7)
n n 191
 Observafao:
Quando o desvio-padrao representar uma descriyao da amostra e nao
da popula�o, caso mais freqiiente em estatistica, o denominador das
expressoes 6 e 7 seni igual an -1, em vez den. A razao desse procedimento
reside no fato de que, utilizando o divisor (n - 1), obtem-se uma estimativa
melhor do parametro de populayao. Alem do mais, apenas (n -1) das
discrepancias (x ; x)
- do independentes, uma vez que essas (n - 1) dis­
crepancias determinam automaticamente a n-6sima. Para valores grandes
de n(n > 30) nao M grande diferenya entre os resultados proporcionados
pela utiliza�o de qualquer dos dois divisores, n ou n - 1. Entretanto,
daremos preferencia para a formula que proporciona uma estimativa mais
justa do desvio-padrao da popula�o, ou seja

S= =

n
1
= L. xt (8)
i=l

Exemplo 6:
Calcular o desvio-padrao de cada um dos conjuntos de numeros do
exemplo 1.

Desvio-padriio do conjunto A = {IO, 12, 13, 20, 25, 34, 45}.

TABELA 5.9

F6rmula Original F6rmula Desenvolvida

2 . 2 2
Xi Xi-X di = lxi-xl xi

10 - 12,714 161,646 100

12 -10,714 114,790 144
13 - 9,714 94,362 169
20 - 2,714 7,366 400
25 2,286 5,226 625
34 11,286 127,374 1 156
45 22,286 496,666 2 025
2 2
�xi= 159 �lxi-xl = 1 007.430 �xi = 4 619

Resolvendo pela f6rmula original, devemos ter:

s = f___!_
.J;, -1 f
?-
d�
1
=

.Jti -
f
/_J_1 L.. (x; - x)2
1=1 ;�1

192 onde n = 7 e x = 22,714.

 s
R i=l± (Xi 1
- 22,714)2 = A x 1.007,430 =

..; 167,905 = 12,958 SA = 12,958

UI ilizando a f6rmula desenvolvida:

S= !.� [ };xf �] -

s = J� [ - �] j} [ 4.619 = 4.619 _
; ]
25 81
=

= )! j �
(4.619 - 3.611,571) =
l.00 ·429
=

= ..; 167,905 = 12,958 I SA = 12,958

Como pode ser observado, as duas expressi5es para o calculo do

desvio-padrlio slio equivalentes.

Desvio-padrao do conjunto B = {17, 18, 19, 20, 21, 22, 23}.

Teremos, neste caso,
x = 20
n = 7
Pela Formula Original
Sa= /_J_ �(x; -XJ2 ..jL..!.
.Jn-I ? -1
._
= �(x; - 20)2 =

t [01-20)2 + (18-20)2 + (19 -20)2 + (20-20)2 + (21-20)2 + (22-20)2 + (23 -20)2 ] =

= Jt [ 9 + 4 + I+ 0 +I + 4 + 9 ] = j'i[ = .j 4,667 = 2,160 Sa= 2,160

Pela Formula Desenvolvida

Temos:
S =
Jn 1 --[
/�1 };x-� _- (};-xi)-2
n I
]
};xi = 172 + 182 + 192 + 202 + 212 + 222 + 232 ,=

= 289 + 324 + 361 + 400 + 441 + 484 + 529 = 2.828

(};xi)2 -_ (17 + 18 + 19 + 20 + 21 + 22 + 23)2
7 7
=

=
�
(1 )2
=
;
19 00
= 2.800
193
 j} [2.828 - 2.800]
s= = .v/28
6 = v4,667 = 2,160
I 2,160 I
s8 =

Desvio-padrllo do conjunto C = {-4, -3, -2, 3, 5}.

A m6dia do conjunto e x= -0,2 e n = 5
Pela Formula Original
S=
1
s=T 2
1-4-(-0,2)12 +1-3-(-0,2))2 +1-2-(-0,2)1 +13-(-0,2)1 +15-(-0,2))
2 2
2 2 2
+ (-l,8)2 + (-2,8)2 + (-1,8) + (3,2) + (5,2) =

= j-} (14,44 + 7,84 + 3,24 + 10,24 + 27,04) = jt x 62,8 = ..fTS,'i = 3,962 Sc = 3,962

Pela Formula Desenvolvida

Os dados do problema sllo:
n= 5
T.xf = (-4)2 + (-'3)2 + (-2)2 + 32 + 52 =
= 16 + 9 + 4 + 9 + 25 63 ==

(T.x;)2 ((-4) + (-3) + (-2) + 3 + 5]2 (-1)2

=
=
= 0'2

}. - 1 [T.x� - (T.x;)2 ] Js �
n 5 5

S= _J_
n ' n
= l ( 63 - 0,2] =

= v/62,8' lJ,t = 3 '962

� = -�'157 Sc= 3,962
Observa�oes:
1. Notar que 0 desvio-padrao e maior do que 0 desvio medio para OS tres
conjuntos, conforme pode ser visto confrontando-se os resultados ora
conseguidos com os do exemplo 4.
TABELA5.10.

Conjunto Desvio-padrao Dnvio m«Jio

A 12,958 10,245 SA> DmA
8 2,160 1,714 Ss > Dms
c 3,962 3,360 sc > Dmc

2. Se calcularmos o desvio-padrao utilizando as f6rmulas (6) e (7), ou

seja, adotando o divisor n, e possivel chegar aos mesmos resultados
que os conseguidos atraves das f6rmulas (8), mediante o emprego do
194 fator
 Ji5
Esse fator e conhecido como fator de corre�ao de Bessel. Assim,
(9)

·�
·

S=
j l;(x; -
·
x )2
X
n
-- =

-
n n - 1

=
�1:(x;
�(n
x)2
-1) =
j l;(xi -
n
No exemplo anterior, retomamos o calculo do desvio-padrao do
- 1
x )2

conjunto B, utilizando o divisor n =. 7. Devemos ter, de acordo com a

j1 0077•430 = - ' 143 919 = 11 997

f6rmula (6):
s
=
j l;(x; - x)2
= v ' '
n
Aplicando a corr�ao de Bessel:

�= c:c:= . tr=1080
.j n::i ..;� ./6 '
Ss = 1,080 X 11,997 :::: 12,958 Ss = 12,958
b) Desvio-padriio de Dados Tabulados
Quando os valores vierem dispostos em uma tabela de freqiiencias, o
calculo do desvio-padrao se fara atraves de uma das seguintes f6rmulas:
k k
L djf; L (x1 - x)2f;
/=1 �1_=
· _1
S= n
= _____

n
(10)
ou, pela f6rmula desenvolvida,

( f y,f,\ 2 )
S= _!__
n
k
""' Xj f,.
�
/=1
I
2
- � n
(11)
onde
d1 = x1 - x = desvio em tomo da media;

Xj = valor isolado da variavel, OU ponto medio da classe, se OS

valores vierem agrupados em classe.

ao divisor n
bulados.
-
Pelos mesmos motivos expostos anteriormente, sera dada preferencia
l, em vez de n, no caJ.culo do desvio-padrao para dados ta­

(Xj - X)2f;
S= n -1 (12) 195
 OU

S=

I =1
utilizando a formula desenvolvida.
[± x/lj
n

Essa ultima e facilmente deduzida a partir da (12). Tomemos apenas

(13)

a expressao do numerador de (12): ·

k
I (xi - x)2f;
j=l

n
Assim,

S=

Exemplo 7:
Com os dados do exemplo 5, calcular o desvio-padrao da distribui9ao
de freqiiencias do consumo de energia eletrica (kwh):

TABELA 5.11

Numero de 79,5
Consumo U1ulrios "i "i1i (Xj-X) (Xj-xJ2 '"i - x:J21i xf 1i
'1

S f--- 25 4 16 60 -64,6 4 160,26 16 641,0 900

25 f--- 45 6 36 210 -44,6 1 980,26 11881,6 7 360
46f--- 65 14 55 770 -24,5 600,25 8 403,5 42 350
65 f--- 85 26 75 1 950 -4,5 20,25 526,5 146 250
85f---105 14 96 1 330 15,5 240,26 3 363,5 126 360
105f---125 8 116 920 35,5 1 260,25 10 082,0 105 800
1251---145 6 135 810 55,5 3 080,25 18 481,5 1o9360
1451--- 165 2 155 310 75,5 5 700,25 11 400,6 48 050

°'£fj= 80 °'£xj'J=6 360 °'£(Xj- X)2j

f = 80 780 "£xj 'i = 586 400

196
 A media aritmetica do consumo ja foi calculada· anteriormente:
x "'£x;fj 6.360
= = =
79 '5
n 80
Cdlculo do Desvio-padrtio pela Formula Original (12)

(x; - 79 5
, )2/j
S
-1
=

n 80 -1
=
j 80 7 80 =. 1
v 1022 532
'
=
31977 s 31,977
79
=
'

0 desvio-padrao do consumo de energia eletrica e 31,977 kwh. Recorde­

-se qu� o desvio medio, calculado no exemplo 5, resultou em Dm =

[
24 6, 25 kwh.
Pela f6rmula (13)

k
(I )k
xIJ
;
2
l_ ' � ;=1
s2 xf,
_ _
=

-1
=

n L... I i n
j=l

40 449 600]
=
6_
../79
[586 400 -
80
=

= /80780
..; �
=
-
v'1022
. '532 =
31'977 s =
31,977
c) Propriedades do Desvio-padrtio
I -Primeira Propriedade
Somando ou ( subtraindo) um valor constante e arbitrario, x0, a cada
elemento de um conjunto de numeros, o desvio-padrao nao se altera.

Essa propriedade e valida tanto para dados brutos como para dados
tabulados. Verificaremos essa propriedade para dados brutos por uma
questao de simplicidade, mas sem perda da generalidade.

Fa�amos x0 igual a constante arbitr<iria e consideremos a f6rmula 8( )

do desvio-padrao:

= jr-'"'i:,(x
- ;
- -
- x
-)
--2-
S
n -I
Suponhamos que a cada valor x;
da variavel fosse somada a constante
arbitraria x0• De acordo com a quarta propriedade da media, pode-se 197
 afirmar que, ao somar o
X a todos OS valores Xi de um conjunto de m'.imeros,
a media aritme.tica, x, ficara somada por essa constante. Assim, a expressao
acima ficara:

S
;,,. j�[(x; +x0) -(.X +Xo)]2
n-1
Tirando-se os parenteses,

S =
j,...1:.- [-x,-·
-
+ -
� o- -
- x
- -
-,
--
o-
)-2
=
j�(x; -x)2
n-1 n-1
que e a formula primitiva (8).

Se houvessemos subtraido a constante x0, o resultado seria o mesmo:

S= ji:(x; -x)2
n-1
=
jE[(x; -x0) (x -x0)]2
n-1
-

=
·

=
jl:[x; -io -� +lol2
n-1
=
jl:(x; -x)2
n-1
Exemplo 8:
Comprovar a primeira propriedade do desvio-padrao, utilizando os
seguintes dados:
x ={17, 18, 19, 20, 21, 22, 23}
Xo=19
Devemos ter:
- l:x; 17+18+19 +20+21+22+23 140
x = = = =20
-n 7 7

�-
_ jl:(x; 20)2
-

-
_ j
9+4+1+0+1+4+9 _

n-1 6
-

6 =2,'160
=.J(28 I Sx =2,160 I
Subtrairemos, agora, a constante
e teremos o novo conjunto:
x0 =19 de cada valor do conjunto

y ={(17-19), ( 18-19), (19-19), (20-19), (21 - 19),

(22-19), (23-19)}
y ={-2, -1, 0, 1, 2, 3, 4} ==> y =-1 =
l:y·
n
.

-2-1+0+1+2+3+4 7
= = =1
7 1

198
s·Y = j (y;-y)
n -1
2
=
 2 2
(-2 -1) + (-1 -1)2 + (0 -1) + (2 -1) + (3 -1)2 + (4 -1)2
7-1
2 =
= j9 +4+ 1 +1 +4+9
6
= ../fi8
6 = 2' 160 Sy= 2,160

Por conseguinte,

I Sx=Sy I
onde
Yi =Xi - x0 =Xi -
19
0 leitor podera resolver o mesmo exercicio utilizando as f6rmulas
desenvolvidas

Sx=!.� [T,xl-�]
Sy = j. � [T-y{ -(T-�i)2] 1

Exemplo 9:
Considerando os mesmos dados do exemplo 8, adicionando a constante
x0
arbitrana =2 a cada elemento do conjunto, comprovar a primeira pro­
priedade do desvio-padrio. Utilizar af6rmula desenvolvida(8).

Temos:
x = {17, 18, 19, 20, 21, 22, 23}

X0 = 2 = e n 7
Daf, tiramos

ja que
y = {19, 20, 21, 22, 23, 24, 25}

Yi =Xf x0 =Xi
Assim sendo,
+ + 2

Sx= ['T,x�-(T-xi)2] = J� [
_1 _
n-1 1 n 7 - 1
.
2 828
.

·
- (140)2
7
]=
= }! [ � ] = }! [
2 828 -
19 00
2 828 - 2 800 ]

= Jfi8 = 6 = Sx=
../4,667 2,160 � 2,160

s
- ['T,y�-('T-Y1)2] =J�· [
y =Jn0_ 1 I n 7 - 1
3 416 - (
154)2
7
]=
199
 = )! [3 416 - 23;16 ] )! [ 3 416 - 3 388] = =

= JI[- y 4,667 2,160

= 2,160
= � Sy =

TABELA 5.12
2 2
Xj Xj Yi =x; + 2 Y;
17 289 19 361
18 324 20 400
19 361 21 441
20 400 22 484
21
22
23
441
484
529
23
24
25
I
I
529
576
625
"I:.2 2
"I:.x;= 140 x; =2 828 "I:.y;=154 LY; =3 416
('I:.x;)2 =19 600 (.l:y;)2 = 23.716

Dessa forma, podemos dizer que os conjuntos abaixo possuem o

mesmo desvio-padrao S = 2,160.
x = {17, 18, 19, 20, 21, 22, 23}
Y = {19,
20, 21, 22, 23, 24, 25} onde Yi =Xi + 2
Z = {l,
2, 3, 4, 5, 6, 7} onde Zi =Xi 16 -

W = {- 2, - 1, 0, 1, 2, 3, 4} onde Wi =Xi - 19
P = {l 001, 1 002, 1 003, 1 004, 1 005, 1 006, 1 007} onde
Pi =Xi + 984
S = {l 017, 1 018, 1 019, 1 020, 1 021, 1 022, 1 023} onde
Si =Xi + 1 000

Exemplo 10:
Com os dados do exemplo 7, comprovar, por subtra9ao, a primeira
propriedade do desvio-padrao, fazendo x 0 = 75.

TABELA 5.13

NfJmerode
Conwmo Usulrios
"i "i 'i ]
x t; Yj "ljfj ]
y fj
'
i

5 I--- 25 4 15 60 900 15-75= -60 -240 14 400

251--- 45 6 36 210 7 360 36-75 =-40 -240 9 600
451--- 66 14 65 770 42 360 56-75=-20 -280 5 600
651--- 85 26 75 1 960 146 260 75-75 = 0 0 0
851---106 14 95 1 330 126 360 95-75= 20 280 5 600
1051---125 8 115 920 105 800 115 - 75= 40 320 12 800
1251---145 6 135' 810 109 360 135-75= 60 360 21 600
1451---166 2 155 310 48 060 165-75= 80 160 12800

l:fi= sci l:xjfj = 6 360 l:x} 'i = 586 400 l:yjfj= 360 J
l:y
'i = 82 400

200
 No exemplo 7, ja foi calculado o desvio-padrao de X. Assim, pela
formula (13):

s= _l_ �x?f'.
n -1 I Jj
[ . (�x;fi)2] =jj_(586 - 505
_

n 79
400 620)=

= �=31,977 Sx=31,977

0 desvio-padrao de y sera dado por

� [82 400 - (3.8600)2 ]=

?[,. - ( Y;/j)2 = / 1_
S = _l - �Y11 [ ]
y'80 - l
__

n-1 n

=
. j_ (82 400 1 40) =
ji79 [82 400 - 12980600 J = J 6 -
· 79

= � =31,977 Sy=31,977' I

on de
Yi=x; - 7 5
II - Segunda Propriedade
Multiplicando (ou dividindo) por um valor constante e arbitrario, c,
cada elemento de um conjunto de m'.uneros, o desvio-padrao flea multi­
plicado (ou dividido) pela constante.

Da mesma forma que a primeira propriedade, a segunda e valida tanto

para o calculo com dados brutos como com dados tabulados, agrupados ou
nao em classes.
Assim, consideremos os seguintes conjuntos de m'.uneros:
x={X1, Xz, X3, . • . , Xn}
Y = {yi, Yz , y3, · · · , Y n}
onde
Xi
Yi =c
0 desvio-padrlro de X sera dado pela formula original 8.
-
sx-
j�(x; - x)2
n-1
e o deYporl
- j}:;(yj - y)2
Sy -
n- 1
De acordo com a quinta propriedade da media, se multiplicarmos
(ou dividirmos) todos os elementos de um conjunto de numeros por uma
constante arbitraria, a media do conjunto ficara multiplicada (ou dividida)
por essa constante. Assim sendo 201
 Xi -= x
y

Yi=7
.
c-
Podemos escrever, entlo,

"T,(yi - Y'f -
Sy - j n - 1
- Xi
T- (c
x 2
- c)
�l2 l
T- [--C(Xi-x)
=
n-1 n-1
-

=
n- 1

��
� � quando (14)

Da mesma forma, podedamos mostrar que, se Y = cX, segue-se que

I Sy= cSx I (15)

sy-
- j"T.(yi - y)2 =JT,(cxin-1- cx)2= T, [c(Xi - x)l2
=
n-1 n-1
-----

T.c2(Xi - x)2 c2T-(Xi - x)2

=) n-1 =j =
n-1

=c
jT-(xi - x)2 = cS x Sy= cSx
n -1
Exemplo 11:
Dados os conjuntos de nfuneros
X= {l, 2, 3, 4, 5} e
y = {10, 20, 30, 40, 50},
comprovar a segunda propriedade do desvio-padrao.

X= {l, 2, 3, 4, 5} -
Temos, neste caso,

Yi� CXi lOxi

Y = {10, 20, 30, 40, SO}
�

c = 10
=

De acordo com a segunda propriedade do desvio-padrlo, devemos ter:

Yi= cx1 => Sy = cSx = lOSx

Pela f6rmula original (8),

Sx =
jT-(Xi-x)2 . - "T.Xi 1 + 2 + 3 + 4 + 5 �
onde x= = = =3
202 n - l n - 5 5
 J;(y; - y)2
Sy = j n
_ 1
onde
- = J;y;
y n- = -

=
10 + 20 + 30 + 40 + 50
=
150
= 30
5 5
Entio,

J;(x; - 3)2
Sx j 5-1 .
-
_
-
_

- 3)2 - 3)2 3 - 3)2 +

(4 - 3)2 +
(5 - 3)2 =

- j- (2 (l + +(
4
- j4 1 0 1
- + + + + 4 =
.J(10 .,,) = 1 '581
4 = v'25.
4
e

Sy =
jI:(y; = - 30)2
5-1 .

=
(10 - 30)2 + (20 - 30)2 + (30 - 30)2 + (40 - 30)2 + (50- 30)2 =

400 + 100 + � + 100 + 400 = JI¥- = ./250 = 15,81

=
J
Assim,
Sy = c •
Sx
.J. .J. .J.
15,81 = 10 x 1,581
Utilizando agora a f6rmula desenvolvida, conforme dados da Tabela
auxiliar 5.14,
TABELA 5.14

x; JC;
2 Yi Y;2
1 1 10 100
2 4 20 400
3 9 30 900
4 16 40 1 600
5 25 50 2.500
I:x; = 15 I:x;2 = 55 I:y; = 150 I:y;2 = 5 500
(I:x;l2 = 225 (I:Y;l2 = 22 500

Sx = /_J_
../ n - 1
[ J;x? -
I
(J;x;)2
n
] ../56_1 [55 - 2255 ]
=
-
=

= )! (55 - 45) � = = ....rr:s = 1,581

203
 Sy =
Jn 6_
- 1 [� x�
.I
_
(�Y;)
n
2
J = ./ii [
J4 s 500 _
22 500
5
] =

=
js.soo -4 4 soo = ..j{lOoO
- - =
� v so
. rycn
... = 15,81
4
Exemplo 12:

Consideremos os dados do exemplo 10 e fayamos Yi = -f .

x·

Neste caso, c = 5.
TABELA 5.15

Numero de
Consumo 2
Energia
Usuarios
'i
Xj Yj =
� Yjfj Yj fj

51-- 25 4 15 15/5=3 12 36
251-- 45 6 35 35/5=7 42 294
451-- 65 14 55 55/5=11 154 1 694
651-- 85 26 75 75/5= 15 390 5 850
85 I---- 105 14 95 95/5=19 266 5 054 .
105 I---- 125 8 115 115/5=23 184 4 232
125 I---- 145 6 135 135/5=27 162 4 374
1451-- 165 2 155 155/5=31 62 1 922

.'i:Jj=80 �Yjfj=1 272 � Vj2fj=23.456

Do exemplo 1 0, tiramos
Sx = 3 1,977
0 desvio-padrao de Y = ; devera ser igual a 6,3954, ou seja,

31,977
Sy = = 6'3954
5
Aplicando a formula desenvolvida,

Sy =
1
n-=1
[�""'YjJj2,. - (�Yjfj)2 ]-
n
-

=
7 9
[
_1 23 456 - (1 7
2 2)2
80 J =

6__ [
23 456 -
1 617 984 ] =
../ 7 9 80

)* (23 456 - 20 224,8) � = =

204
= .J 40,90126 = 6,3954
 Sx = 31,977 } Y= ...K_
5
Sx
e c=5

Sx
Sy= 6,3954 � S y= 7= -

5
-

III - Terceira Propriedade

0 desvio-padrao e maior que 0 desvio medio.
Essa propriedade pode ser comprovada numericamente, atraves dos
resultados dos exemplos 4 e 6 para dados brutos e 5 e 7 para dados
tabulados.
No exemplo 4, foram apresentados os seguintes conjuntos:

A = {10, 12, 13, 20, 25, 34, 45};

B = {17, 18, 19, 20, 21, 22, 23}; e

c = {-4; -3; -2; 3; 5},

cujos desvios medios e desvios-padrao sao (Veja Tabela 5.10):
SA = 12,950 DmA = 10,249

S8 = 2,160 Dm8 = 1,714

Sc= 3,962 Dmc = 3,360

Os resultados dos exemplos 5 e 7 fornecem-nos:

S = 31,977 kwh e Dm = 24,625 kwh.

d) Processo Breve para o Ca/culo do Desvio-{Xldriio

0 desvio-padrao pode ser calculado com o recurso de formulas simpli­
ficadoras, as quais tornam mais rapida a solu¢o dessa medida. Tais formulas
derivam diretamente das duas primeiras propriedades do desvio-padrao.
A variavel a ser utilizada e chamada, como vimos no caso da media (Cap. 4,
4.2.1, item d), de variavel reduzida:
Xi - Xo
d = j ---

c
para dados brutos

Xj - Xo
d = �- --
j c
para dados tabulados

Utilizando essas variaveis em lugar das originais, podemos obter o

desvio-padrao dessas ultimas atraves das seguintes formulas:

Para dados brutos:

n
I <di - d')2
i=l
Sx= -- (16)
n --1- =
c c
- n

.i .i
formula original formula desenvolvida 205
 [
Para dados tabulados:

(± )
2
djlj
k
_1_ ' :21,. _,_,_
,=
· _1_:._
n-l L... dJJ
Sy= c (17)
n
/= 1
.j,
formula original formula desenvolvida
Faremos a prova apenas da formula (16), sem perda de generalidade.
Para tanto, temos:
, x; - Xo
d; = ---- e Xi= x0 + cdj
c
x = x0 + cd',
conforme expressa-o (15) do capftulo anterior. Dai tiramos:
X - Xo
d'= --- (18)
c
Assim,

Sx = j� �(x; - x)2 =
= / _1 1.
� [(x0 + cdj) - (xo + cd')P
=
.../ n '--y-J �
Xj

= )6 ��+ cdj -�- cd')2 =

= L!_�[c(d'! - d')f = ��c2(d!' - d')2 =

...; 1z -
1 ...; ri -
1

�(dj - d')2
,I
n- 1

conforme expressio (16).

�(d�' - J')2
Como a expressao representa o desvio-padrao da
n- 1
variavel d', podemos escrever genericamente que, se

Xi - Xo , Xj - Xo
d1 = dj =
1
OU
c C

S x--­
= cSD' (19)
206
Exemplo 13:
Calcular o desvio-padrio do conjunto X = {10, 20, 30, 40, SO, 60},
fazendo x0 = 30 e c= 10.
Calculando inicialmente o desvio-padrio atrav6s da f6rmula original (8),
.
��=
(i

Ix;
- i=t 10 + 20 + 30 + 40 + so + 60 10 -
= = - 26 -
- 3S
x --
n 6

Sx-
- j'£(x; n -
-

1
xl -
-

(10 - 3S)2 + (20 - 3S)2 +(30 - 3S)2 + (40 - 3S)2 +(SO - 35)2 + (60 - 35)2
=
6 - 1

=
J
625 + 225 + 25 ; 25 + 22S + 625 .; jiifff- = .,fEO = 18, 708

I sx= 18,708 I
Para calcular o desvio-padrio usando a f6rmula 16, recorreremos a
uma tabela auxiliar, sabendo que x0 = 30 e c= 10. Assim:

TABEl.A 5. 16

, x;- 30
Xj d= ldj-Ci'I (d�-d'l2 d�2
; -1-0- I I

10 -30
10 =-2 (-2 -0,51=-2,5 6,25 4
_10 _ _ ·
20 -30
20 =-1 (-1 - 0,5)=-1,5 2,25 1
10
30 -30
30 = (0 - 0,5)= -0,5 0,25 0
_10 _ _ O
40-30
40 _ 10 =1 (1 - 0,5)= 0,5 0,25 1
_ _
50-30
50 =2 (2 -0,5)= 1,5 2,25 4
-10 - -
60-30
60 _1_0_ =3 (3 -0,5)=2,5 6,25 9

L. dr= 3
i=t l:: {dj -d')2=17,50 l::dj2 == 19

(l::djl2= 9

Calculemos inicialmente d':

n

L,d;
3 207
d'=� =-=OS
'
n 6
 (16) nos da:
A f6rmula original

L(dj-d')2
Sx =c
n- I
=lOV�
-y-5- - =10�=
=IO X 1,8708 =18,708
Sx = IO X I,8708 =18,708
.j, .j,
c SD'
0 mesmo resuitado seria alcanyado usando a formula desenvolvida:

Sx =c n I
-
[ Ld )2
_I_ Ld'.2 - ( j
n1
] =IO

= IO jf 09 - 1,5) =IO JIJf =10 X I,8708 = I8,708

Exemplo 14:
Calcular o desvio-padrao do consumo de energia eletrica, usando os
I2.
·
·

dados do problema
Para calcular o desvio-padra:o pelo processo breve, escolheremos x0 e
c usando os mesmos criterios que os a presentados para o calculo da media
aritmetica pelo processo breve, quais sejam:
I. Xo =ponto medio da classe de rnaior freqiiencia, se k (numero de classes)
for par, ou ponto medio de uma classe intermediaria, se k for fmpar.
2. c =amplitude do intervalo de classe ou diferenya entre dois valores conse­
cutivos (para tabelas de freqiiencias com valores isolados ) .

TABELA 5.17

, Xj -75
Classes fj Xj d = - df j dj2fj
i -w '
15 -75
5 1--- 25 4 15 =-3 -3X 4=-12 (-3) (-121=36
20
35-75
251-- 45 6 35 =-2 -2x 6=-12 (-2) (-12)=24
20
55 -75
45 1-- 65 14 55 = -1 -1x 14=-14 (-111-14) =14
20
75 -75
651-- 85 26 75 =0 0x26= 0 ox O=O
20
95-75
85 1-- 105 14 95 =1 1x 14=14 1x14=14
20
115 - 75
105 f-- 125 8 115 =2 2X 8=16 2X16=32
20
135 -75
125 1-- 145 6 135 =3 3X 6=18 3X18=54
20
155-75
145 f--- 165 2 155 =4 4X 2=8 4X 8=32
20
k= 8 (par) 'f,djfj= 18
Lfj=80 'f,dj2fj=206
x0 =76ec=20
('f,d f fj12 =324
208
 Como sabemos, o desvio-padrao do consumo de energia eletrica pelos
80 usuarios e Sx = 31,977 kwh.
A formula desenvolvida permite chegar ao mesmo resultado com
muito menos trabalho e numeros bem menores:

=c _ 1_ d '. 1,. - ('f-djt/ =

[ ]
1 'f- I 2 I
Sx
n - n

= 20 )80-1--1 (106- 18082) = 2o ji_fio6 324

79 ,. - 80 ) =
= 20 )206 - 4,o5 = 20 fiOfJ5 = 20../2 '5563 =
79 ..; �
= 20 x 1,5988 = 31,977
-1- -1- Sx = 31,977 I I
c X S
D
Evidentemente, o mesmo resultado seria obtido se escolhessemos
qualquer outro valor para x0 e para c. 0 leitor podera comprovar isso
fazendo, por exemplo, x0 = 95 e c = 10.
e) /nterpreta�iio do Desvio-padriio
0 desvio-padrao nao tern uma interpretayao fisica, como ocorre com
a media, mediana, moda e OS quantis. Contudo, e possivel interpreta-lo de
fortna analitica. Consideremos, por exemplo, que dois estudantes tenharn
obtido os seguintes resultados em 5 provas de Estatistica, realizadas ao longo
do ano letivo:
Estudante A : 40 50 60 70 80
Estudante B: 20 40 60 80 100
Ambos os estudantes foram aprovados na disciplina, pois suas medias
foram iguais a 60:
xA
= 50 + 60 + 70 + 80 = 300 = 60
40 +
5 5
0
= _2 + 40 + 60 + 80 + 100
= 300
Xo
D
5 5 = 60
Entretanto, a variayao das notas em torno das respectivas medias
difere do alunoA para o aluno B, esse ultimo apresentando maior dispersao
do que aquele. E possivel perceber ainda que a diferenya entre pares
sucessivos de notas do aluno B e igual a duas vezes a do aluno A, que a
amplitude total das notas de B e igual ao dobro da de A. Assim sendo,
podemos afirmar que o aluno B apresentou resultados com uma variayao
media igual ao dobro da do aluno B. 0 desvio-padrao das notas permite
comprovar o que foi dito: 209
 j'E(x;- x)2 =
n -1 .
(40 - 60)2 + (SO -60)2 + (60 -60)2 + (70 -60)2 + (80 -60)2 =
=
s -1

=
j400 + 100 + � + 100 + 400 = '1250 = s ../TO

=
(20 - 60)2 + (40 -60)2 + (60 - 60)2 + (80 - 60)2 + (100 -60)2 =
SB S -1

=
jJ.600 + 400 + � + 400 + 1 600 = .jTOOO = 10 ../TO'

I SB
=
2SA I
Por ai se depreende que o desvio-padrao e realmente uma medida
satisfat6ria de dispersao, embora nao se possa afumar muita coisa quanto i
sua magnitude.
5.2.5. VariAncia

S2
Sfmbolo:
a) Defini¢o da Vari4ncia
Conforme se pode perceber pelo sfmbolo, a varrancia e o quadrado
do desvio-padrio, OU, se se preferir, 0 desvio-padrllo e a raiz quadrada da
variancia. Dessa forma, pode-se dizer que a formula da variincia e igual i
eJ;tpressao do desvio-padrllo, sem o sinal do radical. Adiantamos que as
defini�oes que se seguem aparecem com a corre�ao de Bessel, isto e, com o
divisor n - 1.
Varidncia de Dados Brutos
Processo longo
n
L (x;-x)2 Xt )']
1
s2 = _;=
_ 1___ _
n-1
4-
= _
n-1
[f
L..
i=l
x?
1

•
_ (t. n
(20)

f6rmula original f6rmula desenvolvida

Processo breve

c2
n
I <di -a'>2
[ (nI )
i=1
d'
I
2 ]
s2 _= 1 ____
; _ � � d'.2 -
n-1 L..
= __ = (21)
n-1 1 n
i=l

210
Varidncia de Dados Tabulados
Processo longo
k
I (x; - x)2f;
�;_=1 1
k
(± x f;)2
;=1
;
s2= L x;f;-
___
_
_
- 2
(22)
n-1 - n-1 n
j=l

[-
Processo breve

I (dj - a')2t;
c2
8 2= -�-----
;=1
k

k
'. .
· ( ± djfj)2
n -1
_
n
1_ '
l L..
d 1 2f,1 - _1_· =1_ -�

n
(23)
/=1
Exemplo 15:
Calcular a variincia dos seguintes conjuntos de numeros:

A = {10, 12, 13, 20, 25, 34, 45}

B = {17 , 18, 19, 20, 21, 22, 23}
c = {-4; -3; -2; 3; 5}
No exemplo 6, ja foi calculado o desvio-padrllo de cada conjunto.
Os dados para a determinayao de variancia foram extraidos desse exemplo.
Sabemos que
xA = 22,714
xs = 20
xc = -0,2
Entao,
�(x; - 22,714)2
s� = ------ = 167 ,905
7 -1
�(x; - 20)2
s'B2 = = 4,667
7 -1
-
�[x; (-0,2)]2
5-1
= 15,7
Exemplo 16: .
Calcular a variincia do consumo de energiil eletrica de 80 uswirios,
com os dados do exemplo 7.
k 8
I <x1 - x)2f; I (Xj- 7 9,5)2[;
s2 = .._1=_1 n -1
____
/=1 80 7 80 = 1 022,532
80 - 1 79
S2 = 1 022,532 (kwh)2
Como pode ser observado, a variancia expressa a unidade de medida
sempre ao quadrado, ao contrario do desvio-padrao. 211
 Propriedades de Vari4ncia
I - Primeira Propriedade
Somando (ou subtraindo) um valor constante e arbitrario, x0, a cada
elemento de um conjunto de numeros, a variancia na:o se altera.
Essa propriedade e equivalente a primeira propriedade do desvio­
-padrao.
Assim, se fizermos
2 2
Y = X + Xo Sy= Sx (24)
OU
2 2
Y = X - Xo > Sy= Sx

II - Segunda Propriedade
Multiplicando (ou dividindo) por um valor constante e arbitrario, c,
cada elemento de um conjunto de numeros, a variancia flea multiplicada
(ou dividida) pelo quadrado da constante..

Para

=EIJ
x
y=­ (25)
c
OU

2 2
y=ex > Sy= c2sx (26)

III - Terceira Propriedade

Consideremos dois conjuntos de n1 e n2 valores, respectivamente,
sen do
S � = variancia (parcial) do primeiro conjunto.
sJ = variancia (parcial) do segundo conjunto.

x1 = media (parcial) do primeiro conjunto.

x2 = media (parcial) do segundo conjunto.

x = media geral, incluindo os valores dos dois conjuntos.

A variancia combinada das duas distribuiyoos sera dada por

2 2 - 2 - - 2
s2 =
(n1 - 1 )S1 + (n2 -
-------�--,---
-
l)S2
--=---------�
+(n1 - l)(x- - x1) + (n2 - l)(x - x2)
i
n + n2 - 2
(27)

Examinando a primeira expressa:o, pode-se dizer que a variancia combi­

212 nada consta de duas parcelas:
 - Media aritmetica ponderada das variancias parciais

(n1 - l)s: + (n2 - l)Si (primeira parcela)

ni + n2 - 2

2 - Variancia (ponderada) das medias parciais

(n1 - l)(.X 2
.X1) + - (n2 - l)(.X
.X2)
2
-

Exemplo 17:
A estatura media de um grupo de 50 rapazes e de 172 cm, com
variancia de 36,69 cm2 , e a de um grupo de 40 moyas e de 161 cm, com
variancia de 27,04 cm2 • Qual a media, a variancia e o desvio-padrao das
estaturas dos dois grupos reunidos?

Cdlculo da Media Geral

Para calcular a media do conjunto formado por todas as estaturas,
tanto as dos rapazes como as das moyas, recorreremos a terceira proprie­
dade da media aritmetica (expressao 6 do capitulo anterior).
k

L1 x n1
1
XJ = medias parciais
/=
on de
n 1= numero de elementos do conjunto j

/=1
Neste caso,
j =1,2 e k=2
.X1 =172 n1 =50
X2 =161 n2 =40
(172 x 50) + (161 x 40) 8 600 + 6 440 15 040
=
x= 40
-
=
50 + -
90 90

=167,11 x=167,11 cm

Cdlculo de Varidncia Combinada

Temos s: =36,69 e s; =27,04

2 2 - - 2 - - 2
2 (ni - l)s1 + (n2 - 1)s2 + (n1 - 1) (x - xi) + (n2 - 1)
• • (x - x2)
s = =

ni + n2 - 2
2 2
- (49 x 36,69) + (39 x 27,04) + 49(167,11 - 172) + 39(167,11 - 161)
- =

so + 40 - 2
2 2
1.797,81 + 1 054,56 + 49 x 4,89 + 39 x 6,11
= =

88

1 797,81 + 1. 054,56 + 1 171,69 + 1 455,95

213
=

88
Cdlculo do Desvio-padriio Combinado
Basta extrair a raiz quadrada do resultado anterior.

S = vfsl = J62,27 = 7 ,89 cm.

A justifica tiva te6rica da terceira propriedade da variancia e bem

simples. Consideremos para tanto as seguintes variaveis:

X1 com media .X1, variancia S� e n1 valores

X2 com media .X2 , variancia s; e n2 valores

Tomemos ainda

x = media geral e s2 = varrancia geral.

A variancia geral sera calculada somando todos os quadrados dos

desvios tanto dos valores de X1 como de X 2 em torno da media geral .X, e
dividindo o resultado por (n1 + n2 - 2) ou por (n1 + n2), dependendo
de como se toma o denominador. Faremos a demonstraylio para esse ultimo
caso por questao de simplicidade. Partiremos entJo da seguinte expressao
de variancia conjunta:
n1 n2
-2
� (X1 - X) -2
� (X2 - X)
2 ._ + ._
S =
n1 + n2
OU
n1 n2
2 2
1; <x 1 ::_ x> + 1; (x2 -x> =
 Enti'o,

(n1 + n2)S2 n1S� + n'ls; = + n1 (x - xif + n2 (x - x2)2

OU
n1S� + n'ls; + n1 (x - xif + n2 (x - x2)2
S2 =

n1 + n2 (28)

Se em lugar de n1 e n2 tivessemos usado (n1 - 1) e (n2 - 1), chega­

rfamos a expressi'o 27.
No caso particular de as tres medias coincidirem, x1 = x2 c: x, a
expressi'o (28) ficara reduzida a uma media ponderada das variincias:

+ n1S� n 2Si
s2 = �����- (29)
+ n1 n2
c) Controle de Charlier
A prova de Charlier e utilizada para averiguar a exatidi'o do calculo
da media e da variancia (e conseqiientemente do desvio-padri'o) principal­
mente quando utilizamos o processo breve de calculo dessas medidas em
uma tabela de freqiiencias. Essa prova baseia-se na seguinte equa?o:

(30)

Para comprovar essa igualdade, tomemos inicialmente

(d] + 1 )2 = dj2 + 2dj + 1

Multiplicando ambos os membros por fi,

(dj +
2
1 ) fi = dj2/j + 2dj/j + fi
Aplicando o operador sornat6rio

I;(dj + 1 )2fi = I;dj2/j + 2I;dj/j + "i:.fi

Exemplo 18:
Utilizar o controle de Charlier para a variancia e a media usando os
dados do exemplo 14.
No exemplo 14, fizemos x0 = 75 e c = 20.

TABELA 6.18

C/8#81 'i x; d'

1 djf; dj'f; dj+ 1 (dj + 112 (dj + 1i2f1 (dj +1)f

5 f--- 25 4 15 -3 -12 36 -2 4 16 -8
25 f--- 45 6 35 -2 -12 24 -1 1 6 -6
45 f--- 65 14 56 -1 -14 14 0 0 0 0
65 f--- 85 26 75 0 0 0 1 1 26 26

85 f--- 105 14 95 1 14 14 2 4 56 28 I

105 f--- 125 8 116 2 16 32 3 9 72 24

125 f--- 145 6 135 3 18 64 4 16 96 24

145 f--- 165 2 155 4 8 32 5 25 50 10

l:f; = 80 l:df'; = 18 l:dj2f; = 206 :!:ldj+1)2f1=322 :!:ldj+tlf;=98

. 215
 Os dados necessarios para a prova de Chartier sao OS seguintes:

L(dj + 1)2/j 322 =

Ldj2f; 206 =

2Ldjf; 2 X 18 36 e Lfj n 80
= = = =

Ld}2f; + 2Ldjf; + Lf; 206 + 36 + 80 322 = = = L(dj + 1)2/j

0 que garante a exatidao dos calculos.

Para comprovar a exatidao do calculo de media pelo processo breve,

devemos partir da igualdade
L(dj + l)f; = Ldjf; + L/j (31)
facilmente demonstravel
(dj + l)f; = djf; + f;
Aplicando L
L(dj + l)fj = Ldjf; + Lf; .

A Tabela 18 nos fornece os valores necessarios:

L(dj + l)f; = 98
Ldjf; = 18 - > Ldjfj + Lf; 18 + 80
= = 98 =

Lf; = 80 =L(dj + l )fj

d) Cor:re¢o de Sheppard para a Varidncia
Normalmente, quando os dados estiverem agrupados em classes,
ocorrem erros resultantes desse agrupamento, no calculo da variancia e do
desvio-padrao. Isto porque admitimos, ao agrupar os dados em classes, que
esses se distribuem simetricamente dentro de cada classe, razao pela qual
foi adotado o ponto medio de classe no cfilculo de medidas como a media
e a variancia. Ocorre, porem, que os dados nem sempre se distribuem
simetricamente em torno do ponto medio. Em conseqiiencia, o erro
de agrupamento aumenta o desvio-padrao e com grau tanto maior quanto
mais extensos forem os intervalos e menor o numero total de obser­
vay6es.
Para corrigir o erro de agrupamento, usa-se um termo corretivo pro­
posto por Sheppard, o qual e subtrativo em virtude de o agrupamento em
geral aumentar o valor da variancia e do desvio-padrao.

Nao existe um consenso entre os autores quanto a utilidade da

correyii'o de Sheppard. Isto porque, muitas vezes, ela tende a supercorrigir a
variiincia quando nao substitui erros anteriores por novos.

Neste livro apresentamos esse t6pico apenas por compromisso com a

literatura. Nao vemos, por outro lado, razoes que justifiquem seu emprego

216 na pratica.
Formula de Sheppard:
Consideremos S2 a variancia de um conjunto de valores dispostos em
uma tabela de freqiiencias. Tomemos ainda
c =amplitude do intervalo de classe

s; =variancia corrigida

I Si �
s' -
-r;- I (32)

Exemplo 19:
Aplicar a correyiio de Sheppard para a variancia e desvio-padrao do
consumo de energia eletrica, usando os dados dos exemplos 7 e 16.

Os valores de que precisamos slro os seguintes:

s2 =1 022,532 (kwh)2
s =31,977
c =20 > c2 =400
Aplicando .a correyiio de Sheppard,

c2 =1 022,532 400
S c2 = 2 S -
IT -
l2
=98 9,199

Sc = js - �2 = y989,199 =31,452

e) Relaroes Empiricas entre as Medidas de Dispersfio

Quando as distribuiyOeS se apresentarem fracamente assimetricas (pe­

queno enviesamento), podemos usar algumas relayoes empfricas para deter­
minar certas medidas de dispersao a partir de outras. Tais relayoes slio:

Dm =±s (33)
5

(34)

Exemplo 20:
Comprovar a relayiO empirica entre 0 desvio quarti1ico, desvio medio
e desvio-padrao para o problema do consumo de energia eletrica por
80 usuarios.
Os resultados correspondentes ao desvio medio e ao desvio-padrlro ja
foram obtidos anteriormente:
Dm =24,625 (exemplo 5)

S =31,977.(exemplo 7 ) 217
 Usaremos uma tabela auxiliar para proceder ao catculo do desvio
quartil.
TABELA 5.19

Numero de
·consumo Usullrios Fj
fj

Sf--- 25 4 4
25f--- 45 6 10
45f--- 65 14 24
651---- 85 26 50
851---1
- 05 14 64
105f---125 8 72
125f---145 6 78
145f---165 2 80

n = 80

A f6rmula1 nos fornece:

Q3 Qi
Dq - -
1
-

E . = n = 80 20o
Q 4 4 __

Q3 = terceiro quartil
onde
Qi = primeiro quartil

� - 3 X 80 600
- =
_ _

EQ,
4 4
n
4- Fant 20 - 10
Qi =I + c !. = 45 + 20 = 45 + 14,286 =
Q, 14

= 59,286
3n
4 - Fant 60 - 50
Q 3 =I + c f. = 85 + 20 85 + 14,286
14
= =

Q,
= 99,286
Q3 - Qi 99,286 - 59,286 Dq = 20
D = = = 20
q 2 2
Se usarmos as rela�0es empfricas, teremos:
4 4
Dm = 5S = 5 X 31,977 = 25,582
2 2
218 D = -S = X 31 977 21 318
q 3 3 ' '
- =
 Como pode ser observado, as f6rmulas empiricas slio validas para este
problema, nlio havendo grande discrepancia entre os valores determinados
empiricamente e os caiculados atraves das f6rmulas de definiylio das respec­
tivas medidas.

Por outro lado,

Dm Desvio Medio 4
= =-= 080
'
S Desvio-padrlio 5
Dq Desvio Quartil 2
= =-= 0667
'
S Desvio-padrlio 3
Neste problema temos:
Dm 24,625
= = O'77
s 31,977
Dq 20
= = 0•63
s 31,977
5.3. MEDIDAS DE DISPERSAO RELATIVA
Para determinadas classes de problemas, as medidas de variabilidade ou
disperslio relativa em uma distribuiylio de freqiiencias proporcionam uma
avaliayao mais apropriada do grau de dispersao da variavel do que as de
disperslio absoluta. A disperslio relativa permite ainda comparar duas ou mais
distribuiyOes, mesmo que essas se refiram a diferentes fenomenos e sejam
expressas em unidades de medida distintas. As medidas de disperslio resultam,
em geral, de comparayao entre uma medida de dispersao absoluta e um
promedio, sendo seu resultado expresso em termos percentuais.

5.3.1. Desvio Quartil Reduzido

Simbolo: D q
,
0 desvio quartil e uma medida de disperslio relativa resultante do
quociente entre o desvio quartil reduzido e a mediana. Simbolicamente,

Q3 - Q;
Dq 2
Dq = (35)
_ _

, - Md - --M-'d--
1---o
---� u-------1
Q3 - Qi
Dq X 100
, 2Md
=

Exemplo 21:

Retomemos os dados do exemplo 20 e calculemos o desvio quartil

reduzido:
Temos: Dq = 20
219
 n
--Ft an
�-24
2 2
Md= I + c Ji 65 + 20 =
Md 26
320
= 65 + 26 = 65 + 12,31= 77,31 Md= 77,31

Dq 20
Dq , = X 100 = X 100= 25,87% Dq,= 25,87%
Md 77 31'

5.3.2. Coeficiente de Varia�o

0 coeficiente de variayao ou coeficiente de varia�o relativa e uma

porcentagem cujo calculo resulta da comparayiio entre o desvio-padrao ou o
desvio medio e a media ou a mediana. Definiremos os seguintes coeficientes
de variayiio:

a) Coeficiente de Variariio de Pearson

Simbolo: CVp

0 coeficiente de varia�o de Pearson e igual ao quociente entre o

desvio-padrao e a media aritmetica.

s
CVp=--=­
x
ou-----1 (36)
s
CVp=--=--· 100
x

Exemplo 22:

Para exemplificar o conceito de CVp, suponhamos que uma empresa

fabricante de pneumaticos tivesse desenvolvido um novo produto com um
cordel que proporcionasse maior resistencia as flexoes repetidas e maior
resistencia a tra9ao do que o original. Tendo submetido esse componente a
prova, chegou-se a conclusao de que a resistencia as flexoos repetidas,
testada em um aparelho de dobrar cordeis, foi, em media, de 139 minutos
com desvio-padrao de 15 minutos contra a media de 88 minutos e desvio­
·padrao de 14 minutos do cordel comum. Comparando os valores dos
desvios-padroes, parece nao haver diferenya significativa quanto a dispersao
dos tempos de resistencia a flexiio. Entretanto, deve-se ter presente que o
desvio-padrao para o novo cordel se refere a uma maior resistencia media as
flex0es repetidas, e e neste aspecto que se baseia o conceito de dispersao
relativa refletido pelo resultado do indice CVp. Calculemos, entao, o CVp
para os dois casos.
220
 Para o novo cordel:

I CVp = -& = 0,108 OU 10,8%

Para o cordel antigo:

I CVp = * = 0,159 OU 15,9%

Comparando os resultados, ve-se que a variayao relativa e muito menor

para o novo cordel do que para o antigo.

Suponhamos agora que o novo cordel tenha sido submetido a um

teste de resistencia a trayao, tendo sido obtidos os seguintes resultados:
·
Resistencia media a trayao : 18 libras
Desvio-padrao: 0,73 libras
O coeficiente de variacao de Pearson sera igual a

CVp = �;;
'
= 0,03989 OU 3,99%

Exemplo 23:
Poderfamos estar interessados em saber se o novo cordel apresenta
maior dispersao de resistencia a trayao ou a flexoes repetidas. Neste caso,
nao e possfvel comparar as dispersoes absolutas, uma vez que as unidades de
medida e os fenomenos sao distintos. Estarfamos comparando, se assim
procedessemos, minutos (unidade de tempo) com libras (unidade de peso).
Por essa razao, a (mica comparayao compatfvel com a natureza dos dados e a
proporcionada pela dispersao relativa. Dessa forma, terfamos:

TABELA 5.20

ResisttJncia Dispersao Re/ativa (%)

As Flexoes Repetidas CVp = 10,8 � 11

Tra.;lfo CVp = 3,99 � 4

Muitas vezes e util considerar o coeficiente de variayao de Pearson

como o desvio-padrao das porcentagens dos valores em relayao a media,
conforme pode ser esclarecido no exemplo seguinte:

Exemplo 24:
Tomemos o seguinte conjunto de numeros: X = {2, 3, 7} e calculemos
o CVp. 221
 TABELA 5.21

(xj-X) 2
Xj (Xj-X)

2 -2 4
3 -1 1
7 3 9

"E.Xj = 12 "E.lxi-x12 = 14

�Xi = 12 =
x= 4
-n 3
_

(x - x)2
2= � i
Sx = _!± = 7
n-1 2

Sx= ft= 2,6458

CVp= 8! = 2•646 =0 ,66 OU 66% CVp = 66

x 4
Consideremos agora o conjunto Y, formado pela razao entre os valores
de x e a media X, OU seja,

lremos verificar que o desvio-padrao de Y, Sy, sera igual ao coeficiente

de varia�o de Pearson, calculado anteriormente:

TABELA 5.22

Xj
(%) Yi= x • 100 n- ¥ (yj- y)l

2
4. 100 = 50 -50 2.500

3
4. 100 = 75 -25 625

7
4. 100 = 175 75 5.625

"E.Yj =
300 "£ (Yj - ¥12 = 8.800

y
= �Yi= 300 =
3
lOO
n

222
s:= � i_- f -8· 00 = 4.400 => Sy= v' 4.400
� t � 2!: 66%
 Por conseguinte,

I CVp =Sy
Em resumo, quando comparamos dispersaes, podem ocorrer tres tipos
de situay0es:

1. As series vem expressas na mesma unidade de medida, e suas medias sao

iguais OU muito pr6ximas. Neste caso, e valido comparar OS valores de s,
nao se obtendo informayao adicional significativa com o uso do CVp.
Exemplo 25:
Um teste de estatistica aplicado a dois grupos de SO alunos apresentou
os seguintes resultados:

TABELA 5.23

Grupo Midis das Notas Desvio-padrlio das Notas

A 6 2
B 6,2 1,5

Nao ha necessidade de muito esforyo de raciocinio para concluir que

o grupo B apresentou menos dispersao, tanto absoluta como relativa. Apenas
para confirmar:
TABELA 5.24

Grupo CVp

2
6 = 0,33
A

B �=0'25
6

2. As series podem apresentar-se expressas nas mesmas unidades de medidas,

mas as medias aritmeticas sao significativamente diferentes. As comparay5es
podem ser feitas atraves da dispersao absoluta (desvio-padrao). Entretanto,
nestas circunstiincias, poder-se-a obter uma comparayao mais reveladora,
utilizando medidas de dispersao relativa, como o coeficiente de Pearson.

Trata-se do caso apresentado no exemplo 22, quando comparamos a

resistencia media dos cordeis as flexoes repetidas. Como se recorda, as medias

para os dois tipos de cordel eram bem diferentes (139 contra 88).

3. As series podem vir expressas em unidades de medida diferentes. Neste

caso, e totalmente inviavel estabelecer comparayao a partir do desvio-padrao
(dispersao absoluta), sendo plenamente justificavel o exemplo do coeficiente
de variac;:ao de Pearson. 223
 0 exemplo 23 visa exatamente a esclarecer esse aspecto do uso do
coeficiente de variayao de Pearson.

b) Coeficiente de Variarao de Thorndike

Sfmbolo: CVT
·
0 coeficiente de varia�o de Thorndike e igual ao quociente entre o
desvio-padrao e a mediana.

s
CVr =
Md
OU (37)

CVr= 100
s
Md
•

Exemplo 26:
Calcular o coeficiente de Thorndike com os dados do exemplo relativo
ao consumo de energia eletrica de 80 usuarios comerciais.

Os dados para resolver o problema ja sao conhecidos:

s = 31,977
Md= 77,31
31•977
CV.T= 100= 41,36%
77,31
•

O coeficiente de Pearson para o mesmo problema e

31•977
CVp= 100 = 40,22%
79,
•

5
c) Coeficiente Quart([ico de Variarao
Sfmbolo: CVQ
Esse coeficiente e definido pela seguinte expressao:

OU (38)

Exemplo 27:
Calcular o coeficiente quartflico de variayao para o consumo de energia
224 eletrica por 80 usuarios, usando os dados do exemplo 20.
 No exemplo 20, foram calculados o primeiro e terceiro quartis, cujos
valores sao:
Q3 = 99,286
Qi = 59,286

CV. 99,286 - 59,286 40

Q
= =
0,252 OU 25,2%
158,572
---

99,286 - 59,286
CV 25,2%
Q =

EXERCiCIOS PROPOSTOS
5.1. Com os dados do exercicio 4.1 do Capftulo 4, determinar:
5.1.1. Desvio Quartil.

5.1.2. Desvio Medio.

5.1.3. Desvio-padrao.

5.2. Com os dados do exercfcio 2.4 do Capftulo 2, determinar:

5.2.1. A variancia da distribui9ao.

5.2.2. 0 desvio-padrao.
5.2.3. 0 coeficiente de varia9ao de Pearson.
5.2.4. 0 desvio quartil.

5.3. Dados os conjuntos de numeros A { 1.000, 1.001, 1.002, 1.003,

=

1.004, 1.005} e B = {0, 1, 2, 3, 4, S} podemos afirmar que:

a) o desvio-padrao A e igual a 1.000 vezes o desvio-padrao de B; -
'

b) o desvio-padrao de A e igual ao desvio-padrao de B;

c) o desvio-padrao de A e igual ao desvio-padrao de B multiplicado
pelo quadrado de 1.000;
d) o desvio-padrao de A e igual ao desvio-padrao de B dividido por
1.000;
e) o desvio-padrao de A e igual ao quadrado do desvio-padrao de B.

SA. Realizou-se uma prova de estatfstica para duas turmas, cujos resultados
foram os seguintes:
Turma A: x =
5 e S =
2,5
Turma B: x = 4 e S = 2

Esses resultados permitem afirmar que:

a) a turma B apresenta maior dispersao absoluta;

b) a dispersao absoluta e igual para ambas as turmas;

c) a dispersao relativa e igual a dispersao absoluta; 225

 d) a dispersao relativa e a absoluta para a turma B sao iguais;

e) a dispersao relativa da turma A e igual a da turma B.

5.5. A tabela abaixo representa a vida util de postes telefonicos de madeira:

N9 de Postes
Anos
Substitufdos

0,5---; 2,5 11
2,5---; 4,5 47
4,5---; 6,5 87
6,5---; 8,5 134
8,5 ----110,5 200
10,5 ----1 12,5 198
12,5 ----114,5 164
14,5 ----116,5 102
16,5---; 18,5 48
18,5 ---i20,5 6
20,5 ----122,5 3

Pede-se:

5.5.1. o desvio-padrlro.

5.5.2. o coeficiente de varia�lfo.

RESPOSTAS DOS EXERCfCIOS PROPOSTOS

5.1. 5.1.1. 1,88
5.1.2. 2,02
5.1.3. 2,48

5.2. 5.2.l. 0,2169

5.2.2. 0,4657
5.2.3. 21,2%
5.2.4. 0,2509

5.3. b

5.4. e

5.5. 5.5.1. 3,767

5.5.2. 0,353 OU 35,3%
226
Medidasde
Assimetria e Curtose

6.1. INTRODUCAO

As medidas de assimetria e curtose sao as que restam para completarmos

o quadro das estatisticas descritivas, que proporcionam, juntamente com
as medidas de posiyao e de dispersao, a descriyao e compreensao completas
da distribuiyao de freqilencias estudada.

Como ja foi dito anteriormente, as distribuiyoes de freqilencias nao

diferem apenas quanto ao valor medio e a variabilidade, como tambem
quanto a sua forma. Do ponto de vista desse ultimo aspecto, as caracteristicas
mais importantes sao o grau de defonnayao ou assimetria e o grau de
achatamento ou afilamento da curva de freqilencias ou do histograma. Para
estudar as medidas de assimetria e curtose, e necessario o conhecimenfo
de certas quantidades conhecidas como momentos.

6.2. MOMENTOS
Os momentos podem ser caracterii.ados como quantidades numericas,
calculadas a partir de uma distribuiyao de freqilencias (ou de probabilidades),
e que sao utilii.adas para fornecer descriyoes resumidas da distribuiyao estu­
dada. Dentro da ampla classe dos momentos estao inclufdas duas importantes
medidas estudadas anteriormente: a media e a variiincia.

Como vemos, a noyao de momento e generica e abrange igualmente

aquelas duas medidas. Apenas nos as tratamos. separadamente devido a sua
grande importancia no contexto da Estatistica Descritiva.

6.2.1. Momento Natural (Absoluto) de Ordem r

Sfmbolo: m; onde r e um numero inteiro positivo.

0 momento natural de ordem r de um conjunto de niJmeros e definido

da seguinte forma: 227
 a) Para Dados. Brutos

x � +x r + +x�
I
= =---
. . .

mr
n n
(1)

b) Para Dados Tabelados

k
I xffi
/=1
m, =
I

n
(2)

Quando os valores estiverem agrupados em classes x1 serao os pontos

medios de classe.

Exemplo 1:

Calcular os momentos naturais de primeira, segunda, terceira e quarta

ordens do conjunto de numeros x = {2, 3, 5, 7, 8}.
Recorramos a tabela auxiliar 6.1 para realizar OS cfilculos:

TABELA6.1.
(r =1) (r= 2) (r = 3) (r-= 4)
x; x; 2
x�
I
x;
4

2 4 8 16
3 9 27 81
5 25 125 625
7 49 343 2.401
8 64 512 4.096
s 5 5 5
I x;= 25 Ixf = 151 Ixl =1.015 Ixt=1.219
i=l i=l i=l i=l

Momento natural de primeira ordem (ou primeiro momento natural)

5
Ix;
= � = 2+3+5+7+8 =�=5
5 5 5
Notar que o momento natural de primeira ordem e a pr6pria media
aritmetica, ou

228
Momento natural de segunda ordem (segundo momento natural)
n
L,xr
I
m =-- - =
i=1
x2 + x2 +
1 2 x32 + x42 + x2 5
=
2 n 5

4 + 9 + 25 + 49 + 64
= =
5

= ;
1 1
=30,2
I m = 30,2
� I
Momento natural de terceira ordem (terceiro momento natural)
n

L,xr
=
i=l
--- =
x� + xi + xt + x! + xf =
n 5

2 3 + 33 + 53 + 73 + 83 8 + 27 + 125 + 343 + 512

= =
5 5

=
l. 15
� =203 I m� =203
I
Momento natural de quarta ordem (quarto momento natural)
n

L, xt
=---=
i=1 x� + xi + xj + x: + x: =
n 5

2 4 + 34 + 54 + 74 + 84
=
5
16 + 81 + 625 + 2.401 + 4.096 7.219
= -- =1.443,8
5 5

I
...... - - - - - -- __,
m� =1.443 .8

Exemplo.2:

Calcular o momento natural de primeira, segunda, terceira e quarta

ordens da seguinte distribui\:ao de freqi.iencias:
TABELA 6.2

Classes 'i •
j Xjfj
I /
" 'i j
x fi x fi/
1 II I
10 f---2 0 2 15 30 450 I 6.750 101.250
20 f---30 4 25 100· 2.500 I 62.500 1.562.600
30 f---40 5 I 35 175 6.125 I 214.375 7.5031125
40 f---50 8 45 360 I 16.200 I 729.000 I 32.805.000
50 f---60 5 55 27.5 I 15.125 I 831.875 I 45.753.125

?,
I
60 f---70 4 65 260 16.900 1.098.500 71.402.500

I' /
70 f---80 2 75 150 11.250 843.750 63.281.250
7 7 7

L 'i=30 xjfj=1.350 ?x ti=68.550 L x/'i 3.1ss.1so L x/'i 222.4os.1su

229
= =

j=l /=:1 /"'I j= i·-1

J -
 Momento natural de primeira ordem: r = 1
7

Ixjt;
j=l
mi = �-n-- m�
I 1.350
= = 45 = 45
30

Momento natural de segunda ordem: r = 2

7

Ix/1;
j=l -
- -� - m�
68.550
m2I _

n
_

2.285 = 2.285

Momento natural de terceira ordem: r = 3

7

Ixlt;
j=
1n
=
3.7
8�07 50
= 126.225 m� = 126.225

Momento natural de quarta ordem: r = 4

7

Ixlt;
m;· i=1 222 .4�� ·750 1 m;
n
= = = 7.413.625 = 7.413.625

6.2.2. Momento de Ordem r em Rela�o a uma Ori gem Qualquer x 0

Sfmbolo: xomr
0 momento de ordem r em relayao a origem arbitraria x0 e definido
da seguinte maneira:
a) Para Dados Brutos
n

L (xi - xoY
i=l
n (3)

b) Para Dados Tabulados

k
L (Xj xoff;
j= l
-

xomr =
_______
n
(4)

Exemplo 3:
Considerando x0 4, calcular os momentos de primeira e segunda
x = {2, 3, 5, 7, 8} em relayao aquela origem.
=

230 ordens do conjunto

 TABELA6,3

4
t 2
x; Ix; - xol Ix; - xol

2 2-4=-2 (-2) =4
2
3 3-4=-1 ( 1 1 2 =1
-

5 5-4=1
2
1 =1
7 7-4=3
2
3 =9
8 8-4=4
2
4 =16

'E.x; =25 'E.(x; - 4) = 5 l;(x/ - 41

2 = 31

Recorrendo a f6rrnula (3 ), obteremos o

Momento de primeira ordem em relaylio a origem x0 = 4; r = I
'f.(Xi - 4)1
=
5
(- 2) + (-I) + I + 3 + 4
= = I
5
e o Momento de segunda ordem em relayao A origem x0 4; r = 2 =

'f.(Xj- 4) 2 2+(-1)2+12+ 32+42

- (-2) -

5 5

4+I+I +9 + 6 1
= = B_ = 6 '2
5 5
Exemplo 4:
Dada a tabela abaixo, calcular os momentos de primeira, segunda e
terceira ordens em relayao a origem x 0 = 40:
TABELA 6.4

Claa.1 fj (Xj-Xg) lxj-xoifj lxj-xol'fj lxj-xol'fj

"i
10t---- 20 2 15 15-40= -25 -50 1.250 -31.250

20t---- 30 4 25 25-40=-15 -60 900 -13.500

30t---- 40 5 35 35-40= -5 -25 125 -625

40t---- 50 8 45 45-40= 5 40 200 1.000

50 I-- 60 6 55 55-40=15 75 1.126 16.876

601-- 70 4 65 65-40=25 100 2.500 62.500

70 I-- 80 2 75 75-40=35 70 2.450 86.750

I:fj=30 2: (Xj - 401fj= 160 I:<xj-4012fj= 8.560 2:(xj-4013fj= 120.760

231
 Neste, utilizaremos a f6rmula (4):

Momento de primeira ordem em rela9ao a origem x0 = 40; r = 1

7

I (x; - 40)ff
j=l 150
40 m1 = -=--------= - = 5
30 30

Momento de segunda ordem em rela9ao a origem x0 = 40; r = 2

7

I (x; - 40)21J
j=l 8 550
40m2 = ------= ____:___ = 285
30 30
Momento de terceira ordem em rela9ao a origem x0 = 40; r = 3
7

I (x; - 40)3f/
;=1
n
=
1
2��5 0
=4.025

Observa�ao:

Parece claro que, se fizermos x0 = 0, o momento em rela9ao a origem

seni igual ao momento natural.

0m, =
�(xi - of =
---- �x!' = m;
1 para dados brutos
n n
e

omr =
�(x; - O)'fj - �x/fj - m' para dados Tabulados.
n - n - '
6.2.3. Momento Centrado na M6dia de Ordem r

Simbolo: m ,

0 momento de ordem r centrado na media x e definido fazendo

x0 = � nas formulas (3) e (4) apresentadas no item anterior:

a) Para Dados Brntos

n

I (xi - x)
'
i=l
m, = (S)
----
n --
b ) Para Dados Tabulados
k

I (x; - x)'fj
j=l
m, = -'-- (6)
232 ---
n --
 E facil perceber que, para r = 2, o momento centrado corresponde a
variancia de distribui\!ao.

Assim, fazendo r =
2,
para dados brutos

�(x; - x)2
m, = = s2
n

Para dados tabulados,

�(x; - x)2f;
m, = = s2
n

Exemp/,o 5:
Calcular os momentos centrados na media, de primeira, segunda, ter­
ceira e quarta ordens do conjunto x = {2, 3, S, 7, 8}.
Temos, inicialmente:

�Xi 2 + 3 + 5 + 7 + 8
x= = =
�= S
n S 5

TABELA 6.5

x; x;-x (x;-xP (x;-xl3 (x;-xJ4

2 (2 -51=-3 (-312 =9 (-313 = -27 81

3 (3 -51=-2 (-212 =4 (-213= -8 16
5 (5 -51= 0 02 =O 03 =O 0
7 (7 -51 =2 22 =4 23 =8 16
8 (8-51=3 32 =9 33 =27 8r

s 5 5 s 5

:L x;=25 :L (x;-51=0 L (x;-xl2=26 L (x;-xl3=0 :Ltx;-xl4= 194

i=l i=l i=l i=l i=l

Momento centrado de primeira ordem

�(x; - x) o
m1 = = -= 0 ==> m1 = 0
n 5

Momento centrado de segunda ordem (variancia)

�(x; - x)2 26
m = = 5 = 5,2 ==> m = 5,2
2 n 2
233
 Momento centrado de terceira ordem

l:(x; - x)3 0
m3 = n = = 0 >
5
Momento centrado de quarta ordem
4
l:(x; - x) 194
m4 = n = -- = 38,8 > m4 = 38,8
5

Notar que os momentos centrados de primeira ordem sa-o sempre nulos.

m1 = 0

Exemplo 6:
Usando os dados da distribuiyll'o de freqtiencias do exemplo 4, calcular
os quatro prirneiros momentos centrados. Usando uma tabela auxiliar, temos:

TABELA 6.6

3 4
Class.s f; Xj Xjfj (xj - X)fj fx; - xPt; fJ(j - XJ fj fx; - XJ fj

10 t-- 20 15 30 1-JOJ x 2=-60 1.800 -54.000 1.620.000

20 t-- JO 4 25 1tlO 1-20) x 4=-80 1.600 -32.000 640.000

30 t-- 40 5 35 175 l-10IX5=·-50 500 -5.000 50.000

40 1--- 50 45 360 OX8=0 0 0

50 t-- 60 55 275 10 x 5 = 50 500 5.000 50.000

60 t-- 70 65 260 20X4=80 1.600 32.000 640.000

70 f-- 80 75 150 30X2=60 1.800 54.000 1.620.000

2 3
n=30 'f.xjfj=1.350 Eix;-451f;=O Elx;-451 f;= 7.800 'ilx1-�) fj = 0 EIXf- xl4f;=4.620.ooo

x = "'E.xifi
n = 1.350
= 45 x = 45
30
·

Momento centrado de prirneua ordem:

k

L (x i - x)ft
j=l 0
m1 = -'---- n--- = _3_0_ = 0 =>

Momento centrado de segunda ordem (variancia):

k
2
L (x i - x) fi
m2 = ..:..i_=_
1 _____
n = 7 ·:: = 260 > m2 = 260 I
234
Momento centrado de terceira ordem:

L (x; - x)3f;
k

j=t 0
m3 =

n = 30 = 0 m3 = 0

Momento centrado de quarta ordem:

k
L (x; - x)4f;
j= t 4.620.000
m4 �--
=
-n --- =

30 =
154.000

I m4 154.ooo
6.2.4. Rela�o Geral entre os Momentos Centrados na Media
e os Momentos Naturais

E possivel determinar os momentos centrados na media a partir dos

momentos naturais (hem como a partir dos momentos centrados em rela�o
a uma origem arbitniria x0). Para chegarmos a relayao geral entre tais
momentos, partiremos da expressao (6):
k
L (x; - x)'t;
j= l
m, =
_,______ _ n
Desenvolvendo o segundo membro de 6,

_�.. [Xjr (r)Xjr-t(X-) (r) Xjr-2(-)2

mr n1 f... lX - + +
2
• • •
- -

J= l

+ (-I)s(:)x;-s(x)s + ... + ( l) r-1(r�1)x1(x)'-1

- +

+ (-1)'(x)'] t;
onde s <re

r
( :) =

(r � s)!
s!
= coeficiente binomial

OU
m; m� m;_1
.i. .i. +
x
'T. f-f; - x ;-11; 'J:. x
n (1) n
r
m,---_
-

235
 + (- l)r-1 ( \ (.x )r-1 'kxjfj + ( - l)'(x )'-
r
r- 1 ) n
1-· /
:J:,f{
-It"
n

.j. .j. .j.

1
(m�y- m: (m:Y
ou, ainda,

+ (- l)�:) cm;) • m;_s + ... +

s
(7)

1
+ (- l)r- ( � ) (m�)'- m� + (- l)'(m�)'
1 ,
1

Como nos problemas corriqueiros temos necessidade no maximo de

momentos ate quarta ordem, apresentaremos os casos particulares de relayao
entre os momentos centrados na media e os naturais ate essa ordem:

(m�=1)
r
Para r=1 => ( )m1
m1 =m1, -
1
1
, • m1, - 1 =m; - m;-= 0

Parar= 2 ==> m2=m� - (i)m: • m�-1 + (;)(m;)2m�-2

=m� - 2(m;)2 + (m;)2=m� - (m;)2
Parar=3 => m3=m3, - ( )m1•m3-1 ( 2) m1')2m3-, 2
3
1
, , +
3
(

- ( ) m1')3m3-3 =m3 -
3
3
< , + 3(m1')2m1, - , 3 m1m2
, ,

3
- (m;)3 =mi - 3m;m� + 3(m;}3 - (m;} =
3
=mi - 3m;m� + 2(m;)
Para r=4 ==> m4=m� - ( i)m:m�-1 + ( �)(m;)2m�-2
- (�)(m;)3m�-3 + (!)m;)4m�-4 =

3
=m� - 4m; ·mi+ 6(m;)2m� - 4(m;} •m; +
236 + (m;)4=m� - 4m;•mi+ 6(m;)2� - 3(m;) 4
 Em resumo,

r m,

1 m1 = 0
2 m2 = m2, - (m1')2
(8)
3 m3 = m� - 3 m;m� + 2(mD3
4 m4 = m� - 4 m; m� + 6(m�)2m� - 3(m�)4

Exemplo 7:

Usando os dados do exemplo 2, calcular os seguintes momentos:

m1, m2, m3 e m4.
No exemplo 2, foram calculados os quatro primeiros momentos na­
turais cujos resultados sao:

m� = 45 m� = 2.285 m� = 126.225 m� = 7.413.625

Levando esses resultados nas express5es indicadas acima,

m1 = 45 - 45 0 =

m2 = m� - (mD2 2.285 - (45)2 2.285 - 2.045 260

= = =

m3 = m� - 3m;m� + 2(m;)3 126.225 - 3. 45 2.285 +

= •

+ 2(45)3 126.225 - 308.475 + 182.250 0

= =

m4 = m� - 4m;m� + 6(m;)2m� - 3(mD4 7.413.625 - =

- 4 45 126.225 + 6 (45)2 2.285 - 3 (45)4

• • • • • =

= 7.413.625 - 22.720.500 + 27.762.750 - 12.301.875 =

= 154.000

I m1 = 0 I I m2 = 260 I I m3 = 0 I I m4 = 154.000
Esses resultados podem ser confrontados com os valores obtidos no
exemplo 6.
6.2.5. Relat;io entre Momentos Centrados na Mlkiia e Momentos
Centrados em uma Origem Arbitraria x0
Da mesma forma como no caso anterior, e possivel estabelecer rela�oes
entre m, e x0m,. Apresentaremos apenas as express5es dos quatro primeiros
momentos e as rela�oes serao desenvolvidas a partir das formulas para dados
agrupados em classes. As formulas (4) e (6) estabelecem

k k
L (x1 - Xo)'fj L (x1 - x)'fj
j =I j=I
xomr e m, 237
n
= =

n
 onde x; representa um ponto medio de classe generico.

Fa\:amos, para simplificar, x; - x0 = D;. Assim, podemos escrever

LDffj
j=I
xomr = n
Essa expressao representa, em ultima analise, a media aritmetica pon­
derada das r-esimas potencias dos desvios D; = x; - x0 , ou, mais simples­
mente:

(9)

Dessa forma,

Para r = I > x0m1 = l5

r = 2 > xom2 = fj2
3 -
r = 3 > x0m3 = D
-4
r = 4 > x0m4 = D
Vejamos agora como relacionar os momentos centrados na media com
os centrados em uma origem arbitraria x0•
a) Para
"i:.(x; - x)fj
r = I > m1 = = 0 (primeira propriedade
n
da media)
b) Demonstrafiio para r = 2
Como se sabe, D; = Xj - x0 ou x; = D; + x0

Multiplicando por fj
x;fj = (D; + Xo )fj = D;f + Xofj

Aplicando "i:.,

"i:.x;fj = "i:.D;f; + "i:.xof; = "i:.D;fj + Xo "i:.fj

Dividindo por
. "i:.f = n,
---n
'J:,x·J;· "i:.D·J; ·
_ _I _I
= _/ /
_
+ Xo
_ :£fr -- OU X = 15 + Xo
n n ..n-

ou ainda

(x; - x) = x; - (l5 + x0) = x; - xo - 15 = (D; - 15)

�
D;
238
 Nestas condi«;oes,

L (xi- x)2 ii L (Di- l5)2 ii

k k

j=l -n--- j=l n

m2 =�- = =

-n ["LD·2 �ifir "L�/fj - L�ii 2

=
l
I
/,· -
I ( ) =

.i. .i.
OU

(10)

c) Demonstra¢o para = r 3

L (Dj - D)3 ii
k

m3 = j=l n = [LD/fj - 3DLDi2 ii l

n +

3(l5)2r.Diii - (f5)3Lfj]
LD�J;· - 3LD·J;· LD?-J;. 3 LD·J;- LD·J;i 3
+ =

n ,_I
n n ( nD 3 Q n )
__, , I I + _0 ,_, ,

= n ii - n jii n fj 2 ("£, n jfj

"f.D/ 3 LD "f.Dj
= _
_ _ • ___
- __
_ _ :0::

•
+ OU

(11)

Demonstra¢o para
-
d)

L D - D 4
4

( j n ) fj [LD/ii4 - 4D"f.
r =

m4 - Djf;3 6(D-)2"i,D2iii -
n
l

- 4(l5)3"f.Difi (D)4'f-ii]
= = +

"i,D�J;1- 1· - 4 -- "i,D·J;· LD�fi LD·J;· 2 "LD°?-J;·

+ =

-- n ( n -1 1) (--n 1-)1 6 (-n -1 1 ) n 1 1

_

=
+

--n -1 J;-1 )3 (LD·n J;·) ("f.nD·J;·)4

•

- 4 ("LD· •
__
_ , ,
+
__
_
, ,
239
 2
m4=x0m4 - 4(x0m1)(x0m3) + 6(x0m1) (x0m2) -
(12)
4
- 3(x0m1)

Exemplo 8:

Calcular os quatro primeiros momentos centrados na media, a partir

dos momentos centrados em rela\:iio a origem x0 = 40, com os dados dos
exemplos 4 e 6.

De acordo com os resultados dos exemplos 4 e 6, temos:

m1=0 40m1=5
m2 =260 40m2= 285
m3= 0 40m3= 4.025
m4 =154.000 40 m4 =193.625

Confirmaremos tais resultados atraves das formulas demonstradas

acima:

a) Momento centrado de primeira ordem: m1

m1 = 0

b) Momento centrado de segunda ordem: m2

2 2
m2 =40m2 -- (40m1) = 285 - 5 = 260

c) Momento centrado de terceira ordem: m3

3
m3 =40m3 - 3(40m1)(40m2) + 2 (40m1) =
3
=4.025 - 3(5)( 285) + 2 (5) =

= 4.025 - 4.275 + 250=0

d) Momento centrado de quarta ordem: m4

2 4
m4 =40m4 - 4(40mi)(40m3) + 6(40m1) (40m2) - 3 (40m1) =
2 4
=193.625 - 4 5 4.025 + 6• 5 • 285 3 5 = • • - •

=193.625 - 80.500 + 42.750 - 1.875=154.000

m4=154.000
0 resultado seguinte nao foi ainda calculado.
_ '1:.(Xj -40)4/j _

40m4- n
-

4 4
l<-25) • 21 + l<-15) .41 + [(-5)4.51 + [(5)2.81+[(15)2.51 + [(25)2.41 + [(35)2 .21=
30

781.250 + 202.500 + 3.125 + 5.000 + 253.125 + 1.562.500 + 3.001.250

30

5.808.750
193.625
240
= = .
30
6.2.6. Processo Breve para o Calculo dos Momentos

Os momentos podem ser calculados atraves do processo breve (ou

metodo abreviado), o qual parte dos mesmos principios que aqueles ja
apresentados para a media e para 0 desvio-padrao (OU variancia ) . Como 0
leitor deve recordar-se, o processo breve e desenvolvido com o recurso da
j
variavel transformada d ,tambem chamada de Msvio reduzido, cuja defini-rao
e, para dados agrupados em classes:
, Xj - Xo
di= �-­c
onde Xj = ponto medio de classe generico;
x0 = constante arbitraria, geralmente escolhida como o ponto
medio de classe de maior freqtiencia;
c =amplitude do intervalo de classe.
Para apresentar as formulas que deverao ser usadas no calculo dos
momentos atraves do processo breve, recorreremos a um exemplo, o que
facilitara a demonstra-rao e a comprova-rao dos resultados.
Exemp/o 9:
A Tabela 6. 7 fornece os dados relativos ao quociente de inteligencia de
480 alunos de determinada escola. Calcular as seguintes quantidades:
'
a) 94m1 i) m 1

j)
'
b) 94m2 m 2
'
c) 94m3 k) m 3
'
d) 94m4 I) m 4

TABELA 6.7

Quociente de Numero de
Inteliglincia Estudantes

681--- 72 4
12r-- 76 9
761--- 80 16
801--- 84 28
84r-- 88 45
881-'--- 92 66
921--- 96 85
961--- 100 72
100 I-- 104 54
1041--- 108 38
1081---112 27
112 r--116 18
1161--- 120, 11
120 I-- 124 5
124 l-'---128 2
n = 480

241
 Utilizaremos, para n calculos necessarios, a Tabela 6.8 auxiliar.

TABELA6.8

, Xj-94
Xj fj di = - - df j dj2 fj d/ ti dj4fi
4 '

70 4 -6 -24 144 -864 5.184

74 9 -5. -45 225 -1.125 5.625
78 16 -4 -64 256 -1.024 4.096
82 28 -3 -84 252 -756 2.268
86 45 .... 2 -90 180 -360 720
90 66 -1 -66 66 -66 66
94 85 0 0 0 0 0
98 72 1 72 72 72 72
102 54 2 108 216 432 864
106 38 3 114 342 1.026 3.078
110 27 4 108 432 1.728 6.912
114 18 5 90 450 2.250 11.250
118 11 6 66 396 2.376 14.256
122 5 7 35 245 1.715 12.005
126 2 8 16 128 1.024 8.192

15

L fj=n=480 �df j=236 �dj2 fj=3.404

'
�d j3 ti =6.428 �dj4fj=14.588
j=I

I - Oilculo dos momentos centrados na origem Xo = 94.

Antes de procederrnos aos calculos, devemos lembrar que
Xj - Xo Xj 94
di,
-

ou seja,
=
c =
4

x0 = 94 (media arbitraria)
c = 4 (ponto medio de classe).
Os momentos centrados em rela¢o a origem x0 apresentam a seguinte
propriedade:

'f.dj'fj
o mr = c
. r
(13)
x
-n-
= Xj - Xo
onde dj c Xj

�[� -..xol'fj
n =
n
�(cdj)'fj c'�dj'fj
c 'f.dj'.-
, -- fj
242
=
n =
n n=
 Em particular,
3
'l;djf;
-- 3 'l;dj f;
Xomt = c n x0m3 = c n
2 4
2- 'l;dj f; 4 'l; dj f;
c - c - - -
xom2 =
n xom4 =
n
No problema em questio, teremos, de acordo com os valores cons­
tantes da tabela 8:

'l;d'fi
94m1 = 4 _J_j_ =
480
4
X
236
480
= 1 ' 9667 I. 94m1 = 1,9667
2
2 'l;dj
f; 16 x 3-404
94m2 = 4 • "480 = . = 113,4667
480

I 94m2 = 113,4667 I
3
3 'l;d! Ii 64 x 6.428
94m 3 = 4 • � =
480
= 857,0667

I94m3 = 857,0667 I
4
4 'l;dj f; 256 x 74.588
94m4 = 4 � • = = 39.780,2667
480

I 94m4 = 39.780,2667 I
II - Cdlculo dos momentos centrados na media.
Neste caso, recorreremos as identidades 10, 11 e 12.
Momento de primeira ordem centrado na media: m1

'l;(x; - x)f;
mi = = ..!_ ( 2-:xfi· - 'l;x"·
11 ) = l..(2-:x;f; - x2-:f;)
n n II n .._..,
=

'l;x;f; xJ( n
= -- --=x -x=O
n J(
_

m1 = 0
_

I
,
Momento de segunda ordem centrado na media: m2

Tomemos a rela?o 10
2
m2 = x0m2 - (x0m1)
No problema em questao:

2
m2 = 94m2 - (94mi) = 113,4667 - { l,9667)2 = 109,5988

I m2 = 109,5988 I
Momento de terceira ordem centrado na media: m3 243
 {11),
Devemos ter agora, conforme expressao
= 3
m3 xom3 - 3(xom1)(xom2 ) + 2(xom=1)
=857,0667 - 3(1,9667)(113,4667) + 2(1,9667)
= 3 202,8158

=
m3 202,8158 I
Momento de quarta ordem centrado na media: m4
12 nos da
A relayao
4
m4 x0m4 - 4(x0m1Hx0m3) + 6(x0m1)2(x0m2 ) - 3(x0m1) ""
=
=39.780,2667 - 4{1,9667)(113,4667) +
4
+ 6(1,9667)2(113,4667) - 3(1,9667) = 35.627,2853

=
m4 35.627,2853 I
III - Cdlculo dos momn
t
e osn
atu
r
ais
Da mesma forma como fizemos para os momentos centrados numa
origem arbitraria Xo, podemos utilizar 0 metodo abreviado para 0 calculo
dos momentos naturais.
'Partiremos da relayiio
x· - x0
=
d} / =desvio reduzido,
c
de onde tiramos =Xj cdj +. x0
Assim,

. m' = LxJfj = L(cdj + x0)'fj

r
n n

Parr
=
a l

L(cdj + x0)fj CLdjfj + Xo L/j Ldjfj

=
m� = =c + Xo
n n n
Ld/fi -,
=Xo + c =x0. + cd
n
--

=
m� x0 + cd' {14)

r
=2
Para

, L(cdj + xo)2fj 1
=
m"l =n [LC2dj2fj + 2cXoLd}fj + Xo2Lfj] ::::
n
Ldj2fj Ldjfj
=c-
2 - + 2cxo
n
+ xl
244 n
 d 2ii
m2I
=
'i:.djfj
Xo2 + 2cxo-- + c2 'i:. nj
--·-
(15)
n

Parar=3

'i:.(cdI! + x0 )3/iI· 1 [r, 3 ' 31'.

m3I -
-
n
-

- n C dj Jj + 3C2Xo "'f. dj'21'.

Jj +
+ 3cx02 'i:.djfj + xJ'i:.ii]

Para r = 4
4
, _ 'i:.(cdj + xo> ii 1 [ 4 14 3 13
m4 - = . c "'f.di f; + 4c x0'i:.dj ii +
n n

+ 6c2 x'6r.dj2ii + 4cxgr.dfii + x:r.ii]

1 14 (17)
3 'i:. dj 3f; 4 'i:.dj ii
+ 4c x0 -- + c --
n n

Em termos do problema:
Momento natural de primeira ordem: m; para x0 = 94 e c = 4
Basta recorrer agora aos dados expostos na Tabela 8.
m; = 94 + 4 8 36:i = 95,9667 m; = 95,9667
Momento natural de segunda ordem: m;
236 + 42 X 3·404
m2' = (94)2 + 2 X 4 X 94 X
480 =
480
= 8.836 + 369,7333 + 113,4667 = 9.319,2
m; = 9.319,2 I
Momento natural de terceira ordem

36
m3I = (94)3 + 3 X 4 x (94)2 x 2480 + 3 X 42 X 94 x 3 .4o4
480 +

+ 43 x 64��8 =
245
 = 830.584 + 52.132,4 + 31.997,6 + 857,0667 = 915.571,06

m� = 915.571,06 I
Momento natural de quarta ordem
4 236 3·404 +
m 4I = 94 4 x 4 X 943 x 480 + 6 x 42 x 942 x 480
+

+ 4 x 43 x 94 x
6.428 4 x 74.588
480 + 4
=

480
= 78.074.896 + 6.533.927,3 + 6.015.548,4 + 322.257,06 +
+ 39.780,27 = 90.986.409
I I
.
m4I = 90.986.409
_ _

0 leitor podera comparar os resultados acima calculando os momentos

centrados na media a partir desses momentos naturais, utilizando as ex­
pressoes (8). Os resultados deverao ser pr6ximos dos seguintes ja calculados
nesse exemplo (as pequenas diferen9as, porventura existentes, deverao ser
resultantes de arredondamentos):

m1 = 0
m2 = 109,6
m3 = 202,8
m4 = 35.627,3
6.2.7. Controle de Charlier e Corre�o de Sheppard para os Momentos

a) Controle de Charlier
0 controle de Charlier, apresentado no capitulo precedente, pode ser
generalizado a todos os momentos, sendo de grande utilidade no processo
breve de determinac;:ao dessas quantidades, quando os dados vierem dispostos
em tabelas de freqiiencias. 0 controle proposto por Charlier recorre as
seguintes identidades:

I;(dj + l)f; = I;djfj + n �I;f;

I;(dj + 1)2!; = I;dj2fi + 2"'Edffj + n
(18)
"'E(dj + 1)3!; = I;dj3f; + 3I;dj2fj + 3I;djfj + n
4
"'E(dj + 1)4!; = "'Ed} fj + 4"'Edj3fj + 6"'£dj2fj + 4"'Edjfj + n

Exemplo 10:

Com os dados do problema 9, utilizar o controle de Charlier para

comprovar os calculos daquele problema.

A Tabela 6.8 fornece os seguintes valores, os quais deverlfo ser utili-

246 zados no desenvolvimento do controle de Charlier:
 n = "T.,f; = 480
"T., dffj = 236
"l:,,dj2fj = 3.404
"T.,dJ3fj = 6.428 e

"l:,,dJ4fj = 74.588.
A Tabela 6.9 apresenta as demais quantidades necessarias para se
processar o controle. As tres primeiras colunas foram repetidas por conve­
niencia apenas.
TABELA6.9

Xj t; d:
I
dj+ 1 ldj+ 11f; ldj + 1Pt; ldj + 1i3r; ldj+ 114f 1

70 4 -6 -5 -20 100 - 500 2.500

74 9 -5 -4 -36 144 -576 2.304
78 16 -4 -3. -48 144 -432 1.296
82 28 -3 -2 -56 112 -224 448
45 -2 -1 -45 45 -45 45
�
90 66 -1 0 0 0 0 0
94 85 0 1 85 85 85 85
98 72 1 2 144 288 576 1.162
102 54 2 3 162 486 1.458 4.374
106 38 3 4 152 608 2.432 3.728
110 27 4 5 135 675 3.375 16.875
114 18 5 6 108 648 3.888 23.328
118 11 6 7 77 539 3.773 26.411
122 5 7 8 40 320 2.560 20.480
126 2 8 9 18 162 1.458 13.122

n=_T.f;=480 T.V:tf+11f;=716 'I:, V:tf+1l2f;= 4.356 T.V:tj + 1l3f1=17.828 T.Vif +114f;= 122.148

}";(dj + l)f; 716 e (r.dffj + n) == 236 + 480 == 716

==

r.(dj + 1)2!; == 4.356 e ("T.,dJ2fj + 2"J;djfj + ) = n

== 3.404 + (2 x 236) + 480 = 4.356

"J;(dj + 1)3!; == 17.828 e ("J;dj3fj + 3"J;dj2fj + 3"J;djfj + n) ==
== 6.428 + (3 x 3.404) + (3 x 236) + 480 17.828 ==

"J;(dj + 1)4!; == 122.148 e ("T.,dJ4fj + 4"kdj3fj + 6"kdj2fj +

+ 4"kdjfj + ) 74.588 + (4 X 6.428) +
n ==

+ (6 x 3.404) + (4 x 236) + 480 122.148 ==

Esses resultados perrnitem afirmar que os caJ.culos dos valores cons­

tantes da Tabela 8 estao corretos.

b) Co"effio de Sheppard para os Momentos

Os momentos centrados sao corrigidos atraves das seguintes express6es,
onde c == amplitude do intervalo de classe: 247
 Var!iincia corrigida (momento centrado de segunda ordem corrigido)

m2 (corrigido)=m2 - /2 c2 (19)

.---O
-- U ------1

1 2
s2 (corrigido)=s2 - TI c

Momento centrado de quarta ordem corrigido

c2m 2 7c
4
m4 (corrigido)=m4 - - - + (20)
2 240

onde m2=s •
2

Observa�o: os momentos de primeira e terceira ordem nao sao corrigidos.

Exemp/o 11:

Usando OS dados do problema 9, corrigir, pelo metodo de Sheppard OS

momentos centrados (na media) de segunda e quarta ordens.
Os momentos centrados na media, de segunda e quarta ordens, obtidos
no exemplo 9, sao:

m2 = 109,5988 m4 = 35.627,2853 e c=4

Assim,
2 42
a) m2 (corrigido)=m 2 - TI= 109,5988 - TI= 108,2655

I m2 (corrigido)= 108,2655 I
4
c2 2 7c
b) m4 (corrigido)=m4 - ; + 240
=
4
42 x 109,5988 7 x 4
= 35.627,2853 - + =
2 �
= 34.757,9616

m4 (corrigido)= 34.757,9616

Observa�o: Quando os momentos se referirem a popula�ao, ao inves de

serem simbolizados por m serao pela letra grega µ (pronuncia-se mi). Assim,

µ;=momento natural de ordem r para a popula�ao;

xoµ;= momento de ordem r em rela�ao a origem arbitraria x0;

248 µ,= momento de ordem r centrado da media.

 Na populayao,

µ: OU simplesmente µ representa a media (momento natural de primeira

ordem);
µ� ou a2 (sigma) designa a variancia (momento centrado de segunda
ordem).
6.3. MEDIDAS DE ASSIMETRIA OU DE ENVIESAMENTO

Assimetria, como o pr6prio nome insinua, significa desvio ou afasta·

mento da simetria. Em outros termos, assimetria e o grau de deformayao
de uma curva de freqiiencias (polfgono polido).

Quanto ao grau de deformayao ou assimetria, podemos ter tres tipos

de curvas de freqiiencia:

a) Curva Simetrica ou Dis tribuifffo Simetrica

Uma distribuiyao de freqiiencias simetrica apresenta como caracteris­
tica principal o fato de as tres medidas de tendencia central mais usadas -
moda, media aritmetica e mediana - serem iguais. Em termos graficos, a
curva de freqiiencias apresentara as duas caldas com a mesma configurayao
(Grafico 6.1).

GRAFICO 6.1 - CURVA DE i=REQU£NCIAS SIMETRICA,

SEM DEFORMACAO

x=Md=Mo j (21}

er x=Md=Mo Xj

b) Curva ou Distribuifffo de Frequencias As simetrica Positiva ou

Desviada (Deformada) a Direita

Toda distribuiyao deformada e sempre assimetrica. Entretanto, a assi­

metria pode dar-se na cauda esquerda ou na direita da curva de freqiiencias.

Uma distribuiyao com deformayao positiva se apresenta com uma

cauda mais alongada a direita da ordenada maxima (ordenada correspondente
a moda) do que a esquerda. 0 Grafico 6.2 ilustra melhor. 249
 Nas distribui�oos assimetricas a direita, ha uma predominancia de
valores superiores a moda. Os valores concentram-se na extremidade inferior
da escala. Nestas circunstancias podemos escrever: Mo <Md < x.

GRAFICO 6.2 - CURVA DE FREQUi!lNCIAS ASSIM�TRICA A DIREITA

(DEFORMACAO POSITIVAI

Mo <Md <x {22)

0 Mo Md x Xj

c) Curva ou Distribuifilo de Frequencias Assimetrica Negativa ou

Desviada (Deformada) d Esquerda
Nas distribui�oos assirnetricas negativas, predominam valores inferiores
a moda. Neste caso, a curva de freqiiencias apresenta uma cauda mais longe a
esquerda do que a direita da ordenada maxima. Nas distribui�OeS com
assimetria negativa, a media aritmetica e menor que a mediana, e esta e
menor que a moda, conforme pode ser observado no Grafico 6.3.

GRAFICO 6.3 - CURVA DE FREQUi!lNCIAS ASSIM�TRICA A ESQUERDA

(DEFORMACAO NEGATIVAI

0 x Md Mo

x <Md <Mo I (23)

250
Notas:

1. As distribui9oes de quocientes costumam apresentar deforma9lfo positiva,

o que parece ser razoavel se tivermos presente que um quociente nao
pode ser menor que zero e pode chegar a um valor positivo muito grande.
lgualmente, as caracteristicas que se compoem de varios fatores multi­
plicativos podem apresentar assimetria positiva.

2. A deforma9ao a esquerda nao e Corrente, alem de nao ser facil relacionar

suas possiveis causas.

Para avaliar o grau de assimetria de uma distribui9ao, ou seja, a inten­

sidade relativa com que uma curva de freqiiencias se desvia da simetria, sao
propostas diversas medidas, as quais serao examinadas a seguir.

Principais Medidas de Assimetria

6.3.1. Metodo de Comparaqio entre Medidas de Tendincia Central

Trata-se do metodo mais rudimentar, o qual nao permite estabelecer

ate que ponto a curva analisada se desvia da simetria. A comparayao e
bem simples:

x > Mo > Assimetria positiva

x = Mo > Simetria
x < Mo � Assimetria negativa

Exemplo 12:
Verificar o tipo de assimetria das distribui9oes de freqiiencias das
tabelas seguintes:
TABELA 6.10 TABELA 6.11 TABELA 612

Classes fj Classes fj Classes fj

101---20 5 10 l---20 5 101---2 0 5
201---30 10 201---30 10 201---30 20
301----40 15 301---40 15 301---40 15
401---50 20 401---50 10 401---50 10
501----60 5 501---60 5 501---60 5
55 45 55

Para os calculos necessarios, recorreremos as seguintes tabelas auxiliares:

TABELA 6.13
2
Classes fj Xj Xjfj Xj fj Fj
101--- 20 5 15 75 1.125 6
201--- 30 10 25 250 6.250 16
301--- 40 15 35 525 18.375 30
401--- 50 20 45 900 40.500 50
501--- 60 5 55 275 15.125 55
2
n = 55 'E.Xjfj = 2.025 'E.Xj fj = 81.375
251
 TABELA 6.14

Classes fj Xj Xjfj Xj2fj Fj

10f--- 20 5 15 75 1.125 5

20f--- 30 10 25 250 6.250 15

30f--· 40 15 35 525 18.375 30

401--- 50 10 45 450 20.250 40

501---6 0 5 55 275 15.125 45

n = 45 "i:.Xjfj = 1.575 "i:.Xj2 fj = 61.125

TABELA 6.15

Classes fj Xj Xjfj Xj2fj Fj

10f--- 20 5 15 75 1.125 5

201--30 20 25 500 12.500 25

30f--- 40 15 35 525 18.375 40

401-- 50 10 45 450 20.250 50

501--60 5 55 275 15.125 55

n = 55 "i:.Xjfj = 1.825 "i:.Xj2fj = 67.375

Cdlculo das Medias "£x;fj 2.025

Da Tabela 6.13 ===.>' x= = = 36,82
n 55
- "£x;f I; 1.575
Da Tabela 6.14 x= = 35
45
--
n
- "£x;f; 1.825
Da Tabela 6.15 x = --I 55
= 33,18
n

Cdlculo das Modas (Metodo de Czuber)

fMo fant
Tabela 6.13>Mo=I + c F
-

Da
Vant + [,post) =
2JMo - {F .

20 - 15
= 40 + 10
(2 x 20) - (15 + 5) =

= 42,50
15 - 10
Da Tabela 6.14 > Mo = 30 + 10
(2 X 15) (10 + 10) = _

= 35
20 - 5
Da Tabela 6.15 ===>Mo= 20 + 10
(2 X 20) (5 + 15) = _

252 = 27,50
 Temos, entlfo,

Primeira Distribuiylfo
x = 36,82 e Mo= 42,5 ===> x <Mo > Assimetria Nega-
tiva
Segunda Distribuiylfo
x = 35 e Mo= 35 x = Mo Simetria

Terceira Distribuiylfo
x = 33,18 e Mo= 27,5 x >Mo Assimetria Posi­
tiva
6.3.2. Coeficiente Hndice) de Pearson
Uma medida usada muito freqiientemente para avaliar o grau de
assimetria ou de deformaylfo de uma distribuiylfo e o coeficiente sugerido
por Karl Pearson, o qual se calcula mediante as expressoes:

a) Primeiro Coeficiente de Enviesamento (ou Assimetria) de Pearson

Sfmbolo: e1
Definiyao:

x -Mo
(24)
s

b) Segu,ndo Coeficiente de Assimetria de Pearson

Sfmbolo: e2
Definiylfo:
3(x - Md)
(25)
s

Observa�s:

1. Alguns autores preferem o s{mbolo Sk em lugar do sfmbolo e pa�a

designar a assimetria de uma distribuiylfo;S e k correspondem as primeiras
letras da palavra inglesa "skewness", traduzida por deformaylfo ou assi­
metria.

2. A expresslio 25 decorre da relaylfo empirica proposta por Pearson, apre­

sentada no Capitulo 4 (expresslfo 42):

(x - Mo)=== 3(x - Md)

Da expresslfo (24) tiramos, por substituiylio:

x - M0 ::: 3(x - Md)
s s
que e a formula (25) vista acima.
Como essas relay6es slfo aproximadas e nao exatas, somente quando a
distribuiylfo for simetrica elas se equivalerlfo. 253
 A (24) tern o inconveniente de requerer a determina9lio previa da moda.
Tratando-se, entretanto, de distribui9oes que nao se apresentem com
forte assimetria, deve-se dar preferencia a expressao (25).
3. A expresslio (25) pode alcanyar um valor te6rico de ±3. Todavia, nao 6
comum o aparecimento de curvas de freqilencias com deforma9lio
superior a ± 1.

Exemplo 13:
Admitindo-se que numa distribui9lio de freqilencias x = 95, Md= 90
e s = 33,33, calcular o segundo coeficiente de Pearson e interpretar o
resultado.
3(x -Md) 3(95 - 90) 15
e2 =
+o.45
33,33 33 33
=

s '

j e2 =
0,45 ou 45% ===> Assimetria positiva

Exemplo 14:
Calcular o primeiro e o segundo coeficientes de Pearson para as distri­
bui90es de freqilencias do exemplo 12.
Os valores necessarios para determinar as medidas que comporlio o
coeficiente de Pearson ja se encontram calculados nas tabelas constru{das
na solu9ao do exemplo 12.

Stlgunda Oi6tribu!Po Terct1in1 Di1tribuifio

(Tabela 131 (Tabela 141 ITabela 151

ii = 'E.x ;fj = 2.025 =36'82 ii=

'E.x;f; = 1.5 75 = 35 ii=
'E.xjfj. = 1.8 25 =33' 18
· n 66 n 45 n 55

Mode (Czuborl

5
=4 2,5 0 Mo=30+ 101 =3 6 Mo =20+10 1 =27,50
Mo=40+ 10 1 X
2 2
��=1,1 5 + 51 2
x 1 1:,::::� o+ 101 2
x 2::;:=�5+ 151

.!!.-Fant
27,5 15 ,5 15 2 25
2
Md=!+ c- __ = 30+10 - = Md= 30+10 22 - =3 5 Md=30+10 7�; =31,67
15 15
fMd

=38.33

Ji Md Mo Md Mo Mo < Md < Assimet�ia

< < Assimetria X
i i i -+ Negativa i J. � Simetria .:, .i. -" _,.Positive
35 35 35 31,67
36,82 38,33 4 2,5 27,5 33,18

254
Determina�iio do Desvio-Padriio

Primeira Distribui?o Segunde Di1tribui�io Terceira Distribui?o

(Tabela 13) (Tabela 14) (Tabela 15)

s2 =
� [61.125 - (1 .:�5 12 ] = s2 =
� [67.375 - 11·��5'2] =

[81.375 -
(2.025)
55
2
] ....!...
54
= = 136,36 = 154,96

= 126,26 s = 11,68 s = 12,45

s = .j126,26 = 11,24

a) Cdlculo do Primeiro Coeficiente de Pearson

A formula 24 nos da
x - Mo
e1 = _____
s

Primeira Distribuii;io Segunda Distribuii;io Terceira Distribuii;io

36,82 - 42,50 35 - 35 33,18 -27,50

81 = = - 0'51 e1= � =0 81 = 046
•
11,24 12,45

Assimetria negativa Assimetria nula > Assimetria positiva

curva sim�trica

b) Cdlculo do Segundo Coeficiente de Pearson

A formula 25 nos da
3(.X - Md)
ez =
s

Primeira Distribuii;io Segunda Distribuii;io Terceira Distribuii;io

3 (36,82 - 38,33) 3 (35 - 35) .3 (33,18 - 31,67)

83 =
=

62 = = 82 = =0
11,24 11,68 12,45

=-0.40 =0,36

Assimetria negativa Assimetria nu la > Assimetria positiva

� simetria

Os primeiro e segundo coeficientes de Pearson difei:em em valor, mas

nao em sinal, como pode ser observado nos resultados apresentados nas
Tabelas 18 e 19. 255
 6.3.3. Coeficiente Quartil de Assimetria
Sfmbolo: eQ
Outra medida de assimetria freqiientemente usada e o coeficiente
quartil de assimetria, que, em seu calculo, recorre aos tres quartis. Trata-se
de uma medida muito util quando nlro for possfvel empregar o desvio-padriio
como medida de dispersao, mas apenas alguma medida que dependa dos
quartis .
0 coeficiente quartil de assimetria e definido pela seguinte relayiio:

(Q3 - Md)- (Md - Qi)

eQ
(Q3 - Md) + (Md - Qi)
OU (26)
Q3 -2Md+ Qi
eQ =

Q3 - Qi

a qual revela que a assimetria e uma quantidade tomada como o quociente

entre a diferenya entre os afastamentos dos quartis e sua soma.
0 coeficiente quartil de assimetria assume valores entre os limites
+l e-1.
1..---- 1- �-e-Q-�-1
I
.......

Exemplo 15:
Calcular o coeficiente quartil de assimetria para as tres distribuiyoes
do exemplo 12.
A mediana (segundo quartil) das tres distribuiyoes ja foi calculada no
exemplo anterior:
Primeira distribuiyiio: Md = 38,33
Segunda distribuiyiio: Md = 35
Terceira distribuiyiio: Md = 31,67

Resta calcular os primeiro e segundo quartis:

Primeira Distribuit;io Ssgunda Distribuir;lo Terceira Distribuir;iio

n
4-Fant 11,25-5 = ,75 - 5
01 =l+c = o, =20+ 10 a, =20 + 10 13 =
'
a,
10 20

= 20+ 10 13•75 - 5 = 28'75 =26,25 = 24, 375

10
3n
4 -Fant 41,25-4 0
03 =/· + c 33,75 - 3 0 = 03 =40+10
'o
= Q3 = 40+10 10 10
=
,
4 ,25-30
=4 0+ 1 0 1 = = 43,75 = 41,25
20

256 =45,625
 Determinemos agora o coeficiente quartil de assimetria.

Primeira Distribuirao

Q3 - 2Md +Qi 45,625 - 2 x 38,33 + 28,75

= =
Q3 - Qi 45,625 - 28,75

- 2,285
= - 0•135
16 875
'

e = - 0,135 > Assimetria Negativa

Q

Segunda Distribuifiio

43,75 - 2 x 35 + 26,25
eQ = =0
43,75 - 26,25

I eQ =
o I > Simetria

Terceira Distribui¢o

41,25 - 2 x 31,67 + 24,375 2,285

eQ = = =0•135
41,25 - 24,375 16,875

I e
Q
=0,135 I ==> Assimetria Positiva

6.3.4. Coeficiente de Assimetria entre os Percentis 10 e 90

Sfmbolo: ec
0 coeficiente de assimetria entre os percentis 10 e 90 obedece ao
mesmo principio que o coeficiente quartil de assimetria, mas, neste caso,
temos um quociente entre a diferenya entre os afastamentos dos percentis
em relayao a mediana (quinquagesimo centil) e sua soma. Em termos de
f6rmula:
(C90 - Md) - (Md - C10)
(C90 - Md)+ (Md -
C10)
,__���ou�����--< ( 27)
C90 - 2Md + Cio
C90 - C10

Exemplo 16:
Calcular o coeficiente de assimetria entre os percentis 10 e 90 das tres
distribuiyOeS do exemplo 12.
As medianas das tres distribuiyOeS, como sabemos, sao iguais a
Primeira distribuiyao: Md = 38,33
Segunda distribuiyao: Md = 35
Terceira distribuiyao: Md = 31,67 257
 Cd/culo do Decimo Centi/: C10
lOn
TOO - Fant
C10 = I+ c ,
JC10
Os calculos seril'o baseados nas tabelas do exemplo 12.

Primeira Distribui9io Segunda Distribui9io Terceira Oistribui9iio

55 5 45 0 55 5
C10 = 20 + 10 = -
C10= 10+ 10 -' -- C10=20+ 10 • - =
10 5 20
--
· -- =

= 20,5 =19 =20,25

Cdlculo do Nonagesimo Centi/: C90

90n
100 - Fant
= I+ c
{90

Primeira Distribui9io Segunda Oistribui9iio Terceira Distribuiylio

4 5 0 40,5- 40 ,5 40
c90 40 + 10 9, -3 C90 = 50+10 c 90= 40 + 10 49 -
20 5 10
= =

= 49,75 =51 = 49,5

Calculo do ec
Primeira Distribui�iio
Md
t
C90 - 2Cso + C 10 49,75 - 2 x 38,33 + 20,5
C10
=

C90 -
49,75 - 20,5

-641
29 is
'
= -0,219

ec = -0,219 > Assimetria Negativa

Segunda Distribuifiio
51 - 2 x 35 + 19
= O
51 - 19

> Simetria
258
Terceira Distribuifllo
49,5 - 2 x 31,67 + 20,25
ec = = �� 0,219
49,5 "'."" 20,25 5
=

'

-1 e-c - - - --.
= 0 ,219
1 ===:> Assimetria Positiva

6.3.5. Coeficiente Momenta de Assimetria

Slmbolo: eM
Outra medida utilizada para avaliar a assimetria de uma distribui¢o
de freqiiencias e o coeficiente momenta de assimetria, calculado com base
nos momentos centrados da segunda, terceira e quarta ordens, que e definido
por:
Vb. (b2 + 3)
(28)

onde
mi m4
b1 = -3 e b2 = -
2
m2 m2
Algumas vezes utiliza-se apenas a raiz quadrada de b1 para representar
o coeficiente de assimetria, ou seja:

=--
3 (29)
s

onde m2 = s2 e '17ii; = s.
Exemplo 17:
Com os dados do exemplo 9, calcular o coeficiente momento de
assimetria da distribui�o dos coeficientes de inteligencia.
Precisaremos, para resolver o problema, dos seguintes dados ja calcu­
lados no exemplo 9 (item II), os quais serao arredondados ate a segunda
casa decimal:

m2 = 109,60 >mi = 12.012,16 ===> m: =

= 1.316.532,74 ===> v'm� = 1.147,40

m3 = 202,82 > mi = 41.135,95

m4 = 35.627,29

Com esses dados, podemos calcular o coeficiente momenta de assi­

metria. Antes, porem, e Conveni.ente determinar OS valor es de bl e b2•
(202,82)2 41.135•95
= 0,0312457
(1 09,60)3 1.316.521,74 259
 e VF; =
0,1768
m4 35.627,29
b2 =
2
= =
2 9659
m2 12.012 16 '
'
VF; (b 23) +
eM = =
1 2(5b2 - 6b1 - 9)

=
0,1768(2,9659 + 3) =

2[(5 x 2,9659) - (6 x 0,0312457) - 9]

=
1,0548 1,0548 = = o,o93
2(14,8295 - 0,1875 - 9) 2 x 5,6420
==:> Pequena Assimetria Positiva _

202,82
eM = = =
0,1768 � eM =
0,1768
2 1.147,40 2
Vf};
6.4. MEDIDAS DE CURTOSE

A curtose ou excesso indica ate que ponto a curva de frequencias de

urna distribui�ao se apresenta mais afilada ou mais achatilda do que urna
curva-padrao, denorninada curva normal. De acordo com o grau de curtose,
podemos ter tres tipos de curvas de frequencia:

a) Curva ou Distribui¢o de Frequencias Mesocilrtica

Se a curva de frequencias apresentar um grau de achatamento equiva­
lente ao da curva normal, ela sera denominada curva mesocfutica (Grafico
6.4).
GRAFICO 6.4 - CURVA DE FREQUISNCIAS NORMALMENTE ACHATADA
(MESOCURTICAI

b) Curva ou Distribuifiio de Frequendas Platic:Urtica

Urna curva platicfutica apresenta-se com alto grau de achatamento,
superior ao da normal, conforme pode ser observado no Grafico 6.5.
c) Curva ou Distribuifiio de Frequencias Leptocilrtica
Urna curva leptocurtica revela um alto grau de afilamento, superior ao
260 normal.
 GRAFICO 6.5 - CURVA DE FREQUENCIAS EXCESSIVAMENTE ACHATADA
(PLATICURTICAI

GRAFICO 6.6 - CURVA DE FREQUENCIAS MUITO AFILADA

(LEPTOCURTICAI

Para avaliar o grau de curtose de uma curva ou distribui�ao de fre­

qtiencias, usaremos dois tipos de medidas:

6.4.1. Coeficiente Percentrlico de Curtose

Simbolo: k
0 coeficiente pe rcenti1ico de curtose e a medida mais ele mentar usada
para avaliar o grau de curtose de uma distribui�ao ou curva de freqtiencias.
E definido pela seguinte expressao:

k = Dq
C90 - Cao
·I
_
(30)
261
 onde
Q3 - Qi
Dq = Desvio quartilico (Capitulo 5)"=
2
C90 = Nonagesimo centil
C1o = Decimo centil
Se
k= 0,263 > curva ou distribui?o mesocurtica
k > 0,263 ==> curva ou distribuiyao platicurtica
k < 0,263 ==> curva ou distribuiyao leptocurtica

Exemplo 18:
Calcular o coeficiente percentilico de curtose das distribuiy6es de
frequencias apresentadas no exemplo 12.

Os dados necessarios para determinar o coeficiente percentilico de

curtose encontram-se ja calculados nos exemplos 15 e 16, a saber:

Primeira Distribuit;iio Segunda Distribuii;iio Terceira Distribuii;iio

03 45,625
= 03 43,75
= 03 41,25
=

01 28,75
= 01 26,25
= 01 24,375
=

(03 - 011 16,875

= (03 - 011 = 17,5 (03 - 011 = 16,875
03 - 01
Dq 8,4375 Dq 8,75 Dq 8,4375
2
= = = =

C90 49,75
= C90 51
= C90 49,5
=

C10 20,5
= C10 19
= C10 20,25
=

(C90 - C1ol = 29,25 (C90 - C1ol = 32 (C90 - C1ol = 29,25

0 calculo do coeficiente agora e imediato:

Primeira Distribuirilo
Ds 8,4375
k= = = 0 '288
C9-0 C1 0 29,25
-

I k= o,288 > Distribui?o Platicurtica

Segunda Distribuirilo
Dq 8 75
k= • = 0 '273
C90 - C10 32

1 k= 0,273 1 > Distribuiyao Platicurtica

Terceira Distribuirilo
Dq 8,4375
k= = 0 '288
C90 - C10 29,25

262 k= 0,288 > Distribuiyao Platicurtica

6.4.2. Coeficiente Momento de Curtose
Simbolo: b2

· 0 coeficiente mQmento de curtose utiliza-se do quociente entre o

momento centrado de quarta ordem e .o quadrado do momento centrado
de segunda ordem ( variancia), ou seja:

OU (31)

Obserw�o: A quantidade b2 aparece na formula do coeficiente momento

de assimetria apresentado anteriormente (item 6.3.5).

Se b2 = 3 > distribuiyao ou curva mesoc6rtica

b2 < 3 > distribui�o ou curva platicurtica
b2 > 3 > distribui�o ou curva leptoc6rtica.

Exemplo 19:
Calcular o coeficiente momento de curtose da distribuiyao dos coefi­
cientes de inteligencia com os dados do problema 9.

Recorreremos aos seguintes valores ja calculados no exemplo 9.

m4 = 35.627,29

m2 = s2 = 109,60 > m i = 12.012,16

Entao,

35 .627,29
2 966 - 30
12.012,16
= = =
' '

b2 = 2,966 === 3,o I ==> Distribui�o Mesocurtica

A curtose pode ser medida igualmente pelo coeficiente c2 :

I C2 =
b2 -
3 (32)

Teriamos, entao:

c2 = 0 curva mesocurtica
c2 > 0 · > curva leptocurtica

c2 < 0 > curva platicurtica 263

 EXERCfCIOS PROPOSTOS

6.1. Dada a distribui�o de salarios abaixo, determinar:

6.1.1. A mediana.
6.1.2. Primeiro quartil.
6.1.3. Terceiro quartil.
6.1.4. Momento natural de H ordem.
6.1.5. Momento natural de 2� ordem.
6.1.6. Desvio quartil.
6.1.7. Momento centrado de 2� ordem.
6.1.8. Segundo coeficiente de assimetria de Pearson.

Sa/Arias Freqiiincias

201---25 10
251---30 15
301--- 35 20
351--- 40 18
401-- 45 4

67

6.2. Com os dados do exercicio anterior, determinar:

6.2.1. Primeiro coeficiente de assimetria.
6.2.2. Coeficiente quartil de assimetria.
6.2.3. Coeficiente percentilico de curtose.
6.3. A tabela abaixo apresenta a porcentagem de bacterias encontradas
por cm em 100 amostras de determinado produto.

Classes Freqiiincias
% fj

0,0----10,1 2
0, 1 ----1 0,2 5
0,2 ----1 0,3 10
0,3----10.� 15
0.4 ----10 ,5 18

0,5 ----10 ,6 18
0,6----10,7 15
0,7 ----10,8 10
0,8----10,9 5
0,9 ----l 1,0 2

100

Pede-se:
264 6.3.1. Coeficiente percentilico de curtose.
 6.3.2. Coeficiente quartil de assimetria.
6.3.3. Primeiro coeficiente de assimetria.
6.3.4. Segundo coeficiente de assimetria.
6.3.5. Coeficiente de assimetria entre os percentis 10 e 90.

6.4. Determinar o coeficiente percentilico de curtose dos dados da tabela

seguinte:
ClaSSllS

21-- 4 2
41-- 6 8
61-- 8 10
81---10 8
101---1 2 2
30
6.5. Assimetria ou enviesamento :
a) ocorre quando uma curva de frequencias apresenta um desvio-padrao
grande;
b) e o grau de deforma9ao de uma curva de freqilencia;
c) e o achatamento de uma curva de freqilencias;
d) e o desvio de uma curva de freqilencias com rela9ao a uma origem
arbitraria;
e) n.r.a.
6.6. Dados os resultados:
M0 = 30
Md= 28
x = 22
podemos afirmar que a curva de freqilencias e:
a) mesocurtica;
b) simetrica;
c) assimetrica negativa;
d) assimetrica positiva;
e) assimetrica leptocurtica.
6.7. 0 coeficiente de curtose para uma determinada distribui\:ifo de fre·
qilencias apresentou o seguinte resultado: k 0,278. Podemos, entio,
=

afirmar que a curva e:

a) assimetrica positiva;
b) leptocurtica;
c) mesocurtica;
d) simetrica;
e) platicurtica.

RESPOSTAS DOS EXERC[CIOS PROPOSTOS

6.1. 6.1.1. 32;13

6.1.2. 27,25 265
 6.1.3. 36,46
6.1.4. 31,83
6.1.5. 1.045,80
6.1.6. 4,61
6.1.7. 32,76
6.1.8. -0,16
6.2. 6.2.1. -0,30
6.2.2. -0,06
6.2.3. 0,29

6.3. 6.3.1. 0,272

6.3.2. zero
6.3.3. zero
6.3.4. zero
6.3.5. zero

6.4. 0,295

6.5. b 6.6. c 6.7. e

OUTROS EXERC[CIOS COM SOLUC0ES

1. Seja a tabela abaixo:

ClaSS111 Freqiilncia1

1001--110 2
1101--120 4
1201--130 6
1301---140 6
1401--150 2

a) construir o histograma da distribui�ao de freqiiencias correspondente

(freqiiencias absolutas e freqiiencias relativas).
b) construir o poligono de freqiiencias absolutas e relativas.
c) construir o polfgono de frequencias acumuladas "abaixo de" (absolutas e
relativas).

2. Tres moedas foram lan�adas duzentas vezes, sendo anotado o nfunero de

coroas que apareceram em cada lance.

Nfunero de coroa1 Numero de lanCBI

Xf 'i
0 16
1 51
2 84
3 49.
266
 a) Construir o grafico correspondente a distribui�ao de freqiiencias expressa
pela tabela.
b) Construa a tabela de freqiiencias absolutas acumuladas e o grafico
corresponden te.
3. Os dados abaixo representam os acidentes com veiculos ocorridos no
munidpio de Gerivo no periodo de 1966 a 1970.

Numero de acidentes Numero de meses

fj

1 0001---1 100 3
1 1001---1 200 8
1 2001---1 300 10
1 3001---1 400 20
1 4001---1 500 11
1 5001--1 600 5
1 6001---1 700 3

a) Construir o poligono de freqiiencias absolutas e relativas.

b) Construir o poligono de freqiiencias acumuladas absolutas e relativas.
c) Qua! a percentagem de meses com mais de 1 400 acidentes?
d) Qual a percentagem de meses com menos de 1 500 acidentes?
e) Qual a percentagem de meses com mais de 1 300 e menos de 1 600 aci­
dentes?
4. Uma empresa procurou estudar a ocorrencia de acidentes com seus
empregados, tendo, para isso, realizado um levantamento abrangendo um
periodo de 36 meses, conforme tabela:

Numero de operarios Numero de meses

acidentados par mis (xjl (fjl
1 1
2 2
3 4
4 5
5 7
6 6
7 5
8 3
9 2
10

a) Construir um grafico representando as freqiiencias simples absolutas.

b) Construir um grafico representando as freqiiencias acumuladas "abaixo
de". 267
 c) Em quantos por cento dos meses houve seis empregados acidentados?
d) Em quantos por cento dos meses houve ate quatro empregados aci­
dentados mensalmente?

5. Uma empresa apresentou a seguinte evolu�ao de vendas de um de seus

artigos, no periodo de dois anos, computados trimestralmente:

Peflodo ft) 1971 1972

Trimestres 19 29 39 49 19 29 39 49

Vendas 100 120 95 90 120 140 113 108

Representar a evolu�ao das vendas, atraves de um grafico em linha.

6. Um produto e vendido por apenas tres empresas, em um determinado

mercado. Em 1972, para um total de 18 000 unidades vendicias, tivemos
a seguinte distribui�ao das vendas pelas tres empresas:

Empress A B c

Vendas 7 200 4 800 6 000

Representar graficamente (grafico em setores) a distribui�ao das vendas

de cada empresa (distribui�ao absoluta e percentual).
7. Calcular a media aritmetica do seguinte conjunto de valores: {5, 7, 3,
2, 9, 10, 11, 6, 5, 2}.
8. A tabela seguinte representa a distribui1Jao dos salarios mensais dos ope­
rarios de uma empresa.

Sa/Brios Numero de
(Cr$) empregados ff)

2801-- 400 15

4001-- 520 30

520 1-- 640 20

6401-- 760 10

7601-- 880 4

8801--1 000

Calcular 0 Salano medio pago aos operanos.

9. Uma prova de estatistica realizada numa classe com cinqiienta alunos
268 apresentou os seguintes resultados:·
 Notas (xj) 0 2 3 4 5 6 7 8 9 10

NC? de alunos (fj) 2 4 5 6 7 8 7 5 3 2

Calcular a media aritmetica das notas.

10. Seja o seguinte conjunto de nfuneros: {5, 7, 9, 11, 13}. Mostrar que
somando ou subtraindo, a cada valor do conjunto, a constante 4, a
media resultante ficara somada ou subtraida dessa quantidade.
11. Considere o seguinte conjunto de mimeros: {210, 212, 223, 231, 242,
253, 264, 275}.
a) Calcular a media aritmetica desses nfuneros pelo metodo normal.
b) Calcular a media aritmetica pelo metodo abreviado, fazendo Xo = 230
(media arbitraria).
c) Compare os resultados.

12. Dada a seguinte distribui�ao de frequencias:

Classes

Ol-- 4 2
41-- 8 4
81---1 2 7
121---16 16
161--2 0 26
201---24 12
241---28 6
281---32 2

a) Calcular a media aritmetica pelo metodo normal.

b) Fazendo agora x0 = 16 (media arbitraria), calcular a media pelo
metodo abreviado.
13. Um aluno recebeu as seguintes notas finais: 82 em Matematica, 90 em
Estatistica, 65 em Hist6ria e 70 em Geografia. Atribuindo-se a essas
materias, respectivamente, os pesos 3, 3, 2, 1 calcular a media aritmetica
das notas recebidas pelo aluno.
14. Em uma classe, dez alunos tern 18 anos de idade, quinze tern 19
anos, catorze tern 20 anos, e um tern 21 anos. Calcular a idade media
da classe.
15. Se tomarmos x0 = 10 como a media arbitraria de um conjunto
de mimeros, chegaremos aos seguintes desvios, calculados em rela�ao
a x0: {-4, -1, 2, 0, 3, -3, 5, 1}. Calcular a media verdadeira do
conjunto. 269
 16. Considere a seguinte distribuiyiio de freqiiencias:

Vari,val (x) 870 871 872 873 874 875 876

Fr«1iilncias (f) 2 4 6 8 7 4

Calcular a media aritmetica dos valores pelos metodos normal e abreviado.

Para 0 segundo metodo, tomar Xo = 873.

17. A tabela seguinte refere-se a uma distribui�o de freqiiencias do compri­

mento de cem barras de ferro:

Comprirmmto (cm) Numero de barras (f)

751---1
- 00 2
100 I-- 125 4
125 I-- 150 11
150 I-- 175 18
175 I-- 200 31
200 I-- 225 22
225 I-- 250 9
250 I-- 275 2
275 I-- 300 1

Calcular a media aritmetica das cem barras, usando o metodo abreviado

e fazendo x0 = 187,5 e c = 25.

18. Sejam os seguintes conjuntos de nfuneros: A= {10, 11, 12, 13, 14, 15} e
B ={0, 1, 2, 3, 4, 5}. Calcular a media aritmetica dos dois conjuntos
e comparar os resultados,

19. Calcular a moda dos seguintes conjuntos: A = {3, 5, 7, 9, ll};B = {3, 5,

5, 7, 7, 7, 9, 9, 11} e C = {l, 3, 5, 5, 5, 7, 7, 7, 9, 9, 11}.
20. Numa certa seyiio de uma empresa foram levantadas as idades dos fun­
cionarios, chegando-se aos seguintes resultados:

ldades (x) 25 26 27 28 29 30

N9 de emprsgados (f) 2 4 6 7 5

Qual a idade modal dos empregados dessa seyiio?

21. Calcular a moda dos valores apresentados na tabela abaixo.

a) Pelo metodo de King.
270 b) Pelo metodo de Czuber.
 Classes fj

10f--20 5
20f--3 0 10
30f--40 15
40 1-- 50 8
501--60 2

40

22. Seja a seguinte tabela:

Freqiiencias acumuladas
Classes
"Abaixo de"
Of-- 4 2
41-- 8 6
Sf-- 12 13
121--16 29
161--20 55
201--24 67
241--2 8 73
281--32 75

a) Qual e a classe modal?

b) Qual e o valor da moda bruta da distribui�ao?
c) Determinar a moda pelo metodo de Czuber (pela formula e grafica­
mente) .
23. Determinar o elemento mediano dos seguintes conjuntos de numeros:
A = {2, 4, 11, 13, 16, 18, 20} e
B =
{2, 4, 11, 13, 16, 18}.
24. A tabela abaixo apresenta as notas obtidas por vinte alunos, em uma
prova de Estatistica:
Nora (x) 2 3 4 5 6 7 8

/119 de alunos ff) 2 3 5 4 3 2

Determinar a nota mediana.

25. As notas obtidas por 21 alunos em uma prova de Conhecimentos Gerais
estao anotadas na tabela abaixo:

Notas (x) 4 5 6 7 8 9 10

/119 de alunos ff) 2 4 5 4 4

Calcular a nota mediana da classe. 271

 26. Calcular a mediana da seguinte distribui�ao de freqtiencias:

Classe.s Freqiilncia.s (f}

401-- 50 1
501-- 60 3
601---- 70 6
701--- 80 11
801--- 90 19
901---1
- 00 35
1001---110 27
1101--120 15
1201---130 14
1301---140 7
1401---150 5
1501---160 2
1601--170

27. Dado o histograma abaixo, no interior de cujos retangulos foram anotadas

as freqtiencias simples absolutas, calcular a mediana do conjunto (Gra­
fico XIV).
GRAFICO XIV

_ .._ rif1h
_ ___. _ __
10
..____....____..____....__,.�
20
30 .._40 50 60 Classes

28. Dado o histograma abaixo, no interior de cujos retangulos foram anotadas

as freqilencias simples relativas, calcular a mediana do conjunto (Gra­
fico XV).
GRAFICO XV

15% 20% 30% 25% 10%

_ ___.___...___
__, '--___.___....
30 __.�
._
40 Classes
50 60
10 20

272
29. Dado abaixo o poligono de freqiiencias relativas acumuladas, determinar
a mediana do conjunto (Grafico XVI).

Frj Pol (gono de freqii6ncias relativas acumulades

100

90

80

70

60

GRAFICOXVI
50

40

30

20

10

0 _,._ __..__ _._

....._ _ _ __ .._
...._
....__
.. ...____._ JC

50 150 250 350 400 450 550 650

30. Seja o seguinte histograma, no interior de cujos retangulos estao anotadas

as freqiiencias simples absolutas (Grafico XVII).

GRAFICOXVII

5 6 4 3

100 200 300 400 500 600 JC

273
 a) Calcular a media, a moda (Czuber) e a mediana do conjunto.
b) Calcular a moda, usando a rela�io de Pearson.

31. Seja a seguinte distribui�ao de freqiiencias:

Freqiiincias ff)

501-- 60 8
60r--- 70 10
701-- 80 17
80r--- 90 13
901--100 9
1001--110 6
1101--120 2

a) Calcular o primeiro, o segundo e o terceiro quartis.

b) Calcular o primeiro, o segundo e o oitavo decis.
c) Calcular o vigesimo, o trigesimo quarto e o septuagesimo quinto centis.
32. Dado o poligono de freqiiencias abaixo, calcular o primeiro quartil e a
mediana da distribui�o (Grafico XVIII).

GRAFICO XVIII

3
2

0 10 20 30 40 50 60

33. Seja a seguinte tabela de freqiiencias:

Clas!llll f

Of-- 20 2
201---- 40 3
401---- 60 6
601---- 80 3
801----100 2

274 Calcular a media, a moda e a mediana.

34. A amplitude total de urn conjunto de n6meros e 500. Se a distribui�ao
de freqiiencias apresenta vinte classes, qual devera ser o limite inferior e
0 ponto medio da quinta classe, se 0 limite superior da primeira classe
e igual a 35?

35. Dado o conjunto de n6meros, A = {-10, -5, 2, 3, 6, 9, 10}, qual e

o valor da amplitude total do conjunto?

36. Calcular o desvio medio do seguinte conjunto de n6meros:A= {300, 400,

500, 600, 700}.

37. Dada a distribui�ao de freqiiencias abaixo, calcular 0 desvio medio.

2 3 4 5 6

3 5 5 3

38. Considere a seguinte tabela de freqiiencias:

1,5.1--1,6 4
1,61--1,7 8
1,71--1,8 12
1,81---1,9 15
1,91--2,0 12
2,01--2,1 8
2.11--- 2.2 4

Calcular o desvio medio da distribui�o.

39. Calcular a variincia e o desvio padrio dos seguintes conjuntos de n6meros:

A= {O, 0, 0,1, 1, l} e B = {-2,-1, 0, 1, 2}.

40. A distribui�o de freqiiencias seguinte representa o n6mero de pe�as
defeituosas produzidas por uma maquina em 31 dias de observa�ao.
Calcular o desvio padrao do n6mero de pe�s defeituosas pela f6rmula
original e pela f6rmula desenvolvida.

2 3 4

N9 de di• (f) 3 5 15 5 3

41. A distribui�ao de freqiiencias dos pesos de cem operarios de uma fabrica

e a seguinte:
c1- (f>B$os} N9 de operlrios (f}

501--58 10
581-- 66 15
661--74 25
741--8 2 24
821--90 16
_ so 1-- e8
__ _ ______ 10 275
�
_ __

_ _
 Calcular o desvio padrao dos pesos dos cem operarios, pela f6rmula ori­
ginal e pela f6rmula desenvolvida.

42. Usando os dados do problema 41, calcular o desvio padrao pelo processo
breve, fazendo x0 =70.
43. A distribuiyao da renda semanal proveniente do aluguel de duzentas
casas pertencentes a uma empresa imobiliaria encontra-se na tabela
abaixo.

Renda semanal Numero de casas (f)

751----125 12
1251---- 1 75 26
1751---- 2251 45
2251---- 275 60
2751---- 325 37
3251---- 375 13

375f---425 7

Calcular o desvio padrao da renda semanal, pelo processo breve e com o

uso da variavel reduzida, fazendo x0 =250 e c = 50.
44. Dados os conjuntos de m1meros,

A ={220, 230, 240, 250, 260} e

B ={20, 30, 40, 50, 60},
que relayao existe entre os desvios padr5es dos dois conjuntos?
45. Considere os seguintes conjuntos de m1meros:
A ={10, 20, 30, 40, 50} e
B = {100, 200, 300, 400, 500}.
Que relayao existe entre os desvios padroes dos dois conjuntos de
nfuneros?
46. Um teste de estatistica foi aplicado em duas classes, e os resultados da

{ {
avaliaylio foram os seguintes:
:X=6 x=7
ClasseA ClasseB
s=2 s=l
Calcular o coeficiente de variayao de Pearson para os dois conjuntos.
47. Considere os seguintes resultados relativos a tres tabelas de freqiiencias:

Distribui�io A Distribui�io B Distribui�io C

X=50 X=4S X=51

Md=50 Md=49 Md=50

Mo= 50 Mo=50 Mo =49

276
 Quanta ao enviesamento das curvas de freqiiencia correspondentes, que
tipo de distribuiyao temos em cada caso?
48. Examinando o Grafico XIX, indicar qual das distribuiyOeS apresenta um
desvio padrao maior (supor que as areas sob as curvas sejam iguais).

GRAFICOXIX

49. Considere o polfgono de freqiiencias relativas acumuladas do Grafico XX.

GRAFICO XX

Fr FreqUlnciu relatives
acumuladas

100

90

so
..Eq3---------------------
70

60

50 _Emd·-----------------

40

30

20

10

0 100 200 300 400 500 600 700

a) Calcular o desvio quartilico.

b) Calcular a mediana. 277
 50. Calcular o valor do primeiro coeficiente de assirnetria de Pearson usando
os resultados do problema 47, sabendo-se que as variancias das distri­
bui�oes sao, respectivamente: sJ 4, sj 4, st: = 2,25.= =

51. Sejam as seguintes tabelas de freqiiencias

I U m

Classes fj CIS!J$1JS fj Claues fj

101--20 2 101--20 3 10.1--20 1

201--30 4 201--30 5 201--30 2
301---40 6 301---40 7 301---40 7
401--50 4 401---5 0 2 401---50 5
501---60 2 501--60 501---60
- 3

a) Calcular o prirneiro coeficiente de assirnetria de Pearson.

b) Calcular o segundo coeficiente de assirnetria de Pearson.
c) Calcular o coeficiente quartil de assirnetria.

52. Seja a seguinte tabela de freqiiencias:

Classes fj

1001--200 2
200 I-- 300 22
3001--400 52
4001--500 22
500 1-- 600 2

Calcular o coeficiente de curtose da distribuicao. ·

RESOLU<;AO DOS EXERCfCIOS

1. a) Constru?o do histograma (Gr.ifico I).

Freqii6ncias absolutas Freqii6ncias relativas

fj % frj
6 30

4 - 20
GRAFICOI
3

2 - ....__ 10

0 100 110 120 130 140 150 x

278
b) Constru�o do polfgono de freqiiencias simples (GrMico II).

fj
6

4 20

GRAFICO II 3

2 10

0 100 110 120 130 140 150 x

Para construir o eixo das freqiiencias relativas fazemos:

n = � !; = 20 = frequencia total

2 x 100

{
20 -- 100% � x = = 10%
20

2--x

Portanto, duas observa�oes correspondem a 10% do total de obser­

va�Oes. Anotamos essa percentagem no eixo das freqiiencias relativas,
na mesma altura do valor 2, que e a frequencia simples absoluta da
primeira e ultima classes. E assim prosseguimos, ate completar a escala.

c) Poligono de freqiiencias acumuladas (GrMico III):

Inicialmente, devemos constru� a tabela de frequencias acumuladas:

Freqiilncias acumuladas
C/11$$8$ fj
"Abaixo de"

1001----110 2 2
1101----120 4 6
120 1----1 30 6 12
130 1----140 6 18
140 1----150 2 20
279
 Freqiiincias absolutas acumuladas Freqiiincias relativas acumuladas

20

18

16

14

12
r--
I
I
I GRAFICO Iii
10 I
I
I
I
I
8 I
I
I
I
I
6

0 100 110. 120 130 140 150

2. a) Grafico em hastes (IV):

Numero de lances
100

80

60
GRAFICO IV

40

20

0
T
0 2 3 Numero de coroas
280
b) Tabela de frequencias absolutas acumuladas:

Xj Freqiilncias acumuladas
'i

0 16 16
1 51 67
2 84 151
3 49 200

Poligono de Frequencias Acumuladas (Grafico V).

Freqii6ncias acumuladas
200
11
I
160 I

120 -
II
I
I GRAFICO V
I
I
I
80 I

rl
I
40 I
I I

.0 ...._
._ r-1
...._ I_
_...__.... ... 1_
_._ i___ Numero de coroas
' __.

3. a) Poligono de frequencias (Grafico VI).

Numero de meses
Porcentagem
35 de meses (%)

GRAFICO VI
15

10

o 1000 1100 1200 1300 1400 1soo 1600 l '100 Numero de acidentes
281
 b) Poligono de frequencias acumuladas (Grffico VII):
TABELA DE FREQU�NCIAS ACUMULADAS

Cl- 'i Ff8qiilncia1 acumulada1

1 0001-- 1 100 3 3
1 1001--1 200 8 11
1 2001--1 300 10 21
1 3001--1 400 20 41
1 4001--1 500 11 52
1 5001---1 600 5 57
1 6001--1 700 3 60

GRAFICO VII

Numero de meses Porc:entagens de mases %

60 1 00

90

80
45
70

60

30 50

40

30
15
20

10

vv"F-�.---,.�-,.�-,.�-.-�""T""�-r-�O
0 1000 1100 1200 1300 1400 isoo 16 00 1100 Numero de acidentes

c) 0 mlmero de meses com mais de 1 400 acidentes e .19, ou seja

19
11 + 5 + 3. Portanto, percentualmente, teremos: 60 X 100 �31,67%.

d) Com menos de 1 500 acidentes temos 86,67% dos meses, ou seja:

Frequencia acumulada ate a classe

1 4001---- 1 500 : 52. Frequencia total = 60.

Frequencia relativa acumulada ate a classe

52
1 400f-- I 500 : 60 X 100 � 86,67%.
282
 e) 0 m1mero de meses em que ho.uve mais de 1 300 e menos de 1 600
acidentes foi 36, isto e, 20 + 11 + 5. Percentualmente, teremos:
36
x 100 = 60%.
60
4. a) Grafico das frequencias simples absolutas (Grafico VIII):

8 'i

6
GRAFICO VIII
5

3.

T T
0 2 3 4 6 6 7 8 9 10

b) Grafico das frequencias acumuladas "abaixo de" (Grafico IX):

FreqiiAncias acumuladas
40

35

30
r----r-r
GRAFICO IX 25

20
rfl
I
I
I
I

rl
I
I
15 I

· IrI
10
r--i
I I
I
I
5
I I
I
I I
0 Xj
2 3 4 5 8 9 10

c) Houve seis empregados acidentados em 16,67% dos nieses. Assim:

6
x 100 £:;: 16,67%.
36
d) Tivemos doze observayoes (meses) correspondentes a ate quatro empre­
gados acidentados. Percentualmente, teremos:

!� x 100 £:;: 33,33%.

283
 5. Grafico X.

Vendas
140

130

120
GRAFICO X
110

100

90

19 29 39 49 10 29 39 49 t

-1911- -1912 -

6. Distribuiyao absoluta das vendas pelas empresas A, B e C (Grafico XI).

GRAFICO XI 7 200 6000

A c

Distribuiyao percentual (relativa) das vendas pelas empresas A, B e C

(Grafico XII).

GRAFICO XII 4 0%
A

284
7. x =
�x = 5 + 7 + 3 + 2 + 9 + 10 + 11 + 6 + 5 + 2 =
60 = 6
10 10
·

8.
Salarios f Ponto medio x x . f

2801-- 400 15 340 5 100

400t-- 520 30 460 13 800

5201-- 640 20 580 11 600

6401-- 760 10 700 7 000

7601-- 880 4 820 3 280

8801--1 000 1 940 940

80 41 720

x =
�x · f = 41 720 = 521' 5
n 80
9.
Xj fj Xj' fj

0 1 0
1 2 2
2 4 8
3 5 15
4 6 24
5 7 35
6 8 48
7 7 49
- T-xr fj 268
8 5 40 x = =-= 5' 36
9 3 27
n 50
10 2 20
A nota media e, portanto,
50 268
5,36.
10. lnicialmente, temos:
Xi = 5 + 7 + 9 + 11 + 13 �=
= 9
5 5
Somando-se 4 a cada um dos valores do conjunto original, teremos:
{9, 11, 13, 15, 17}. A media desse novo conjunto sera:

x2 9 + 11 + 13 + 15 + 17 �=
= = 13
5 5
A media resultante e igual a media do conjunto original mais a constante
4. Subtraindo-se, agora, a constante 4 de cada valor do conjunto original,
teremos: 285
 1 +3 +5 +7 + 9 25
{1 , 3 , 5 , 7 , 9} e X3= = 5.
- =

5 5
Esse valor e igual a media do conjunto original menos a constante 4.

11. a) Metodo normal:

x
210
212
223
231 x �xi 1 910
242 = = = 238'75
263 n 8
264
275
1:.x; 1 910
=

b) Metodo abreviado: x 0 = 230

x;- x0
=
d;

-20
-18
- 7
1 �d·1
12 X =Xo +-
23 n
34 - 70
45 x = 230 + --s
Ll;=10
x = 230 + 8,75 238,75
=

c) Os resultados sao absolutamente iguais.

12. a) Metodo normal

C/11$111$ Pontomldio 'i xi• fi

01--- 4 2 2 4
41--- 8 6 4 24
81---12 10 7 70
121--16 14 16 224
161--20 18 26 468
20t--24 22 12 264
t 210
241--28 26 6 156 -x·- �r f; =
15==
__

281--32 30 2 60 n

286 75 1 270 == 16,93

 b) Metodo abreviado: x0 = 16

Ponto mtJdio fxj) dj=Xj- Xo

2 -14 -28
6 -10 -40
10 -
6 -42
14 -
2 -32
18 2 52
22 6 72
26 10 60
30 14 28

70

- T.df 70
x =x0 + = 16 +75= 16 + 0,93 � 16,93
n

13.
Nam (x) PBS06 (p) x • p

82 3 246
90 3 270 - 716
65 2 130 x =9 � 79,6
70 1 70

9 716

14. Xjfj
/dade Xj N9 de alunos fj

18 10 180 x = 'T.xj· fj =
19 15 285 n

20 14 280 . = 766
= 19 15
21 1 21 40 '

40 766

ldade media da classe: � 19 anos.

"£d,
-
J
15. x =x0 +­
n

+ 3 + (-3) + 5 + 1
x = 10 + (-4) + (-1) + 2 +80

3
= 10 +g- = 10 + 0,375 = 10,375. 287
 16. a)

Xj 'i Xj, fj

870 2 1 740
871 4 3 484
872 6 5 232
873 8 6984
874 7 6 118
875 4 3 500 -x Derfj = 21 934
= =
876 1 876 n 32
=
32 27 934 872,9375

b) Metodo abreviado: x0 = 873

dj = Xj- X o dj. 'i

'i
-3 2 -6
-2 4 -8
-1 6 -6
0 8 0
1 7 7
2 4 8
3 1 3

32 -2

X = Xo + "Edrfj __
873
+
�22 = 873 - 0,0625
=
872,9375
n

17. Xo = 187,5 e c = 25 (constante arbitraria). Entao, o desvio reduzido,

d'; seni:
Xj -Xo Xj-187,5
d'; =
c 25

, X -XO
j
d = --
Classes x d j=-x j-XO j d
'i i c f'i

751---100 2 87,5 -100 -4 - 8

1001---125 4 112,5 - 75 -3 -12
1251---150 11 137,5 - 50 -2 -22
1501---175 18 162,5 - 25 -1 -18
1751---200 31 187,5 0 0 0
2001---225 22 212,5 25 1 22
2251---250 9 237,5 50 2 18
2501---275 2 262,5 75 3 6
2751---300 1 287,5 100 4 4

100 -10
288
 x = x0 + ('l;-J;-!1-..J
d,. ![\c = 187,5 + �OO
10
• 25 = 187,5 - 2,5 =

= 185

0 comprimento medio das barras observadas e 185 cm.

18. Media do conjunto A:

- '£x 10 + 11 + 12 + 13 + 14 + 15 75
XA = -n = = 6 = 12,5
6
Media do conjunto B:

XB
'£x 0+ 1+ 2+ 3+ 4+ 5 .!..?_
= = = = 2'5
n 6 6
Os valores do conjunto A sao iguais aos valores do con junto B mais a
constante 10. Entao, a media de A devera ser igual a media de B mais a
constante 10. Trata-se de uma decorrencia da quarta propriedade da
media.

19. Moda do conjunto A: nlio M moda, pois nao M predominancia de

qualquer valor sobre os demais.

Moda do conjunto B: M0 = 7

Moda do conjunto C:
{ M: = 5
0 conjunto e bimodal
M = 7
20. A idade modal e 28 anos, porqtJe a freqiiencia de 28 e maior do que a
de qualquer outro valor do conjunto.

21. Classe modal:.30f---40

a) Pelo metodo de King:

£ = 30 I M
o
= £+
/p ot;:./ant •
cl
fpost 8
8
=

M0 30 + 10
8 + 10
=

c
fant 10
•
=

10 80
30 + 18+ 4,44 34,44
=
= =

b) Pelo metodo de Czuber:

£ = 30
! M =£+
o 81 A� 82 •cl
81 = 15 - 10 = 5
5
-
c
82 15 - 8 7 30 +- 10
5+7
= = = • =

10
1Q.
=

- 30 + 30 + 4,17 ::: 34,17

289
=

12
 22. Para calcular a moda precisamos, inicialmente, construir a tabela de
freqilencias simples.

Classes Freqiiincias acumuladas Fj fj

01-- 4 2 2=2-0
41-- 8 6 4=6 - 2
81--12 13 7= 13-6
12 t--16 29 16= 29-13
16 t--20 55 26=55-29
20 1--24 67 12=67-55
24 1--2 8 73 6=73 --' 67
28 t--32 75 2=75 - 73

a) Classe modal: 161---20

b) Moda bruta: 0 18 (ponto medio da classe modal)
M
=

c) Determin�ao da moda (f6rmula de Czuber):

I Mo
=

2
+
D.1 ; D.2 •
c
I 10 40
16
Mo
4 16 + 24
10 + 14
= = =

D.1 26 - 16 10
•

+ ==
= =

D.2 = 26 - 12 = 14 = 16 1,67 17,67

c
= 4

28

24 ' I
"
\ I
20
I�
' \
GRAFICO XIII
16 \
12
\

0 ._
___,_�_._�....__..._.._._�.._�..___._.Xj
4 8 12 16 20 24 28 32

Mo=17,67
290
23. Para o conjunto A, temos
ri+l 7+1 -
EMd 4
=- 2- =- 2-=
0 elemento mediano sera entlio o 49 da lista. Para o conjunto B o ele-
, n 6 3.
mento med.1ano sera 2
= = 2
=

24. Para calcular a mediana recorremos as freqilencias acumuladas:

Numero Freqiiencias
Notas de alunos acumuladas
Xj fj "Abaixo de" Fj

2 1

3 2 3

4 3 6
5 5 11

6 4 15

7 3 18

8 2 20

0 elemento mediano e i�ual -a

' Ti 20
IO.
2=2=
Pelas freqilencias acumuladas verificamos que ate a nota 5 acumulamos
11 observa�OeS. Portanto, a mediana e a nota 5.

25. Calculemos primeiramente as freqilencias acumuladas "abaixo de":

Numero de Freqiilncia
Not/ls
Xj alunos fj acumulada Fj

5 2 3

6 4 7

7 5 12

8 4 16

9 4 20

10 21

0 elemento mediano e

n +1 21+1
11'
2 = 2 =

que corresponde a nota 7. Portanto, a mediana e a nota 7. 291

 2 .
6

Classes fj FffJQiiiJncias acumuladas Fj

40f-- 50 . 1 1
50f-- 60 3 4
60f-- 70 6 10
70f-- 80 11 21
80f-- 90 19 40
90f--100 35 75
100f--110 27 102
110f--120 15 117
120f--130 14 131
130f--140 7 138
140f--150 5 14
. 3
150 f-
. 1- 60 2 145
1601:--170 1 146

146

. , n 146
0 elemento med1ano e 73: 2= 2 = 73.

A classe mediana e: 90f--100.

JI
= 90
c= 10
!Md= 35

Fant = 40

73 - 40
Md = 90 + • 10
35
330
Md = 90 + 35 = 90 + 9,43 = 99,43

27. Somando-se as freqtiencias temos:

�fj = 8 + 13 + 19 + 14 + 7 = 60

0 elemento mediano e: EJfJ = 6 2° = 30. Entlio, a classe da mediana ea

terceira classe. Assim,
30 - 21 9o
Md = 30 + •
10 = 30 + = 30 + 5 = 35
!8 18

28. A mediana dos valores corresponde aquele valor ate o qual temos 50%
das observa�6es. Para chegarmos ate esse valor teremos que acumular as
percentagens de observa�6es ate que atinjamos os 50% das observa�0es.
Somando-se as percentagens das duas primeiras classes teremos 35% das
292
observ�oes. Para atingirmos os 50% precisamos ainda de 15%, exata-
 mente a metade da percentagem de observacy6es da terceira classe. Por
conseguinte, o valor de mediana e Md = 35, ou o ponto medio c.Ja
terceira classe.

29. Como temos o poligono de freqilencias acumuladas, basta localizar no

eixo vertical a freqilencia acumulada cujo valor e 50%. Tracyando uma
paralela ao eixo das classes, atingiremos o polfgono de freqilencias em um
ponto a partir do qua! tracyamos uma perpendicular ao mesmo eixo das
classes. Essa perpendicular encontrara o eixo das classes exatamente no
ponto correspondente ao valor da mediana. Portanto Md = 400.
30. Vamos, inicialmente, construir a distribuicyao de freqilencias:

Freqiiencia
Classes fj Xj Xj fj
acumulada Fj
•

1001---200 2 150 300 2

2001---300 5 250 1 250 7
3001---400 6 350 2 100 13
4001---500 4 450 1 800 17
5001---600 3 550 1 650 20

20 7 100

a) x = fa�. fj 7;go = = 355 (media)

l
M0 = 300 + l+2 · 100 = 333,33 (moda)

l
Md = 300 + O �- 7 • 100 = 350 (mediana)

b) Pela relac;ao de Pearson devemos ter:

M0 = 3Md - 2x
M0 = 3 • (350) - 2(355) = 1 050 - 710 = 340
31. Vamos primeiramente calcular as freqilencias acumuladas:

Classes fj Freqiiencia acumulada Fj

501-- 60 8 8
601-- 70 10 18
701--- 80 17 35
801-- 90 13 48
901---100 9 57
1001---110 6 63
1101---120 2 65

65
293
 a) l<J quartil
65
Eqi = 4 = 16,25

60 f-- 70 => classe do 19 quartil

16•25 - 8
Qi = 60 + IO= 68,25
IO
•

29 quartil

65
EMd = Eq2 =1 = 32,5

classe med1ana: 70 f-- 80

32 5 - 18
Md = Q 2 = 70 + • IO = 78,53
17
•

3<J quartil

3 X 65
Eq3 = = 48 '75
4
classe do 39 quartil: 90 f---100
8
Q3 = 90 + 4 •7 � - 48 • IO= 90, 83

b) J<J decil
65
Edi =IO= 6,5

classe do 19 decil: 50f--60

6 ,5 - 0 65
Di = 50 + IO= 50 + = 50 ' 125
8 8
-

29 decil

X 65
Ed2 = 2 = 13
10

classe do 29 decil: 60f--70

13 - 8
D2 = 60 + IO= 65
lO
•

89 decil

8 X 65
Eds = = 52
IO

classe do 89 decil: 90 f----100

294
 52 - 48
D8 = 90 + 10 = 90 + 4,44 = 94,44
9
•

c) 209 centil

20 X 65
EC:zo = = 13
100

Como Ec20 = Ed2 = 13, o 209 centil e igual ao 29 decil, ou seja

2
C 0 = 65.

349 centil

34 x 65
Ec34 = = 22,l
100

classe do 349 centil: 701--80

22,1 - 18
C34 = 70 + 10 = 70 + i! = 72 '41
17 17
•

759 centil
75 x 65
Ec,s = = 48,75
100
Como Ec75 = Eq3 = 48, 75, o 759 centil e igual ao 39 quartil.
Entao, C75 = 90,83.

32. Com base na figura podemos construir a seguinte tabela:

C/a$$eS fj Freqiiiincias scumuladss Fj

101--20 3 3
201--3 0 4 7
301--40 6 13
401---50 5 18
50.1-6
- 0 2 20

20

19 quartil
n 20
Eq1=4=4 = 5
5 - 3 20
Q. = 20 + . 10 = 20 + = 20 + 5 = 25
4 4
-- -

Mediana
n' 20
EMd=2=2= 10
.

295
 7 30
Md = 30 + IO - • 10 = 30 + = 30 + S = 35
6 6

33. Como a distribui�ao e simetrica, a media sera igual a moda e esta igual a
mediana. Para calcular essas medidas, basta determinar o ponto medio da
classe de maior freqiiencia.

401---60 classe de maior freqiiencia.

Entao, M0 = x = Md = SO

34. Dados:

At= 500
Total de classes: 20
Limite superior da H- classe: 35

c
=
am t� � tud total
=
5° °
= 25 (amplitude de classe)
n. e c asses 20

Entao, a primeira classe e 101---35 e a quinta classe e l lOf--135.

Assim, 110 e 0 limite inferior da classe e 0 seu ponto medio sera igual
a 122,5, ou seja,
110 + 135 245
= = 122' 5
2 2

35. A t= (maior valor)-(menor valor)= 10-(-10)= 10+ 10 = 20

36.
x; d; jd;j
300 -200 200
x
2 500
400 -100 100 = = 500
5
500 0 0

�ldl =
600 100 100 600
Dm = = 120
700 200 200 n 5

�
I 2 500 0 600

37.
xi '1 d1=x1-x ldfi ldA'1
1 1 -2,5 2,5 2,5
2 3 -1,5 1,5 4,5
3 5 -0,5 0,5 2,5 - =-= 63
x 3'5
4 5 0,5 0,5 2,5 18
5 3 1,5 1,5 4,5
6 1 2.5 2,5 2,5

�
296
18 19,0
 A media foi calculada pelo emprego de f6rmula:

"De.· Ii· 19
x= -- ' ' Dm = 18 � 1,06
n

38.
Clnses '1 Xj dr x1- x ld1I11

1,51--1,6 4 1,55 -0,3 1,2

1,61--1,7 8 1,65 -0,2 1,6
1,71--1,8 12 1,75 -0,1 1,2
1,81--1,9 15 1,85 0 0
1,91--2,0 12 1,95 0,1 1,2
2,01--2,1 8 2,05 0,2 1,6
2,11--2,2 4 2,15 0,3 1,2
63 8,0

8
x = 1,85 Dm =
6 3 � 0,127

39. A = {O, 0, 0, 1, 1, 1}

x; x�I s2 =
_1_
n - l
{l;x2 - (�;)2}
1 n
0 0
0 0
0 0

= � {3 - 1,5} =
15
5 = 0, 3 (variancia)

S = y'Q,3 0,548 ( desvio padrio)

3
=

B = {-2, -1, 0, l, 2}

X;. X2·I
-2 4
-1
0 0
1 1
2 4
l;I 0 10 S2 = ! {IO - O} = �O
= 2,5 (variancia)

S = V2,S = 1,58 (desvio padrao) 297

 40. Pela formula desenvolvida: Pela formula original:

Xj fj Xjf j x 2;f; fxi-x) fxI·-x)•f. fxi-xPti

I
0 3 0 0 -2 -6 12
1 5 5 5 -1 -5 5
2 15 30 60 0 0 0
3 5 15 45 1 5 5
4 3 12 48 2 I 6 12

� 31 62 158 � 34

F6rmula original:

S2 =

n
� l �(Xj - X)2fj = ;� 2:: 1,13 (variancia)

S = ../S2 ::::: 1,06 (desvio padrao)

Formula desenvolvida:

s2 =
_

n
1_
-
1
{'Dc2·/- (�x;f;)2}
l n
=
_1
30
{ 1ss - (62)2
31
}
s2 158 - 124 34
= =
""' 1,13
30 30 -

S = VT,T3 ::::: 1,06 (desvio padrao)

41. F6rmula desenvolvida:

Classes 'i Xj Xj. fj 2
x /i
501--- 58 10 54 540 29 160
581--- 66 15 62 930 57 660
661--- 74 25 70 1 750 122 500
741--- 82 24 78 1 872 146 016
821--- 90 16 86 1 376 118 336
901-- 98 10 94 940 88 360

100 7 408 562 032

F6rmula original:

xi-x fxi-x) fi (xi-xP 'i

-20,08 -200,80 4 032,0640
-12,08 -181,20 2 188,8960
- 4,08 -102,00 416,1600
x 74,08
3,92 94,08 368,7936
=

11,92 190,72 2 273,3824

19,92 199,20 3 968,0640

13 247,3600
298
 F6rmula original:

s = ); 9
(13 247,36)= � = ll,S7
F6rmula desenvolvida:

S62 032 - S4 878 4,64 ; 13 247,36

J ../ 133,81
� � ll,S7
s =
=

99 99
42. difi
Classes fi "i drx1-10 '1'1
50f-- 58 10 54 -16 - 1 60 2660
581-- 66 15 62 - 8 - 1 20 960
661:----- 74 25 70 0 0 0

741-- 82 24 18 8 1 92 1 536

821-- 90 16 86 16 256 4096

901-- 98 10 94 24 240 5760

1 00 408 14 912

Como c I, temos:

w{ . } j
= ·

J
1 . (408)2 1 '
s 14 912 100 = {14 912 - 1 b64,64} =
99
= · -

=
j 2:;·
13 36
f!!f....; 133,81 f!!f. 11,S7
43.
Renda Numero de x;-260 d/'J d .2if/
_

St1manal xi d'r fiO

·ca.,'J
7Sl-- 1 25 12 100 -3 -36 1 08
1 251-- 1 75 26 1 50 -2 -52 1 04
1 751---225 45 200 -1 -45 45
2251--275 60 250 0 0 0
2751--325 37 300 1 37 37
3251---375 13 350 2 26 52
3751-- 425 7 400 3 21 63

200 -49 409

s =
c •
j -{ - }
n·-1.
--
·
1
. T,d>2·f;
II
(E,d'�l>2
pf
n

s =so j...l... {409 - } )

199
( 49)2
-
200
= 50 396,9950
199
=

=sov'l,9949=so x t,4124=10,62 299

 44. A = {220; 230; 240; 2SO; 260}
Xj x;-x fx;-xP

220 -20 400 XA = 240

230 -10 100
240 0 0
SA = /1¥"=
250 10 100 y'250 = lS,81
260 20 400

0 1 000

B= {20; 30; 40; SO; 60}

x; x;-x fx;-xP

20
30
-20
-10
400
100
:XB= 40

40 0 0 Ss=� =

50 10 100
60 20 400
= y'250 = lS,81

. Portanto, I SA = SsI de acordo com a primeira propriedade do desvio

padrao.
45. A =;:= { 1,.0; 20; 30; 40; SO}

X; x;-x

10 -20 400
20 -10 100
30 0 0
40 10 100
50 20 400
1 000

B = { 1 00; 200; 300; 400; SOO}

X; X·-X
I , fx;-xP
100 -200 40 000
200 -100 10 000
300 0 o ·
400 100 10 000 '
500 200 40oo0

100000
300
 xB=300

Ss = ..//1000 00
� = y25 000 = y250 X I 02 = 10 ..(250

Como S
A
=v'BO; teremos:

I Ss = IOSA I
de acordo com a segunda propriedade do desvio padrao.

46. Conjunto A Conjunto B

2
VA= x= =
5
Vs= g=
S I I
6 3 7
. l>l
T 1.
0 conJunto A apresenta maior
. di spersao
- relati va porque

4 7. Distribuiylio A: distribuiylio simetrica porque X= Md = M0•

Distribuiylio B: distribuiyliO assimetrica negativa OU a esquerda, porque
X<Md <M0.
DistribuiyliO C: distribuiyliO assimetrica positiva OU a direita, porque
M0 <Md <X.

48. A distribuiylio de A apresenta um desvio padrao maior do que a de B,

ja que a dispersao dos valores em tomo da media e maior.

49. Calculo do desvio quartilico:

Q =
Q3 - Qi

Q3 = 500 }
2

> Q=
500 - 300
2
= 100
Qi = 300

b) Calculo da mediana:

Md = 400 (determinaylio direta no grafico)

50.
Distribui�o A Distribui�o B Distribui�io C

J( = J( =48 x =51
Md=50 Md=49 Md=50
50
M0 =50 M0 =50 M0 =49
s = 2 s = 2 s = 1,5 301
 Primeiro coeficiente de assimetria de Pearson.

a) Distribui�ao A:

x - Mo 50 - 50
As = = =0
S 2

b) Distribui�ao B:

x -M0 48 - 50 2
As= = =- =-l >
S 2 2
assimetrica negativa

c) Distribui�ao C:

x -M0 51 - 49 2
As= = = = 1,33 =>
s 1,5 1,5
-

=::::> assimetrica positiva

51. Para calcular os coeficientes pedidos, temos necessidade de saber o valor

das seguintes medidas: X. M0, Md, S, Q1 e Q3•

Freqiilincias
Xj Xj fj jfj
2
(/) Classes fj • x
acumuladas Fj

-- 0
101---2 2 15 30 450 2
201-----30 4 25 100 2500 6
-- 0
301---4 6 35 210 7 350 12
-- 0
401---5 4 45 180 8 100 16
-- 0
501---6 2 55 110 6 050 18

18 630 24 450

"1:.xf 630
x = = = 35
-·

N 18

N
2- Fant 9 - 6 30
Md = £ + c = 30 + IO = 30 + 6=
6
· -- •

[
= 30 + 5 = 35
Ll
, 2
M0 (Czuber) = £ X Ll c = 30 + IO =
i + b.2 2 + 2
•
•

20
= 30 + = 30 + 5 = 35
302 4
 N
-- Fant
4 = 20 + 4•5 - 2
Q. = 1l + • c •
10 20 +�
4
=

4
=

f
= 20 + 6,25 = 26,25

3N -
Fant
-

= 4 13,5 - 12
Q3 1l + • c = 40 + •
10 =
f 4
= 40 + 3,75 = 43,75

s2 =
_

n -1
1_ ["i:,x2·/1
II
- ('£xf)2]
n

=
1
18 - 1
[24 450 - (
630)2
18
] =

_
1
[ 24 450 -
396 900 ] 1
[24 450 - 22 050]
18 17
= - =

17
=

1
- [2 400] 141 '18
17
= =

s = ...; 141,18 = 11,88

Freqiiincias
(II) Classes
'i X
i xi• 'i x :ii'i acumuladas F
i
101---20 3 15 45 675 3
201---30 5 25 125 3125 8
301---40 7 35 245 8 575 15
401---50 2 45 90 4 050 17
501---60 1 55 55 3 025 18

18 560 19 450

560 =
x 31 ' 11
18
=

9 - 8 10
Md 30 + -- 10 30 + 7 = 30 + 1,43 31,43
7
= • = =

= 30 + 2 20
M0 •
10 = 30 + 7 30 + 2,86 32,86
2 + 5
= =

Q. = 20 +
45
• ;
3
• 10 = 20 + ;=
1
20 + 3 = 23
303
 13 5 - 8
Q3 = 30 + • 10 = 30 + �= 30 + 7' 86 = 37' 86
7 7
•

s2 =_
1
17
[ 19 450 - (
560)
18
2
] =_I
17
[ 19 450 -
313 600
18
]
1 2 027•78
=- [19 450 - 17 422' 22] = = 119' 28
17 17
s =v' 119,28 = 10,92

{II/) Classes Xj Xjfj 2i'i Freqiiincias

" x
acumuladas Fi

101--2 0 1 15 15 255 1
201--30 2 25 50 1 250 3
301--4 0 7 35 245 8 575 10
401--50 5 45 225 10 125 15
501--6 0 3 65 165 9075 18
18 700 29 250

700
x = = 38'89
18

9 - 3 60
Md= 30 +- - 10 = 30 + = 30 + 8,57 = 38,57
7 1
•

5 50
M0 = 30 + 10 = 30 +7= 30 + 7,14 = 37,14
5 +2
•

Qi = 30 +
45 - 3
•
7
• 10 = 30 + ;= 30 + 2,14 = 32,14
1

13 5 -
Q3 = 40 + • lO. 10 = 40 +� = 40 + 7 = 47
5 5

s2 =_
17
1 [29 250 - (
700)2
18
] =_
1
17
[
29 250 -
. .
490 000
18
]
1 1
=17 [ 29 250 - 27 222,22] =17 (2 027,78) = 119,28

Entao,
304 s =v' 119,28 = 10,92
 Distribui�io (I) Distribui�io (II) Distribui�io (Ill)

a) Primeiro coeficiente X-M0 35-35 X-Mo 31,11 - 32,86 X-Mo 38,89 - 37,14
= =O = = =
de assimetria de --s- � --s- 10,92 s 10,92 =

Pearson: -1 75 1,75
= =-0•16 = =0 16
9
10. 2 10,92 .

simetrica assimetrica negativa assimetrica positiva

b) Segundo coeficiente 3(X-Mdl 3(35-35) 3(X-Mdl 3(31,11 - 31.431 3(X-Mdl 3(38,89 - 38,57)
=O = = =
s 11,88 s 10,92 s 10,92
de assimetria de
Pearson: 3(-0,32) - 0,96 3(0,32) 0,96
= = = =
10,92 10,92 10,92 10,92 =

=-0,0879 =0,0879

01 + 03 - 2Md
01 + 03 - 2Md 01 + 03 - 2Md
c) Coeficiente quartil = = =
03 - 01 03 - 01 03 - 01
de assimetria:
26,25 + 43,75 - 2 x 35 23 + 37,86 - 2 x 31.43 32,14 + 47 - 2 x 38,57
= = = = = =
43,75 - 26,25 37,86 - 23 47 - 32,14

70 - 70 60,86 - 62,86 79,14 - 77,14 =

=O = = =
17,50 14,86 14,86

-2 00 2•00 '=
= -0.1346 = 0 '1346
= 14, 6 a 14,86

Vl
0
01
 52. Freqiilincias
Classes '
i acumuladas F
i
1001--200 2 2
2001--300 22 24
3001--400 52 76
4001--500 22 98
5001--600 2 100

100

. a· Q3 - Qi
Desvio quarb 1co: Q ==
2

Coeficiente de curtose: K == --=Q'---

P90 - Pio
25 - 24 :::;:
Qi :::;: 300 + 100 :::;: 300 + lOO
•

52 52
:::;: 300 + 1,923 :::;: 301,923

75 - 5 100 :::;:
Q3 :::;: 300 + 24 100 :::;: 300 +
•

52 52
:::;: 300 + 98,073 :::;: 398,077

90 - 76 1 400 :::;:
p90 :::;: 400 + •
100 :::;: 400 +
22 22
:::;: 400 + 63,636 :::;: 463,636

10 - 2 800
pio :::;: 200 + • 100 :::;: 200 + 22 :::;:
22
:::;: 200 + 36,363 :::;: 236,364

Q3 - Qi :::;: 398,073 - 301,923 :::;: 96,154:::;: 8

Q :::;: 4 , 077
2 2 2

P90 - Pio == 463,636 - 236,364 = 227,272

48,077
K ==
. Q � 0•212
P90 - Pio 227, 272

Como 0,212 < 0,263 a distribuiyliO e leptocurtica.

TESTES PROPOSTOS

1. Os desvios tomados em relayliO a media arbitrana, Xo :::;: 7, de um con­

junto de numeros slio {-5, -1, 3, 0, -4, 4, 0, 6}. A media aritmetica
do conjunto original seni:
306 a) 8,275 b) 7,375 c) 0,375 d) 8,375
2. Em uma prova de Estatistica, 3 alunos obtiveram a nota 8,2; outros 3
obtiveram a nota 9,00; S obtiveram a nota 8,6; 1 obteve a nota 7,0 e
1 a nota 8,9. Tirando-se a media aritmetica, esta seni:
a) uma media aritrnetica simples com valor 8,0;
b) uma media aritrnetica simples com valor 8,7;
c) uma media aritrnetica ponderada com valor 8,0;
d) uma media aritmetica ponderada com valor 8,S.

3. Considere o seguinte histograma, no interior de cujos retangulos foram

anotadas as frequencias simples absolutas. Podemos dizer que a mediana
do conjunto e:

6 16 26 7

20 25 30 36 40 46

a) 32 b) 32,S c) 30 d) 35

4. 0 desvio padrio do conjunto de n(Jmeros {IO, 10, 11, 11} e:

a) J+ b) jf c) Vfif,S d) +
5. Analisando a tabela abaixo, podemos dizer que a classe modal e a moda
bruta sio, respectivamente:

Freqiiencias refativas acumuladas

Classes
"Abaixo de" (%)

10f---20 8
20f---30 20
JOf---40 36
40f---50 76
50f---60 100

a) 40f--SO e 40
b) 30f--40 e 40
c) 30f--40 e 35
d) 40 I---- SO e 45

6. Considere a figura abaixo. 0 terceiro quartil da distribui�ao de frequencias

correspondente sera: 307
 Freqilancias
18

16

12

0 10 20 30 40 50 60 70 x

a) 50,25
b) 25,50
c) 51,25
d) 52,15

7. Considere a tabela abaixo. 0 vigesirno centil, C20 , da distribui�ao de

freqiiencias correspondente e:

Freqiiincias acumuladas
x
"Abalxo de"

0 3
1 12
2 20
3 40
4 50
5 60

a) 1,5 b)2 c) 1 d) 3

8. Examinando a figura abaixo podemos afirmar que:

FreqUAncias
 a) o desvio padrao de A e igual ao de B;
b) o desvio padrao de A e maior do que o de B;
c) o desvio padrao de A e menor do que o de B;
d) nao ha possibilidade de se compararem os desvios padroos dessas distri­
bui�Cies, uma vez que as medias dos mesmos sao diferentes.

9. Dados os conjuntos denumeros B = {O, 1, 2, 3, 4, 5} e A = {220, 225,

230, 235, 240, 245}, podemos afirmar, de acordo com as propriedades da
media, que a media de A:

a) e igual a constante 220 somada ao produto da media B por 5;

b) e igual a media de B mais a constante 220;
c) e igual a media de B multiplicada por uma constante arbitraria;
d) e igual a media de B mais a constante 220 e esse Ultimo resultado
multiplicado por 5.

10. Dados os conjuntos de nlimeros A = {-2, -1, 0, 1, 2} eB {220, 225,=

230, 235, 240}, podemos afirmar, de acordo com as propriedades do

desvio padrao, que o desvio padrao de B e igual:

a) ao desvio padrao de A;
b) ao desvio padrao de A, multiplicado pela constante 5;
c) ao desvio padrao de A, multiplicado pela constante 5, e esse resultado
somado a 230;
d) ao desvio padrao de A mais a constante 230.

11. Uma popul�ao estatistica e:

a) conjunto de pessoas de uma determinada localidade que apresentam
caracteristicas diferentes daquelas que nos interessam estudar;
b) conjunto de individuos (objetos ou entes imateriais) que apresentam
caracteristicas divergentes;
c) conjunto de individuos (objetos ou entes imateriais) que apresentem
pelo menos uma caracteristica comum (objeto de estudo);
d) conjunto formado por todas as pessoas que sao entrevistadas em um
censo demografico, sem considera�Cies quanto as caracteristicas das
mesmas.

12. Uma empresa tern duas filiais praticamente identicas quanto as suas
caracteristicas funcionais. Um levantamento sobre os salanos dos empre­
gados dessas filiais resultou nos seguintes valores:

Filial A: e Sa= 20
Filial B: e Sb = 25

Podemos afmnar, com base nesses resultados, que: 309

 a) em termos relativos, os salanos das duas filiais nao diferem quanto
ao grau de dispersao;

b) as dispersaes dos salanos, tanto a absoluta como a relativa, sao iguais;

c) a dispersao absoluta e igual a dispersao relativa, em ambos OS casos;
d) a filial A apresentou menor dispersao relativa e absoluta.

13. Os salarios dos empregados da empresa A sao 2% maiores do que os da

empresa B, para todos os empregados comparados individualmente. Com
base nessa informayao podemos afirmar que:

a) o desvio padrao dos salarios dos empregados e o mesmo para ambas

as empresas;
b) nao ha elementos para se compararem os desvios padrCies dos salanos
dessas empresas;
c) o desvio padrao dos salarios dos empregados da empresa A e dois por
cento maior do que o dos salarios dos empregados da empresa B;
d) o desvio padrao dos salanos dos empregados da empresa A e igual ao
desvio padrao dos salarios dos empregados da empresa B, multiplicado
por (1,02)2•

14. Quando uma distribuiyao de freqiiencias e simetrica:

a) a moda e diferente da mediana e igual a media;

b) a moda, a media e a mediana sao diferentes, conforme a dimensao
dos dados;
c) a moda, a media e a mediana sao apenas ligeiramente qiferentes;
d) a moda, a media e a mediana sao iguais.

15. Em uma distribuiyao de freqiiencias, a expressao:

k
L (xi - x)fi
j=l
equivale a:
n - 1

a) media;
b) desvio padrao;
c) variancia;
d) zero;

SOLUCAO DOS TESTES

1. (b) 4. (a) 7. (c) 10. (b) 13. (c)

2. (d) 5. (d) 8. (b) 11. (c) 14. (d)
310 3. (a) 6. (c) 9. (a) 12. (a) 15. (d)
Numeros-fndices

7.1. INTRODUCAO

Freqtientemente, profissionais de vanas areas de atuayaO como economis­

tas, administradores, engenheiros, sociologos e psicologos envolvem·se em situa­
yOeS de anfilise, onde o interesse predominante concentra·se em medir possiveis
diferenyas entre grupos de dados. Nesse sentido, o numero-indice constitui um ins­
trumento de anfilise poderoso, mormente quando se procura estabelecer compara­
yOeS entre grupos de variaveis distintas, mas relacionadas entre si

Em termos gerais, um numero-indice pode ser concebido como uma medida

estatistica destinada a comparar, atraves de uma expressao quantitativa global,
grupos de variaveis relacionadas e com diferentes graus de importancia. Atraves
dele obtem-se um quadro resumido das mudanyas ocorridas em areas afins como
preyos dos insumos basicos adquiridos pelo produtor, preyos dos produtos acaba­
dos, volume fisico de produyao etc.

As comparay0es decorrentes do emprego de numeros-indices podem ser con-

sideradas sob tres aspectos ou categorias:
a) varia�oes ocorridas ao longo do tempo;.
b) diferen�s entre lugares;
c) diferen�as entre categorias semelhantes, como pessoas, produtos ou coisas.
Em qualquer dos casos, a obtenyao de um numero-indice resulta da combi­
nayao de variaveis mediante um total ou uma medida de tendencia central, espe­
cialmente a media. Costuma-se designar por indice qualquer serie de numeros-in­
dices.

Os indices mais usados e que serao objeto deste capitulo destinam-se a me­
dir variay0es ocorridas ao longo do tempo das variaveis prefo, quantidade e valor.
·� ai que se enquadram os chamados indices economicos. As demais categorias
congregam os indices de desempenho. 311
 7.2. -CONCEITO DE RELATIVO

0 montante de dinheiro despendido pordetenninada unidade de compra em

um periodo, comparativamente a outro periodo tornado como referencia, pode
variar em virtude de variay5es no m'.unero de unidades compradas dos diferentes
artigos e mudanyas nos preyos unitanos dos mesmos.

Sao tres, portanto, as variaveis consideradas: preyo, quantidade e valor,

sendo este ultimo o resultado do produto do preyo pela quantidade.

Exemplo 1:
lhna empresa adquiriu 500 toneladas de uma materia-prima ao pre�o uni­
tario de CrS 1.000,00 a tonelada 0 valor da transaylio foi, entao, CrS 500.000,00.

7.2.1. Relativo (Rela�o) de Pr� (p0 , t)

Consideremos duas epocas e os respectivos preyos de um artigo:

0 epoca basica, base OU epoca de referencia
t = epoca atua!, epoca dada OU epoca a ser COmparada
Po pre<;o do artigo na epoca basica
Pt = pre<;o do artigo na epoca dada(atual)

0 relativo de preyo sera defmido pela seguinte expressao:

Pt
' = -
Pot
Po
(1)

ou, em tennos percentuais,

Po,t = ..!!.!_
Po
x 100

-Exemplo 2:
lhn artigo foi adquirido por CrS 2000,00 em 1979 e por CrS 2500,00
no ano seguinte:
a) Calcular o relativo de preyo em 80, com base em 1979.

De acordo com ( 1),

p79 = 2000 Pso = 2500

= 1•25
Pso = 2.500 p79 2000

ou multiplicando por 100:

Pso 2500
p7 9 = -- x 100 125%
' 80 p7 9 2. 000
= =

Pode-se afinnar, entlio, que, em 1980, o preyo do artigo corresponde a 125%

de seu preyo em 1979. Notar que o ind.ice apenas estabelece a comparaylio, nlio
fomecendo diretamente a vari�ao. Para conseguir isso basta subtrair 1,00 ou

312 100% do valor calculado. Em tennos simbblicos,

 Variai;:ao de Prei;:o = Po,t - 1,00 ou Po, t - 100% (2)

No primeiro caso, 1,25 -1 = 0,25

No segundo caso, 1,25 - 100= 25 %

Conclui-se, assirn, que o prei;:o em 80 e 25% superior ao de 79.

b) Calcular o relativo de prei;:o em 79, com base em 80.

Verifica-se agora que houve uma inversao da base de comparai;:ao, a qual pas­
sou a ser 80. Assirn sendo,

p 2000
pso,79 = = 0,80 OU 80%
=
Pso
__]J_ 2500

0 prei;:o em 79 corresponde a 80% do prei;:o em 80. Subtraindo 100 ou 100%

do indice, teremos

(p80 79 -1) = - 0,20 ou(-20%),

,
o que indica que o prei;:o em 79 e 20% inferior ao de 1980.

7.2.2. Relativo (Rela(:io) de Quantidade (q0,t)

E possivel tambem comparar quantidades, quer sejam elas quantidades

produzidas, vendidas ou consumidas. Considerando

q t= quantidade de um produto na epoca dada, e

q0 = quantidade desse mesmo produto na epoca basica (base), a quan­
tidade relativa sera fomecida pelo seguinte quociente

OU
I qo, t =!IL
qo
(3)

I
qt
qo ' t = - x 100
qo
que descreve quanto a quantidade na epoca dada (atual) representa dada epoca
basica.

Exemplo 3:
Um vendedor de autom6veis vendeu 600 veiculos em 1980 contra 500
em 1978. Calcular o relativo de quantidade em 80, com base em 1978.

qgo
_ _ 600 _

q,s,so - - 1,50 ou 150%

q,8 - 400

Com base neste resultado pode-se afirmar que o vendedor apresentou

em 1980 um desempenho 50% superior ao de 1978. 313
 Exemplo 4:

Uma concessionana de veiculos deseja acompanhar o desempenho de

um de seus vendedores, recentemente contratado, estabelecendo um controle
semanal das unidades vendidas. Os dados do primeiro mes encontram-se na Ta­
bela 7.1.
a) Construir um indice de quantidade (relativo), tomando a primeira semana
como base.
b) Construir um indice de quantidade, com base nas vendas da quarta semana.
c) Comparar os resultados obtidos nos !tens anteriores.
d) Admitindo que a media semanal de vendas dos vendedores da concessionaria
seja 12 unidades, determinar os valores de um indice de vendas com base nessa
media.

TABELA 7.1
( al (bl (cl
RELATIVOS DE VALOR
B
A
I a
SEMANA N� VEfCULOS S VENDA: 1. SEM. VENDA: 4!1 SEM. VENDA M!:DIA
VENDIDOS E 12 unidades

1 6 6/6 = 1,00 6/15 = 0,40 6/12 = 0,50

2 9 9/6 = 1,50 9/15 = 0,60 9/12 = 0,75
3 9 9/6 = 1,50 9/15 = 0,60 9/12 = 0,75
4 15 15/6 = 2,50 15/15 = 1,00 15/12 = 1,25

a) Os dados da coluna (a) da Tabela 7.1 referem-se a um indice de vendas

que permite comparar o rendimento da atividade do vendedor nas va­
rias semanas do mes, tendo como referencia (base) seu desempenho
na primeira semana. Pode-se afirmar, entao, que nas segunda e terceira
semanas seu desempenho foi 50% superior ao da primeira e na terceira,
150% ( 250 - 100) superior.
b) Os resultados da coluna (b) decorrem de comparay6es entre as vendas
das quatro semanas e as da quarta. Houve, portanto, uma alterayao
no que diz respeito a base de comparayao (epoca basica).

6 9
Q4,1 = 0,40, Q4,2 =15 = 0,60,
= ls
9 15
Q4,3 = ls = 0,60, Q4,4 =rs = 1,00

Assim sendo, as vendas da primeira semana correspondem a 40% das

da quarta. Conseqiientemente, foram 60% (40% - 100%) inferiores
as da quarta.

c) Os resultados obtidos em (a) e (b) permitem destacar uma pratica err�

nea de interpretayao de um numero-indice. Conforme pode ser obser­
vado nas colunas (a) e (b) os resultados diferem dependendo da base
escolhida. No primeiro caso, as comparayaes sao estabelecidas, tendo
314 como referencia (base) as vendas da primeira semana, enquanto na se-
 gunda, as da quarta semana Entretanto, o leigo desavisado podc con­
cluir erroneamente, a partir dos resultados da coluna ( b), que as ven­
das da quarta semana superaram as da primeira em 60% ( 100 - 40%),
quando na verdade elas foram 150% ( 250 - 100%) superiores. Essa
confusao e comum e resulta da tendencia de considerar o indice cor­
responde ao perfodo-base (100) como uma media, tomando qual­
quer numero inferior a 100 como abaixo da media. Trata-se, em suma,
de uma inversao indevida de base. Assim, ao comparar as vendas da
primeira semana com· as da quarta, essa ultima figurara como base e
0 resultado sera

6
0,40 OU 40%,
Q4,1 = lS =
o que equivale a dizer que as vendas da primeira semana (epoca com­
parada) foram 60% (40 - 100%) inferiores as da quarta (epoca basica);
ao comparar as vendas da quarta com as da primeira semana, esta 61-
tima devera ser a data-base, ou seja,
15
2,50 OU 250%
Q1,4 = 6
'-'

Por conseguinte, ao serem comparadas duas grandezas, e importante

distinguir com exatidao as epocas basica8 e atuais, caso contrano corre­
-se o risco de se cometerem erros grosseiros de interpreta9ao.

d) Os resultados constantes da coluna (c) real9am um aspecto importante

da escolha da base. Conforme pode ser observado, a quantidade corres­
pondente a epoca basica nao pertence a serie original. A escolha da
base deve ser criteriosa e levar em considerayao valores tipicos, de modo
a nao destacar valores anormais que comprometerao as comparayeies
que serao feitas a partir deles. Assim, por exemplo, se o vendedor rece­
besse comissao proporcional ao proprio desempenho, medido pelo
indice de quantidade, certamente escolheria o fndice da coluna (a)
para o cfilculo da comissao. Supondo uma comissao equivalente a CrS
4.000,00 multiplicado pelo indice de quantidade, o vendedor deveria
receber, de acordo com os valores constantes da coluna (a):
l!l semana: 4.000 x 1,00 = 4.000
2!l semana: 4.000 x 1,50 = 6.000
3!l semana: 4.000 x 1,50 = 6.000
4!l semana: 4.000 x 2,50 = l0.000
Para o dono da concessionana essa nao e a melhor forma de remunerayao,
uma vez que a base de comparayao escolhida para o cfilculo do indice e um valor
baixo em relayao aos demais. Figurando tal valor como denominador (q,/q0)
resultara um indice de quantidade superior a um. A proposta mais vantajosa
para a empresa seria a de tomar como base a quarta semana, recebendo o ven­
dedor uma remunerayao sensivelmente mais baixa que a anterior. Os cfilculos,
nesse caso, baseiam-se nos dados da coluna (b): 315
 l!l semana: 4.000 x 0,40 = 1.600
2!1 semana:4.000 x 0,60 = 2.400
3!l semana:4.000 x 0,60 = 2.400
4!1semana:4.000 x l,00 = 4.000
Por ai se ve que a escolha da base deve ser criteriosa, pois os resultados
podem diferir substancialmente e trazer consequencias desagradaveis para quern
for utilizar-se dos indices como instrumento de anitlise e de decisao.

7.2.3. Relativo (Relai;io) de Valor (v0,t)

Sendo p, o pr�o unititrio de um bem e q, a quantidade adquirida, o pro­

duto p x q sera denominado valor da transayao. Supondo Pt e qt respectivamente
o pre90 c a'quantidade de um bem na epoca dada e p0 e q0, o pre90 e a quanti­
dade do mesmo bem na epoca basica, 0 valor total relativo sera definido pelo
quociente:

v v
.:..L :J_
Vo,( = OU Vo,t = X 100 (4)
Vo Vo

Como v = P f' q e Vo=Pox q0, podemos escrever

t t

v xq q
_
t - Pt t Pt t
= -x- = p0,txq0,t
_

Vo,t- -

Vo Pox qo Po qo

Vo,t = Po.txQo.t (5)

0 relativo de valor pode, entao, ser decomposto em um relativo de pre90

e um relativo de quantidade.

Exemplo 5:

Uma empresa vendeu, em 1978, 12.000 unidades de um artigo ao pre90

unititrio de Cr$ 500,00. Em 1980 vendeu 15 .000 unidades do mesmo artigo ao
pre90 unitario Cr$ 600,00. Com base em 1978,

a) Calcular o relativo de valor em 1980.

b) Calcular o relativo de valor usando o metodo de decomposi9ao.

a) Devemos ter

p7g = 500 ..... .

50Qx 12000=6.000.000
q78 = 1 2. 000 ........--- V7g =p7g Xq7g =

Vso = p gox qgo=600x 15.000= 9.000.000

316
::: : ��OO�
 V1s,s o = :�: �:�:: = =
1,SOou 150%

Em 1980, o faturamento da empresa com a venda do artigo foi 50% su­

perior ao de 1978.

b) De acordo com a expressao ( 5)

P1s ' so =
1!.fill = 600 =
1,20
P1s
v,s so 1,20 x l,25= l ,50ou 150%
15.000 ,
Pao
=

Q1s,so = = 1,2 5
Q1s 12000
=

Esse resultado permite destacar um equfvoco de interpre�ao muito co­

mum. Como o pre\:o do artigo aumentou 20% (120 - 100%) e a quantidade
vendida 25% (125 - 100%) alguem poderia ser tentado a concluir que o fatura­
mento aumentou 45% (20 + 25), o que nao e verdade. A adi\:ao pura e simples
de porcentagens nao pode ser feita quando as bases de caJ.culo forem de natureza
e valores diferentes.

7.3. CRIT�RIOS (TESTES) DE AVALIACAO DE

ADEQUACAO DA FORMULA DE UM fNDICE

Nao existe um indice considerado perfeito, ou uma formula universalmente

aceita para quantificar, de modo inequivoco e exato, as vari�0es de pr�os e de
quantidades, especialmente quando os indices se referem nao a um, mas a um con­
junto de bens. A literatura fomece uma variedade de metodos de caJ.culo de indi­
ces. A escolha do metodo seni facilitada se houver algum crirerio que possibilite
salientar as vantagens e as limi�0es de cada um deles. Irving Fisher (The Making
of Index Numbers: A Study of Their Varieties, Tests and Reliability) desenvolveu
alguns testesou crirerios matematicos muito uteis para comparar as vitrias formu­
las propostas de numeros-indices. Esses testes serao apresentados aqui utilizan­
do-se como referencial os indices elementares (relativos), em virtude de maior
facilidade de no�ao, uma vez que as formulas dos relativos envolvem compara­
\:OeS de pr�o OU de quantidade de um unico produto. Deve ficar claro, entretan­
to, que os testes podem ser aplicados a qualquer indice. No caso dos relativos,
os testes podem ser considerados como propriedades desses indices, pois eles satis­
fazem a todos eles. Os testes ou crirerios (propriedades no caso de relativos) de
·

avali�ao de um indice sao basicamente quatro.

7.3.1. ldentidade

0 numero-indice deve ser igual a unidade quando a epoca dada (t) coincidir
com a epoca bitsica (O).

1 OU (6 )
It, t = 317
 Em tennos de relativo de pr�o, teremos, por exemplo,

p i,1 = J!.1.... = 1 OU 100%

Pi

0 pr�o relativo de um produto, em um perfodo, referido ao mesmo perfo­

do e sempre igual a 1 OU 100%. Em particular, 0 pr�o relativo da epoca basica
e sempre 1 (ou 100). Por essa razao, quando se pretende identificar detenninada
data como basica costuma-se iguala-la a 100. Se escrevennos, por exemplo,
1975 = 100, queremos indicar que esse ano foi tornado como base de compar�ao.

7.3.2. Reversio (lnversio) do Tempo

0 teste de inversao do tempo propoo que, ao se pennutarem dois perfodos

s e t, os resultados serao o inverso um do outro. Poucos indices satisfazem a essa
condi�ao. Simbolicamente pode ser escrito

Is, t x It, s = 1
OU
(7)

Sob o aspecto pratico, esse teste equivale a afmn�ao de que o fndice que
mostra ter havido um acrescimo de pr�os da ordem, por exemplo, de 25% entre
os perfodos s e t, devera revelar uma queda de 20% entre os perfodos t e s. Desse
mo do,

I,, t = 1, 25 acrescimo de 25%

I1, s = 0,80 queda de 20%

IS, t x It, S
= 1,25 x 0,80 = 1,00

No caso de relativos de pre�os podemos escrever:

1
p 1 ,2 = -- -
p 2,1

o que pode ser facilmente comprovado

P2
P1,2 =
Pi 1 1
- = P1,2
P2,1 =
..l?.L P2,1 J!.J...
P2 P2

Exemplo 6

Comprovar a propriedade de inversao do tempo usando os dados do exem-

318 plo 4, colunas (a) e (b).
 Os valores dos relativos necessanos para a comprov�ao do teste sao os se­
guintes:

Q4 15
- 2,50
=

-q;-6 =

q4,1 .!l.!. � 040

'
15
= = =

Q4

PortantO,Q1,4XQ4,1 = 2,50 x 0,40 = 1,00

Os relativos satisfazem ao teste de inversiio do tempo.

7.3.3. Circular

Considerando um ind.ice em que as datas aparecem em progressao aritrnetica

e cujas comp�Cies foram feitas com base nas datas imediatamente anteriores,
o valor do ind.ice na idtima data, com base na primeira, sera igual ao produto dos
valores da serie original. Simbolicamente,

(8)

Outra fonna de proposi�ao do teste circular e

/0,1 x /1,2 x /2,3 x ··· x 1t-1 t

I
lo,t
=

Se o ind.ice satisfJZer ao teste de inversiio do tempo,

I_
1t,o
_
=

1o. t
Nesse caso,

10.1 x /1,2 x /2,3 x ··· x 1t-1,t x 1t, o = I

Pode-se afmnar, assim, que o teste circular e, na realidade, uma extensao

do de inversiio do tempo.

Naturalmente, os relativos satisfazem ao criterio circular, confonne pode ser

observado a seguir

P2 4
P1,2 x P2,3 x P3, 4 x p 4 x h x p3 x .l!..1. =p1,s
•5 P1 P2 P P4
=

0 aspecto pratico do teste circular refere-se ao fato de que, conhecidos os

acrescimos de pr�o (ou de quantidade) nas epocas intennedianas de uma serie,
o actescimo de todo o periodo podera ser conhecido sem que haja necessidade
de se recorrer aos valores que deram origem aos calculos individuais. lnfelizmen­
te, poucos siio os indices que atendem ao criterio circular, como e o caso dos
relativos. 319
 Exemplo 7:

Um artigo foi vendido, em fevereiro, com um acrescimo de 5% em rel�ao

a janeiro; em m�o, com um acrescimo de 2% relativamente a fevereiro; em abril,
com acrescimo de 10% comparativamente a m�o. Calcular o acrescimo percen­
tual de pr�o em abril com rel�ao ajaneiro. Tomando os n6meros 1, 2, 3 e 4 para
designar os meses de janeiro a abril, podemos escrever

P1,2 = 1,05; P2,3 = 1,02; p3,4 = 1,10

Multiplicando esses valores,

P1,2 x P2,3 x PM = 1,05 x 1,02 x 1,10 = 1,1781

Houve um acrescimo de 17,81% no pr�o do artigo, no perfodo de janeiro
a abril. Uma forma errada mas comum de avaliar o acrescimo de pr�o no perfodo
e a soma dos percentuais mensais, embora os resultados nao difiram muito.

5% + 2% + 10% = 17%
Em series longas as diferen�as sao mais acentuadas.

7.3.4. Decomposi�o das Causas (lnversio dos Fatores)

0 criterio de decomposi�ao das causas sustenta que o produto de um nume­

re>fndice de pr�o pelo correspondente numere>fndice de quantidade deve ser
igual ao valor total relativo ou ao ind.ice de valor . Supondo

IP0,t = ind.ice de pr�os

IQ0,t = ind.ice de quantidades
l
vo,t = ind.ice de valor

o teste estabelece:

(9)

Alem dos relativos, poucos indices satisfazem a esse criterio

Pt
Po,t =

Po

qt Pt qt Pt. qt
-- Po,tXQo,t = - - x - - = __ •
_ _ __ =
vo. t
Po Qo po qo

Exemplo8:

Uma empresa adquiriu, em janeiro de 1980, 1. 500 unidades de um compe>

320 nente de fabric�ao, ao pr�o unitario de CrS 300,00 e, em fevereiro, 1.4 70 uni-
<lades a Cr$ 330, 00 cada. Calcular o valor relativo da transayao em fevereiro, com
base em janeiro.
Os dados do problema sao

Pi =
300 ql = 1.500
P2 =
330 q2 = 1.470

Calculando os relativos de preyo e de quantidade, e aplicando a expressao

(9),
330 1.470
P1,2 = 1,10 ql,2 =
= 0' 98
300 1.500
=

P1,2 x Q1,2 =
v1,2
1,10 X 0,98 =
1,078 OU 107,8%

Houve, portanto, um acrescimo de 7,8% no valor da transayao em fevereiro

comparativamente a janeiro.

7.4. ELOS DE RELATIVO E RELATIVO EM CADEIA

A construyao de um indice envolve certos pormenores tecnicos, um dos

quais refere·se a forma como serao feitas as comparayoos. Como regra, as compara·
yOeS binanas diretas sao preferiveis as indiretas, uma vez que naquelas 0 significa­
do a ser atribuido aos resultados numericos e inequivoco. Nas comparayoos indi­
retas ha necessidade de que as formulas de cfilculo satisfayam ao criterio circular, o
que nem sempre ocorre com os indices mais utilizados. Entretanto, muitas vezes
e impraticavel a obtenyaO de informayOeS que permitam comparar diretamente
preyos ou quantidades de vanos artigos entre dois periodos afastados no tempo.
Costuma-se obter (indiretamente) comparayoos de longo prazo por um processo
de encadeamento de comparayoes binanas. Escolheu-se o relativo para introduzir
ao leitor o conceito de encadeamento, em razao de esse indice atender ao teste
circular.

Consideremos uma sequencia de epocas 1, 2, ... , t- 1, t e uma serie de pre­

yOS relativos P1 2• P2 3'P3 4• ... 'Pt-1, t• onde 0 relativo de cada epoca foi calcu­
, , ,
lado com base na epoca imediatamente anterior. Cada uma dessas comparayoos
binanas entre epocas adjacentes constitui um elo de relativo, enquanto o.relativo
em cadeia e o indice base fi xa obtido atraves de um processo de encadeamento,
o qual consiste na multiplicayao dos elos individuais, conforme estabelece o crite­
rio circular. Os elos apresentam a vantagem de facilitar as comparayoos entre duas
epocas consecutivas, nao havendo necessidade de se recorrer a que foi escolhida
como base.

Teremos, entao

a) Elos de relativo:

b) Relativo em cadeia: Pi t p1,2 x P2,3 x P3,4 x ... x p1_1,1 321

.
=
 Exemplo 9:
Calcular o relativo em cadeia a partir da serie seguinte, tomando como base
o ano de 1972:
TABELA 7.2.

ANO PRECO
1972 200
1973 250
1974 300
1975 390
1976 468

Os relativos de pr�o, calculados mediante o emprego de base mbvel, ou

seja, considerando como base a epoca imediatamente anterior a comparada,
sao dados por

250 390
Pn,73 = = l, 25 P14,75= = 1,30
200 300

300 468
Pn,74 = = l, 20 P15,16 = = 1,20
250 390

Dai teremos, pelo processo de encadeamento:

Pn,73 =Pn,73 = l, 25 ou 125%

Pn, 74 =Pn,73 xP13,74 = 1,25x 1,20= 1,50 ou 150%
Pn,15= Pn,13x p73,74xp74,75=l,25x1,20x1,30=1,95 ou 195%
P75,76 = . Pn,73 x Pn,74 x P14,75 x P75,76 =
1,25 X 1,20 X 1,30 X 1,20= 2,34 OU 234%

A Tabela 7.3 reproduz a serie representativa do indice (relativo) obtido

por encadeamento. Notar que a base agora e fixa e nao mais movel.

TABELA 7.3

fNDICE DE PRECO
ANO
1972 = 100

1972 100
1973 125
1974 150
1975 195
1976 234

Calculando diretamente o valor do indice em 1976 com base em 1972,

verificaremos que o resultado e igual ao obtido pelo encadeamento, porque o
relativo de pr�o atende ao criterio circular.

p 468
Pn 76 = � = = 2,34 OU 234%
322 '
Pn 200
 7.5. EMPREGO DE MEDIAS SIMPLES E lNDICE AGREGATIVO SIMPLES

Ate o presente, as referencias aos indices e os exemplos apresentados

circunscreveram-se as comparayoos entre pr�os. quantidades ou valores de um
unico item (relativo). Entretanto, tais comparayoos elementares, embora uteis
para a compreensao de conceitos basicos e para averiguayao da validade dos cri­
terios de avaliayao de um indice, sao in�ompletas para o desenvolvimento do
assunto. A quase totalidade dos indices economicos envolvem a avaliayao simul­
taoea de vari�oos de pre'YOS ou de quantidades de mais de um item.
Quando pretendermos avaliar a vari�ao de pr�os, entre duas epocas,
digamos, de dez artigos, atraves de um numero-resumo (indice), o cfilculo dos
relativos representa apenas o primeiro passo para a solu'Yao do problema. Sem
levar em considerayao a importaocia relativa de cada item, existem vanas propo­
si'Y6es no que diz respeito aos metodos de cfilculo: medias aritmetica, geometrica
e harmonica simples, indice agregativo simples e mediana.

7.5.1. M6dia Aritmetica Simples de Relativos

0 metodo mais comum de cfilculo de um indice envolvendo vanos indices

e o da media aritmetica simples (niio ponderada). Basta calcular o valor dos
relativos de todos os itens considerados e, em seguida, aplicar a formula da me­
dia aritmetica.

a) Media Aritmetica Simples de Relativos de Prero. Formula de Sauerbeck <Po,d

i �
Sejam P t os preyos de n bens na epoca atual t e p os preyos desses mes­
mos bens na epoca basica 0. Representando por
'
Po t
a media aritmetica dos
relativos de pre9os (OU 0 pre90 medio relativo), teremos

1
Po,t+Po,t +
2
· · · + Po,t
n

---------, OU
n

1. A f6rmula de Sauerbeck normalmente � definida para base m6vel:

n Pi
�-­ t
i=1pi
s -1, t-1
t t
=

n
Essa f6rmula pode ser escrita ainda da seguinte maneira:
n . .
� 1/n(pYp�-1) n Pi
i 1 t --- 1/n
Sr-1,t n
= � i -.- -
w onde wi =
n 1/ n =w.
P
=

i=1
_______

� 1/ n �-1 � 1/n
i=1 i=1
0 peso w s6 varia quando se alterar o numero de componentes. 323
 pr�o medio relativo Po, t (10)

. Pir
onde, p10,t = i sao os preyos relativos do bem generico i. Assim, a letra i que
Po .
aparece acima e a direita dos simbolos dos preyos (p't) e dos relativos de preyos
<Pt t) serve para designar cada um dos bens. Assim sendo, o i varia de 1 ate
n: I = 1,2, ...n.A ideia basica do indice de Sauerbeck e que o peso de cada
item componente deve ser escolhido de modo a compensar os efeitos das causas
das variayoos de preyo pr6prias de cada componente, de forma que a soma dos
desvios dos relativos em relayaO a media, superiores a media, seja igual a soma
dos desvios inferiores a ela, a saber:

i
n Pt -
.� (-. - Po,rJ = 0
z=l p'
0

b) Media Aritmetica Simples de Relativos de Quantidade (lio,t)

Sendo q e
i
t
q�
as quantidades de n bens respectivamente nas epocas atual
e basica, a quantidade media relativa, simbolizada por q0,1,
sera definida por

.
q1o,t
n
�
i=l (11)
qo,t =
n

A principal objeylio ao emprego da media aritmetica simples de relativo

refere-se ao fato de nao ser ela uma medida apropriada quando se trata de ra­
zeies, porque ela apresenta um valor demasiado alto, ou seja, apresenta um "vies
ascendente ".

7.5.2. M6dia Harmonica Simples de Relativos

A media harmonica e outro metodo proposto. Sua utilizayliO e defendida

nao s6 por apresentar resultados inferiores aos da media aritmetica como tam­
bem em decorrencia de se estar calculando uma media de niuneros resultantes
de relaylio entre dois outros.

a) Media Harmonica Simples de Relativos de Prero (� r)

A media harmonica simples de relativos de preyo e o inverso da media
aritmetica dos inversos desses relativos. Simbolizando a media de preyOS por
324 ?t, 1, teremos:
 n
p{ft =
'

n
ni
�
p k P
k
i l p i l t,o
=
(12)
�
=

b) Media Harmonica Sim ples de Relativos de Quantidade (i/!,t)

A media harmonica simples de relativos de quantidade, simbolizada por
qi/, t e definida por:
-H n
Qo,t = (13)
£
i l =

7 .5.3. M6dia Geometrica Simples de Relativos

0 terceiro metodo e 0 da media geometrica simples de relativos, cuja uti­

lizaiyao, embora mais trabalhosa do que a dos indices anteriores parece ser mais
apropriada para o tratamento matematico de raz0es (relativos).

a) Media Geometrica Simples de Relativos de Prero (ft�, t)

A media geometrica simples de relativos de preiyo, simbolizada por P�.t. e
a raizn-esima do produto desses relativos.

-G p; Pi P7
Po,t n
x x . .. x
p� p� pg
1
{!/ Po,t x p� t . x . . .
x pg .t
OU

-G
p O,t =

1
.
(14)
;r;c
0 simbolo n, chamado produt6rio, indica 0 produto den fatores.

b) Media Geometrica Simples de Relativos de Quantidade (q� r)

Simbolizando a media geometrica simples de quantidade por P�.t. teremos,

para n produtos:

c �·
q-o ' t = n
i= I
q� ' t (lS) 325
 Exemplo JO
As tabelas 7.4 e 7.5 apresentam os pr�os de fibras texteis no periodo
de 1973 a 1976 e os dados de consumo dessas fibras pelas fabricas brasileiras
no mesmo perfodo (dados ficticios).

TABELA 7.4.
PRECOS DE FIBRAS TeXTEIS (em cruzeiros por quilo)
-

ESP!:CIE DE 1973 1974 1975 1976

FIBRA i i i
p73 p74 P1s p/6
Algodao 40,56 42,00 41,88 41,76
La 207.48 204,72 170,52 164,52
Rayon 42,12 40,80 40,92 38.40
Seda 635.40 ,590.40 551,28 538,32

� 925..56 877,92 804,60 783,00

TABELA 7.5
CONSUMO DE FIBRAS TeXTEIS POR INDOSTRIAS BRASILEIRAS,
1973-1976 - (em milhoes de quilos)

ESP!:CIE DE 1973 1974 1975 1976

FIBRA i i i i
•
q,3 q,4 q15 q,6

Algodao 2.260,50 2.062,60 2.192,10 2.196,55

La 251,90 194,95 214,10 227.45
Rayon 611,50 577,40 709,60 600,55
Seda 2,70 3,20 3,60 3,85

� 3.126,60 2.838,15 3.119.40 3.001.40

Determinar a media aritmetica, harmonica e geometrica dos relativos de

pre'ro, para todos os anos da serie, tomando o ano de 1973 como base (1973 =

,;, 100). Determinar, a seguir, um indice de quantidade usando os mesmos me­

todos.

a) Oilculo da Media Aritmetica de Relativos de Prero (Sauerbeck)

Como temos quatro artigos, n = 4. A Tabela 7.6 fomece o catculo dos rela­
tivos de pre'ro para cada periodo, com base em 1973, mediante o emprego da ex­
pressao (1):
i
P�
1, 2, 3, 4
= ·

P� ' t , onde i =

326 p�
 TABELA 7.6.
RELATIVOS DE PRECO: P�3,t (1973=1001

ITENS 1973 \
1974 1975 1976
Algodao 1,0000 1,0355 1,0325 1,0296
La 1,0000 0,9867 0,8219 0,7929
Rayon 1,0000 0,9687 0,9715 0,9117
S eda 1,0000 0,9292 0,8676 0,8472
�P�3,t 4,0000 3,9201 3,6935 3,5815

Apenas para ilustrar os catculos efetuados para a montagem da Tabela 7.6,

tomemos o caso do algodao:

P�3,73 = :�:� = 1,000

1
P73,74 =
42,00
40,56
= 1,0355

P�3,7s = :�:: = 1,0325

1
P73,76 =
41, 76
-
40 S6
'
= 1,0296

Para calcular a media aritmetica, basta fixar cada coluna da Tabela 7.6,
somar os valores dos relativos e dividir por quatro, conforme estabelece a expres-
sao (10): P;
�-t
Po, t p�
n
onde, os valores representativos dos numeradores encontram-se ja anotados na
Tabela 7.6. Assim,
4• 0
-
- 00 1,000 OU 100%
-

P73,73 4
=

P13,74
= :
3•9 0l
= 0,9800 OU 98%

P73,7s :
3•6 35
= 0,9234 OU 92,34%

3•�815
0,8954 OU 89,54%
-

P73,76 =

Esses resultados constituem uma serie e podem ser dispostos em uma

tabela:

ANOS INDICE
TABELA 7.7
1973 100,00
iNDICE M�DIA ARITM�TICA SIMPLES DE
RELATIVOS DE PRECO (1973=100) 1974 98,00
1975 92,34
1976 89,54
327
 Pode-se afinnar, a partir desses valores, que os pr�os das quatro fibras,
comparativarnente a 1973, decrescerarn em media 2%em 1974, 7,66% em 1975 e
10,46%em 1976.

b) C<ilculo da Media Harmonica Simples de Relativos de Prefo

lnicialmente, construiremos uma tabela auxiliar (Tabela 7.8), onde figura­

rao OS inverSOS dos relativos:
i
i p� P73
Pt,o
=-

p} p }
TABELA 7.8
INVERSOS DOS RELATIVOS DE PRECO:p 73 (1973=100)},
ITENS 1973 1974 1975 1976

Algodao 1,0000 0,9657 0,9685 0,9713

La 1,0000 1,0135 1,2167 1,2612
Rayon 1,0000 1,0323 1,02�3 1,0969
Seda 1,0000 1,0762 1,1526 1,1804

�P 13t 4,0000 4,0877 4,3671 4,5098

Aplicando agora a fonnula (12) para cada ano, teremos

-H 4
p73.,73 = l OU 100%
4,0000
---

-H 4
P13,74 0,9785 OU 97,85%
4,0877
-H 4
p73,75 0,9159 OU 91,59%
4,3671
-H 4
p73,76 0,8870 OU 88, 70%
4,5098

ANOS fNDICE
TABELA 7.9
1973 100,00
(NOICE M�DIA HARMONICA SIMPLES
1974 97,85
DE RELATIVOS DE PRECO (1973=100)
1975 91,59
1976 88,70

c) C<ilculo de Media Geometrica Simples de Relativos de Prefo

Para calcular a media geometrica simples de relativos de preyo recorreremos

a Tabela 7.6 (Tabela de relativos de pr�o) ea fonnula (14):

328
P�.r= �
 ,;¥3,73 = {/ l,OOOOx1,0000x1,0000x1,0000 =1,0000 ou 100%
,;¥3,74 = {/ l,0355x0,9867x0,9687x0,9292 = {/0,9197
= 0,9793 OU 97,93%
P¥3,7S = V l,0325x0,8219x0,9715x0,8676 ={/0,7153.
= 0,9196 OU 91,96%
,;1c; ,16 V l,0296x0,7929x0,9117x0,8472 = V0,6306
= 0,8911 OU 89,11%

ANOS (NOICE
TABELA 7.10
llllDICE M�DIA GEOM�TRICA SIMPLES DE
1973 100,00
RELATIVOS DE QUANTIDADE (1973 = 100) 1974 97,93
1975 91,96
1976 89,11

NOTA. Comparando os resultados das Tabelas 7,7, 7,9 e 7.10 concluimos que Pt!r,..;;,Po�t E;;,
E;;,Po,t·
d) Oilculo da Media Aritmetica Simples de Relativos de Quantidade

A partir -dos dados da Tabela 7.5, calcularemos inicialmente os relativos de

quantidade, tomando o ano de 1973 como base
TABELA 7.11
RELATIVOS DE QUANTIDADE: q�3 t (1973 = 100)

ITEM 1973 1974 1975 1976

Algodao 1,0000 0,9125 0,9697 0,9598
La 1,0000 0,7739 0,8499 0,9029
Rayon 1,0000 0,9442 1,1604 0,9821
Seda 1,0000 1,1852 1,3333 1,4259
� q�3,t 4,0000 3,8158 4,3133 4,2707

Aplicando a formula (11):

n
q�
�
i=l qb
qo,t
n
4
q73,73 4 1,0000 OU 100%
3,8158
li73,74 = 4
0,9540 OU 95,40% 329
 4,3133
'li73,75 =
1,0783 OU 107,83%
4
4,2707
i'i73,76 1,0677 OU 106,77%
4

ANOS (NOICE
TABELA 7.12
1973 100,00
M�DIA ARITM�TICA
1974 95,40
SIMPLES DE RELATIVOS
1975 107,83 DE QUANTIDADE (1973 ; 100)
1976 106,77

e) Ctilculo da Media Harmonica Simples de Relativos de Quantidade

Calculemos inicialmente os inversos dos relativos de quantidade, com base em

1973:
i
i qb Q73
Qt,O
=
.
q� q�
ITENS 1973 1974 1975 1976 TABELA 7.13
Algodao 1,0000 1,0959 1,0312 1,0419 INVERSOS DE
La 1,0000 1,2921 1,1766 1,1075 RELATIVOS DE
i
Rayon 1,0000 1,0591 0,8618 1,0182 QUANTIDADE: Qr 73
•

Seda (1973; 100)

1,0000 0,8438 0,7500 0,7013
2; Qt73 4,0000 4,2909 3,8196 3,8689

Aplicando a formula (13) para cada ano, teremos:

4
q-H73,73 =--

4,0000
1,0000 OU 100%

-H 4
q 73,74 0,9322 OU 93,22%
=--

4,2909
-H 4
q 73,75 1,0472 OU 104,72%
= 3,8196
-H 4
q 73,76 1,0339 OU 103,39%
=

3,8689

ANOS INDICE
1973 100,00 TABELA 7.14
1974 93,22 M�DIA HARMONICA SIMPLES DE
1975 104,72 RELATIVOS DE QUANTIDADE (1973; 100)
1976 103,39
330
fl Cdlculo de Media Geometrica Simples de Relativos de Quantidade

Usando os dados da Tabela 7.11 (relativos de quantidade) e aplicando a for­

mula (15) temos:
n .

J
-G
q o ,t = TI qfi , t
i=1

Q<:/3,73 = -ti 1X1X1X1 = 1,0000 OU 100%

{/0,9125x 0,7739x0,9442x1,1852 ={/0,7903

0,9429 OU 94,29%

{/0,9697x0,8499x1,1604x1,3333 ={/1,2751
1,0626 OU 106,26%
Q73,76 � 0,9598x0,9029x0,9821x1,4259 ={/ 1,2136 =

1,0496 OU 104,96%
ANOS (NOICE
TABELA 7.15 1973 100,00
M�DIA GEOM�TRICA SIMPLES DE 1974 94,29
RELATIVOS DE QUANTIDADE (1973 100) =
1975 106,26
1976 104,96

NOTA. Da �ma forma como ocorre com as mlldias de prei;os, 6 vi\lida a relai;ao iioHt <
< q 0 t < li0,t• conforme pode ser observado comparando-se os resultados expo'stos
nas Tabelas 712, 7.14 e 7.15.

7.5.4. fodice Agregativo Simples (indice de Bradstreet)

0 indice agregativo simples e determinado pelo quociente entre a soma dos
pr�os (ou das quantidades) de n hens na epoca atual e a soma dos pr�os (ou
das quantidades) dos mesmos hens na epoca basica.
Para o indice agregativo de pr�o faremos:
n .
� p't
i=n (16)
n .
� pb
i=n

0 indice agregativo de quantidade sera dado por:

n .

� q't
i=n
(11)
n .
� qh
i=n 331
 Comparando 0 indice agregativo simples com indice media aritrnetica de
relativos, percebe-se que, nesse ultimo, atribui-se igual importancia a vari�ao rela­
tiva de cada hem, enquanto no primeiro a vari�ao absoluta. Fixando-nos apenas
no indice de pre90, teremos:
n p
2:: }
j=l Po
Sauer beck: Po,t n

n .
2:: pt'
i=n n Pt
Bradstreet:
n . n .
2:: pl Po
2:: p�
i=l i=n °
n

Pode-se d.izer, entao, que o indice de Sauerbeck e uma media aritmetica

simples de relativos e o de Bradstreet e relativo de medias aritmeticas simples. A
vantagem do primeiro sobre o segundo esta no fato de que, tratando-se de media
de relativos, os valores que figurarao no numerador sao numeros puros, os quais
·

nao dependem da unidade de medida em que os hens foram tomados. No indice

de Bradstreet existe o problema de estarmos somando pre9os unitarios de produ­
tos com diferentes unidades de medida como quilo, duzia e litro, o que pode dis­
torcer a real dimensao dos resultados (vide exemplo 12).

Exemplo 11

Calcular o fndice agregativo de pre!j:o e de quantidade, com base em 1973,

a partir dos dados do exemplo 10.

a) Indice Agregativo de Pre�o

Os dados necessanos encontram-se na Tahela 7.4:

2:; pi
t
IA
Po,t =

2::ph
__

925,56
IA p73 73 1,00 OU 100%
.
925,56

877,92
IAP73,74 0,9485 OU 94,85%
925,56

804,60
IAp73 1s 0,8693 OU 86,93%
, 925,56
783,00
IAp73 76 0,8460 OU 84,60%
332 , 925,56
 ANOS fNDICE
TABELA 7.16 1973 100,00
fNDICE AGREGATIVO 1974 94,85
SIMPLES DE PRECO (1973 100) =
1975 86,93
1976 84,60

b) Jiulice Agregativo de Quantidade

Na Tabela 7. 5 encontram-se os dados necessanos para a soluyao desse item:

� q}
IAqo ' t = --

� qf,
.

3126,60
IAq73,73 1,00 OU 100%
3126,60
=

2838,15
1Aq73,74 0,9077 OU 90,77%
3126,60
=

3119,40
IAq 73,1s 0,9977 OU 99,77%
3126,60
=

3001!40
IAq 73,76 0,9600 OU 96,00%
3126,60
=

ANOS fNDICE
TABELA 7.17 1973 100,00
fNDICE AGREGATIVO SIMPLES 1974 94,85
DE QUANTIDADE (1973 = 100) 1975 86,93
1976 84,60

7.5.5. Restri�es ao Emprego de fndices Simples

Os indices simples apresentam uma seria limi�ao na pratica, pois nao le­
vam em considerayao a importancia relativa de cada um dos varios hens ou servi­
yos que os integram. Alem da restriyao decorrente da nao ponderayao dos itens,
o fndice agregativo simples, embora de facil aplicayao, e afetado por unidades
particulares de medidas. Nesse caso, pode-se dizer, por exemplo, que um item de
elevado preyo unitario tende a exercer maior influencia sobre o fndice agregativo
de preyos do que um de baixo preyo unitario. Alem disso, detenninadas unidades
de medida dispares impedem que se somem as quantidades ou trazem distoryaes
quando a elas se associam os preyos unitanos.

Para esclarecer melhor esses pontos recorramos aos dados dos exemplos 10
e 11. Concentremos a atenyao nos preyos e nas quantidades das fibras texteis em
1973 e 1974. 333
 TABELA 7.18

ESP�CIE DE i
P�3 P�4 P�s P14
F I BRA
Algodao 40,56 42,00 2260,50 2062,60
La 207,48 204,72 251,90 194,95
Rayon 42,12 40,80 611,50 577,40
Seda 635,40 590,40 2,70 3,20

2; 925,56 877,92 3126,60 2838, 15

Se compararmos os pre�os do algodiio e da seda, verificaremos que os pr�os

da seda correspondem, em media, a cerca de quinze vezes os do algodiio:
635 40 590.40 �
Em 1973-+- • 16
'v Em 1974-+- 14
40,56 - 42
Isto significa que a influencia do pr�o da seda no indice agregativo simples
de pr�o corresponde a aproximadamente quinze vezes a do pre�o do algodiio.
Ora, esse fato deve causar disto�iio nas compar�oos de pre�o porque o valor do
algodao (pr�o x quantidade) consumido pela industria e substancialmente maior
(cerca de 50 vezes) que o da seda

Na Tabela 7.19 encontram-se os calculos que confirmam a maior importan­

cia econ0mica do algodiio para industria

TABELA 7.19

ESP�CIE DE valor valor

F I BRA P�3 q�3 p�3 x q�3 P�4 q�4 P�4 x q�4
Algodao 40,56 2260,50 91.685,88 42,00 2062,60 86.629,20
Seda 635,40 2,70 1.715,58 590,40 3,20 1.889,28

Comparando os valores do algodiio e da seda, nos anos de 1973 e 1974,

verifica-se que o do algodiio equivale a cerca de 50 vezes o da seda

Em 1973 -+- valor do algodiio 91.685,88 :::::

53
valor da seda l . 715,58

Em 1974 -+- valor do algodiio 86.629,20 :::::

46
valor da seda 1.889,28

Por essa ilustr�iio, percebe-se claramente o problema resultante de utilizar­

mos, no cfilculo de indices agregativos simples, valores expressos na unidade de
medida original, em vez de estabelecermos as comp�oos com o recurso de
relativos. A influencia do pr�o da seda nao e coerente com sua importancia
econ0mica e esse fato nao e levado em consider�ao pelo fndice agregativo sim-
334 pies.
 Os indices medias (aritmetica, geometrica e hannonica) simples de relativos
nao sao afetados pelas unidades de medida com que sao tomados os hens que os
compoom, mas sofrem a restri�ao decorrente da ausencia de um sistema de ponde­
r�ao. Para ilustrar, observemos a Ultima coluna da Tabela 7.11, que apresenta os
relativos de quantidade em 1976, com base em 1973 (q�3,76). Os valores dos
indices sao:
Algodao: 0,9598 -+ queda de consumo igual a 4,02%-
Li: 0,9029 -+ queda de consumo igual a 9,71%
Rayon: 0,9821 -+ queda de consumo igual a 1,79%
Seda: 1,4259 -+ aumento de consumo igual a 42,59%

4,2707

Observa-se que a quantidade de fibra textil consumida pela ind6stria em

1976, comparativamente a 1973, aumentou somente no item seda, diminuindo
nos demais itens. Entretanto, a queda de consumo dos tres primeiros itens nao
compensou o aumento no consumo de seda, uma vez que todos eles figuram com
0 mesmo peso no calculo da media:

- 4,2707
Q73,76 = --
=
1,0677 OU 106,77%
4
Conclui-se, com base neste ultimo resultado, que a quantidade de fibra
textil consumida pela ind6stria cresceu, em media, 6,77% Apesar da inexpressiva
importancia relativa da seda, do ponto de vista econ0mico, essa fibra acabou
sendo a unica responsavel pela vari�ao positiva do indice, o que nao aconteceria
se fosse adotado um sistema de ponder�ao coerente com o valor relativo de cada
fibra

Exemplo 12:
Uma familia efetuou duas compras em um supennercado em duas epocas
distintas. Os pr�os e as quantidades dos produtos adquiridos encontram-se na
Tabela 7.20.
TABELA 7.20

1979 1980
MERCADO RIAS PRECO QUANTIDADE PRECO QUANTIDADE

1. Carne (kg) 147,0 0,5 210,0 0.4

2. Leite (i!) 12,5 10,0 25,0 14,0
3. Ovos (duzia) 30,0 2,0 42,0 3,0

� 189,5 12,5 277,0 17,4

Construir o indice agregativo simples de pre�o para 1980, com base em

1979. Comentar a restri�ao imposta pelo uso de diferentes unidades de medida

�P�o 277
1•46
/Ap79,so �p�9
= =
=

189,5 335
 e �
q� o 17,4 =

1 39
IAq,9,so q� 9
=

� 12,5 '

Examinando os pr�os unitanos dos tres artigos, verificamos que o preyo

da came exerce uma influencia comparativamente muito maior do que o dos de­
mais, pelo fato de ser expresso por um numero muito maior. Se for analisada a
evoluyao dos pr�os de cada artigo individualmente, atraves do relativo de preyo,
verificaremos que o pr�o da came aumentou 43%, o do leite 100% e o dos
ovos 40%.
210 2
25,0 =
1 2,00
P19,8D 147
= l,43 P19,so 12,5

3
42 =

- 1,40
P19,so
=

30
Apesar de o pr�o do leite ter aumentado 100%, a variayao de pr�os deter­
minada pelo indice agregativo (46%) ficou muito mais pr6xima do numero que
expressa a variayao do preyo da caine (43%). Se fosse usado o indice de Sauerbeck
(media aritmetica simples de relativos), teriamos um resultado que excluiria a
restriyao imposta ao indice de Bradstreet (agregativo simples), pelo uso de refe­
renciais distintos para expressar os numeros. A variayao de pr�os calculada pelo
metodo da media aritmetica simples seria de 61%.

1,43 + 2,00 + 1,40

P19,so
= =

1,61
3 3

Tanto no indice agregativo, como no fndice media arimetica existe ainda o

problema da ausencia de ponderwyao. Assim, os valores absoluto e relativo de cada
produto em 1979 e 1980 serao:

TABELA 7.21

VALOR EM 1979 VALOR EM 1980

ABSOLUTO RELATIVO ABSOLUTO RELATIVO

ARTI GO
(pxq) (%) (%)

1. Carne 73,5 28 84 15
2. Leite 125,0 49 350 63
3. Ovos 60,0 23 126 22

� 258,5 100 560 100

0 gasto com leite representou 49% do dispendio com a compra dos tres
artigos em 1979 e 63% em 1980. Isso equivale a dizer que a importancia relativa
desse produto deve ser levada em considerayao quando se constroi um indice.
Se fixassemos, por exemplo, o peso 0,15 para a came, 0,63 para o leite e 0,22 para
os ovos e calculilssernos a media aritmetica ponderada de relativos, o indice for-
336 neceria um resultado mais coerente com a realidade:
 (1,43x 0,15) +(2,00x 0,63) +(l,40x 0,22) 0,2145 + 1,2600 + 0,3080
0,15 + 0,63 + 0,22 1
1,7825 =

De acordo com esse resultado pode-se afmnar que, em 1980, o pr�o dos
tres artigos cresceu, em media, 78,25% com base em 1979.

Exemplo 13:
A tabela abaixo fomece os pr�os unitanos e as quantidades de tres artigos
comprados por uma empresa no perfodo de 1970 a 1972.
TABELA 7.22

70 71 72
ARTIGOS
p Q p Q p Q

1 2 4 2 5 3 6
2 3 3 4 2 6 3
3 5 2 6 5 8 6
� 10 9 12 12 17 15

a) Construir um fndice de pre�o e um indice de quantidade, com base em 1970,

utilizando 0 metodo agregativo simples e 0 das medias aritmetica, geometrica e
harmOnica simples, e verificar se esses indices satisfazem ao criterio de decom­
posi�ao das causas.

0 criterio de decomposi�ao das causas ou de inverslio dos fatores estabelece

que 0 produto do indice de pr�o pelo indice de quantidade e igual ao indice de
valor, sendo esse ultimo definido pela seguinte expresslio:
n . .

� P} x q}
i=t
fodice (agregativo) de valor = n . (18)
� p� x q�
j=1

lnicialmente montaremos tabelas auxiliares para o cillculo dos indices.

TABELA 7.23
RELATIVOS DE PRECO EDE QUANTIDADE (1970 = 100)

1970 1971 1972

ARTIGOS
i i i i i i
P10,70 Q70,70 P10,71 Q70,71 P10,72 Q70,72

1 1,000 1,000 1,000 1,250 1,500 1,500

2 1,000 1,000 1,333 0,667 2,000 1,000
3 1,000 1,000 1,200 2,500 1,600 3,000
� 3,000 3,000 3,533 4,417 5,1.00 5,500
337
 TABELA 7.24
INVERSOS DOS RELATIVOS DE PRECO E DE QUANTIDADE (1970 = 100)

1970 1971 1972

ARTIGOS
i i i i i i
P7<>,10 Q70,70 p71,70 q71,70 p72,70 q72,70

1 1,000 1,000 1,000 0,800 0,667 . 0,667

2 1,000 1,000 0,750 1,500 0,500 1,000
3 1,000 1,000 0,833 0.400 0,625 0,333

� 3,000 3,000 2,583 2,700 1,792 2,000

TABELA 7.25
VALORES p x q
1970 1971 1972
ARTIGOS i i i i i i
P10 x Q70 P11 x Q71 p72 x Q72
1 8 10 18
2 9 8 18
3 10 30 48

� 27 48 84

Com os dados constantes das tres tabelas podemos calcular os indices soli­
citados. Antes, porem, calcularemos os indices de valor, a partir dos nfuneros que
se encontram na Tabela 7. 25.
48
1,778
27 27
1,000
=

V10.10 =

27 84
3,111
27

a 1)
. Media Aritmetica Simples de Relativos

Os dados necessanos encontram-se na Tabela 7.23

- 3,000 - 3,000
P10.10
3-
1,000 ij,0.70 - 1,000
-
3- -

3,533 4,417
P10.11 1,178 q70·71 =
1,472
3 3
5,100 5,500
1,700 1,833
=

P10.12 q70·72
3 3
Multiplicando 0 indice media aritmetica simples de pr�o pelo de quanti­
dade e comparando com o indice de valor, chegaremos a conclusao de que esse
338 indice niio satisfaz ao criterio de decomposi�ao das causas:
 P70•71XQ70,71 l,178x1,472=1,734 e 1,778
P70•72Xl/70,72 1,700x1,833=3,116 e 3,111

a2) Media Geometrica Simples de Relativos

'Pc./0.11 = �l,OOOxl,333x1,200 1,170

q<j0,71 = �l,250x0,667x2,500 1,277

p<;f0,72 = � l,500x2,000x1,600 1,687

q<;f0,72 = �1,500xl,OOOx3,000 1,651

Multiplicaildo o indice de pr�o pelo de quantidade, o produto nao sera
igual ao indice de valor. Portimto, o indice media geometrica simples niio satisfaz
ao crirerio de decomposiyao das causas:

P 70•71XQ70,71= l,170x1,277=1,494 1,778

-G -G
e

P 10.72XQ70,72= 1,687xl,651=2,785 3,111

-G -G
e

a3) Media Harmonica Simples de Relativos

0 in dice media harmonica simples de relativo niio. satisfaz tambem ao crite­

rio de decomposiyao das causas.
3 3
-H
p 70•71 1,161 q-H
70.•71 1,111
2,583 2,700
3 3
-H
p 70,72 1,674 q-H
70•72 1,500
1,792 2,000

'Plof .11x<il/0.11 =1,161x1,111=1,290 e V70,71 1,778

p 70•72 xq 70•72 =l,674x1,500=2,511

-H -H
3,111

a4) fodice Agregativo Simples

Para o catculo dos indices agregativos simples recorreremos aos dados da

Tabela 7. 22.
12 12
IAP10.11 1,200 IAq,0.11 1,333
IO 9
17 15
IAP10.12 1,700 IAq,0.12 1,667
10 9

/Ap,0.11 x 1Aq70·71 = l,200x1,333=1,600 e V10.11 1,778

/A p,0.12 x 1Aq70,72 =l,700x1,667=2,834 e V10.12 2,833

339
 Conclui-se, entao, que o indice agregativo niio satisfaz ao criterio de decom­
posi�ao das causas.

b) Verificar se os fndices construidos satisfazem ao criterio de identidade.

Os quatro indices atendem ao criterio de identidade. A consta�ao sera

feita apenas atraves dos indices de pre�o.

P10.10 = �
3 0
· = 1,00 OU 100%

{/l,OOxl,OOx1,00 = 1,00 ou 100%

-H 3
p 70•70 =
3,00
= 1,00 OU 100%

10
= - = 1' 00 OU 100%
10

c) Verificar se os indices satisfazem ao criterio da inversao do tempo. Tomernos

os pr�os dos tres artigos nos pedodos de 1970 e 1971. Segundo o criterio de
inversiio do tempo, deveremos ter:

Os indices para 1971, corn base em 1970, ja estao calculados:

1 1
1,178 -+ = 0,849
P1o.7i
-- --

1, 178
1 1
l,l70 -+ = 0,855
-G 1,170
P 10.h .

p1f0.11 = 1,161 -+ + 1
1,161
0,861
p 70•71
1 1
1Ap70,71 = 1,200 -+
/Ap10,71 = -- = 0,833
1,200

Calculemos agora os indices com as bases invertidas, usando os dados das

Tabelas 7. 22, 7. 23 e 7. 24 e cornparemos com os resultados acima

1,000+0,750+0,833
P�
-
P7i.7o
_

=
2,583
= 0 861-+ "P,i.10 *
-
3 3 ' 10.11
p<fMo = {/1,000x0,750x0,833 = {/0,625 =0,855-+ P<fMo = +-
p 79•71
H - 3 3 l
P 7 Mo -
l,OOO+l,333+1,200
= __
3,533
=
0,849 -+ Plfi.10 *
-H _
__

p 70·71
.

340
 Portanto, OS indices media geometrica simples de relativos e agregativo sim­
ples satisfazem ao criterio de inverslio do tempo, o que nlio ocorre com os
demais, media aritmetica simples e media harmonica simples.

d) Verificar se os indices construidos satisfazem ao criterio circular.

0 criterio circular e uma extenslio da inversiio do tempo. Portanto, ele

deve ser atendido apenas pelos indices agregativo simples e media geometrica
simples de relativos. Utilizaremos, para a verific�lio, apenas os indices de pre­
�os. Representando por I, um indice generico, devemos ter, de acordo com o
criterio circular:

/70,71 x /71,72 =/70,72

Construiremos a seguir duas tabelas auxiliares, para calcular os relativos e os
inversos dos relativos em 1972, com base em 1971.

TABELA 7.27
TABELA 7.26
INVERSO DE RELATIVOS DE PRECO
RELATIVOS DE PRECO (1971 = 100) (1971 100) =

ARTIGOS ARTIGOS

1 3/2= 1,500 1 2/3 = 0,667

2 6/4= 1,500 2 4/6 0,667
=

3 8/6 = 1,333 3 6/8 0,750

=

4,333 2,083

4,333
p71' 72 = = 1,444
3
Cj
p 1'12 = {/ l,500x l,500x 1,333 = <13 =1,442

-H 3 17
p 71'72 =
2,0
83 = 1,440 IAp7l>12 = u= 1,417

Nos itens a1, a2, a3 e a4 encontraremos os dados que restam para comple-
tar o exercicio.
1,170
-G -H
P10.11 1,178 p 70,71 p 70, 71 1,161 IAP10.11 = 1,200
-G -H
p70, 72 1,700 p 70·72 1,687 p 70•72
. 1,674 I Ap,0,12 =1,700
Multiplicando os elos individuais,
p70,71xp71,72 = l,178x1,444 = 1,701 * p70,72

Cf Cf
P o.11xp 1.12 � l ,l 70x 1,442 = 1,687 = PCfo.12
Plfo.11xplfM2 = 1,161x1,440 = 1,672 * Plfo.12
/Ap70,71xlAp7i.72 = l,200x1,417= l,700=/Ap70,72

Conforme afirmamos acima, somente OS indices media geometrica simples e

agregativo simples satisfazem ao criterio circular. 341
 7.6. EMPREGO DE fNDICES-AGREGATIVOS PONDERADOS

Como virnos, os indices simples apresentam algurnas desvantagens, em espe­

cial a que se refere a inexistencia de pesos diferentes para cada utilidade que os
comp<5e de acordo com sua irnportancia relativa. No caso dos indices ponderados,
alem da formula a ser usada para interpretar as variat;<5es de pr�o e de quantidade
dos hens, ha o problema do criterio para a fixat;iio dos pesos relativos de cada um
deles. A ponder�ao proposta pelos metodos mais usados baseia-se na particip�ao
de cada bem no valor transacionado total e e feita, em geral, segundo dois critC­
rios: peso fixo na epoca basica ou peso variavel na epoca atual.

7.6.1. fnclice de Laspeyres ou MModo da i:poca-Bcisica

0 fndice de I.aspeyres constitui uma media ponderada de relativos, sendo os

fatores de ponderat;ao determinados a partir de pr�os e de quantidades da epoca
basica. Por conseguinte, no fndice'<ie I.aspeyres, a base de ponder�ao e a epoca
basica, daf a denomin�ao metodo da epoca basica.

0 peso relativo ou fator de ponder�ao relativa para um dado bem i, compo­

nente do indice, e dado por

p� x q�
n . (19)
� p� x Qo
i=l
0 numerador da expressao representa o valor do dispendio com um dado
bem i e o denominador a soma dos valores de todos os hens adquiridos na epoca
basica. Assirn sendo, wt equivale a particip�iio relativa do valor do hem i, em
relat;ao ao valor de todos os hens transacionados, tendo como referencia a epoca
basica. De onde se conclui que
n .

� p� x q�
n
i=l
� w� = 1
i=l n .

� p� x q�
i=l
76
. . 1 1.
. lndice de Laspeyres de Pre�
Sfmbolo: Lo,t

0 fndice de I.aspeyres de Pr�o e definido pela seguinte expressao:

�
(-
p� . .

i=1 p�
Lo,t
n
(20)
� w�
i=1
342
 n .
A expressao 20 pode ser sirnplificada. lembrando que l; w� = l, podemos
escrever i=1 i qi n
_p 1 x _
0
Lot =
(p i i) ( i
n
l; � •
)
Wo
_i�_i = .
n.
�
Pt
--p' 0
/o x
n
q�
n
_

_
' i=1 p� z-1 i=1 i i i=1 i i ,/To
l; Pox Qo l; Po x Qo

n . .
1=1 p' i .l; t x q'0
Lo,t = ( 21 )
n
i=l i l; Pox Qo

0 indice de pr�o. segundo o criterio de laspeyres, 'indica que o valor das

quantidades dos hens na epoca basica, aos pr�os do ano dado (l; P t x Qo), e igual
a Lot, por cento do valor das mesmas quantidades aos pr�os do ano base; ou o
valor das quantidades do ano base variaram (Lo,t 100)% como resultado de -
vari�oos de pre�o no periodo considerado. Se, por exemplo, L78,80 1,40, =

diremos que o valor das quantidades do ano-base aumentou 40% como resul­
tado do aumento de pr�os entre 78 e 80. 0 que se compara, portanto, e o diit­
pendio teorico na epoca atual com o dispendio real na epoca basica para se man­
ter a mesma estrutura de compra ou de consumo da epoca basica
Pode-se observar, na expressao 21, que as quantidades da epoca basica
figuram como fatores de ponder�ao dos pre�os em duas epocas. Trata-se, por­
tanto. de um indice em que as quantidades (pesos) siio fixas na epoca basica
lsso niio e 0 mesmo que dizer que a ponder31;iio e fixa, 0 que SO ocorre quando OS
pesos independerem da base de compar�ao. No caso do indice de laspeyres,
os pesos variam ao mudar a epoca basica, o que o caracteriza como um indioe
agregativo ponderado, com ponder�ao referida a epoca basica
0 indice de laspeyres apresenta uma tendencia para exagerar a alta, em
virtude de considerar as quantidades da epoca atual iguais as da epoca basica

7.6.1.2. fndice de Laspeyres de Ouantidade

Simbolo: L�,t
0 indice de quantidade, pelo metodo de laspeyres, obtem-se permutan­
do p e q na expressao 21.
n
l; x
L�,t =
i=l p�
n
q�
(22)
l; x
i=1 p q� �
343
 Neste Caso, OS pre.yos da epoca basica sao considerados OS fatores de pon­
dera.yao. 0 indice agregativo de quantidade procura responder a seguinte ques­
tao: Se em cada uma de duas epocas forem adquiridas quantidades diferentes
de determinadas mercadorias, mas aos mesmos pre.yos (fixos na epoca basica,
no caso do indice de Laspeyres), quanto se gastara na epoca atual em rela.yao
ao que se gastou na epoca basica? Enquanto no indice de pre.yo a diferen.ya
da importancia gasta devia-se a variayao nos preyos, no de quantidade ela se
deve a variayao nas quantidades adquiridas, uma vez que os pre.yos permanecem
constantes.

7.6.2.fndice de Paasche ou M�todo da �poca Atual

0 fndice agregativo proposto por Paasche e, na sua formulayao original,

uma media harmonica ponderada de relativos, sendo os pesos calculados com
base nos preyos e nas quantidades dos bens na epoca atual. A base de pondera­
.yao no indice de Paasche e, portanto, a epoca atual. 0 fator de pondera.yao
simbolizado por �
w , representa, entao, a participa.yao percentual do dispendio
com o componente i na epoca atual em rela.yao ao dispendio total da mesma
epoca. Simbolicamente,

(23)

7.6.2.1. fndice de Paasche de Pre<;o

Sfmbolo: Po,t
0 indice de pre.yos, segundo o metodo proposto por Paasche, e definido
pela expressao:

Po,t ==
(24)
n
�
i= I

. n
Substituindo w � pela expressao 23 e lembrando que . � 1, chegare-
1= 1
mos a uma expressao mais simples. n . .
� p'xq'
i= I
t t
Po,t
J";xq:
--
= --
n i n . .
p
� _o � Pb xq '
•

. i= 1
t
i=1 n .

,,{ ' '

� pt xqt
344 i= 1
 � p'xqi
i=l t t
Po,r= ---- (25)
"
1: p1 x 1
0 qt
i=l

0 fndice de pr�o de Paasche indica que o valor das quantidades dos bens
adquiridos na epoca atual, aos pre9os dessa mesma epoca, e igual a Po,t por cento
do valor dessas quantidades aos pr�os da epoca basica; ou, o valor das quanti­
dades da epoca atual variou (Po,t - 100)% como resultado do aumento de pre-
9os no perfodo considerado. Esse ind.ice mede, portanto, a rel�ao entre o dis­
pendio monetario necessario para adquirir bens nas �antidades e sistemas de
pre9os da epoca atual e 0 dispendio dado pelas quantidades da epoca atual aos
pre9os vigentes na epoca basica.

Observando a expressao 25 pode-se ver que os fatores de ponder�i'o sao

as quantidades da epoca atUal. Como a epoca atual e variavel, OS pesos, no in­
d.ice de Paasche, mudam quando as epocas atuais mudarem, o
. que o caracteriza
como um ind.ice agregativo com ponder�oos variilveis. 0 ind.ice de Paasche
real9a a baixa porque a ponder�i'o e detenninada pela epoca atual.

Uma seria limi�i'o ao uso do ind.ice de pre90 de· Paasche reside no fato
de os pesos variarem em cada periodo, o que onera substancialmente a pesquisa,
no caso de ser dificil estimar as quantidades na epoca; atual. Esse fato toma
proibitivo o emprego do ind.ice de Paasche quando se deseja montar um ind.ice
ponderado para se fazerem compar�oos seinanais, mensais ou mesmo trimestrais.

7 .6.2.2. lndice de Paasche de Ouantidade

Simbolo: P'o,t

0 ind.ice de Paasche de quantidade e definido por:

n . .
' p'
1: qt
i= 1
t
Po,t= ----
n . .
(26)
' '
� q0 pt
i=l

7.6.3. fndice de Fischer (fndice Ideal)

0 indice de Fischer, tamhem conhecido como fonna ideal, e a media ge<>

metrica dos numeros-indices de Laspeyres e de Paasche. Sob o aspecto da pon­
de�lo, esse ind.ice envolve os dois sistemas anterionnente adotados. A pr<>
posta de Fisher fundamenta-se no fato de os indices que o compoom nao aten­
derem ao criterio de decomposi9ao das causas, alem de um deles tender a supe- 345
 restimar e o outro a subestimar o verdadeiro valor do indice. Esse verdadeiro
valor tendera a ser um numero superior ao fornecido pela formula de Paasche
e inferior ao apresentado pela formula de l.aspeyres, o que acontece com a media
geometrica entre esses dois indices. Entretanto, o indice de Fischer, apesar de
ser chamado de ideal, nao pode ser considerado "perfeito". A necessidade de
modificar pesos, em cada epoca comparada, em decorrencia do calculo do fn­
dice de Paasche, constitui uma restri�ao nao desprezivef ao seu emprego. Alem
disso, nao parece ser possivel determinar especificamente o que o indice de
Fischer mede, bem como estabelecer o verdadeiro valor de um fndice perfeito,
o qual serviria como elemento de referencia

7.6.3.1. lndice de Fischer de Pre�o

Sfmbolo: Io,t

Io,t = .JLo,t x Po,t (27)

7.6.3.2. lndice de Fischer de Ouantidade

Sfmbolo: 10,t

10,t = .JLo,t x Po,t (28)

7.6.4. fodice de Marshall-Edgeworth

0 fndice de Marshall-Edgeworth e um indice agregativo ponderado onde

OS pesos dos itens componentes correspondem
a media aritmetica entre OS pesos
dos indices de Paasche e de laspeyres. Esse fndice resulta, portanto, do quoci­
ente entre a media aritmetica dos numeradores das formulas de l.aspeyres e de
Paasche e a media aritmetica dos denominadores dos mesmos indices.

7.6.4.1. lndice de Marshall-Edgeworth de Pre�o

Simbolo: Mo,t
n .
;
1: (pt'
i=l
• q� + Pr • qt;)

346 Fatorando p� no numerador e p� no denominador

 n . .
+
p (q q:)
i:l : � (29)
Mo,t
�pi ( �
= -------

+ i
i=l q
0
qt )

7.6.4.2. lndice de Marshall-Edgeworth de Ouantidade

Simbolo: Mo,t
No fndice de quantidade, a media dos pr�os, p� e p�, e que figura como
fator ·de ponder�ao.

n
i i
q: (po + Pt )
·

.�
1=1
M'.
o,t
-
-
--

n .. .
---
(30)
+
. � q� (p
.� p; )
1=1
0 indice de Marshall-Edgewort apresenta, sobre os de l.aspeyres e de Paas­
che, a vantagem de satisfazer ao criterio de inversao do tempo e de minorar o
problema de realirar a alta ou baixa Entretanto, persiste ainda a restriirao de
custo, represt:ntada pela ad�ao do sistema de pesos, que toma como um dos
elementos (q�, no indice de pr�os) os fatores de ponder�ao propostos pelo
metodo de Paasche.

7.6.5. fndice de Drobish

A formula de Drobish sugere que se calcule a media aritmetica dos indi­

ces de l.aspeyres e de Paasche, o que nao parece ser uma soluirao satisfatoria,
da mesma forma como ocorre com o indice de Marshall-Edgeworth.

7.6.5.1. lndice de Drobish de Pre90

Simbolo: Dro,t
+
DrO,t - Lo,t
_ Po,t
(31)
2

7.6.5.2. lndice de Drobish de Ouantidade

Sfmbolo: Dr0,1
•
Dro, Lo,t + Po ,
(32)
_

t - 2
347
 7.6.6. fndice de Divisia
0 metodo proposto por Fran!j:oiS Divisia e uma media geometrica ponde·
rada de relativos, com 0 Sistema de pesos fixos na epoca basica A principal
vantagem desse indice, em relafi:ao aos anteriores, reside no fato de ele ser o
unico a satisfazer a propriedade circular, podendo, conseq\ientemente, ser cons·
truido em cadeia, onde a base de ponderafi:ao e fix.a e a base de calculo e mbvel.
Como restrifj:aO a formula de Divisia pode·se apontar 0 carater essencialmente
variavel dos pesos, e que nao e captado pela formula Alem disso, 0 fndice de
Divisia nao satisfaz ao criterio de decomposi!j:iiO das causas.

7.6.6.1. fndicede Divisia de Pre<;o

Simbolo: Do, t
r \w� (2\w� \fn�)w�
Do,t =

ni=l \�i) :�;

L
x x ... x

lembrando que
ni=l.w.
L �= 1

w �
Do,t =
n ( i�
.n
1=1
-
P1
.
p�
(33)

7 .6.6.2. lndice de Divisia de Ouantd

i ade
Simbolo: D0,1

Dot = ' i=n n

1
(34)

7.6.7. F6rmulas Modificadas

7.6.7.1. lndicede Theil

Simbolo: T(t-1,t)

Henri Theil propOe um indice que constitui uma modifica!j:aO no sistema

de pondera�iio proposto por Divisia Em lugar de os pesos serem considerados
fixos na epoca basica, toma-se uma media ponderada entre OS pesos das epocas
consideradas. No caso particular de os pesos serem igualmente importantes e
348 tomando a compara!j:iiO entre as epocas t et -1, para 0 fndice de pr�o tem-se:
 (
Indice de Theil:

wt-l +wt
i)
n Pt 2
T(t -1,t) .n . (35)
1
-

1=1
= -

pt-1

Embora nao haja restriyoos teoricas ao emprego da formula de Theil, su�

siste o problema das restriyoos operacionais.

7:6.7.2. /ndice de Laspeyres Modificado

Simbolo: DA(t-1, t)
Um metodo alternativo ao indice de Divisia consiste em calcular-se o in­
dice em cadeia a partir de indices intermedianos, os quais sio obtidos mediante
o emprego de medias aritmeticas, em vez de geometricas. Assim, para uma epo­
ca t, em relayao a imediatamente anterior, tem-se, no caso de indice de preyo:

(i )
n Pt .
DA (t-1, t) --
w� (36)
P t-1
= ;�1

0 fndice DA satisfaz ao criterio circular. A diferenya entre ele e o de I..as­

peyres (20) reside no fato de ele apresentar pesos fixos na epoca b&sica, inde­
pendentemente das epocas comparadas. Esse indice e tarnbem conhecido como
indice de I..aspeyres Modificado, com base m6vel. Trata-se, portanto, de um
fndice com sistema de ponderat;ao fixa em uma epoca, basica fixa e com base ·

de compar�ao (de cfilculo) m6vel.

7.6.7 .3. lndice do "Bureau"

Sfmbolo: B(t-l,t)
0 fndice do "Bureau" e igualmente um indice de I..aspeyres modificado,
mas que se utiliza de base m6vel de comparat;ao e de ponder�ao, com quan­
tidades fix.as em determinada epoca 0, sendo definido para uma epoca t qual­
quer em relat;ao a irnediatarnente anterior (t-1), ou seja:

i i
Pt-1 q0
•

j
Pesos: Wo,t-1 (37)

onde: �wi:i t-1

'
= 1 349
 n
�
(;
r-1 P; - 1
._
p
--
: • w'
.
o,t-1
)
t
B(t-1, t) = n .

wt,
i=l ' t-1
�

fndice de Pr�o:

n . �
.
� pt' q
•

i=1 (38)
B(t-1, t) = n . .

p'
i=l t-1 q'0
� •

0 fndice B satisfaz ao criterio circular, podendo, por:tanto, ser obtido

por encadeamento. Entretanto, da mesma forma como o indice Sauerbeck, supe>e
a irrealista hipotese de elasticidade-pr�o nula para todos os itens componen­
tes do fndice.

Exemplo 14
Tomemos os dados da Tabela 7. 28 do exemplo 13.
a) Considerando 1970 como base, determinar um indice de pre�o e de quanti­
dade, usando OS metodos de laspeyres, Paasche, Fisher, Marshall, Drobish
e Divisia Verificar, utilizando os resultados do ano de 1972, qual dos metodos
satisfaz ao criterio de decomposi�ao das causas.

TABELA 7.28

1970 1971 1972

ARTIGOS
PRECO QUANT. PRECO QUANT. PRECO QUANT.
1 2 4 2 5 3 6
2 3 3 4 2 6 3
3 5 2 6 5 8 6

n .

pt' .
.
a.1) fudice de laspeyres � q�
a.1.1) fudice de Pr�o: Lo,t i= 1 n
p
i=l �
� q�

�pi 71 • Qi70 (2x4)+(4x3)+(6x2) 32

I:p�o • Q�o (2x4)+(3x3)+(5x 2) = 17 =

350 1,1852 OU 118,52%

 l:P�2 •
Q�o _ (3 x4)+(6 x3)+(8 x2) 46
l:P�o • Q;o - (2 x4)+(3 x3)+(5 x2) = 27
1,7037 OU 170,37%
n

l: q: . p�
al.2) fudice de Quantidade: L,O,t = _=; _1____

l: q� p�
i=t
•

l:q�tP�o _(5 x2)+(2 x3)+(5 x5)_41

-
l:q�0p�0 (4 x2)+(3 x3)+(2 x5) 27
1,5185OU151,85%
=
l:q�2P�o _(6 x2)+(3 x3)+(6 x5) _ 51
l:q;0p;0 -(4 x2)+(3 x3)+(2 x5)- 27
1,8889 OU 188,89%

a.1.3) Comprovayao do Criterio de Decomposiyao das Causas

l:p�2 ·q�2 = (3 x6)+(6 x3)+(8 x6) 84

V10.72 =

i i
"'P10 Q10 (2 x4)+(3 x3)+(5 x2) =17
�
•

3,111
=

L,o.n xV,o.n = l,7037 x 1,8889 = 3,2181 * 3,111

0 ind.ice de Laspeyres nao satisfaz ao criterio de decomposiyao das. causas.

a.2) fudice de Paasche n .

l: p' q t'
.

i= t
•

Po,t
1
a.21) fudice de Preyo:
n

l: p'
.
i
qt
i=t 0
•

(2 x5)+(4 x2)+(6 x5) _ 48 _

(2 x5)+(3 x2)+(5 x5) 41- -

l,1707 OU 117,07%

l:p�2 Q�2 (3 x6)+(6 x3)+(8 x6) _ 84

P,o,n= l:p;0q;2 - (2 x6)+(3 x3)+(5 x6) 51
_
=

1,6471OU164,71%
fudice de Quantidade: pi
.
a.22) n

l: q'
i=t t t
•

Po,r=
i
----
n .

l: q' pt
i=t 0 351
•
 �Q�1 P�1 (5x2)+(2x4)+(5x6) 48
P:,o,7 1=
• _ _ _

.
� Q o p�1 - (2x4)+(4x3)+(6x2) -32-
�
1,5000 OU 150,00%
�Q12
i j
• Pn (3x6)+(6x3)+(8x6) 84
P :.,0•12=
_ _ _

�
�Q o . p� 2 - (4x3)+(3x6)+(2x8) - 46 -
1,8261OU182,61%
a 2.3) Comprovayao do Critre io de Decomposi�ao das Causas

P70.n x P7o,72=l,6471x1,8261 =3,0078#: 3,1111

0 fndice de Paasche nao satisfaz ao criterio da decomposi�ao das causas.

a.3) fodice de Fisher

a3.1) fodice de Pre�o: Io t , = ..JLo,t xPo,t

110.11 = ../L70,71xP7 0.71=../l,1852x1,1707=U779ou177,79%

I, 0,12 .JL10.12x P10.12 Jl,7037X 1,6471 = 1,6752 OU

167,52%
a.3.2) Indice de Quantidade: I� 1 = .JL� xP � 1
. .t ,

/7
: o.71 = J L?o, 11 x P?o, 1�=.J l,5185x1, 5000 =

= 1,50 92 OU 150 ,92%

1'10.72 = J L?o,n x P?o, n = ..J 1,8889 x1,8261=

= 1,8572ou185,72%
a.3.3) Comprova9iio do Criteria de Decomposi9iio das Causas
/70,72 x/:70, 72 =
1,6752x1,8572 = 3,1111 =
V70, 72

0 indice de Fisher satisfaz ao criterio de decomposi�ao das causas.

a 4) lndice de Drobish

a.4.1) Indice dePre90: Dr 0 t=

. 2

L10 11 + P10 71 1,1852 + 1,1707

Dr10, 11 =
2 2
= 1,1780ou117,80%
L10 12 + P10 12 - 1,7037 + 1,6471
_

2 2
352 1,6754 OU 167,54%
 ' + P'o,t
Lo,t
' =
. Quanti"dade: D'o,t
a4.2'\� Iindice de
2

Dr?o, 71 V10 1 1+P?o 71 _ 1, 5185+1,7778 =

-
_

2 2
1,6482 OU 164,82%

= L?o 72 +P?o 72 - 1,8889+

_ 1,8261
2 2
1,8575 OU 185,75%
a.4.3) Comprov�ao do Criterio de Decomposi�ao das Causas
Dr70, 12 xDr'70, 12 = l,6754x 1,8575 = 3,1121 =#:3,1111
0 indice de Drobish niio satisfaz ao criterio de decomposi�iio das causas.

a5) fudice de Marshall-Edgeworth

a.5.1) fudice de Pre�o:

= "l:pfi(qfo+Qf1) = 2(4+5)+4(3:+:2)+6(2+5)
"l:pfo(qfo+qf1) 2(4+5)+3(3+2) +5(2+ 5)

= 80 = 1,3793 OU 137,93%
58

I; pf2 (qf0+qf2)
= = 3(4+6)+6(3+3)+8(2+6)
2(4+6)+3(3+3)+5(2+6)
I; pf0(qf0 +qf2)
130
=78 = 1,6667 OU 166,67%
n . . .

- I;
.= <f (p� +p�)
r 1
a5.2) Iodice de Quantidade: MO,t = --'----- . --
n . .

. I; q� (p� +p�)
l=1

M,70 7 1= "l:qf1(pfo+Pf1) = 5(2+2)+2(3+4)+5(5+6) =

• i i i) 4(2+2)+3(3+4)+2(5+6)
,.,, Q70 (p70 +p71
"<'

= 89 = 1,5085 OU 150 ,85%

5"9°

M?o, 72= "l:qf2(pfo+pf2) = 6(2+3)+3(3+6)+6(5+8) =

I; qf0(pf0+p f2)
4(2+ 3)+3(3+6)+ 2(5 +8)
135 .
= 73 = 1,8493 OU 184,93% 353
 a5.3) Verificat;lo do Criterio de Decomposi�ao das Causas

M10. 1 2 xM10.12 = l,6667x 1,8493 = 3,0822#: 3,1111

0 indice de MaIShall-Edgeworth nao satisfaz ao criterio de decomposi�ao,das

causas.

a6) fudice de Divisia

Antes de calcular os indices solicitados, detennin�mos os pesos dos tres pro­

dutos.

TABELA 7.29
PESOS w�0

i i
ART I GOS
i i i i i - P10 Q10
P10 Q70 P10 XQ70 W70 -
•

1:pfo <i,o •

1 2 4 8 8/27 = 0,2963
2 3 3 9 9/27 = 0,3333

,
3 5 2 10 10/27 = 0,3704

( w�
� 27 1 000

J
P
a6.1) fudice de Pr�o: Do,t = /i -�
l=lp�
-

(
A tabela 7. 23, no exemplo 13, fomece os valores dos relativos de pre�o.
i i
P11 W70
3
D70, 71 = .1T --
i
1=1 P10
J
0
X (1,2000) •3 o4
7
=
\0 , 2963 x(l' 3333)0,3333x
= (l' OOOQ'I

1,1775 OU 177, 75%

7
X (1,6000)0•3 o4 = 1,6909 OU 169,09%

n
( "j
q� i
lit)

� j
a6.2) fndice de Quantidade: D�.t .� -1
qo
=

l-1
i i
Q71 W70
0 0
= (1' 2500) •2963 x(0' 6676) •3333 x
-.
D'70 71 = 1T -

i
•.

Q10

354 0 70
X (2,5000) •3 4 = 1,3104 OU 131,04%
 = (1,5000)0,2963 x(1, 0000)0,3333x

7
X (3,0000)6• 3 64 = 1,6940 OU 169,40%

a.6.3) Verificayao do Criterio de Decomposi�ao das Causas

D10, 12 x D70, 72 = 1,6909x1,6940 = 2,8644 * 3,1111
0 indice de Divisia nao satisfaz ao criterio de decomposi�ao das causas.

b) Verificar, usando os resultados de 1972, se o criterio de decomposi�[o das

causas e atendido pelo produto cruzado de um indice de laspeyres de pr�o
por um de Paasche de quantidade, ou de um indice de Paasche de pr�o por um
de laspeyres de quantidade.
De acordo com o enunciado devemos fazer:

�x Lq�·p� = Lp�. q�
Lo,txP'o.t = Vo,t
Lp�. q� � Lp�. q�
OU
Lpit "qit Lpit . qit
Po,t xLo,t = x �= V o,t
M-<ci� Lq� p� n LP� q�
0

L10.12 = l,7o37 } -+
L70,72 xP70,72 = l,7037x 1,8261 =3,1111 = V10.n
P7o.n = 1,8261

}
OU
P10 ,n==l,6471 �
� P10.12 xL10.12 =1,6471x1,8889 =31111
' , = V 10.12
L7o,72 =1,8889
Embora os indices de laspeyres e de Paasche nao satisf�am ao criterio da
decomposi�ao, o produto cruzado desses indices satisfaz. A vantagem disso
esta no fato de que se dispusermos, por exemplo, de um indice de valor e de
um indice de laspeyres de quantidade, poderemos obter implicitamente um
indice de Paasche de pr�o. por simples divisao.

Po,t = � (39)
Lo,t

7.7. CONSTRUCAO DE SERIES DE NUMEROS-fNDICES­

- MUDANCA DE BASE

Muitas vezes temos necessidade de construir series de numeros-indices.

Contudo, o problema da escolha de um periodo-base, a partir do qual os nume­
ros-indices serao construidos, e a possibilidade de sua mudan�a tern gerado algu-
mas duvidas. 355
 Para a construyiO de series de numeros-fndices devem ser levados em consi­
der31tio os seguintes aspectos:
a) a sele�io da base;
b) a possibilidade de sua mudan�a sem erro ou a independencia do indice em
re�oa base.
Pode-se afirmar que a escolha da base de um nilmero-fndice deve recair na­
quele periodo em que a atividade econamica em geral, ou da empresa em particu­
lar, nao se encontra influenciada por vari�aes estruturais de momento (ocasio­
nais), quer sejam relativas a uma situ�ao de expansiro ou relativas a uma situ�ao
de retr�ao. Portanto, ha necessidade de se escolherem como base aqueles perio­
dos em que as condiyoos econamicas e empresariais sejam normais. Outro proble­
ma que pode surgir ao se fixar o periodo-base e o fato de que, quanto maior for o
esp�o de tempo transcorrido entre a epoca de compar�ao e a epoca bilsica,
maior sera o perigo de que a importancia relativa dos itens se tenha alterado e
que, portanto, o sistema de ponder�ao tenha perdido sua validade. Os metodos
de construyaO propostos SifO dois: 0 metodo da base fixa e 0 metodo de base mb­
vel encadeada.
7.7.1. Base Fixa

Se pretendermos construir uma serie de indices e comparar periodos afasta­

dos ou eventualmente mudar a base, a fixayao desta tern importancias ja que alguns
dos indices geralmente usados nao satisfazem a propriedade circular. E essa fixa­
yao e tanto mais importante se considerarmos que no indice de Laspeyres, por
exemplo, ao fixarmos a base de comparayao, estaremos fixando, ao mesmo tempo,
a base de ponder�ao.
Se o mimero-fndice fosse independente de sua base, esta poderia ser desloca­
da sem erro. Entretanto, no caso de o indice depender da base, a (mica forma de
proceder para desloc3-la seria atraves dos dados originais, uma vez que para que
o procedimento seja correto sob o aspecto matematico, e necessano que a proprie­
dade circular seja satisfeita, e esta estabelece, como vimos:

Po.1 • Pi.2 • P2,3 • • • Pt-1,t=Po,t

Os relativos, os indices agregativos com ponderayao constante, os indices de

Divisiae de Theil, a media geometrica dos relativos e OS indices de Laspeyres modi­
ficados sio alguns dos indices que satisfazem ao criterio circular.

7.7.2. Base M6vel Encadeada

Nesse metodo, a base seria alterada de periodo a periodo. 0 metodo da base

mavel encadeada consiste no seguinte:
a) Constru�io dos indices ou elos

356
 b) Constru�io de um fodice em cadeia, de modo a fixar determinado periodo como
base, aplicando-se o criterio circular

Io.1 =Io.1
Io.2 =Io.1 • 11.2
lo,3 =Io.1 • 11.2 • /2,3

Os indices construfdos por encadeamento somente coincidem com os indi­

ces de base fixa quando a fonnula utilizada satisfizer a propriedade circular. Para
a media aritmetica com ponderairao constante, terfamos, por exemplo:

a) Ponderairao Constante
fndice BaseFixa Base Move/ Encadeada
n n

i=1
l: p� q� i=1
l: p� q�
Po.1 = =
n n . .

I=1
l: p� q'c 1=1
l: p� q'c
n n
I .

Po.2 =
i=1
l' p� q�
=
� .
c
.
=
l:
1=1
P2 tfc
n n
Po </,c
p<
I
l: P' qc'
1 �1 i=l 0
c

� �
n . . n

i= 1
l: p� q'c c
I
l:
1 =1
p� q �
Po,3 = =
n . .
1
Pt q c p1' qc'
� �
l:
i=1 � i=l

b) Tomando-se um fndice de pr�os de Laspeyres, o resultado sera diferen­

te, dependendo do metodo adotado:

fndice BaseFixa Base Move/ Encadeada

n n
l:
1=1
t.lo l:
;=1
p� q�
Lo .1 = =
n n
l:
I= l
Pt q� l:
1=1
p� q�
n n n
l:
1= 1
p�lo l:
1=1
p� q� l:
1= l
p��
Lo.2 = =F x
n n n
l: lo lo l: p� q� l: p� q� 357
1=1 1=1 1=1
 7.7.3. Vantagens e Desvantagens dos M6todos

a) Base Fixa:
Vantagens: :catculos mais simples.
Desvantagens: em series longas, maiores serao as possibilidades de erros de formula
e de homogeneidade.

b) Base Move/:
Vantagens: fornece medida muito mais acurada da varia�lio de pre�os ou de
quantidades de periodo a periodo, permitindo a introdu�lio de no­
vos bens e a elimina�lio daqueles cuja importincia tenha diminu{do.
Desvantagens: maior volume de calculos. As formulas geralmente usadas nlio satis­
fazem ao criterio circular.

7.7.4. Mudan� de Base na Pratica - M6todo Abreviado

Na pratica, a mudaiwa de uma serie de mimeros-indices para uma base mais

recente e feita dividindo-se cada indice da serie original pelo numero-indice
correspondente a nova epoca basica Do ponto de vista matematico, este metodo
SO e vaJ.ido e aplicavel quando OS nitmeros-indices satisfizerem a propriedade
circular, o que nao acontece com os indices de Laspeyres, Paasche e Fisher.
Estritamente falando, portanto, o procedimento nao e vaJ.ido para esses indices,
pois eles apresentam pesos variaveis e a mudan�a no pedodo de referencia exigira
mudan�a nos pesos. Por outro lado, esse problema niio surge nos casos de indice
agregativo, com pesos fixos (constantes), bem como do indice de Divisia. Entre­
tanto, para casos como os dos indices de Laspeyres e de Paasche ha uma aproxi­
miw;il'o razoavel dos resultados, na pratica Ressalte-se ainda que determinados in­
dices de Laspeyres modificados satisfazem a propriedade circular.

Exemplos:
A Tabela 7.30 apresenta o fndice da produ�ao industrial no periodo de
1957 a 1968, sendo o ano 1957 considerado como a epoca-base. Obter um novo
fndice, adotando como basico o ano 1961.

TABELA 7.30

ANOS 1957 58 59 60 61 62 63 64 65 66 67 68
fndice de Pro-
ducao Indu s - 100 104 97 112 120 124 134 125 139 143 143 134
trial
(1957 = 100)

0 novo fndice, construfdo com base no ano 1961, sera determinado dividin­
do-se cada um dos valores constantes da Tabela 7.30 por 120, que e o fndice corres­
pondente ao novo ano-base, exprimindo-se o resultado em porcentagem. A Tabela
358 7.31 apresenta os resultados das divis<'Ses ja multiplicados por 100.
 TABELA 7.31

ANOS 1957 58 59 60 61 62 63 64 65 66 67 68

fodice de Pro-
du�ao Indus- 83 87 81 93 100 103 112 104 116 119 119 112
trial
(1961=100)

7.7.5. Conjugac;io de duas ou mais s6ries de numeros-lndices em uma s6

Muitas vezes estamos interessados em comparar valores componentes de

duas OU mais series com bases diferentes. A Tabela 7. 3 2 ajudara a ilustrar melhor
o procedimento a ser adotado para compor em uma (mica serie os valores de duas
outras.
TABELA 7.32.

(1) (2) (3) (4)

INDICE INDICE INDICE fNDICES
ANO ANTIGO NOVO ANTIGO CONSOLIDADO s
(1970=100) (1975 = 100) (1975=100) (1975=100)

1970 100 50 50
1971 90 45 45
1972 108 54 54
1973 160 80 80
1974 196 98 98
1975 200 100 100 100
1976 120 120
1977 160 160
1978 210 210
1979 240 240
1980 250 250

A primeira serie (coluna 1) apresenta um indice de preyOS para 0 periodo de

1970 a 1975, com base em 1970, enquanto a segunda (coluna 2) refere-se ao in­
dice de preyos para o periodo de 1975 a 1980, tendo como base o ano de 1975.
A conjugayao das duas series em uma so implica a considerayao de uma epoca ba­
sica comum. Devemos, entao, mudar a base da primeira serie para 1975 (coluna 3)
conservando, para o· periodo de 1975 a 1980, os mesmos valores constantes da co­
luna 2, OS quais ja se referem a base 1975. A coluna 3 apresenta OS valores da serie
antiga divididos por 200 e o resultado multiplicado por 100. A coluna 4 fomece
a serie completa. Deve-se notar que, ao mudar a base de comparayao da serie an-
tiga, do ano de 1970 para o de 1975, implicitamente estaremos considerando uma 359
 mudanya na base de ponde�ao. Se a serie original (70 a 75) for construida com
base na formula de laspeyres, estariamos admitindo que as quantidades de 1975
e nao as de 1970 estariam agora figurando como pesos, uma vez que, nesse fndice,
os pesos ( quant:idades) mudam quando mudar a base. Para esclarecer melhor to­
memos os valores 160 e 200 da coluna l da Tabela 7.32 Admitindo a utiliziw;ao
do metodo de Laspeyres, podemos escrever:

= 160 e = 200

Ao mudar a base do indice para I 975 atraves do metodo abreviado ou pri-

tico, estariamos fazendo o seguinte, para calcular o indice de 1973 na nova base:

� p73 Q10
� P10 Q10 160
0,8ou 80%(coluna4, Tabela 7.32)
200
= =

�p75 Q10
� P10 Q10
Simplificando a expressao acima poderfamos escrever: � p75
P 73 q,0
Q10
= 0,8

ou 80%. Ora, de acordo com os postulados do metodo1 de Laspeyres, as quanti­

dades de 1970 (q70) nao podem figurar como fatores de ponderayao, quando a
base for modificada para 1975. Rigorosamente falando, a comparayli"o dos pr�os
� 1973, com base em 1975, deveria ser formulada assim:

�p73 Q75
�p75 q75

que daria um resultado diferente daquele decorrente da expressao ·

� P 73 Q7o
� p75 Q10

Pode-se ver que os valores so coincidiriam se as quantidades (pesos) de

1970 fossem iguais as de 1975. Esse exemplo mostra as limitayoos do metodo
abreviado de mudanya de base de um fndice, apesar de seu evidente carater pratico
e simplificador.

7.8. CONCEITO DE DEFLATOR E DE PODER AQUISITIVO

7.8.1. Deflator

Deflator e qualquer indice de pr�os utilizado para equiparar, por reduyiO,

valores monetilrios de diversas epocas ao valor monetilrio de uma determinada
epoca tomada como base. 0 prOCeSSO de redUyaO e denominado deflacionamento.
0 uso de deflatores permite, ao analisar uma serie de valores monetilrios em ter­
mos de suas variayoos, eliminar uma de suas causas, qual seja, a variayio de p�os.
Assim, por exemplo, o faturamento de uma empresa pode variar, de um ano para
360 outro, em decorrencia de duas causas: variayao de pr�os oti variiw;ao de quantida-
des. 0 uso do deflator pennite analisar a evol�!o do faturamento apenas em fun·
�i'o da vari311i'o de quantidade, elirninando da serie os efeitos decorrentes de varia­
�C!es de pr�o.

Para deflacionar os valores de uma serie, basta dividi-los pelo fndice corres­
pondente a epoca em que eles ocorreram, tendo como referencia uma determinada
epoca

Exemplo 16:

Na Tabela 7.33 encontra-se o faturamento de uma empresa, hem como o

fndice de infl�!o, no perfodo de 1975 a 1980.

TABELA 7.33
(1) (2)
FATURAMENTO INDICE DE
ANO A PRECOS PRECOS
CORRENTES 1975= 100

1975 1.600.000 100

1976 1.800.000 120
1977 2.400.000 150
1978 2.800.000 160
1979 3.000.000 180
1980 3.200.000 187

TABELA 7.34
(1) (2)

FATURAMENTO A PRECOS INDICE DE OUANTIDADE

CONSTANTES DE 1975 1975= 100

1.600.000 1.600.000
x 100 = 1.600 000 x 100 = 100
100 1.600.000
•

1·8 0�2� x 100 = 1.500.000

1.500.000
x 100 = 94
1.600.000
2·
4�5� x 100 = 1.600.000
1.600.000
1.600.000 x
100 = 100

2·800·000 1.750.000
x 100 = 1.750.000 x 100 = 109
160 1.600.000
3·000·000 1.666.667
x 100 = 1.666.667 x 100 = 104
180 1.600.000
3·200·000 1·111·230
x 100 = 1.711.230 x 100 = 107
187 1.600.000 361
 a) Calcular o faturarnento real em cada ano, tomando o ano de 1975 como base.
Os valores constantes da coluna (1) (Tabela 7.33) referem-se ao faturarnento da
empresa tornado a partir dos pr�os praticados no ano em que ele ocorreu (pre­
¥OS correntes). 0 que se pretende e modificar a serie, de tal forma que o fatu­
rarnento de cada ano seja expresso em termos dos pr�os que vigorararn em
1975. Dessa forma, os valores transformados passarn a ter um elemento comum
(pr�o 1975) facilitando as compar�<>es. :e o que se denomina faturarnento
real, faturarnento deflacionado ou ainda faturarnento a pre¥os constantes.
Para entender melhor o mecanismo de deflacionarnento, tomemos o ano de
1978.
Exarninando a coluna (2) da Tabela 7.33, verificanios que o indice de pr�os
em 1978 e 160. Isto significa que o valor 160 em 1978 representa o mesmo que
100 em 1975. Ou, em outras palavras, 160 cruzeiros em 1978 valem exatarnen­
te o mesmo que 100 cruzeiros em 1975. Se quisermos saber quanto valem
2.800.000 cruzeiros em 1978 em termos dos cruzeiros de 1975 basta aplicar­
mos a regra de tres simples:

160 ------- 100

2800.00 -----
-- x

2800.000 x 100 2800.000

x = = = 1. 750.000
160 1 60
'

Conclui-se, entao, que CrS 2.800.000,00 em 1978 equivalem a CrS 1. 750.000,00

em 1975. Se, em 1975, a empresa tivesse faturado CrS
1. 750.000,00 teria tido
o mesmo desempenho que o de 1978 faturando CrS 2800.000,00. Aos pr�os
de 1975 a empresa teve uma evolu¥iio positiva de faturarnento igual a CrS
150.000,00 (1. 750.000 - 1.600.000). Na Tabela 7.34 coluna 1, encontrarn-se
os demais resultados.

b) Construir um indice que descreva a evolu¥iio real do faturarnento, tomando

o ano de 1975 como base.
Para construir o indice solicitado basta dividir cada um dos valores deflaciona­
dos (coluna 1 da Tabela 7.34) pelo faturarnento de 1975 (1.600.000), multipli­
cando o quociente por 100.
Os resultados encontrarn-se na coluna (2) da Tabela 7.34. 0 resultado 108, cor­
respondente ao ano de 1978, indica que o faturarnento da empresa cresceu, em
termos reais, 9% nesse ano comparativarnente a 1975. Como a vari�iio de fatu­
rarnento resultante de aumento do pr�o foi eliminada pelo deflacionarnento,
a vari�ao positiva de 9% decorreu de aumento de quantidade. Conseqiiente­
mente, o indice que se encontra na coluna (2) da Tabela 7.34 e um indice de
quantidade, obtido implicitamente, ou seja, sem o concurso de uma das formu-
362 las propostas anteriormente.
7 . 8. 2 . Poder Aquisitivo

0 poder aquisitivo de um determinado volume de unidades monetanas, com re­

l�iio a uma determinada epoca, e seu valor deflacionado com referencia a essa
epoca Suponhamos um quilo de came adquirido em uma determinada epoca (0)
por cem cruzeiros e em outra (t) por duzentos cruzeiros. Se dispusessemos apenas
de cem cruzeiros em t e desejassemos adquirir o mesmo artigo, so seria possivel
comprar meio quilo. Como com os mesmos cem cruzeiros em t so se adquire a me­
tade do que se poderia fazer em 0, conclui-se que o poder aquisitivo caiu cinqfien­
ta por cento.

Raciocinando atraves de indices podemos fazer:

Po
pt
=

=
100
200 } � Po
'
1 =
200
100
= 2,00
.
� acrescimo de
p�o da came
100% no

Desejando saber o poder aquisitivo de cem cruzeiros em t, com base em 0,

partiremos do fato de o valor 2,00 (p0,1) em t ser equivalente a 1,00 em 0. Para
sabermos quanto vale 100 cruzeiros em t, com base em 0, basta aplicarmos uma re­

{
gra de tres simples:

.200 ------- 1,00

100 ------
-
x

lOOx 1,00
= 50
2,00

Assim, cem cruzeiros em t tem o mesmo poder aquisitivo que cinqfienta cru­
zeiros em 0. Se pensarmos em termos de uma unidade monetaria diriamos que um
cruzeiro em t tern o mesmo poder aquisitivo (e equivalente) que cinqilenta centavos
(metade) em 0. � interessante notar que esse resultado poderia ser obtido toman­
do o inverso do indice obtido acima:

Poder aquisitivo de 1 cruzeiro 1 1

--=-= 05
'
em t, com base em 0: Po,t 2

Para calcular o poder aquisitivo de uma unidade monetana (um cruzeiro,

por exemplo) basta calcular o inverso do indice de pr�o escolhido.

Exemplo 17:
A Tabela 7.35 fornece o indice geral de pr�os (media anual), no perfodo de
1969 a 1979. 363
 TABELA 7.35. TABELA 7.36

l.G.P. PODER AQUISITIVO DE

ANO
1977=100 1CRUZEIRO1977=100

1969 15,5019 6,45

1970 18,5953 5,38
1971 22,3772 4,47
1972 26,2481 3,81
1973 30,1611 3,32
1974 38,8136 2,58
1975 49,6333 2,01
1976 70,1003 1,43
1977 100,0000 1,00
1978 138,7000 0,72
'
1979 213,5000 0,47

Calcular o poder aquisitivo de um cruzeiro em cada ano, com base nos cru­
zeiros de 1977.

Para determinar o poder aquisitivo de um cruzeiro, com base em 1977, de­

veremos calcular o inverso dos valores constantes da Tabela 7.35, multiplicando o
resultado por 100. Assim, para 1969, faremos:

{ 1969

�
!S,5 19
1970

100
x

1
x= x 100 = 6,45
15,5019

Se os valores do indice ja viessem divididos por 100, bastaria calcular seus

inversos:
Poder aquisitivo de 1 cruzeiro 1
= 6 45
em 1969 com base em 1977: 0' 155019 •

Os demais resultados encontram-se na Tabela 736. 0 valor 0, 72 em 1978

indica que um cruzeiro em 1978 tern o mesmo poder aquisitivo que setenta e
dois centavos em 1977, enquanto que um cruzeiro em 1969 tern o mesmo poder
aquisitivo que seis cruzeiros e quarenta e cinco centavos em 1977.

Exemplo 18:

0 salilrio de um individuo foi majorado 80% em um dado periodo, enquan­

to a infl�ao acusou uma elev�ao de 92% em igual periodo. Qual a perda percen-
364 tual de poder aquisitivo do salilrio desse individuo?
 Os valores ja sao expressos em porcentagem. f: necessano transformar ini­
cialmente as vari�Cies percentuais em indices. Se o aumento de salano foi igual
a 80%, 0 ind.ice correspondente sera 1,80; no caso da infl�ao, 0 ind.ice sera 1,92

Para o cfilculo do poder aquisitivo do salano basta deflacion�lo pelo ind.ice.

Como o salano e expresso por ind.ice, deflacionaremos esse numero:

fudice de Salano Deflacionado: !·� '

= 0,9375

Esse valor indica que o poder aquisitivo do salario no fim do periodo con­
siderado e igual a 93, 75% do poder aquisitivo no infcio do mesmo. Houve, portan­
to, uma perda de poder aquisitivo igual a 6,25%(100 - 93,75). De cada 100 cru­
zeiros de salano, no infcio do periodo, ele estara perdendo 6,25 cruzeiros no final
do periodo. Se ele ganhasse 100.000 cruzeiros no infcio do periodo, estaria rece­
bendo, apbs a major�ao, 180. 000 cruzeiros, que, descontada a infl�ao, equivale­
riam a 93. 750 cruzeiros, com uma perda de 6.250 cruzeiros em termos reais. Para
nao haver perda do poder aquisitivo, o salano deveria ser 12000 cruzeiros mais
alto(6.250 x 1,92), totalizando 192.000 cruzeiros.

7.9. TAXA REAL OU TAXA DEFLACIONADA

0 deflacionamento de uma taxa obedece ao mesmo criterio utilizado para

valores monetilrios. f'. necessano apenas converter a taxa a ser deflacionada em in­
d.ice para, em seguida, aplicar o deflator. 0 resultado sera, naturalmente, um ind.i­
ce. A taxa deflacionada ou taxa real sera obtida, subtraindo 1 do valor obtido apbs
a aplic�ao do deflator.

Suponhamos que i seja a taxa nominal, ou taxa a ser deflacionada, e j a taxa

de infl�ao. Para deflacionar a taxa faremos

taxa ind.ice
i -+ (1 +j) (1 +i)
-+ Deflacionamento:
j -+ (1 +J) (1 +J)

A taxa real re obtida subtraindo 1 do resultado acima:

[
J
(l+r) (l+z)
r r-
_
= -1 j -1 xlOO (40)
(1 +/) (l+ )
em termos percentuais

Exemplo 19:
Uma pessoa adquiriu uma letra de cambio por CrS 40.000,00, resgatando-a,
ao final do perfodo de aplic�ao, por CrS 64.400,00. A infl�ao no periodo acu-
sou uma vari�ao de 50%. Calcular a taxa real de juros. 365
 Cdlculo da taxa nominal de juros: i
Capital aplicado:
Montante recebido:64.400
40.000 } 64.400
40.000
= 1• 61
-+ i
(1+z)
= 0,61
= 1,61

indice de inf/afiio:
Tax.a de infl�ao: j= 0,50
fudice de pr�o: (i +1)= 1,50
(Deflator)

Deflacionamento do indice que interpreta a vari�ao nominal:

l +i - 1,61
- - J,0733. OU 107,33%
�J l ' 50

Esse resultado indica que, de cada 100 cruzeiros aplicados em letra de cim­
bio, essa pessoa ganhou, em termos reais, 7,33 cruzeiros, ou seja, 7,33%. Essa por­
centagem foi obtida, subtraindo 1 (ou 100%) do quociente 1,0733 (ou 107,33%).

Exemplo20:
Com os dados do exemplos 18, e utilizando a formula 40, calcular a perda
percentual de poder aquisitivo do salano do individuo.

Dados do problema:

i= 0,80 j= 0,92
Entao,

r=
(� ) 1 +j
-1 100 =
( 1+0,80
1+0,92
-0 100=

=
( ) 1•80
1,92
-1 100 = (0,9315 -1) 100= 1 -6,25% I
Portanto, houve uma perda percentual do poder aquisitivo de 6,25%.

7.10. ALGUNS fNDICES ESPECIAIS

7.10.1. fndices de Pr8\:QS por Atacado - IPA

0 IPA e um deflator largamente utilizado em Economia, sendo conside­

rado por alguns estudiosos como um born indicador da infl�ao a nivel de em­
presas. 0 IPA e calculado mensalmente e tern por objetivo medir o movimen­
to dos pr�os das mercadorias que entram na produ�ao para o consumo inter­
no, incluindo, eventualmente, o movimento de pr�os de hens destinados a
expo�iio. As ponder�Cies sao fundamentadas em medias m6veis bienais e o
366 fndice e apresentado em dois conceitos, cada qual calculado separadamente.
 A fonnula adotada e a do tipo "laspeyres" de pr�o modificada, base
mbvel, a qual atende ao criterio circular. Alem disso, o encadeamento pennite
a atualiz�ao do painel de levantamentos de pr�os. bem como a retirada dos
itens sem representatividade atual.

Para calcular o indice de pr�os no mes t, em rel�ao ao mes imediata­

()
mente anterior(t-1), faz-se o seguinte:

i
n . Pr
� V' -­

i=1 0 i
pr-1
IPAr-1,r = n .
onde,

i=l
� v:i

v{, =valor do bem i na epoca basica(no caso, perfodo 65-66)

i
�
p -l r = relativo de pr�o no mes t, em rel�ao ao imediatamente ante-
Pr -1 ,

rior, t-t.

0 encadeamento sera obtido mediante multiplic�oos sucessivas:

.
- ( . )-
1
n Pr
� V! -
r i=1 0 i
pr-1

- -
IPAo,r = Il (41)
0
n
i
� v
i= 1 °

7.10.1.1. IPA - Conceito Oferta Global

0 IPA, no conceito Oferta Global, procura medir o movimento de pr�os

de produtos, em tran�oos ao nivel do atacado efetuadas no pafs e as referen­
tes aos hens destinados a expor�ao. A Tabela 7.37 fornece a estrutura basica
do IPA, no conceito oferta global, incluindo os pesos (percentuais) dos grupos
e dos subgrupos. A revista Conjuntura Economica, da FGV (RJ), publica men­
salmente a evolu�ao do IPA, incluindo nao apenas o indice agregado (geral)
como o dos grupos (produtos agrfcolas e produtos industriais) e o dos subgru­
pos. 0 IPA, oferta global, e constituido por 243 itens, dos quais oito sao res­
ponsaveis por cerca de 31 % do valor do indice: arroz em casca, milho, trigo,
algodao em car�o. leite, boi em pe, cafe e autombveis. 367
 TABELA 7.37 - IPA - CONCEITO OFERTA GLOBAL

GRUPOS E SUBGRUPOS PESOS

1. PRODUTOS AGRi'COLAS 42,3963

Legumes e Frutas (4 itens) 1,8040
Cereais e Graos (6 itens) 13,3849
Fibfas Vegetais (4 itens) 3,3103
Oleaginosas (4 itens) 1,5671
Raizes e Tuberculos (3 itens) 12,5085
Lavouras para Exportac;:ao (2 itens) 5,2268
Outros (7 itens) 1,2556
2. PRODUTOS INDUSTRIAIS 57,6037
al Extrativa Mineral (7 itens) 4.0124
bl lndUstrias de Transformac;:ao 53,5913
Minerais n3o met31icos (11 itens) 2,7315
Metalurgica 7.2356
Ferro, Af;O, Oerivado (14 itens) 6,0756
Metais n3o ferrosos (6 itens) 1,1600
Mecanica 3,5923
M3quinas Agricolas (5 itens) 0,5188
Maquinas e Equipamentos lndustriais (12 itens) 1,8051
Outros (3 itensl 1,2684
Material de Transporte 5,4851
Vefculos a motor (5 itens) 5,3221
Outros (3 itens) 0,1630
Material Eletrico 3,5869
Eletrodomt?sticos (9 itens) 1,6711
Motores, Geradores e Simi fares (5 itdns) 0,9537
Outros (7 itens) 0,9621
Madeira (5 itens) 1,1827
Mobili3rio 0,8386
M6veis de Madeira (4 itens) 0,4457
M6veis de Ac;o (3 itens) 0,1531
Outros (3 itens) 0,2398
Papel e Papel3o (8 itens) 1,4159
Borracha (7 itens) 1,1158
Couros e Peles (9 itens) 0,4389
Quimica 8,5243
Combustiveis e Lubrificantes (8 itens1 4,4168
Materiais de Limpeza (4 itens) 0,7917
Tintas e Vernizes (3 itens) 0,4463
Materiai:· Plasticos (4 itens) 0,7003
Fertilizante� (4 itens) 0,5957
Outros (9 itens) 1.5735
Tecidos, Vestucirios e Calc;ados 7,4062
Tecidos, Fios Naturais (4 itens) 4,1107
Tecidos, Fios Artificiais 1,3088
Malharia (3 itens} 0,3743
Vestucirio (exclusive malharia) (4 itens) 0,5855
Calc;ados (4 itens) 1,0269
Furno (2 itens) 0,6194
Bebida 1,3368
Bebidas Alco61icas (4 itensJ 0,7512
Retrigerantes (2jtens) 0,5564
Sucos (2 itens) 0,0292
Produtos Alimentares 8,0813
Origem vegetal 5,9531
�ereais Beneficiados e Farirhas (3 itens) 1.3538
Ac;:Ucar 2,7116
Ac;:Ucar Refinado 2,7116
Oleos e .Gorduras (5 itens) 0,5962
Outros (3 itens) 1,2915
Origem animal 1,7880
Carnes e Pescado (4 itens) 0,8259
Leite· e Derivados (exclusive manteiga) (2 it�.-1s) 0,6417
Gorduras (2 itens) 0,3204
Sal, Rac;Oes e Outros (3 itens} 0,3402
368
 7.10.1.2. IPA - Conc:eito Disponibilidade lnterna

0 IPA, no conceito Disponibilidade Intema, procura meclir os pr�os,

ao nivel do atacado, que afetam diretamente as unidades econamicas situadas
dentro do territorio brasileiro. Das ponder�Cles e excluida a parte do produto
intemo que e exportada.

A Tabela 7.38 reproduz os grupos e subgrupos em que sio considerados

os 243 itens componentes do IPA, conceito disponibilidade intema, com as res­
pectivas ponder�0es percentuais. Os nave itens dominantes, responsaveis por
cerca de 34% do valor do indice, sio: �ucar, arroz em casca, milho, trigo, cafe
em grio, leite, boi em pe, tecidos de algodiio e autombveis.

TABELA 7.38
IPA - DISPONIBILIDADE INTERNA

GRUPOS E SUBGRUPOS PESOS

1. Bens de Consumo 59,5729

a) Duraveis 3,8727
Utilidades Domesticas ( 18 itens) 3,1840
Outros (8 itens) 0,6923
b) Nao Duraveis 55,7002
Alimenta�o (56 itens) 43,8967
Outros (30 itens) 11,8035

2. Bens de Produ�o 40,4271

a) Materias-primas (nao Alimentares) 15,1858
Brutas (17 itens) 6,8288
Semi-elaboradas (34 itens) 8,3570
b) Materiais de Constru�o (25 itens) 6,5082
c) Maquinas, Ve(culos e Equipamentos 10,1250
Ve(culos (5 itens) 6,0178
Maquinas e Equipamentos (21 itens) 4,1072
d) Outros (29 itens) 8,6081

As Tabelas 7.39 e 7.40 fomecem os valores do IPA nos dois conceitos

discutidos anteriormente.

369
(...)
.......
0

TABELA 7.39
fNDICE DE PRECOS POR ATACADO - IPA OFERTA GLOBAL - COLUNA 3

Ano Jan. Fev. Mar. Abr. Malo Jun. Jul. Ago. Set. Out. Nov. Dez. �dia

1969 14,5476 14,8927 15.4724 15,9141 16,1901 16,1763 15,5323

1970 16,5214 16,7698 17,0597 17,0183 17,2529 17,6670 17,9706 18,3847 18,7574 19,0334 19,1714 19,3233 17,9109
1971 19,6269 19,8892 20,3999 20,7484 21,1275 21,6988 21,9793 22,1312 22.4255 22,6950 22,9549 23,1924 21,5725
1972 23,6521 24,1790 24,5448 24,7514 24,8837 25,1667 25,6822 26,1468 26.4315 26,6892 27,0321 27,3085 25,5391
1973 27,8129 28,1743 28,5672 28,8726, 29,1406 29,5023 29,9169 30,2346 30,5700 30,9974 31,3881 31,8585 29,7530
1974 32,6813 33,6429 35,2060 37,1931 38,6646 39,2963 39.4790 39,8174 40.4302 41,0718 41,6843
42,7187 38.4905
1975 43,5688 44,5949 44,9920 45,6480 46,5439 47,7396 48,6713 50,8080 52,0652 53,3661 54,4880 55,7826 49,0224
1976 57,4869 59,5619 61,6589 63,7912 66,1472 67,7521 71,3061 74,5694 77,3569 79,1955 80,6606 82,6194 70,1756
1977 85,39 87,85 92,56 96,83 100,1 101,1 101,8 102,6 103,9 106.4 109,7 111,8 100,0
1978 115,3 118,7 122,9 127,8 131,7 136,1 139.4 143,3 147,5 152,2 157,1 159,2 137,6
1979 164,5 170,3 180,6 188,4 192,1 200,1 209,6 __ 221,6 240,1 253,6 267,2 285,7 214,5

Fonte: Revista Conjuntura Economica.

TABELA 7.40
fNDICE DE PRECOS POR ATACADO - IPA - DISPONIBILIDADE INTERNA - COLUNA 4

Ano Jan. Fev. Mar. Abr. Maio Jun. Jul. Ago. Set. Out. Nov. Dez. M6dla
-

1969 15,6744 15,9840 16,3822 16,7508 16,9720 16,9572 16.4535

1970 17,2227 17,4586 17,7535 17,6945 17,9599 18,3875 18,7119 19,1248 19.49.35 19,7589 19,9063 20,0921 18,6304
1971 20,4519 20, 7763 21,3071 21,6989 22,1166. 22,7338 23,0391 23,2243 23,5787 23,8767 24,1623 24,4008 22,6139
1972 24,8466 23,3926 25,7512 25,9405 26,0338 26,3046 26,6835 27,0684 27,3995 27,6909 28,0252 28,2898 26,6189
1973 28,8102 29,1402 29,5410 29,8727 30,1666 30,4811 30,8277 31,1494 31,4860 31,9424 32,3387 32,6842 30,7034
1974 33,5310 34,4439 36,0383 38,1081 39,6112 40,3019 41,1380
40,6476 41,8513 42,5325 43,2158 44,2559 39,6397
1975 45,1209 46,2689 46,7449 47,4885 48.4532 49,6365 50,6535 52,0984 53.4239 54,8353 55,9868 57,2443
50,6630
1976 58,7935 60,9552 63,1997 65.4194 67,3907 68,8804 71,8505 75,3312 77,9837 79,7133 81,0826 82,9466 71,1289
1977 85.49 87,91 91,69 95,63 98,84 100.4 102,3 103,2 104 8 107,2 110,0 112.4 100,0
1978 115,8 119,9 124,1 128.4 132,9 137,7 141,1 145,1 149,0 153,8 158,5 160,7 138,9
1979 166,2 172,3 182,6 189,5 193,3 200,2 208,8 221,8 240,1 255,5 269,9 289.4 215,8

Fonte: Revista Conjuntura Economica.

7.10.2. fndice Geral de Pr89C)s - IGP

0 fodice Geral de Pr�os e considerado como medida-padrlio ( ou oficial)

da infl�lio no pais. Trata-se de um ind.ice hibrido, publicado pela revista Conjun­
tura Economica da FGV (RJ), segundo os conceitos disponibilidade intema (c<>
luna 2) e oferta global (coluna 1), podendo ser usado para inflacionar ou defla­
cionar series de valores monetanos cujos acrescimos foram devidos a uma multi­
plicidade de fatores (faturamento de empresa, por exemplo).
0 IGP e uma media ari1metica ponderada dos seguintes indices: fodice
de Pr�os por Atacado, com peso 6, fodice de Custo de Vida (RJ), com peso 3, e
fodice do Custo de Constru�lio (RJ), com peso 1. As principais criticas a esse in­
d.ice referem-se ao fato de que ele se compoo de um ind.ice nacional (IPA) e de
dois municipais (ICC e ICY calculados para o Rio de Janeiro) alem de o criterio
de ponder�lio de cada um deles ser desatualizado.
A formula de cillculo do IGP pode ser escrita como segue:

(6 x IPA)+ (3 x ICVRJ)+ (1 x ICCRJ)

IGP
=

10

OU IGP = 0, 6 IPA+ 0,3 ICVRJ+ 0,1 ICCRJ I (42)

Os conceitos disponibilidade intema e oferta global dependem de como se

considera o componente IPA. A seguir slio apresentadas tabelas representativas
da evolu�lio do IGP, em ambos os conceitos, do ICCRJ e do ICVRJ, no perfodo
de 1969 a 1979.
Exemplo 21:
A Tabela 7.45 reproduz a evolu�lio do faturamento de uma empresa e o
IGP, disponibilidade intema, no perfodo de 1976 a 1979.
a) Calcular o faturamento real de empresa no periodo, a pre1;os de 1976.
b) Calcular a tax.a real de varia!(io do faturamento, ano a ano.
c) Calcular a tax.a media anual de varia1;ao do faturamento,. para o periodo abrangido
pela serie.

TABELA 7.45 TABELA 7.46

(1) (2) (3) (4) (5)

FATURAMENTO VARIACAO REAL
FATURAMENTO
PRECOS CORREN-
IGP IGP A PRECOS DE
ANO TES (VALORES
1977=100 1976=100 1976
NOMINAIS (NOICE VARIACAO
(Cr$ 1.000) (%)
Cr$ 1.000,00)
1976 10.000 70,1003 1,0000 10.000 1,0000 -

1977 15.000 100,0000 1,4265 10.515 1,0515 5,15

1978 19.000 138,7000 1,9786 9.603 0,9133 (8,67)
1979 31.000 213,5000 3,0456 10.179 1,0600 6,00 371
(A)
"""'
I\) TAB ELA 7.41
ICV - RIO DE JANEIRO - PRE(:OS AOCONSUMIDOR (CUSTO DE VIDA - TOTAL) - COLUNA 6

Ano Jan. Fev. Mar. Abr. Malo Jun. Jul. Ago. Set. Out. Nov. Dez. �ia

1969 14,03 14,22 14,49 14,71 14,88 15,15 15,49 15,74 16,10 16,49 16,86 17,04 15,43
1970 17,16 17,44 17,79 17,92 18,16 18,56 18,88 19.43 19,88 20,28 20,51 20,61 1.8,88
1971 20,92 21,19 21,60 21,76 22,12 22,52 22,96 23,23 23,58 23,92 24,14 24,34 22,69
1972 24,74 25,20 25,54 25,76 25,95 26,29 26,64 27,02 27,30 27,53 27,65 27,75 26,45
1973 28,09 28,44 28,81 29,19 29,41 29,62 29,87 30,15 30,42 30,83 31,21 31,55 29,80
1974 32,74 33,57 35,06 36,58 37,45 38,10 38,82 39,45 40,16 40,76 41,39 42,23 38,03
1975 43,44 44,26 45,09 46,01 46,97 48,02 49,20 50,87 52,00 53,02 54,21 55,40 49,04
1976 57,70 60,70 62,64 64,85 67,11 68,95 70,63 72,51 74,73 76,68 78,14 80,24 69,57
1977 84,23 86,98 90,66 93,66 96,91 99,47 101,9 103,8 106,1 109,2 112,2 114,8 100,0
1978 117,4 121,6 124,9 127,8 131,8 137,2 142,3 145,7 148,7 152,5 155,9 158,6 138,7
1979 166,1 173,2 181,0 187,9 192,2 198.4 209,2 221.4 233,6 242,5 257,0 279,1 211,8

Fonte: Revista Conjuntura Economlca.

TABELA 7.42

ICC - RIO DE JANEIRO - CUSTO DA CONSTRU(:AO CIVIL (MEDIA) - COLUNA 7

Ano Jan. Fev. Mar. Abr. Maio Jun. Jul. Ago. Set. Out. Nov. Dez. Mtldla

1969 13,9416 14,38,78 14,5318 14,6253 15,0284 15,1291 15,3739 15,4098 15,5538 15,6402 15,6762 15,7625 15,0884
1970 15,8777 16,1152 16,5830 17,0293 17,5403 17,7418 17,9938 18,1377 18,3968 18,5120 18,5840 18,7063
17,6015
1971 18 :so18 19,2893 19,4980 19,8723 20,2538 20,4316 20,6379 20,8221 20,9284 21,0007 21,054421,0544 20,3126
1972 21,2111 21,3982 22,1971 23,0536 24,0109 24,1404 24,4283 24,7522 24,9466 25,0689 25,130725,2345 23,7980
1973 25,6951 25,9614 26,5156 27,5089 28,1711 28,4302 28,7181 29,0132 29,3227 29,8913 30,258330,5462 28,3361
1974 31,3092 32,1513 33,4468
34,8144 36,2899 37,7438 38,1468
38,4635 38,7946 39,1113 39,6799 40,2629 36,6846
1975 41,0690 41,8248 43,4298 44,4015 45,6035 46,0641 46,7623
47,0718 47,6476 48,0722 49,1302 49,9652 45,9202
1976 51,0736 52,9881 . 55,7880 59,0556 . 62,2513 65,4038 68,6643 71,4426 74,2784 76,0850 78,3018 79,2447 66,2148
1977 82,15 86,28 89,02 93.45 98,20 100,3 102,2 103,9 105,8 110,9 113,1 114,7 100,0
1978 116,8 119,1 124,3 130,8 133,5 136,7 139,7 143,2 147,8 150,8 154,5 157,1 137,8
1979 160,8 165,0 178,5 184,9 192,9 199,6 203,1 210,6 232,2 237,9 247,1 256,2 205,7

Fonte: Revista Conjuntura Economica.

 TABELA 7.43
!'NOICE GERAL DE PRECOS- IGP- OFERTA GLOBAL - COLUNA 1

Ano Jan. Fev. Mar. Abr. Maio Jun. Jul. Ago. Set. Out. Nov. Dez. M6dla

1969 13,7321 13,9189 13,9889 14,1758 14,3315 14,6584 14.�231 15,2033 15,6704 16,0674 16,3321 16,3866 14,9491
1970 16,6435 16,9004 17,2274 17,2896 17,5621 17,9435 18,2394 18,6675 19,0490 19,3448 19,5005 19,6328 18,1668
1971 19,9286 20,2089 20,6604 20,9511 21,3239 21,8013 22,1196 22,309a 22,6046 22,8715 23,0981 23,2984 21,7647
1972 23,7091 24,1798 24,5850 24,8642 25,1028 25,3866 25,8283 26,2532 26,5262 26,7615 27,0079 27,2143 25,6183
1973 27,6667 28,0143 2.8.4182 28,8198 29,1150 29,4223 29,7732 30,0765 30,3929 30,8286 31,2143 31,6269 29,614'1
1974 32,5509 33,4596 34,9732 36,7540 38,0504 38,7764 39,1418 39,5632 40,1730 40,7684 41,3798 42,3086 38,'1583
1975 43,2611 44,1965 44,8505 45,6181 46,5691 47,6418 48,6195 50,4226 51,5682 52,6899 53,8251 55,0418 48,6921
1976 56,8557 59,1852 61,3114 63,5909 66,0100 67,8493 70,8206 73,6250 76,2516 78,1178 79,6634 81,4545 69,5697
1977 84,73 87,42 91,62 95,53 98,94 100,5 101,9 103,1 104,8 107,7 110,8 113,0 100,0
1978 116,1 119,6 123,7 128,1 131,9 136,5 140,2 144,0 147,9 152,1 156,5 158,8 137,9
1979 164,5 170,6 180,5 187,9 192,2 199,6 208,8 220,3 237,3 248,7 262,1 280,7 212,8

Fonte: Revista Conjuntura Economica.

TABELA 7.44
(NOICE GERAL DE PRECOS - IGP- DISPONIBILIDADE INTERNA - COLUNA 2

Ano Jan. Fev . Mar. Abr. Maio Jun. Jul. Ago. Out. Nov.
Set. Dez. M6dia

1969 14,2752 14,4694 14,5422 14,7364 14,8983 15,2382 15,5943 15,8532 16,2093 16,5573 16,8000 16,8486 15,5019
1970 17,0590 17,3018 17,6336 17,6902 17,9735 18,3700 18,6856 19,1145 19,4949 19,7862 19,9399 20,0937 18,5953
1971 20,4174 20,7330 21,1943 21,5119 21,9069 22,4073 22,7416 22,9526 23,2828 23,5662 23,s064 24,0058 22,3772
1972 24,4048 24,8845 25,2870 25,5589 25,7790 26,0558 26,4150 26,7920 27,0916 27,3455 27,5831 27.7799 26,2481
1973 28,2395 28,5682 28,9787 29,3994 29,7107 29,9884 30,2973 30,6022 30,9186 31,3715 31,7603 32,0980 30,1611
1974 33,0399 33,9181 35,4480 37,2689 38,576� 39,3408 39,8082 40,3213 40,9895 41,6060 42,2586 43,1866 38,8136
1975 44,1517 45,1546 45,8645 46,6876 47,6807 48,7413 49,7705 51,1579 52,3389 53,5178 54,6707 55,8627 49,6333
1976 57,5907 59,9807 62,1939 64,5300 66,7279 68,5094 71,1181 74,0309 76,5725 78,3764 79,8694 81,7027 70,1003
1977 84,76 87,44 91,07 94,78 98,18 100,1 102,2 103,5 105,3 108,2 111,0 113,4 100,0
1978 116,4 120,4 124,3 128,5 132,6 137,4 141,3 145,1 148,8 153,1 157,3 159,7 138,7
1979 165,5 171,7 181,6 188,5 192,9 199,6 208,3 220,4 237,4 249,8 263,7 283,0 213,5

Fonte: Revista Conjuntura Econi>mica.

Gt.>
......
Gt.>
 a) Para calcular o faturamento real, a pr�os de 1976, e necessano inicialmente
mudar a base do IGP, de 1977 para 1976. Para tanto, dividir-se-ao todos os
valores constantes da coluna (2) da Tabela 7.45 por 70,1003, que e o indice
de 1976, na base antiga Os quocientes, que se encontram na coluna (3) da
Tabela 7.46, nao foram multiplicados por 100 para simplificar os catculos pos­
teriores.

0 faturamento real da empresa em cada ano e calculado dividindo cada valor

da coluna (1) da Tabela
7.45 pelo IGP base 1976. Os valores deflacionados
podem ser lidos na coluna (4) da Tabela 7.46.

Os mesmos resultados poderiam ser obtidos, dividindo o faturamento de ca­

da ario pelo IGP do ano, na base 1977 e multiplicando o quociente por
70,1003, que e o IGP de 1976, com base em 1977. Assim,

��::3 x 70,1003 10.000

15.000
x 70,1003 10.515
100,0000
19.000
x 70,1003 = 9.603
138,7000
31.000
x 70,1003 = 10.179
213,5000
b) 0 catculo da taxa real de vari�ao do faturamento, ano a ano, com base em
1976 e feito em duas etapas. Em primeiro lugar constr6i-se um fndice que com­
para cada valor da serie constante da coluna (4) da Tabela 7.46 com o anterior.
Como sao quatro mimeros, havera apenas tres mimeros-indices.

INDICE VARIA�AO
10.515
fudice 76/77 -+ 1,0515 0,0515 OU 5,15%
10.000
9.603
fudice 77/78 -+ 0,9133 - 0,0867 ou-8,67%
10.515
10.179
fndice 78/79 -+ 1,0600 0,0600 OU 6,00%
9.603
Esse indice e um fndice de quantidade (quantum), obtido implicitamente.
Subtraindo 1 (ou 100%) de cada valor do indice, chega-se a vari�ao real do
faturamento.

Uma forma alternativa de chegar-se a taxa real de v�ao do faturamento

e atraves da formula 40:

- (1+l)
374 r- (l+j) -1
 Nesse caso devemos fazer:
Faturamento no ano t
(1 + l)
Faturamento no ano t- 1
IGP no ano t
(1 + j) (qualquer base fixa)
IGP no ano t - 1
Para exemplificar, tomemos os anos de 1979 e 1978:
3t.OOO.OOO
(1 + i) = 1,6316
19.000.000
r= _!__!_!_ -1
1 +j
=

213,50000
(1 + j) 1,5393
138,7000 1,6316
-1 =(1,0600- 1) =
1,5393
0,0600
0 resultado (1 + i) = 1,6316 reflete a compar�ao entre dois valores, sendo,
portanto, um indice de valor. Dividindo o indice de valor pelo de pre�o (1 +
+ j), obtem-se, implicitamente, o indice de quantidade.
c) A taxa media anual de varia�ao do faturamento e calculada a partir do indice
de varia�ao real. Neste. caso, calcula-se a media geometrica dos valores do indi­
ce, subtraindo 1 do resultado.
� 1,0515 x 0,9133 x 1,0600 = � 1,0179 = 1,0059
1,0059 - 1 = 0,0059 OU 0,59%
Chegarfamos ao mesmo resultado, dividindo o faturamento real de 1979
pelo de 1976, extraindo-se raiz cubica do quociente e subtraindo 1 do resul­
tado.
10.179 _3/ 1,0179
lQ. = 1,0179 --+- V = 1,0059 --+- ( 1,0059- 1) = 0,0059 OU 0,59%
OOO

7.10.3. Deflator lmplfcito de Pr� e fndice de Quantum

7.10.3.1. Deflator lmplfcito

Um fndice de pr�o, calculado a partir de dados da Renda Nacional e do

Produto Nacional, e comumente denominado Deflator Implfcito de Pr�os. Os
deflatores implfcitos sao mais abrangentes do que os indices convencionais obti-
dos a partir de amostras relativamente pequenas. Embora a design�ao deflator
implicito esteja ligada mais diretamente aos indices de pr�o construfdos a partir
de dados da Renda Nacional e do Produto Nacional, ela e hem ampla, podendo
referir-se a indices obtidos intemamente a empresa Para esclarecer melhor o con-
ceito, suponhamos que um supermercado deseje comparar suas vendas em dois
anos quaisquer (1975 e 1978). As vendas totais durante cada ano conteriam, im­
.
plicitamente, cada tran�ao individual efetuada e registrada pelo caixa Haveria
possibilidade, entao, de serem relacionados os dois totais de vendas, mas o resul- 375
 tado nao poderia ser utilizado para medir a vari�ao de pr�o ou de quantidade.
Para separar do resultado que expressa vari�ao de valores monetanos os compo­
nentes pr�o e quantidade, ha dois caminhos :
a) Faz-se uma estimativa direta do componente quantidade, deduzindo o componente
pr�o, dividindo o fodice de valor pelo indice de quantidade estimado.
b) Estima-se o componente pre�o, deduzindo o componente quantidade, dividindo
o fodice de valor pelo {ndice de pre�o estimado.
Optando-se pela alternativa a, o componente pre�o resultante sera conhecido
como deflator impl{cito de pre�o. Para que se possa aplicar corretamente esse pro­
cedimento e necesslirio que os indices concorrentes satisfa�am ao criterio de decom­
posi�iio das causas.
No caso de deflatores impl{citos de Renda Nacional e do Produto Nacional,
podemos escrever:
L' = fndice que descreve o comportamento da produ�iio ffsica de bens finais de
uma Economia entre dois ou mais periodos de tempo (fodice de Quantum).
Esse indice e um fodice de Laspeyres.
V fndice de valor, obtido comparando a Renda ou o Produto entre dois ou
mais perfodos.
P fndice de Pre�o ou Deflator lmpHcito. Esse indice e um indice de Paasche.

v
P= (43)
L'
I'.. conveniente lembrar que o produto cruzado de um indice de quantidade de
Laspeyres por um indice de pre�o de Paasche satisfaz ao criterio de decomposi­
�iio das causas: L' x P = V.

Exemplo22:
0 Produto Intemo Bruto do Brasil, em 1978 e 1979, foi, respectivamente,
igual a 3.410.019 e 5.511.654 milh0es de cruzeiros. Para o mesmo perfodo, o
crescimento real do PIB, medido pelo criterio de Laspeyres, foi de 6,41%. Obter,
a partir desses dados, um deflator implicito.
Devemos ter o seguinte quadro da situ�ao nos dois pedodos:

TABELA 7.47.

DADOS DO PIB E fNDICES 1978 1979

1. PIB em cruzeiros correntes
(1.000.000) 3.410.019 5.511.654
2. tndice de Quantum: l'7g,79
(Laspeyres, 1978 100) = 1,000 1,0641
3. tndice de Valor (1978 100): 5.511.654
1,000 1,6163
=

V7s,79 3.410.019
4. Deflator lmplfcito:P78,79 1,6163
1,000 1,5190
(Paasche, 1978 100) = 1,0641
5. PIB em cruzeiros constantes
3.410.019 3.628.475
(1978) (1.000.000)
376
 A comprovayao dos dados da Tabela 7.47 e simples:

5.511.654
=
3.628.475

1,5190

LqtPo Lq1sP1s 3.628.475

Lo ,t � L?s.19 =
3.410.019
---

Lpoqo Lp?Sq1s

1,0641

Vo,t

5.511.654
1,6163
= =

3.410.019
ou, pelo criterio de decomposiyao das causas:

V7g,79 =P78.79 xL?s.19 = l,5190x 1,0641=1,6163

0 leitor podera notar que o indice de quantidade permite avaliar a variayao

real do PIB,ou, a variayao da produyao agregada real, sendo um conceito util como
indicador de variayao de produtividade fisica.

7.10.3.2. fndice de Quantum

0 Centro de Contas Nacionais, do Instituto Brasileiro de Economia (CCN/
/IBRE/FGV), e o orgao que estima, a preyos constantes, o produto intemo, se­
gundo os setores de atividade, hem como os principais agregados componentes
das contas nacionais, permitindo a obtenyao do total de despesa nacional, a preyos
de determinado ano. ·

As estimativas do produto intemo, a preyos constantes, sao calculadas a par­

tir de indices do produto real (quantum). A formula utilizada para a obtenyao do
produto real e a de Laspeyres com pesos mbveis (base m6vel anual).
Dessa forma, a ponderayao das quantidades de um ano sao os preyos (cons­
tantes) do ano precedente. A vantagem desse procedimento reside na possibilidade
de aplicaylio do criterio circular e de inclusao de novos produtos no painel pes­
quisado.
Simbolicamente, a formula para o ano t pode ser expressa como segue:

LqtPt-1
(44)
Lqt-1Pt-1

Essa formula e aplicada a obtenyliO do produto real dos principais setores

componentes do aparelho de produyao da economia nacional como 377
 - Lavoura
a) Agricultura
- Produ1tiio Animal e de Derivados

- Produ�o Extrativa Mineral

- Industria de Transforma1tiio
b) Industria
- Constru�o Industrial
- Servi1tos de Utilidade Publica

c) Comercio

d) Transportes e Comuni�Cies

Para a obten�ao do produto real agregado toma-se a media aritmetica

ponderada dos indices setoriais, sendo atualmente adotados os seguintes pesos:
a) Agricultura: 15,2%
b) Industria: 53,8%
c) Comercio: 23,3%
d) Transportes e Comunica1toes: 7,7%

Na Tabela 7.48, encontram-se as estimativas do PIB, a pre�os correntes

e constantes 1979 = 100, bem como o indice de quantum {base mbvel), para o
periodo de 1970 a 1979.

TABELA 7.48

PIB A PRECOS PIB REAL INDICE DE VARIA<;AO

ANO CORRENTES (Cr$ milhoes) QUANTUM ANUAL REAL
(Cr$ milhoes) 1979 =100 Lr-1,t (%)

1970 208.301 2.560.852 100,00 -

1971 276.807 2.901.214 113,29 13,29
1972 363.167 3.242.355 111,76 11,76
1973 498.307 3.691.957 113,87 13,87
1974 719.519 4.053.770 109,80 9,80
1975 1.009.380 4.285.827 105,72 5,72
1976 1.560.271 4.668.331 108,92 8,92
1977 2.321.925 4.885.330 104,69 4,65
1978 3.410.019 5.179.819 106,03 6,03
1979 5.511.654 5.511.654 106.41 6.41

Fonte: CCN/IBRE/FGV - PIB e var iac;:ao anual.

Exemplo23:
Deduzir o Deflator Implicito do Produto a partir dos dados expostos na
Tabela 7.48.
Para a determina�ao do Deflator lmplicito do Produto precisamos do fo­
dice de Valor e do fodice de Quantum. Na Tabela 7.49 encontram-se os resultados
378 obtidos.
 TABELA 7.49

DEFLATOR IMPLfCITO
PIB A PRECOS INDICE DE INDICE DE
ANO CORRENTES VALOR QUANTUM pt-1,t := VARIACAO
(Cr$ milhoes) Vt-1 t ANUAL %
vt-1,t Lr-1,t . .,....r-.:.=
Lt-1,t
1970 208.301 100,00 100,00 100,00 -

1971 276.807 132,89 113,29 117,30 17,30

1972 363.167 131,20 111,76 117,39 17,39
1973 498.307 137,21 113,87 120,50 20,50
1974 719.519 144,39 109,80 131,51 31,51
1975 1.009.380 140,29 105,72 132,70 32,70
1976 1.560.271 154,58 108,92 141,92 41,92
1977 2.321.925 148,82 104,65 142,20 42,20
1978 3.410.019 146,86 106,03 138,51 38,51
1979 5.511.654 161,63 106,41 151,89 51,89

7.10.4. indice Rela�o de Trocas

0 indice de Rel�iio de Trocas tern como objetivo descrever o comporta­
mento dos pr�os de exportayao com rel�ao aos pr�os de import�ao, entre dois
ou mais periodos.
F�amos
Px = preyo das expo�i5es
Pm = pr�o das impor�i5es
R indice de rel�ao de troca
0 ca.Iculo do indice e simples:

(45)

7.10.5. fndice da Capacidade de lmportar

0 fndice da capacidade de importar ou de poder de compra das export�i5es
visa descrever a vari�ao do volume das impo�i5es que um pafs pode realizar,
tendo como base as expor�i5es efetuadas entre dois ou mais periodos.
F�amos
Qx = (ndice de quantum (quantidades) das export�i5es;
Qm = indice de quantum das importayi5es;
C = indice da capacidade de importar.

Px Vx
C R Qx Qx
Pm Pm
=

379
= • =
•
 C = R • Qx (46)

Vejamos agora como sao calculados os indices acima, publicados na Revista

Conjuntura Economica.
a) Oilculo dos Indices de Quantum

Os indices Qx e Qm sao calculados pela fbnnula de Laspeyres-base mavel,

tomando-se como base o ano imediatamente anterior.

Qx(o,t) =
i
P qi
n

xo xo
i �l
Se quisennos Qx(o,t)•

Qx(ot ) = Q X(0,1). QX(l,2) • • • Q X(t-1,t)

n
�
i= 1

i qi
n
� P
mo mo
i= 1
•

Se quisenn os Qm o,t
( )

Qm(o,t) = Qm(o,1) • Qm(o,1) • • • Qm(t-1,t)

b) Oilculo dos Indices de Preros

Os indices Px e Pm sao calculados dividindo-se os indices de valor pelos de

quantum.

vx
= OU
PX pX(O,t) = px (o,1) pX(l,2) pX(t-1,t)
Qx
• • • •

vm
OU
pm = pm(o,t) pm(o,1) pm(1,2) pm(t-1,t)
Qm
• • • •

c) Oilculo dos Indices R e C

PX
R = OU R(o,t> = R(o,1). R(o,2) Ru-1.t)
Pm
• • •

c R • Qx ou Cco,t) = Cco ,1> • c(l,2> · • · cu-1,t>

A titulo de ilustraylio, apresentamos nas Tabelas 7.50 e 7.51 os indices

economicos fornecidos pela Revista Conjuntura Economica referentes a R e C.
. Se desejarmos conhecer o fndice de quantum das exportay6es relacionado
com a mesma base, basta dividir C por R. Estarf amos entao. considerando apenas
380 os dados anuais (ultima coluna das Tabelas 7. 50 e 7. 51).
 TABELA 7.50
COM�RCIO EXTERIOR
Relac;io de Trocas - coluna 53 - R

Ano Jan. Fev. Mar. Abr. Maio Jun.- Jul. Ago; Set. Out. Nov. Dez. Dado anual

1969 56,08 83,51 77,19 75,84 81,99 75,00 74,23 84,25 78,76 83,48 89,15 _89,95 80,03
1970 89,95 89,95 86,56 94,68 91,33 87,25 89,15 84,24 92,69 84,93 87,38 93,28 88,72
1971 82,32
1972 88,82 83,35 97,09 93,69 90,69 86,45 85,62 98,54 87,86 91,33 107,3 94,68 87,14
1973 85,25 89,23 89,64 91,23 100,5 99,55 96,24 102,4 99,08 98,39 86,02 84,97 95,74
1974 82,05 70,72 72,31 84,87 80,10 82,21 88,28 106,5 96,57 91,22 92,89 92,77 78,35
1975 96,56 87,89 81,07 87,93 72,48 61,99 63,32 72,55 81,19 80,07 92,54 93,23 75,88
1976 80,13 86,65 87,44 82,77 86,69 96,89 96,44 87,56 92,67 97,47 95,43 125,6 85,20
1977 93,32 110,2 109,5 112,2 117,1 125, 1 109, 1 104,7 96,14 91,01 98,32 97,71 100,0
1978 96,10 99,77 93,56 88,83 85,35 93,60 85,38 93,80 86,58 81,96 78,93 88,95 86,1
1979 83,85 85,94 87,42 88,43 81,64 79,15 78,4 70,9 75,5 72,5 70,5 73,4 77,7

Fonte: Revista Conjuntura Econbmlca.

COM�RCIO EXTERIOR TABELA 7.51

Poder de Compra das Exporta\:Oel - coluna 54 - C

Ano Jan. Fev. Mar. Abr. Maio Jun. Jul. Ago� Set. Out. Nov. Dez. Dado anual

1969 23,76 34,03 35,59 40,95 37,81 43,93 45,64 46,20 55,95 44,04 54,07 48,95 43,90
1970 41,11 36,10 38,48 49,95 53,12 51,47 58,88 56,69 58,91 44,45 43,20 63,16 50,13
1971 49,30
1972 44,28 49,52 59,29 72,39 67,44 84,94 80,03 77,36 83,22 72,09 67,75 83,38 66,46
1973 61,62 71,54 71,13 70,87 94,40 95,95 89,96 101,2 103,7 77,25 55,39 93,19 83,84
1974 58,41 46,75 51,07 60,42 56,12 70,60 76,81 92,63 109,1 82,46 95,51 100,6 69,94
1975 75,29 58,10 68,24 74,52 73,70 65,49 68,68 91,41 81,19 67,86 76,85 89,55 74,60
1976 53,87 67,07 75,58 74,35 92,07 104,0 101,3 91,02 92,67 100,2 92,19 118,5 84,72
1977 89,63 114,5 95,92 106,5 122,4 120,9 101,7 111,8 98,31 89,98 92,21 104,3 100,0
1978 76,11 82,00 106,4 94,97 100,6 122,6 95,71 104,8 118,5 111,8 109,0 11G,4 97,1
1979 89,07 87,03 110,0 111,2 111,4 90,42 112,0 96,0 96,9 99,8 86,5 102,0 94,8

Fonte: Revista Conjuntura Economlca.

U>
CX>
......
 TABELA 7.52
fNDICE DE QUANTUM
1977=100

ANOS Ox =CIR

1969 54,8
1970 56,5
1971 59,9
1972 76,3
1973 87,6
1974 89,3
1975 98,3
1976 99,4
1977 100,0
1978 112,8
1979 122,0

Exemplo 24:
Os dados abaixo referem-se as quantidades e aos pr�os das export�Cies dos
artigos A, B e C, nos anos 197(). 71. Determinemos o inclice de quantum, pelo
criteria de Laspeyres, adotandcrse como base o ano de 1970.

TABELA 7.53

Prer;:os Ouantidades

Artigos
1970 1971 1970 1971

A 2,00 2,00 10 8
B 5,00 7,00 20 20
c 6,00 6,50 100 180

2:3 i i
p q
i= 1 X1970 X1971
3
i i
i� i Px1910 qx1970

(2. 8)+(5 .20)+(6.150) 1 016

= = l,4l OU l4l%.
(2. 10)+(5 . 20)+(6. 100) = 720
0 quantum exportado cresceu, em 1971, 41% quando comparado com
1970.

7.10.6. fndice de Pr•s ao Consumidor - ICV - (fndice do Custo de Vida)

0 fnclice do custo de vida e um numercrinclice que objetiva meclir o efeito
382 das vari�Cies de pr�o sobre as despesas normais de uma unidade consumidora
considerada tfpica Atraves dele, procura-se descrever a variat;ao da receita mone­
taria dessa unidade consumidora para que ela possa manter o mesmo nfvel de vida,
o qual e caracterizado como o conjunto Q de bens e servi�os que consome (ou
utiliza) para a prbpria sobrevivencia 0 nfvel de vida distingue-se do padrao de vi­
da, que e considerado como o genero de vida que uma unidade consumidora g<»
taria de ter, se pudesse defini-lo como tal. 0 ICY permite, portanto, descrever o
efeito das vari�oos de pre�o sobre determinado nivel de vida
0 custo de vida, medido pelo indice, sera considerado como o dispendio
necessano para que uma determinada unidade consumidora mantenha urn dado
nfvel de satisf�ao ou, em termos tecnicos, permane�a sobre a mesma curva de
indiferen�a Atraves do ICY estil-se avaliando a mudan�a de dispendio necessana,
apos uma alter�ao de pr�os, de modo a se obter a mesma satisf�ao anterior.
Dessas considera�0es infere-se que ICY esta para o consumidor e assalaria­
do de uma forma geral assim como o IPA e IGP estao para as empresas. Para de­
flacionar salano8 e, portanto, 0 indice mais adequado.
A metodologia de calculo do ICY varia, as vezes de forma acentuada, entre
OS vanos institutos regionais que 0 calculam. Entretanto, em termos praticos, a
constru�ao do ICY, qualquer que seja o orgao que o calcuie, desenvolve-se atraves
das seguintes etapas:
a) Esco/ha da Formula
A maioria das entidades regionais que calculam o ICY recorre a f6rmula
de laspeyres (item 6.1. 2) OU a de laspeyres modificado (itens 6. 7. 2 e 6. 7.3).
Em Sao Paulo, a FIPE-USP utiliza-se da formula de Divisia (item 6.6.1). Nesse
Ultimo caso, sao determinados pesos para os grupos (aliment�ao), subgrupos
(alimen�ao no domicflio), itens (alimen�ao no domicflio, produtos semi­
-elaborados), subitens (alimenta�ao no domicilio), produtos semi-elaborados (car­
nes) e produtos (alcatre).
A tftulo de ilustr�ao sao apresentados a seguir os pesos dos grupos consi­
derados pela FIPE-USP, cujo ICY abrange a regiao metropolitana de Sao Paulo ·

e dos considerados pela FGY para o Municfpio do Rio de Janeiro.

TABELA 7.54 TABELA 7.55

ICV - SAO PAULO ICV - RIO DE JANEIRO
PESO PESO
GRUPO GRUPO
% %

1. Alimentac1io 43,5309 1. Alimentac1io 39,39

2. Habitacao 22,6820 2. Habitac1io 14,33
3. Despesas Pessoais 13,6265 3. Artigos de Residencia 12,07
4. Vestuario 6,4043 4. Vestuario 8,55
5. Transportes 6,2802 5. Servicos Publicos 8.48
6. Saude 5,2774 6. Higiene e Saude 5,30
7. Educac1io 2,1982 7. Servicos Pessoais 11,88

Fonte: FIPE-USP. Fonte: Revista Conjuntura Econ<'>-

mica, junho 1968. 383
 b) Dimensionamento da Amostra

0 dimensionamento da amostra de domicilios comporta uma serie de difi­

culdades tecnicas, cuja explan�ao pormenorizada foge ao escopo do presente
trabalho.

c) Pesquisa de Orramentos Familiares

Urna vez determinado o tamanho da amostra, ou o mirnero de unidades

consumidoras que fornecerao dados para o perfodo de tempo que o ICY ira
abranger, devera ser realizada uma pesquisa de O)\:amentos familiares para deter­
minar o peso de cada grupo, subgrupo, item, subitem, produto e marca dos hens
que integrarao o indice. Nesse aspecto, e conveniente construir o ICY a partir
da agreg�ao de indices parciais.

Exemplo 25:
0 salano do gerente de uma empresa e, em 1980, igual a C r$ 100.000,00.
Sabendo que o ICY aumentou 80% nos dois ultimos anos, calcular o poder aquisi­
tivo do salano desse gerente com base em 1978.

Para calcular o poder aquisitivo do salano aos pr�os de dois anos atras,
e necessano apenas deflacionil-lo, dividindo seu valor em 1980 pelo indice de
infl�ao, base 1978.

j = taxa de infl�ao = 0,80 � (i + 1) = 1,80

no periodo

100.000
= 55.556
1,80

Em 1980, CrS 100.000,00 tem o mesmo poder aquisitivo que CrS 55.556,00
em 1978.

7 .10.6. 1. lndice Nacional de Pre�os ao Consumidor - INPC

0 INPC e um indicador da infl�ao, resultante da lei que dispoo sobre os
novos criterios de reajuste salarial. Esse indice e calculado por uma entidade
oficial, a FIBGE (Fun�ao IBGE), orgao subordinado a Secretaria de Planeja­
mento da Presidencia da Republica.
0 INPC e calculado para dez regioos metropolitanas, sendo uma combina­
yi'o dos indices regionais, ponderados pela popul�ao. Embora o INPC cubra um
universo hem maior do que o de outros indices, nao pode ser considerado rigoro­
samente nacional porque sua cobertura abrange apenas dez regioos metropolitanas,
equivalentes a cerca de 25% da popul�ao. Por outro lado, as regioos metropolita­
nas de Sao Paulo e Rio de Janeiro respondem por dois te]\:OS da popul�ao abran­
gida pelo fndice, o que pode conduzir a certas distoryOes. Isto porque e nessas
duas regioos que existem maiores recursos tecnicos para o controle de pr�os. via
384 tabelamento, o que nao reflete a situ�ao inflacionilria no Pais como um todo.
 Outro problema relacionado com o INPC prende-se a sua utiliz�i'o como
base para reajustes automaticos de salanos. Para tanto, a FIBGE divulga para o
mes de reajuste a vari�ao do INPC nos ultimos seis meses, defasados de dois com
relarrao aquele em que sera aplicado. Assim , quando se afirma que a vari�ao do
INPC a ser aplicada aos reajustes de setembro de 1980 foi 33,5%, esti-se conside­
rando que a vari�ao do INPC para o semestre fevereiro-julho foi 33,5%. A crftica
a u tiliz�ao do INPC para reajustar salanos refere-se ao fato de que ele pode privi­
legiar as regioos mais desenvolvidas, e prejudicar as menos favorecidas. Imaginemos
que as regioos do Rio de Janeiro e Sao Paulo revelem a mesma vari�ao semestral
regional, 30%, Manaus 50% e Belo Horizonte 45%. Ora, as duas primeiras regioos
contam com um peso de 67% no indice, e as duas restantes com 10%. Essa discre­
pancia de pesos ira provocar um rebaixamento nos indices regionais de Manaus
e Belo Horizonte, beneficiando as duas regioos maiores que terao reajustes salariais
superiores aos 30%. A Tabela 7. 56 fornece, a titulo de ilustr�ao, as vari�oos se­
mestrais do INPC, ICV-RJ, IGP e IPA; no perfodo janeiro·julho de 198Q

TABELA 7.56
INPC, ICV-RJ, IGP E IPA (1)
VARIAC0ES SEMESTRAIS - 1980

MESES INPC(2) ICV-RJ IGP IPA

JANEIRO 40,9 39,7 44,3 48,7

FEVEREIRO 39,9 36,8 42,1 45,0
MARCO 37,7 35,8 40,6 42,7
ABRIL 37�0 36,9 41,3 43,0
MAIO 36,8 35,9 42,4 45,0
JUNHO 34,4 31,0 40,4 43,9
JULHO 33,5 33,2 43,4 47,2

1. INPC - fndice Nacional de Pr�os ao Consumidor

ICV-RJ - fndice de Custo de Vida do Rio de Janeiro
IGP - fndice Geral de Pr�os - Disponibilidade lnterna
IPA - fndice de Pre�os por Atacado - Disponibilidade l nterna
2. Para o INPC utilizou-se o mes em que ele e efetivamente calcu­
lado. 0 valor 40,9 que aparece em janeiro refere-se ao perlodo
agosto-79/janeiro-80. Esse valor serve de base para o reajuste
de mar�o de 1980.
Fonte: IBGE e FGV.

7.10.7. fndice de Corr•o Monetaria - Obriga�es Reajustaveis

do Tesouro Nacional
0 objetivo inicial da corr�ao monetana foi introduzir um metodo de corri-
gir ou minorar os efeitos provocados pela infl�ao, constituindo-se em um impor- 385
 tante instrumento auxiliar de combate a infl�ao, atraves de uma estrategia gra­
dualista.
Desde sua introdu�ao, foram estabelecidas normas para a corr�ao moneta­
ria dos debitos fiscais, do ativo imobilizado, das depreci�i>es, do capital de giro,
dos tftulos da dfvida publica e outros papeis do mercado de capitais. Com a cria­
�ao das Obrig�Oes Reajustaveis do Tesouro Nacional e ao longo do tempo o pro­
cesso acabou vinculando-se aos indices de vari�ao desses papeis. 0 indice que
mede a vari�ao das ORTN desempenha, para o mercado financeiro, o mesmo
papel que o IGP e o IPA desempenham para o empresano, e o ICY para o consu­
midor e assalariado. Alem disso, o proprio valor da Unidade Padrao de Capital
(UPC), do BNH, passou a ser definido como sendo o valor da ORTN do primeiro
mes de cada trimestre civil. Assim, enquanto a UPC constitui-se em unidade-pa­
drao para os c3.lculos de financiamentos e amortiz�ao do Sistema Financeiro de
Habi�ao, a ORTN figura como unidade-padrao para os financiamentos feitos
para o setor industrial, ou para reajustes de alugueis e outros contratos (lei n.o
6.423, de 17-06-1977).
Inicialmente a corr�ao monetaria assumiu duas modalidades; corre�io pr�
fixada (a priori) e corr�ao pos-fixada (a posteriori). A primeira baseava-se em
uma taxa de infl�ao esperada, enquanto a segunda foi adotada em oper�0es
mais diretamente regulamentadas pelo govemo como, por exemplo, nas ORTN,
PIS, FGTS e Cademetas de Poupan�a No ultimo caso (corr�ao pOs-fixada),
adotou-se ate dezembro de 1979 a seguinte formula de c3.lculo:

pt-2 + pt -3 + pt-4
Vt -
- vt-l ( 0'8 + 0,202343) (47)
p t-3 + pt-4 + pt-5

onde,
v, = valor da ORTN no mes t

v,_1 = valor da ORTN no mes t-1

P,_2, ... , P,_5 = IPA, conceito disponibilidade intema, nos meses

t- 2a t-5.
A expressio 47 indica que o valor da ORTN em dado mes e igual ao seu
valor no mes anterior, corrigido por um fator que representa uma media pondera­
da entre a inflai;ao passada, medida pelo IPA, com peso 0,8 e a expectativa da in­
fl�ao futura ("desejada") com peso 0,2
A constante 0, 202343 equivale a infl�ao estimada de 15% ao ano, pon�
rada em 20%, a saber:

0, 202343 = 0, 20 1� onde

1� e o indice mensal correspondente a uma vari�ao anual de 15%.

A partir de janeiro de 1980, a Secretaria de Planejamento, orgao a quern

386 esta afeta a determin�ao do valor das ORTN, adotou o criterio de prefixai;ao da
corre9ao monetaria com o objetivo de agir sobre as expectativas dos agentes eco­
nomicos e de tomar o empresariado solidano com o govemo na tarefa de reduzir
a infl�ao. Com essa medida o govemo intencionou ainda diminuir as incertezas
e as altas expectativas inflacionarias futuras, tomando a tarefa de planejamento
empresarial algo mais palpavel. A Tabela 7. 57 fomece os valores das ORTN, no
periodo de I %9 a 1980 (valor das ORTN em dezembro).

TABELA 7.57
VALOR DAS ORTN - DEZEMBRO

ANOS ORTN

1969 41.42
1970 49,54
1971 60,77
1972 70,07
1973 79,07
1974 105.41
1975 130,93
1976 179,68
1977 233,74
1978 318.44
1979 468,71
1980 706,70

Exemp/o 26:
Um aplicador adquiriu alguns titulos em 1971 pela importancia de CrS
100.000,00, resgatando-os em 1972 por Cr$ 120.000,00. Calcular o ganho ou a
perda real do aplicador em termos monetarios e em termos nominais.
A infla9ao no periodo, medida pelo indice que mede a varia9ao das ORTN,
foi igual a 15,3%:

ORTN72 70,07
= 1,153
ORTN71 60,77
0 montante nominal foi Cr$ 120.000,00. Basta, entao, deflacionar esse
montante para obter o montante e o ganho real:

120.000
= 104.076 � ganho real CrS 4.076,00
1,153

Descontada a infla9ao, o aplicador ainda ganhou CrS 4.076,00 a pre9os de

1971.
Para calcular a taxa real, recorreremos a formula 40:

I+ i - )
r = ( 1 100
I+ j 387
 1 20.000
(1 + i) = 1,20 (I+ j) 1,1 53
100.000
r = ( ��
'
115
2
- I) 100 = 4,076%.

7.11. EXERCICIOS PROPOSTOS

I. Com os dados da tabela abaixo, calcular os relativos de valor, com base em
1977.

ANOS 1975 1976 1977 1978 1979

Refativos de prec;:o:
100 102 112 115 125
1975 = 100

Aelativos de quanti·
dade: 1977 = 100 90 98 100 110 120

2 Dadas as vari396es mensais de um indice de preyos, calcular: a) a variayao

acumulada ate o mes de dezembro e b) a taxa media mensal de vari39ao.

MESES Jan. Fev. Mar. Abr. Maio Jun. Jul. Ago. Set. Out. Nov. Dez.

Variac;:oes
Mensais +2,0 +3,2 -2,5 +5,1 +10,2 -5,8 -4,3 +1,5 +6,0 +7,1 +8,3 +15, 1
(%)

3. Uma empresa deseja aumentar as vendas (quantidades) em 600.Ai. Qual deve

ser a variayao de preyo para que o faturamento duplique?
4. Se a queda de vendas esperada de um produto da empresa Gerivo for igual a
10%, com relayao ao desempenho atual, qual o aumento percentual de
preyos que permitira manter o faturamento no mesmo nivel do atual?

5. Um jornal publicou uma tabela com o seguinte comentilrio: "A produyao de

soja aumentou 50% em 1978 com rel39ao a 1976, e 117% em 1979 com
referencia a 1978."
Essa afirm39ao e correta? Justifique.

PRODUCAO DE SOJA

QUANTIDADE
ANOS
t

1976 750
1977 1.000
1978 1.500
1979 1.750
388
6. Se, em 1980, uma empresa vendeu uma quantidade de mercadoria 60%
superior a 1979, em quanto por cento a quantidade de mercadoria vendida
em 1979 foi inferior a de 1980?
7. 0 indice abaixo foi calculado com base movel

ANOS 1970 1971 1972 1973

fNDICE 112 120 125 115

Calcular: a) O indice com base em 1971.

b) 0 ind
' ice com base em 1969.

8. Os dados abaixo referem-se as quantidades produzidas ( toneladas) e OS

preyos medios por quilograma recebidos pelos produtores.

1976 1977 1978

PRODUTOS
p 0 p 0 p 0

A 5,00 100 6,00 100 10,00 120

B 10,00 50 15,00 60 15,00 70
c 3,50 120 5,80 130 6,60 110
D 4,10 200 6,00 250 7,00 260
E 8,00 180 10,80 200 11,50 200

Calcular: a) Os indices de pre-.o e de quantidade de Sauerbeck, com base em 1976

(base de compara-.a:o fixa).
b) Os indices de pre-.o e de quantidade de Laspeyres, com base em 1976.
c) Os indices de pre-.o e de quantidade de Paasche com base em 1976.

9. 0 indice constante da tabela abaixo foi calculado com base m6vel

ANOS 1970 1971 1972 1973

fNDICE 110 112 115 125

Calcular: a) 0 indice de 1973 com base em 1971

b) 0 indice de 1972 com base em 1973
c) 0 indice de 1973 com base em 1969
d) 0 indice de 1969 com base em 1971

10. Calcular, com os dados das tabelas abaixo, o PNB real e o deflator implicito
do Produto, com base em 1970. 389
 PNB A PRE(:OS CORRENTES

SETORES 1970 1971 1972

PRI MARIO 900 1.100 1.600

SECUNDARIO 1.200 1.600 2 .000
TERCIARIO 120 130 140

fNDICES DE PRE(:OS

(ND ICES 1970 1971 1972

Produtos Agrlcolas
100 110 112
1970 100
=

Produtos I ndustria-
lizados 90 100 110
1971 100
=

Servi�os
100 112 118
1970 100
=

11. 0 salano do gerente geral de uma empresa, em dezembro de 1974 era

Cr$ 20.000,00. 0 ICV de 1974, com base em 1971, variou 70,48%. Qual
o poder aquisitivo do salario desse gerente em 1974, com base em 1971?

12. A inflayao acumulada ate o mes de abril (inclusive) de determinado ano

foi 24, 73%. Em abril, a taxa de inflayao foi 5, 7% sobre maryo. Se esta taxa
se mantiver para os pr6ximos 8 meses, qual sera a taxa de inflayao do ano?

13. 0 ind.ice de pr�o apresentado na tabela a seguir foi calculado pela formula
da DIVISIA, base m6vel.

ANOS 1970 1971 1972 1973

fndice
de 105 112 115 125
Pre�o

Calcular: a) D71, 73
b) 069,73
c) D 73,72
d) Dn ,69

14. 0 govemo prefixou a taxa de correyao monetana para determinado ano

em 50%. Qual deve ser a taxa media mensal para que tal objetivo seja al-
390 canyado?
15. 0 valor da ORTN, em janeiro de determinado ano, foi C rS 482, 00 ( da·
do ficticio). Se para fevereiro, ma�o e abril houvesse sido fixado um per­
centual de aumento respectivamente de 3%, 4,2% e 5%, qual deveria ser o
valor da ORTN ao final desse periodo?

16. Utilizando os dados da tabela abaixo, calcular os salanos reais, com base em
1970.

ICV
ANOS SALARIO
1965 = 100

1970 3.200 110

1971 4.600 115
1972 5.200 118
1973 6.400 120

17. Calcular o IGP, sabendo que ICVRJ aumentou 10%, o ICCR ' 12% e o IPA
J
3%.
18. Calcular, com os dados da tabela abaixo, o indice de pr�os de Laspeyres
com base em 1970 e o indice do "Bureau" com base em 70-71 (media).
Utilizando OS mesmos metodos desenvolver um indice de pre\:O-base move}
e verificar qual dos indices satisfaz ao criterio circular.

1970 1971 1972

PRODUTOS
p Q p Q p Q

Arroz 5 10 6 12 7 10
Feijao 8 20 8 18 8 20
Milho 3 10 3 10 4 12
Batata 2 20 5 20 3 20

19. Com base na equa\:iiO da Renda Nacional (Y= C + I + X - M) e nos dados

das tabelas seguintes, calcular a Renda Nacional real e o deflator implicito,
com base no ano de 1970.

RN A PRECOS CORRENTES

1970 1971 1972

C - Consumo 1500 2000 2500

I - lnvestimento 500 550 800
X - Exporta�ao 200 300 400
M - lmporta�ao 100 200 250 391
 DEFLATORES

(NDICES 1970 1971 1972

Custo de Vida
100 130 170
1970 = 100

Investimento
95 100 150
1971 = 100

Exporta�o
60 80 100
1972 =100

lmportac;:ao
100 180 220
1970 = 100

20. 0 Anuario Estatistico do Brasil - IBGE - fomece os seguintes dados de

salmo minimo no municipio de Sao Paulo.

SALARIO M(NIMO
PERIODO
MENSAL (Cr$)

MAIO 69/ABRIL 70 156,00

MAIO 70/ABRIL 71 187,20
MAIO 71/ABRIL 72 225,60
MAIO 72/ABRIL 73 268,80
MAIO 73/ABRIL 74 312,00
MAIO 74/ABRIL 75 376,80
MAIO 75/ABRIL 76 532,80
MAIO 76/ABRIL 77 768,00
MAIO 77/ABRIL 78 1.106,40

Determinar o indice de variayao do salmo minimo mensal, com base em

maio de 1%9.

21. A tabela abaixo apresenta os gastos das familias A e B no consumo de 10

produtos alimentfcios durante o ano de 1970, e os preyos dos mesmos em
1970 e 1971. Admitindo 1970 = 100 pede-se:

a) o indice Sauerbeck de pre<;o para 1971;

b) o indice Divisia de pre<;o para 1979;
c) os efeitos das altera<;oes de pre<;os foram iguais para as duas fam11ias? Por que?
d) se o problema fosse a corre<;ao salarial dessas fam11ias, com base na varia<;ao do
392 valor do indice, qua! o indice mais vantajoso para ambas as fam11ias? Por que?
 GASTOS - 1970 PRE COS
PRODUTOS
A B 1970 1971

1 200,00 200,00 6,00 12,00

2 150,00 100,00 2,00 2,80
3 80,00 80,00 1,00 1,50
4 60,00 200,00 5,00 5,50
5 300,00 50,00 10,00 20,00
6 110,00 200,00 8,00 4,00
7 8,00 30,00 2,00 2,60
8 12,00 50,00 1,00 1,20
9 60,00 20,00 2,80 2,80
10 20,00 20.00 3,00 3,30

TOTAIS 1.000,00 1.000,00

22 Dados:

1977 1978 1979

PRODUTOS
p Q p Q p Q

A 2 4 3 6 6 12
B 1 6 2 4 4 4
c 4 4 1 8 5 16
D 3 6 6 4 6 4

a) Obter um indice de Laspeyres e de Paasche de pre�o, com base em 1977, para o

perfodo 77/79.
b) Obter um indice de Marshall de pre�o, com base em 1977, para o mesmo perfodo.
c) Obter um ind.ice de Laspeyres de Pre�o. base move!, para o perfodo 77/79.

23. Dadas as series:

Valor das ven- Salarios na PessoaI fndice Custo fndice de Pre-

ANO das industr. lndustria Ocupado de Vida cos Inds.Base
(Cr$ milhoes) (Cr$ milhoes) lndustr. 1979 = 100 1979 = 100

1978 20.000 80 400.000 80 82

1979 22.000 125 500.000 100 100
1980 25.000 180 600.000 125 125

Pede-se:
a) 0 valor das vendas industriais a pre�os constantes de 1978.
b) Salario real medio, a pre�os constantes de 1978.

24. Com os dados da tabela abaixo:

a) Calcular Do, 1 e D 1 ,2 393
 b) Calcular Do,2
c) Verificar se Do,2 = D0,1 x D1 ,2. Por que?

0 1 2
PRODUTOS
p Q p Q p Q

A 2 10 3 12 5 10
B 1 10 2 10 3 10
c 2 5 4 5 4 10

25. Prove algebricamente que o ind.ice de Divisia atende ao criterio circular e o

ind.ice de Laspeyres nao.

26. Para uma taxa de infl�ao de 25% qual a perda percentual de poder aquisi­
tivo da moeda?

27. A infl�ao, medida pelo ICY, no perlodo de um ano (m�o 79-80), acusou
um acrescimo de 80%, enquanto os funcionanos publicos de certo estado ti­
veram seus vencimentos reajustados em 56,25% em mar�o de 1980. Qual a
perda percentual de p�der aquisitivo dos salanos dos funcionanos publicos
em mar�o de 1980, com base em m�o de 1979? Em quanto por cento os
salanos de mar�o de 1980 deveriam ser reajustados para recompor o poder
aquisitivo de m�o do ano anterior?

28. Um vendedor vendeu em m�o 25% a mais do que no mes anterior. Quanto
por cento ele vendeu a menos em fevereiro, comparativamente a mar�o?

29. De acordo com os principios do criterio de decomposi�ao das causas, qual

a varia�ao percentual de um ind.ice de valor, se o ind.ice de pre�o de Paasche
cresceu 20% e o de quantidade de Laspeyres decresceu 20%?

30. Se o pr�o de um produto aumentou 20% e a quantidade vendida tambem

aumentou 20%, qual o aumento percentual do faturamento da empresa com
esse produto?

31. Uma empresa apresentou os seguintes dados relativos ao faturamento de

1960a 1964:

ANO FATU RAMENTO

1960 50.000
1961 60.000
1962 140.000
1963 200.000
1964 250.000
394
 0 IGP, no mesmo periodo, apresentou os seguintes valores:

ANO IGP
1953 = 100

1960 407
1961 559
1962 848
1963 1473
1964 2811

a) Calcular o faturamento real da empresa, a pre1tos de 1960.

b) Calcular a taxa anual de varia1tao do faturamento no perfodo.
c) Calcular a taxa media anual de varial(ao do faturamento.

32 Uma pessoa aplicou determinada quantia a uma taxa de juros de 30% ao

semestre. A infl�ao no semestre apresentou uma vari�ao de 32%. Quanto
ela perdeu em cada duzentos cruzeiros aplicados no pedodo considerado?

33. Uma determinada pessoa aplicou, ao final de dezembro de 1972, a quantia de

CrS 200.000,00 em tres modalidades de papeis, recebendo na mesma epoca
do ano seguinte as importancias abaixo discriminadas:

TABELA 1

Tltulo Valor de Aquisii;:ao Valor de Resgate

1 40.000 45.120
2 50.000 57.800
3 110.000 122.570

Os indices normalmente empregados para medir a perda de poder aquisitivo

da moeda encontram-se na tabela seguinte:

TABELA2

�
i'ndice Geral de fndice de Prei;:os (ndice do
ORTN Prei;:os ( disponi- porAtacado (dispo- Custo de
0 bilidade internal nibilidade internal Vida (RJ)

70 49,54 248 223 238

71 60,77 297 271 288
72 70,07 343 319 340
73 79,07 397 368 392
74 105,41 534 475 491
75 130,93 690 613 634
395
 a) Calcular a taxa real de juros (r) de cada aplica�ao.
b) Calcular a taxa real media de juros para a aplica�ao nos tres tltulos.

34. Examine a Tabela 2 do exemplo anterior e calcule a variayao do Iodice de

Construyao Civil em 1971, com base no ano de 1970.

35. 0 quadro abaixo fornece dados relativos a evoluyao do PIB, ao deflator im­
plfcito da renda e a populayao, no perfodo de 1970 a 1979.

PIB POPULACAO DEF LATOR

ANO Cr$ milhoes IMPLfCITO
(milhoes hab.)
Correntes (variacao anual %)

70 208.301 93,4 18,2

71 276.807 96,0 17,3
72 363.167 98,7 17,4
73 498.307 101,4 20,5
74 719.519 104,2 31,5
75 1.009.380 107,1 32,7
76 1.560.271 110,1 47,9
77 2.321.925 113,2 42,2
78 3.410.019 115,4 38,5
79 5.511.654 119,7 51,9

Fontes: PIB: FGV (Centro de Contas Nacionaisl; Deflator: FGV

Pop.: IBGE.

a) Calcular o PIB real no perfodo de 70 a 79, a pre�os de 1979.

b) Calcular a taxa real de varia�ao anual do PIB (%),no perfodo de 70 a 79.
c) Calcular a taxa media real anual de varia�ao do PIB no perfodo 70/79.
d) Calcular o PIB real per capita de 70 a 79 com base em 1979.
e) Calcular a taxa de varia�o do PIB real per capita no perfodo.
f) A que se deve atribuir a diferen�a para menos entre a taxa de varia�ao real do PIB
per capita e do PIB real?

36. Em determinado periodo de tempo o d6lar americano passou de quarenta

para cinqiienta e seis cruzeiros, enquanto o poder aquisitivo daquela moeda,
nos EUA, caiu 20%. Se a inflayao interna brasileira acusou uma elevayao
de 89% no mesmo perfodo, em quanto por cento a moeda brasileira encon­
tra-se sobrevalorizada em relayao ao dolar?

37. A tabela a seguir apresenta a evoluyao do IGP, no perfodo de 1958 a 1967.

396 Calcular a taxa de variayao media anual do IGP no periodo.
 ANO IGP
58 229
59 316
60 407
61 559
62 848
63 1473
64 2811
65 4416
66 6115
67 7946

3 8. 0 cruzeiro foi desvalorizado 25% em rel�iio ao dblar, em determinado pe­

riodo. Supondo que a infl�iio brasileira e americana tenham revelado uma
taxa de, respectivamente, 65% e 20%, qual deveria ser a desvaloriz�iio per­
centual adicional do cruzeiro em rel�iio ao dolar para que aquela moeda
nao se apresentasse sobrevalorizada com rel�iio a essa? Se a desvaloriz�ao
tivesse que ser feita sobre os 25% ja realizados, qual seria a taxa percentual
para que nao houvesse sobre ou supervaloriz�iio do cruzeiro?
39. Se a infl�iio brasileira apresentar uma taxa de 44% e a americana de 20%,
qual deve ser a taxa de desvaloriz�iio cambial do cruzeiro para que o equi­
librio entre as moedas seja mantido?
40. Se o cruzeiro esta 10% sobrevalorizado em rel�ao ao dolar, quanto por cen­
to essa moeda esta subvalorizada em rela�ao ao cruzeiro?
41. Se o cruzeiro esta 8% subvalorizado em rel�ao ao dblar, quanto por cento
essa moeda americana esta sobrevalorizada em rel�ao ao cruzeiro?
42 Conjugue as duas series seguintes de numeros-fndices, usando 1958 como
epoca-base.

'INDICES DE PRECOS
si;RIE si;RIE
ANO DAS EXPORTACOES
ANTI GA NOVA LATINO-AMERICANAS

1953 118
1954 115
1955 105
1956 100
1957 96
1958 90 100
1959 95
1960 95
1961 93
1962 91
1963 94 397
 43. Calcular o deflator implicito do Produto para o PNB dos EUA, usando os
dados da tabela abaixo. Usar o deflator obtido para estimar as despesas
reais de consumo pessoal, com base em 1958.

PNB (bilhoes de d61ares)

PNB PNS DESPESAS DE CONSU-

ANO PRE<;:OS CORRENTES PRE<;:OS DE 1958 MO PESSOAL (Bl-
LHOES DE DOLARES)

1955 398,0 438,0 -

1956 419,2 446, 1 -

1957 441,1 452,5 -

1958 447,3 447,3 290,1

1959 483,7 475,9 311,2
1960 503,7 487,7 325,2
1961 520,1 497,2 335,2
1962 560,3 529,8 355,1
1963 590,5 551,0 375,0
1964 631,7 580,0 401,4
1965 681,2 614,4 431,5
1966 739,5 647,7 465,0

44. Se um individuo aplicou determinada quantia durante certo periodo de tem­

po a uma taxa nominal de 60% e uma tax.a real negativa de 5%, estimar a ta­
xa de inflayao (J) no periodo.

45. Em 1980, o preyo de um produto aumentou 50% sobre o de 1979, enquan­

to a quantidade vendida diminuiu 30%. De que porcentagem o valor total
do produto diminuiu (ou aumentou) em 1980 em relayao ao ano de 1979?

46. Dados os preyos e as quantidades de cinco produtos determinar o indice de

preyo usando o metodo agregativo simples (Bradstreet) e tomando o ano de
1 %9 como base.

�
PRE<;OS
.

1969 1976 1977

A 17,00 26,01 27,52

B 19,36 41,88 29,99
c 15,18 15,81 14,46
D 99,32 101,26 96,17

398 E 12, 15 13,49 11,40

47. Com os dados do problema anterior, determinar o indice de preyo pelos
metodos da media aritmetica simples (Sauerbeck), da mediana, da media
geometrica simples e da media harmOnica simples de relativos de preyo.
48. Se o PIB cresceu 10% em determinado periodo, enquanto a populayiio cres­
ceu 5%, qual a variayiio de PIB real per capita
49. Um veiculo utilizando gasolina consegue andar, em media, 30% a mais do
que utilizando filcool. a) Se o preyo do filcool e 35% inferior ao da gasolina,
para percorrer a mesma distancia qual o combustivel mais econ0mico e
em que porcentagem; b) se 0 proprietario do veiculo despender em media
CrS 10.0000,00 mensais com gasolina, qual sera seu gasto mensal se trocar
o veiculo a gasolina por outro a filcool, admitindo que percorrera os mesmos
trajetos e em identicas condiyoos?
50. Se um veiculo a gasolina percorre uma distancia 30% superior a outro de
mesma marca que se utiliza de filcool como combustivel, quanto espayo esse
ultimo anda menos do que o primeiro?
51. Um pesquisador aplicou as formulas de Laspeyres e de Paasche para medir o
crescimento de preyos, entre duas epocas, de um conjunto de produtos.
Yerificados os resultados, o referido pesquisador espantou-se pelo fato de
ambas as formulas revelarem o mesmo crescimento de preyos. Como voce
explicaria isso?
52 0 indice Laspeyres de Preyos sera sempre maior do que o indice de Preyos
de Paasche, pois, para o primeiro, a ponderayiio e fixa na epoca-base e para o
segundo e variavel na epoca atual. Critique.
53. Dados: Vo,t 108 e Lo,t = 102, de que modo se poderia obter um indice de
=

quantidades de Paasche?
54. Se os salanos aumentam 20% em determinado periodo, enquanto o ICY
aumenta 10%, qual seril, em termos reais, o aumento dos salanos?
55. Sejam as seguintes epocas: 1970, 1972 e 1976. Em 1970, o prevo de um
hem foi 10% menor do que o preyo do mesmo hem em 1972 e, em 1976,
20% superior ao de 1972 Qual sera o aumento de preyo em 1976 com base
em 1970?
56. Durante certo periodo o ICY acusou uma elevayiio de 10%. No mesmo pe­
riodo o indice de preyos no atacado cresceu 10% e o indice do custo de
construyiio permaneceu inalterado. Pede-se a variayiio experimentada pelo
indice geral de preyos no periodo.
51. Os indices abaixo foram determinados tomando-se como base o ano imedia-
tamente anterior:
1970 = 100
1971 = 110
1972 = 90
1973 = 120

Com base em 1970, qual sera o indice de 1973? 399

 58. Em certo periodo o indice de quantum (criterio Laspeyres) de bens e servi­
yOS em determinada economia experimentou um aumento de 10%. 0 defla­
tor implicito da renda, para o mesmo perfodo, acusou um decrescimo de
5%. Qual sera a vari�ao do fndice de valor dos hens e serv�os dessa econo­
mia para o mesmo periodo?
59. Os preyos medios por tonelada de certa materia-prima vendida no Brasil, no
perfodo de 1969 a 1974, encontram-se na tabela abaixo.
a) Tomando-se oanode 1969 como basico, calcular os pre�os relativos paraos anos de
1970 e 1974.
b ) Tomando-se o periodo de 1969 a 1971 como basico, deter mi n ar os pre�os relativos
dos anos da serie.
c ) Tomando-se o ano de 1973 como basico, calcular os pre�os relativos de todos os
anos .

ANOS 1969 1970 1971 1972 1973 1974

Pre�o medio da
1.500 1.497 1.503 1.550 1.600 1.670
materia-prima

60. A tabela abaixo refere-se a produyao de laminados de �o, em toneladas, de

certa empresa no periodo de 1970 a 1975.
a) Calcular as quan tidades relativas para o pen'odo con siderado, tomando o ano de
1972 como base.

ANOS 70 71 72 73 74 75
Produ�ao de
1.200 1.300 1.600 1.750 1.900 2.000
laminados (t)

61. A quantidade relativa de certo produto no ano de 1980, referida ao de

1971 e igual a 105, enquanto a de 1980, referida ao de 1975 e 140. Deter­
minar a quantidade relativa de 1975, tomando como basico o ano de 1971.
62. Sejam os seguintes elos relativos de preyos no perfodo de 1970 a 1974:
125, 120, 135, 150e 175.
a) Deter mi n ar o pre�o relativode 1972, tomandocomo base o anode 1969.
b ) Encadear os elos relativos, tomandoo anode 1970 como base.

63. Mostrar que o indice de Fisher esta compreendido entre os indices de Las­
peyres e de Paasche.
64. Mostrar que o indice de Fisher atende ao criterio de reversao no tempo e de
reversao dos fatores.
65. Os salanos medios horanos de determinada classe operana em certa localida­
de, em 1974, foi de 12, 8 cruzeiros. 0 indice do custo de vida neste mesmo
ano era igual a 115 e o de 1967 era igual a 90, referidos ao periodo basico
de 1967-69. Tomando-se o ano de 1967 como base, determinar o salano real
400 dessa classe operana em 1974.
66. Suponha que um fndice de pr�os mostrou os seguintes resultados relativa·
mente aos anos imediatamente anteriores:
1976: cresceu 20%;
1977: cresceu 15%;
1978: cresceu 30%.
Qual o crescimento dos pr�os de 1978 relativamente a 1975?
67. Dadas as seguintes series:

Valor das Salarios na fodices de Pret;:os

ICV
ANO Vendas lndustria lndustriais
1979=100
lndustriais (anual) 1979 = 100

1978 20.000 40.000,00 80 60

1979 22.000 50.000,00 100 100
1980 25.000 60.000,00 120 108

Pede-se:
a) o valor das vendas industriais a pre�s constantes de 1978(1978=100);
b) o salario real, a pre�os constantes de 1978(1978=100).

68. Sob que condi�aes os indices de l.aspeyres e de Paasche satisfazem ao crite­

rio da decomposi�ao das causas?

69. Qual a diferen�a entre base de ponder�ao e base de compar�ao de um nu·

mero-fndice?
70. Os indices de pr�os por atacado nos EUA, no periodo de 1947 a 1958,
para o periodo basico de 1947 a 1949 = 100, estao relacionados na tabela
abaixo. Determinar o poder aquisitivo, por atacado, de um dolar, em cada
um dos anos dados, referido ao dolar de 1954.

IPA
ANOS
1947 - 1949 = 100

1947 96.4
1948 104.4
1949 99,2
1950 103,1
1951 114,8
1952 111,6
1953 110,1
1954 110,3
1955 110,7
1956 114,3
1957 117,6
1958 119,2
401
 71. Dados os pre�os e as quantidades abaix.o, obter os indices de pre�os e
quantidades pelo criterio de Laspeyres, adotando-se como base o ano de
1970.

1969 1970 1971

Produtos p Q p Q p Q
A 2 10 2 12 2,5 10
B 3 12 3,5 10 3,2 10
c 3 12 3 10 3 10
D 1 10 2 10 3 10
72 Um profissional recebeu a incumbencia de calcular um indice de base m6vel
encadeada, utilizando a seguinte formula:

lo,t =
�p�q�
�Pb q�
onde q� e a Constante para qualquer epoca t. 0 conjunto de produtos era
tal que havia produtos a serem incluidos ou excluidos do indice nas vanas
epocas.
Aos resultados do seu trabalho, o profissional acrescentou a seguinte obser·
v�ao: "Embora o estudo fosse de aplic�ao do indice de base m6vel, traba­
lhamos apenas com o de base fixa, pois os resultados seriam os mesmos."
Critique esta afirm�lio do profissional.
73. Dados:

1960 1961 1962 1963

p
·� A
p
3
a
5
p
4
Q
6
p
5
Q
8
p
10
Q
8
B 2 3 2 5 3 6 4 10
c 4 6 5 8 6 12 8 15
D 1 5 1 5 2 6 2 12
a) Construir o fndice de Pre�o de Paasche (1960=100).
b) Construir o fodice de Pre�o de Paasche com base move!. A partir deste obtenha o
{ndice com base fixa, comparando-o com o resultado anterior. Por que nao sao
iguais?

74. Dados:

1960 1961 1962 1963

Produtos p Q p Q p Q p Q

A 3 5 4 6 5 8 10 8
B 2 3 2 5 3 6 4 10
c 4 6 5 8 6 12 8 15
D 1 5 1 5 2 6 2 12
402
 Pede-se:
a) Construir o indice de pre�os de Laspeyres (1960=100).
b) Construir o indice de pre�os de Laspeyres, base m6vel. A partir deste resultado,
obtenha um indice com base fixa comparando-o, em seguida, com o resultado
anterior. Por que nao sio iguais?

TESTES

75. 0 indice de pr�os de laspeyres e uma media:

a) aritmetica ponderada dos relativos de pre�os, com pondera�ao constante;
b) aritmetica simples dos relativos de pre�os;
c) aritmetica ponderada dos relativos de pr�os, com pondera�ao na epoca atual;
d) harmonica ponderada dos relativos de pre�os, com pondera�ao na epoca atual;
e) aritmetica ponderada dos relativos de pre�os, com pondera�ao na epoca-base.

76. Se os saliuios aumentarn em 20% em dado periodo, enquanto o ICY aumen­

ta 10%, entao, o aumento real de saliuio, durante o periodo, foi:
a) nulo;
b) menor do que 10%;
c) maior do que 10%;
d) de 10%;
e) nao hli elementos para determinar o aumento do salario real.

77. Durante certo periodo o ICY acusou uma elev�ao de 10%. No mesmo pe­
riodo, o indice de pr�os no atacado decresceu 10% e o indice do custo de
constru�ao permaneceu inalterado. Entao, o indice geral de pr�os, IGP:
a) decresceu 3%;
b) nao se alterou;
c) cresceu 3%;
d) decresceu 103%;
e) nao existe rela�ao entre os indices apresentados e o indice geral de pre�os.

78. Os indices abaixo foram determinados tomand<>se como base o ano imedia-
tamente anterior:
1960: 100
1961: 110
1962: 90
1963: 120
Com base em 1960, o indice de 1963 sera:
a) 100;
b) 106,5;
c) 118,8
d) 108,8;
e) menor do que 100.

79. 0 teste de reversibilidade no tempo de um numer<>fndice de pr�o mede:

a) se o indice de pre�o multiplicado pelo seu reciproco e igual a 100;
b) se o indice de pre�o multiplicado pelo seu reciproco, dividido por 2, e igual a 100;
c) se 0 indice de pre� na epoca atual, multiplicado pelo in dice de pre�o na epoca-ba­
se, e igual a 100;
d) se 0 indice de pre�o na epoca atual, multiplicado pelo indice na epoca-base, dividi­
do por 2, e igual a 100;
e) se a media aritmetica do indice de pre�o na epoca atual e na epoca-base e igual a
10� 403
 80. 0 teste de reversibilidade dos fatores mede:
a} se o indice de pre�os multiplicado pelo fodice de quantidades, multiplicado pelo
reciproco desse produto, e igual a 100;
b) se 0 indice de pre�os multiplicado pelo indice de quantidades e igual ao indice de
valor;
c) se o indice de pre�os do ano-base multiplicado pelo indice de quantidades do ano
atual e igual a 100;
d) se o produto do fodice de pre�os de Laspeyres e o fodice de quantidades de Paas­
che e igual ao produto do fodice de pre�os de Paasche e o indice de quantidades de
·
Laspeyres;
e) se o produto do indice de Laspeyres de pre�os e de quantidades e igual ao produto
do indice de pre�os e de quantidades de Paasche.

81. 0 numero-indice procura:

a) apenas simplificar um conjunto de dados;
b) dar uma expressao matematica as modifica�0es qualitativas de um conjunto de da­
dos;
c) dar uma expressao quantitativa global a um conjunto de medidas para as quais niio
existe uma unidade comum de medida;
d) medir as influencias das altera�oes de pre�os nas despesas normais de uma fam11ia;
e) medir as modifica�Oes quantitativas e qualitativas de determinada estrutura de con­
sumo.

82 Na determina¥ao dos indices de pre¥o de Laspeyres e de Paasche o ponto

basico que distingue um ind.ice do outro e que:
a) Paasche admitiu que as quantidades na epoca-base sao diferentes das quantidades
na epoca atual, enquanto Laspeyres admitiu que as quantidades em 0 (epoca-base)
siio iguais as da epoca t (atual);
b) Tanto Laspeyres como Paasche admitiram que as quantidades deveriam variar por­
que, de acordo com a lei da oferta e da procura, ao variarem os pre�s, o mesmo
acontecera com as quantidades, mas em sentido contrario;
c) Paasche e Laspeyres definiram um indice de pre�o e um de quantidade de forma
que satisfizessem ao criterio da decomposi�iio das causas;
d) Paasche admitiu que as quantidades na epoca-base devem ser as mesmas da epoca
atual, enquanto Laspeyres supos que na epoca atual as quantidades siio as mesmas
que as da epoca-base;
e) Para Paasche OS pre�os na epoca-base siio iguais aos prel(OS na epoca atual e para
Laspeyres as quantidades na epoca atual siio iguais as quantidades na epoca-base.

83. Dados os val.ores de Lo,t = 1,20; Lo,t = 0,98; Po,t = 1,10; Po,t = 1,05, os
indices de pr�os e quantidades de Fisher serao, respectivamente:
a) v'1Ts5 e y'l,173;
b) y'l,176 e v'1,i5S;
c) y'l,32o e y'1,029;
d) v'l,263 e y'1,078.
84. Sejam as seguintes epocas: 1960, 1965 e 1968. Em 1960, o pr�o de um
bem e 30% meoor do que 0 pre¥O do mesmo bem em 1965 e, em 1968, e
20% superior ao de 1965. 0 aumento de pr�o em 1968, tendo por base o
pr�o de 1960, foi de:
a) 16%; c) 35%; e) 71%.
404 b) 25%; d) 50%;
 RESPOSTAS DOS EXERCfCIOS

1. 100,0 111 124 141 167

2. a} Varia�ao acumulada: 53,92%

b} Media mensal (1�1,5392 - 1) 100 = 3,66%

3. 2/1,6"'" 1,25 4 aumento de 25% nos preyos

4. 1/0,9 = 1,11 4 aumento de 11 % nos pr�os
5. Inform�ao incorreta
Q1s 1500
a} - = -- = 2 00 4 aumento de 100%
150 '
Q16

b} - --
Q19
Q78
=
1750

1500
= 1 17
'
4 aumento de 17%

6. (l,!o - ) 1 100 = -37,5% 4 37,5% inferior

7. ANOS 1970 1971 1972 1973

lndice
93,3 100,0 140,0 161,0
1971 100
=

lndice
112,0 134,4 168,0 193,2
1969 100
=

8. INDICE DE INDICE DE INDICE DE

SAUERBECK LASPEYRES PAASCHE
ANOS 1976 = 100 1976 = 100 1976 = 100
OUANTI- OUANTI- QUANT I-
PRE CO PRE CO PRE CO
DADE DADE DADE

1976 100,0 100,0 100,0 100,0 100,0 100,0

1977 143,4 112,9 141,0 113,6 141,5 113,9
1978 170,6 118,6 163,4 118,2 163,1 118,0

9. a} 143,75 b} 80,00 c} 177,10 d} 81,17

10. a) PNB REAL: 1970 = 100

SETOR 1970 1971 1972 b) DEFLATOR 1970 = 100

Primario 900 1000 1429 1970 100

Secundario 1200 1440 1636 1971 110,72
Terciario 120 116 119 1972 117,46

PNB 2220 2556 3184 405

 Cr$ �O?��OBOO
11. = CrS 11.732,00
'

12 (l,2473)x(l,057)8=1,943
taxa = 94,3%

13. a) 143, 75 c) 80,00

b) 169,05 d) 85,03
1
14. .lff,So= 1,03437 � taxa= 3,437% am.

15. 482xl,030x1,042x1,05 = 543,18

16.
ANOS SALARIOS
1970 3200
1971 4400
1972 4847
1973 5867

17. IPA= 106

18. LASPEYRES BUREAU

ANOS ANOS
1970 100,00 1970 100,00
1971 125,00 1971 125,63
1972 117,86 1972 118,77

L11.12 94,80
= B11,72 =95,54
L10.11 xL11.12 1,25x0,948 = B10,11x B1 i.12
= 1,2563x =

= 118,5::f=L70,72 x0,9554= 1,1877"'B70,72

Nao satisfaz ao criterio circular Satisfaz ao criterio circular

19. RN REAL DEFLATOR IMPL(CITO

ANOS ANOS
1970 = 100 1970= 100

1970 2100 1970 100

1971 2175 1971 122
1972 2104 1972 164

20.

(NOICE DA 69/70 70/71 71/72 72/73 73/74 74/75 75/76 76/77 77/78
VARIACAO
SALARIAL 100 120 120,5 119,2 116,1 120,8 141,4 144,1 144,1
MAIO
69= 100
406
21. a) S70,71 = 131,0
b) D10.11 = 144,1 para a fam11iaA
D10.11 = 114,9 p ara a familiaB
c) Os efeitos nao foram iguais pois a composil(aO dos gastos e diferente, embora OS
gastos totais sejam iguais.
d) D10.11 = 144,1 maior aumento.

22 a) L77,7g = 133,33 b) M71,7g = 112,96

£77,79 = 216,67 M71,79 = 194,74

P77,7s = 96,67 c) L77,7s = 133,33

-- ---
P77,79 = 184,64 L7g,79 = 200,00

23. a) 78 Cr$ 20.000.000.000 b) 78 Cr$ 200,00

79
80 - Cr$ 18.040.000.000
Cr$ 16.400.000.000
79
80
Cr$ 200,00
Cr$ 192,00

24. a) Do, 1 = 173,21

D1.2 = 142,87
b) D o.2 = 247,47
c) (1,7321 x 1,4287) 100 = 247,47, porque o lndice de Divisia atende ao criterio
circular.

26. ( 1
-- - 1 100
1,25
) = 20%

27. a) Perda de poder aquisitivo: 13,2% b) Reajuste de 15,2%

28. 20%
29. Decresceu 4%
30. Aumentou 44%

31. ANO 1960 1961 1962 1963 1964

a) Faturamento a 50.000 43.685 67.193 55.261 36.197
prei;:os constan-
tes 1960 100

-
=

b) Taxa de Varia-
i;So (%) -(12,63) 53,81 -(17,76) -(34,50)
Anual

( )
36.197
c) Taxa media anual =
- 1 100 =
(-7,76%)
50.000
4

32 Perdeu CrS 3,03.

33. Deflator: ORTN
a) r1 = 0%; r2 = 2,5%; r3 = -1,2%
b) Taxa real media: -0,049%

34. 12,15% 407

 35.
al bl dl el

TAXA REAL TAXA DE

DEF LA TOR DEFLA TOR DEFLATOR PIB REAL DE VARIA· PIB REAL VAR IACAO PIB
ANO
IMPLfCtTO IMPLfCITO IMPLfCITO 1979= 100 CAO DO PER CAPITA (%1 REAL

-
(fND. ANUALl 1969 = 100 1979 = 100 PIB(%l PER CAPITA

10 118,2 118,20 8,1351 2.560.521 27.415 -·

71 117,3 138,65 9,5425 2.900.781 13,3 30.216 10,2

72 117,4 162,77 11,2026 3.241.810 11,8 32.845 8,7
73 120,5 196,14 13.4992 3.691.382 13,9 36.404 10,8
14 131,5 257,93 17,7519 4.053.194 9,8 38.898 6,9
75 132,7 342,27 23,5566 4.284.914 5,7 40.009 2,9
16 141,9 485,68 33.4267 4.667.739 8,9 42.395 6,0
11 142,2 690,64 47,5330 4.884.869 4,7 43.229 2,0
78 138,5 956,53 65,8327 5.179.826 6,0 44.500 2,9

(
79 151,9 1452,97 100,0000 5.511.654 6.4 46.046 3,5

c
)

9
5.511.654
2.560.521 -
1) 100 =
,
8 9% ao ano

f) Deve-se ao fato de a populacao estar crescendo:

I
PIB2 PIB1 PIB2 x POP,
=

POP2 POP1 PIB 1 POP2

POP1 < > PIB2 x POP1 < PIB2
Como 1
POP2 PIB1 POP2 PIB1
36. 8%

37.

38.
(/ifi- )
a) 12,5%
1

b) 10%
100 =48%

39. 20%
40. 9,1%
41. 8,7%

42 iNDICE DE PRECOS
AN O S�R IE AJUSTADA DAS EXPORTAC0ES
LATINO-AMERICANAS
1953 131
11958 1001
1954 128
=

1955 117
1956 111
1957 107
1958 100
1959 95
1960 95
1961 93
1962 91
1963 94
408
 DESPESAS REAIS DE
43. DEFLATOR IMPLICITO
ANO CONSUMO PESSOAL
1958 = 100
1958 = 100

1955 91
1956 94
1957 97
1958 100 290,1
1959 102 305,1
1960 103 315,7
1961 105 319,2
1962 106 335,0
1963 107 350,5
1964 109 368,3
1965 111 388,7
1966 114 407,9

44. j = 68,42%
45. Aumentou 5%

46. ANO fNDICE 1969=100

1969 100,0
1970 121,7
1977 110,1

Mi:DIA Mi:DIA Mi:DIA

47. ANO MEDIANA
ARITMi:TICA GEOM!:TRICA HARMONICA

1969 100,0 100,0 100,0 100,0

1976 137,3 111,3 131,3 126,3
1977 120,5 96,8 116,8 113,3

48. 4,76%
49. a) 0 31.cool e 15,5 % mais economico do que a gasolina
.
b) Despendera CrS 8.450,00
50. 23%.

53. Po,t = 105,9 54. 9% 55. 33,3%

56. Cresceu 9% 57. 118,8% 58. Cresceu 4,5%
59. a)99,8elll,3

b) An os 69 70 71 72 73 74

Preeo relativo
100,0 99,8 100,2 103,3 106,7 111,3
69 - 71=100 409
 c) Anos 69 70 71 72 73 74
Pre�o relativo
93,8 93,6 93,9 96,9 100,0 104,4
1973 = 100

60. Anos 70 71 72 73 74 75
Quantidade re-
lativa 1972 = 75,0 81,2 100,0 109,4 11�.8 125,0
= 100

61. Q71>7S = 75%

62 a) 189
b) P10.69 =
80; P10,10 =
100; P10,11 = 120
P10,72 = 162; P10.13 =
243; P10,14 = 425
65. 10
66. 79,4%

67. a) Anos 1978 1979 1980

Vendas Reais a Pre�os
20.000 13.197 13.889
de 1968

b) Anos 1978 1979 1980

Salario Real Base
40.000 40.000 40.000
1968 = 100

70. Anos 47 48 49 50 51 52 53 54 55 56 57 58
Poder
aquisi-
tivo de 1,14 1,06 1,11 1,07 0,96 0,99 1,00 1,00 1,00 0,97 0,94 0,93
umd6-
lar

71. Anos 1969 1970 1971

L69,t 100 115,69 126,86

Ll;9 t 100 92,16 88,24

73. a) Anos 1960 1961 1962 1963

Paasche
100,00 121,54 157,78 227,59
410 1960 = 100
 b)
Anos 1960 1961 1962 1963
Paasche
100,00 121,54 129,09 143,48
Base m6vel

Paasche
Base fixa 100,00 121,54 156,90 225,11
1960 = 100
Nao sao iguais porque o indice de Paasche nao atende ao criteria
circular.

74. a) Anos 1960 1961 1962 1963

Laspeyres
100,00 122,00 160,00 240,00
1960 = 100

b) Anos 1960 1961 1962 1963

Laspeyres
100,00 122,00 130,38 108.45
Base m6vel

Laspeyres
Base fixa 100,00 122,00 159,06 172,51
1960 = 100

Nao sao iguais porque a f6rmula de Laspeyres nao atende ao cri­

teria circular.

RESPOSTAS DOS TESTES

75. e 77. a 79. a 81. c 83. c

76. b 7 8. c 80. b 82. d 84. e

411
 8.1. RELACAO ENTRE VARIAVEIS
Freqiientemente procura-se verificar se existe rehw;ao entre duas ou mais
variaveis. 0 peso pode estar relacionado com a idade das pessoas; o consumo das
familias pode estar relacionado com sua renda; as vendas de uma empresa e os
gastos promocionais podem relacionar-se, hem como a demanda de um determi­
nado produto e seu pr�o. A verific�ij"o da existencia e do grau de rel�ao entre
variaveis e objeto do estudo da correl�ao.
Uma vez caracterizada, procura-se descrever uma rel�ao sob forma mate­
matica, atraves de uma funyao. A estim�ao dos parametros dessa funyao mate­
matica e 0 objeto da regressao.

8.2. CORRELACAO LINEAR SIMPLES

0 estudo da correl�ao tern por objetivo medir e avaliar o grau de rel�ao
existente entre duas variaveis aleatorias. Assim, por exemplo, podemos medir se
a rel�ao entre o numero de filhos de uma familia e sua renda e forte, fraca ou
nula
A correl�ao linear procura medir a rel�ao entre as variaveis X e Y atraves
da disposiyao dos pontos (X, Y) em tomo de uma reta

8.2.1. Medida de Correla�o

0 instrumento de medida da correl�ao linear e dado pelo coeficiente de
correl�ao de Pearson:

Y
XY- (�X)(� )
�
( 1)
n

'xY

412 onde n = numero de obseIV�Cies.

 Simbolos comumente utilizados:
Y
SYX = � XY - (�X)(� )= �Y- Y)(X -X}
n
2
SXX = �X -X}2 = :2:X2 - (�X)
n

SYY = �y - 1')2= :2:Y2 - (:2:Y)2

n

= SYX
r
...;sxx SYY

0 campo de vari�ao do coeficiente r situa-se entre -1 e +I.

I -1 oe>rxy � 1

Sua interpre�ao dependera do valor numerico e do sinal.

8.2.2. Correla�o Linear Positiva

A correlw,:ao sera considerada positiva se valores crescentes de X estiverem

associados a valores crescentes de Y, ou valores decrescentes de X estiverem ass<>
cidos a valores decrescentes da variavel Y.

GRAFICOS.1

Correlac;ao Linear Positiva

o< rxy< 1

8.2.3. Correla�o Linear Pefeita Positiva

A correlw,:iio linear perfeita positiva corresponde ao caso anterior, so que os

pontos
( X, Y) estao perfeitamente alinhados. 413
 GRAFIC08.2

--+-------'•X
0

Correla�ao Perfeita Positiva

r 1
xy
=

8.2.4. Correla980 Negativa

A correl�iio e considerada negativa quando valores crescentes da variavel X

estiverem associados a valores decrescentes da variavel Y, ou valores decrescentes
de X associados a valores crescentes da variavel Y.

GRAFIC08.3

--+---x
--
0

Correla�ao Negativa
-1<r <0
xy

8.2.5. Correla980 Perfeita Negativa

Quando os pontos estiverem perfeitamente alinhados, mas em sentido con-

414 trano, a correl�iio e denominada perfeita negativa
 GRAFICOS.4

Correlac;:ao Perfeita Negativa

r 1
XY =-

8.2.6. Correla�o Nula

Quando nao hoover rel�ao entre as variaveis X e Y, ou seja, quando as

vari�oos de Xe Y ocorrerem independentemente nao existe correl�ao entre elas. ·

GRAFICOS.5

• •
• •
•
• •
•
•
• •

Correlac;:iio Nula
rxy=O

Os diagramas mostram que a correl�ao sera tanto mais forte quanto mais
pr6ximos estiver o resultado de ±1, e sera tanto mais fraca quanto mais pr6ximo
o resultado estiver de zero. 415
 8.2.7. Correla�o Espuria
Quando duas variaveis X e Y forem independentes, o coeficiente de correla-
9ao sera nulo. Entretanto, algumas vezes, isto nao ocorre, podendo, assim mesmo,
o coeficiente apresentar um valor prbximo de ±1. Neste caso a correl39ao eEspu-
ria.
8.2.8. Ci\lculo Pratico do Coeficiente de Correla�o Linear

Para o calculo do coeficiente de correl39ao e conveniente a constru9ao de

uma tabela, onde, a partir dos valores X e Y, siio determinadas todas as somas
necessanas.
TABELAS.1

y x x2 y2 XY
- -

- -

- -

- -

- -

Totais� LY LX LX2 LY2 LXY

Exemplo 1:

Calcular o coeficiente de correl39ao linear entre as variaveis X e Y, usando

os dados da tabela abaixo.

TABELAS.2

II
y 10 8 6 10 12
x 2 4 6 8 10

Solurao:
TABELAS.3

y x x2 y2 XY
10 2 4 100 20
8 4 16 64 32
n = 5 6 6 36 36 36
10 8 64 100 80
12 10 100 144 120
46 30 220 444 288

0) 46)
288- (3 (
= 12
0,416

416 V[ 0)2
200- (35 J[ (
444- �
)2 =
y( J
40)(20,8) =
 0 resultado mostra que a correl�ao linear entre as variaveis Xe Ye positiva
(quando X cresce linearmente, Y tambem cresce linearmente), porem e baixa

Exemplo 2:
A tabela seguinte mostra os resultados de uma pesquisa com l 0 famflias de
determinada regiao.

TABELA8.4

RENDA POUPANCA NUMERO DE MtDIA DE ANOS DE

FAM(LIAS (Cr$ 100) (Cr$ 1.000) FILHOS ESTUDO DA
FAMILIA
A 10 4 8 3
B 15 7 6 4
c 12 5 5 5
D 70 20 1 12
E 80 20 2 16
F 100 30 2 18
G 20 8 3 8
H 30 8 2 8
I 10 3 6 4
J 60 15 1 8

a) Calcular o coeficiente de correl�ao linear entre Renda Familiar e a Pou­

pan\:a das dez famflias.

Solu�iio:

TABELA8.5

z yz
RENDA (Y) POUPANCA (X) x XY
10 4 16 100 40
15 7 49 225 105
12 5 25 144 60
70 20 400 4.900 1.400
80 20 400 6.400 1.600
100 30 900 10.000 3.000
20 8 64 400 160
30 8 64 900 240
10 3 9 100 30
60 15 225 3.600 900
407 120 2.152 26.769 7.535
417
 7535 - (407)(120)
= [ 0,9835
v 2152 - o;g)2] [ '}f,769- <4?�)2] =
rxy

Existe uma forte correl�ao linear entre renda e a poupan�a familiar.

0 sinal do coeficiente mostra que as duas variaveis variam no mesmo
sentido.
b) Calcular o coeficiente de correl�ao linear entre renda e numero de filhos
para as dez famflias.

Solu¢o:
TABELAS.6

RENDA (Y) N.o DE FILHOS (X) x2 yi

XY
10 8 64 100 80
15 6 36 225 90
12 5 25 144 60
70 1 1 4.900 70
80 2 4 6.400 160
100 2 4 10.000 200
20 3 9 400 60
30 2 4 900 60
10 6 36 100 60
60 1 1 3.600 60
407 36 184 26.769 900

900- (407)10(36)
rxy = =-0, 7586
\j [ 184 (3 �2 J [ '}f,769 (4��2 ]
-

1 -

0 resultado rxy = -0,758

revela uma correl31tao forte e inversa (negativa,),
ou seja, as famflias com maiores rendas tem menor numero de filhos.

8.2.9. Exercfcios Propostos

1. Com os dados da Tabela 8.4 calcular o coeficiente de correl31tao entre

a,) Poupan�a e Numero de ftlhos.
RESP.: rxy = -0,711
b) Media dos anos de estudo e Numero de ftlhos.
RESP.: rxy = -0,736
c) Renda Familiar e Media de anos de estudo.

418 RESP.: rxy = 0,947

2 A tabela abaix.o mostra o volume de vendas (em 1. OOOunidades) e os gastos
promocionais (em 100.000 cruzeiros). Calcular a correl�ao entre as duas va-
riaveis.
TABELAS.7 VENDAS PROMOCAO
(1.000u.) (Cr$ 100.000)
80 2
90 4
95 5
95 6
100 8
110 8
115 10
110 10
120 12
130 15

RESP.: 0,9817

3. Seja Y um fndice de rel�ao de trocas com base em 1953 e X um fndice de

quantum exportado ( 1953 100). Calcular a correl�ao entre os dois indices,
=

com os dados da tabela a seguir:

TABELAS.8

(NOICE RELACAO DE (NOICE DE QUANTUM EX-

ANOS
TROCAS 1953 100 = PORTADO 1953 100=

1953 100 100

1954 134 86
1955 118 100
1956 113 108
1957 117 100
1958 119 96
1959 109 117
1960 101 118

RESP.: - 0, 7555

8.2.10. Correla�o Ordinal

Uma medida alternativa da correl�ao e dada pelo coeficiente de Spearman,

que leva em conta as posi�6es que os valores das variaveis ocupam quando orde­
nados na forma crescente ou decrescente.

6 �df
rs 1
(2) 419
= - __ ....:_
_
r(n2 - 1)
 onde di= diferern;a entre um i = esimo par
n = n� de observar;6es

Exemplo 3:

Calcular o coeficiente de correl�ao de Spearman entre o peso e a altura de

IO estudantes do sexo masculino selecionados ao acaso.

TABELA8.9

PESO (KG) 80 60 75 56 60 78 80 73 80 82
-- �- --- �--
ALTURA (CM) 175 170 174 163 165 175 180 170 170 168

Colocando em ordem crescente as duas variaveis observamos que existem

empates em algumas posir;oos. Nestes casos, contamos as ordens como se os valo­
res fossem iguais. atribuindo a posir;ao media a cada um deles.

PESOS: 56 60 60 73 75 78 80 80 80 82
ORDENS: 1? 2.5? 2,5? 4? 5? 6? 8? 8? 8? 10?
- -

ALTURAS: 163 165 168 170 170 170 174 175 175 180
ORDENS: 1? 2? 3? 5? 5? 5? 1? 8,5? 8,5? 10?
TABELAS.10

POSl<;:OES
PESOS ALTURAS PESOS ALTURAS d�I
80 175 8? 8,5? 0,25
60 170 2,5? 5? 6,25
75 174 5? 7? 4,00
56 163 1? 1? iI 0
60 165 2,5? i 2? 0,25
78 175 6? 8,5? 6,25
80 180 8? 10? 4,00
73 170 4? 5? 1,00
80 170 8? 5? 9 00
82 168 21,00
52,00

6x 52
I
=
's --
IO(IOO - I)

0,68
420 rs=
 Esse resultado indica a existencia de correl�ao positiva e pouco acentuada
entre as duas classific�6es.

Exemplo 4:

Calcular o coeficiente de correla;ao ordinal para os dados da Tabela 8. 5,

item a) do Exemplo 2

Solu�iio·

TABELA 8.11

POSICOES
2
RENDA POUPANCA RENDA POUPANCA d

10 4 1.5 2 0,25
15 7 4 4 0
12 5 3 3 0
70 20 8 8,5 0,25
80 20 9 8,5 0,25
100 30 10 10 0
20 8 5 5,5 0,25
'

30 8 6 5,5 0,25
10 3 1,5 1 0,25
60 15 7 7 0

1,5

6x 1,5
rs- l
_
=0 ,991
I0x99
-

o que mostra que a correla-riio e muito forte e positiva, conforme ja havfamos con­
clui do a partir do coeficiente de Pearson (r Y 0,983 5) anteriormente calculado.
X
=

Exemplo5:

A tabela seguinte mostra a classific�ao por destreza em mecanografia de

12 moiras que trabalham em uma mesma sec-rao e seus respectivos quocientes de
inteligencia (Q.L). Calcular o coeficiente de correl�ao ordinal entre as duas
classific�6es.

421
 TABELAB.12

CLASSIFICACAO
NO MES 0.1.
POR DESTREZA
A 5? 100
B 2? 90
c 6? 80
D 1? 130
E a? 100
F 9? 100
G 7? 110
H 3? 120
I 11? 90
J 10? 120
K 12? 110
L 4? 140

Solufiio:

TABELAB.13

POSICQES
NO MES DESTREZA 0.1. d2

A 5? a? 9,00
B 2? 10,5? 72,25
c 6? 12? 36,00
D 1? 2? 1,00
E a? a? 0
F 9? a? 1,00
G 7? 5,5? 2,25
H 3? 3,5? 0,25
I 11? 10,5? 0,25
J 10? 3,5? 42,25
K 12? 5,5? 42,25
L 4? 1? 9,00
215,5

- 6 x 215,5 1293
1 1 2
-o. 47
= =

12x 143 - 1716 =

Ha uma correl�ao fraca e negativa entre a classific�ao das moyas por des-
422 treza e por Q.I.
8.2.11. Exercfoios Complementares

1. Calcular o coeficiente de correla9ao ordinal entre o Iodice de Inflayao e os cus­

tos com Import�iio de Petroleo. Usar o coeficiente de Spearman.

TABELAS.14

(NOICE DE IN- CUSTO COM IMPOR-

MESES FLACAO TACAO DE PETRO-
ABRIL 78 100 = LEO (US$ MILHOES)
ABR/78 100 19.656
MAIO 103,2 19.391
JUN 107,4 20.262
JUL 111,3 20.000
AGO 114,0 20.149
SET 116,3 20.581
OUT 119,3 20.937
NOV 122,2 21.273
DEZ 124,2 22.517
JAN/79 129,9 20.560
FEV 135,5 21.236
MAR 141,6 20.471
\

RESP.: 0, 7203

2 Um conjunto de 10 alunos foram submetidos a dois tipos de prova: uma prova

de conhecimentos teoricos e outra de exercfcios. Os alunos foram classificados
segundo o aproveitamento obtido como segue:

TABELAS.15

ALUNOS A 8 c D E F G H I J
PROV A
3? 1? 8? 6? 1? 2? 9? 10? 5? 4?
TE6RICA
PROV A
3? 2? 9? 6? 5? 1? 8? 10? 4? 7?
PRATICA

Calcular o coeficiente de correla9ao ordinal entre as duas classific�oos.

RESP.: rs= 0, 8909

3. Uma empresa classificou seus 20 vendedores segundo dois criterios. CRITERIO

"A" - avalia9ao do chefe de vendas segundo sua produtividade e CRITERIO
"B" - nfvel de instru9iio. Calcular o coeficiente de correlayao entre os dois
criterios. 423
 TABELAB.16

VENDEDORES A 8 c D E F G H I J L MN 0 p Q R S T U
CRITERIO A 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
CRITERIO B 1 6 7 9 2 10 3 5 15 8 4 14 17 18 16 12 13 11 19 20

RESP.: 0, 7639

4. Detenninar o coeficiente de correlayao ordinal e o coeficiente de correlayao de

Pearson para os dados abaixo:

TABELAS.17

ESTUDANTE A 8 c D E
ALTURA- cm (X) 183 175 168 178 173
PESO - kg (Y) 77 74 68 82 84

RESP.: rs= 0,3 e rxy= 0,45

5. Em uma escola foi aplicado, no infcio do ano, um teste. para medir o Q.I.
(quociente de inteligencia) de alguns alunos. No fim do ano fizeram um exame
para verificar o aproveitamento. Detenninar o valor do coeficiente de correla­
yao de Spearman entre os resultados dos testes e as medias obtidas, de acordo
com a tabela abaixo.

TABELAB.18

ALUNOS RESULTADOSDOS TESTES MEDIA DOS EXAMES

A 110 9,0
8 120 8,0
c 125 9,0
D 130 9,5
E 130 8,5
F 140 9,5
RESP.: 0,5714

8.3. ANALISE DE REGRESSAO

8.3.1. Regressio Linear Simples
A anillise de regressao tern por objetivo descrever atraves de um modelo
matematico, a relayao existente entre duas variaveis, a partir de n obseIVay6es
dessas variaveis. SupondoX a variavel explicativa e Ya variavel explicada, diremos
que Y = ffX). 1 Em regressao considera-se apenas a variavel Y como aleatoria e
a variavel X como supostamente sem erro. Entao a relayao entre X e Y nao e
regida apenas por uma lei matematica, ou seja, para um dado valor de X, nao

424 1. A variavel YI! fum;ao da variavel X.

obseivaremos necessariamente o mesmo Y. Assim sendo, a rel�ao entre X e
Y devera ser escrita como segue: Y = f(x) + e onde a variavel e ira captar todas
as influencias sobre Y nao devidas a X.
Dado um conjunto de valores obseivados de Xe Y, construir um modelo de
regressao linear de Y sobre X consiste em obter, a partir <lesses valores, uma
reta que melhor represente a rel�ao verdadeira entre essas variaveis. A determi­
n�iio dos parametros dessa reta e denominada ajustamento. 0 processo de ajusta­
mento deve partir da escolha da fimyiio atraves da qual os valores de Xexplicariio
os de Y. P ara isso recorre-se a um grafico conhecido como diagrama de dispersao.
Esse grafico e construido anotando, em um sistema de coordenadas retangulares,
os pontos correspondentes aos pares de obseiva.;:6es de Xe de Y.
A funyiio escolhida sera aquela que for sugerida pelo conjunto dos pontos
dispostos no diagrama No Grafico 8.6, por exemplo, tem-se um conjunto de
pontos sugerindo uma funyao linear (reta).

GRAFICOS.6

A reta ajustada e representada por Y =a+ bX , onde a e b silo os parametros

do modelo : a e o ponto onde a reta ajustada corta o eixo da variavel Y, e b e a
tangente do angulo que a reta forma com uma paralela ao eixo da variavel X. A
reta ajustada e denominada, tambem, reta de mfnimos quadrados, pois OS valores
de a e b silo obtidos de tal forma que e minima a soma dos quadrados das dife­
renyas entre os valores obseivados de Y e os obtidos a partir da reta ajustada para
os mesmos valores de X. Simbolicamente teremos:

Le = L (Y - Y)2 = L (Y - a - bX)
2 minima

onde: e = Y- Y
Para obter os estimadores a e b aplica-se a condiyiio necessana de mfnimo a
fun�ao L( Y-Y)2. Para tanto basta deriva-la com rel�ao a esses parametros e igua-
lar as derivadas a zero: 425
 d d
L e2 L e2 0
a) -- = 0 e b) d =
da b
d d
a) L e-2 = .!!:._ L (Y-Yj2 = - L (Y-a-bX}2 = -2L(Y-a-bX) = 0(1)
da da da

b) d � Le2 = � L(Y-Yj2 = � L(Y-a-bX)2 =-2L(Y-a-bX)x = O(ll )

d

Retomando as express6es I e II e lembrando que n e o numero de observa­

\:OeS

-2L(Y - a - bX)= 0 => L(Y - a - bX) = LY - na -b LX = 0 (III)

0
-2L(Y - a - bX)X= => L(Y - a -bX)X = LXY- aLX - bLx2= 0 (IV)

}
As equ�6es(Ill) e(IV) podem ser escritas de outra forma:

De(III) .. L Y = na +b L X equ3\:0eS normais do

De(IV) => L XY = a L X + b L X2 ajustamento

Temos ai um sistema de duas equ�6es com duas incognitas(a eb) . Trata-se,

portanto, de um sistema determinado. Basta resolve.Io para se obterem os valores
dos pariimetros a e b da reta ajustada Entretanto, para facilitar os calculos costu­
ma-se deduzir literalmente os valores dos parametros. Assim, a partir da primeira
equ3\:ao do sistema podemos deduzir: ··

LY = na+b LX => -
LY
n
= a+b -
LX
n
e

LY bLX -
a = - - -- = Y - bX
-
n n

Ja= Y- bX J (3)

Su bstituindo a pela expressao(3) na segunda equ3\:ao do sistema,

LXY = (
\
LY -
n
b
LX
n
LX+bLX2 )
jLY)(LX}_ b(�X)2
n n
+b�X2 ou

� xr =
ILY (Lx)
� + b Lx2[ - <L ,;>i ] ou

b [ LX2 - (
LX )2
n
J L �X)
= LXY - ( Y) �

(4)
426 n
 Costuma-se usar os seguintes simbolos para desiguar o numerador e denomi­
nador da expressao que definira o valor de b:

(LX) (LY)

}
SYX = LXY -
n

(LX)2
SXX = Lx2 -
n �

Podemos escrever, entao,

f = a+ bX = (Y - bX) + bX = Y + b(X - X)
.j,
a

f = Y+ b(X - X) (5)

A expressao ( 5) e uma forma altemativa de formula�ao da reta ajustada

Exemplo 6:

Os dados abai.xo referem-se ao volume de precipit�ao pluviometrica(mm) e

ao volume de produ9ao de leite tipo C(milhoos de litros), em determinada regiao
do pafs.

PRODU<;AO (NOICE PLU·

ANOS DE LEITE C VIOM�TRICO
( 1.000.000 I) (mm)

1970 26 23
1971 25 21
TABELAS.19
1972 31 28
1973 29 27
1974 27 23
1975 31 28
1976 32 27
1977 28 22
1978 30 26
1979 30 25

a) Ajustar os dados atraves de um modelo linear.

b) Admitindo-se, em 1980, um fndice pluviometrico de 24 mm, qual devera
ser o volume esperado de produ9ao do leite tipo C?

Soluriio:

a) Para efetuar os cfilculos necessanos ao ajustamento recorreremos a uma tabela

auxiliar: 427
 TABELAS.20

y x x2 XY
26 23 529 598
25 21 441 525
31 28 784 868
29 27 729 783
27 23 529 621
31 28 784 868
32 27 729 864
28 22 484 616
30 26 676 780
30 25 625 750
�y = 289 �x= 250 �x2 = 6.310 �XY=7.273

I - Determinariio do Valor do Parametro b

(250) (289)
7.273
10 48
= = = 0•8
(250)2 60
6.310-
10

Lii_Y = 48 I I sxx = 60 I b = 0,8 j

II - Determinariio do Valor do Parametro a

� �x 289 2 50
a = Y bX = Y b = o8 = 89
n n IO
-

'
-

10 '
-

I a = 8,9 I
III - Equariio da Reta Ajustada

Y = a+bX = 8,9+0,8X

b) Fazendo x = 24 mm teremos: f = 8,9 + 0,8(24) = 28,1

De acordo com o modelo, podemos esperar 28,1 millioos de litros produzi­

dos para um fndice pluviometrico de 24 mm.

Exemplo 7:

Uma empresa esta estudando como varia a demanda de certo produ to em

428 funyio do seu preyo de venda Para isso levantou as seguintes informayoos:
 TABELAB.21

\
UNIDADES PRECO DE VENDA
MESES VENDIDAS (Y) (X) P/ UNIDADE
J 248 162,00
F 242 167,00
M 234 165,00
A 216 173,00
M 230 170,00
J 220 176,00
J 213 178,00
A 205 180,00
s 198 182,00
0 195 187,00

Com base nestes dados mostrar que a demanda do produto decresce linear­
mente com o acrescimo de pr�o.

Solu�iio:

�y = 2201 �XY = 381.703

�x = 1.740 �x2 = 303.340
x = 174 f = 220,1
( 740) �2201)
381.703- l.
1
b= =-2,19
303.340 - ( l. ��0)2
a= 220,1 -(-2,19X174) = 601,4

I f = 601,4 - 2,19X I
0 resultado b= -2,19 significa que para cada unidade de vari�ao positiva
de pr�o (X), a quantidade procurada ( Y) decresce 2, 19 unidades.

Exemplo 8:
Os dados da tabela abaixo representam o Consumo e a Renda Disponivel

a) Determinar as estimativas a e b dos parametros da reta estimada

b) Qual o significado econbrnico dessas estimativas?
c) Qual o consumo esperado para uma renda de 400 milhoos de cruzeiros? 429
 TABELAS.22

CONSUMO (Y) RENDA (X)

ANOS (Cr$ milhoes) (Cr$ milhoes)
1960 159,3 188,3
1961 170,6 202,6
1962 187,2 215,4
1963 196,9 222,7
1964 198,2 243,1
1965 208,8 259,9
1966 221,0 256,3
1967 228,8 280,0
1968 247,6 296,1
1969 255,1 300,8
1970 274,3 326,6
1971 293,4 347,9
1972 301,6 375,1
1973 330,6 400,7

Soluriio:

�x = 3.915,5 LY= 3.273,4

LX2 = 1.150.349,73 LXY= 959.198,36
n = 14 Y = 233,81 x = 279,68

959.198,36 -
(3.915, 5�2· 273,4)
b= = 0,791
1.150.349,73 -
(3.91
1
·5)
2
:
sxx = 55.268,28
a = 233,81-(0,791) (279,68) = 12,583

a) I Y = 12, 58 + 0,79X I
b) a = 12, 58 e o consumo autbnomo ou de subsistencia
b = 0,79 e a propensao marginal a consumir
c) x = 400 � Y = 12,58 + 0,79(400) = 328,58

8.3.2. 0 Poder Explicativo do Modelo

Simbolo: R2
Freqiientemente denominado coeficiente de determin�ao, o poder explica­
tivo da regressao tern por objetivo avaliar a "qualidade" do ajuste. Seu valor forne­
ce a propor�ao da vari�ao total da variavel Y explicada pela variavel X atraves da
430 fun�ao ajustada Podemos expressar R2 por:
 b2SXX (6)
R2 =
SYY
OU
bSYX
R2 =
SYY

I: 2
onde sxx = I:X2 - ( X)
n
SYY = I:Y2 - (I:Y)2
n
I: I:
SYX = I:XY - ( X) ( Y)
n
Quando R2 = 0, a variw;ao explicada de Y e zero, ou seja, a reta ajustada e
paralela ao eixo da variavel X. Se R2= 1, a reta ajustada explicara toda a varia;io
de Y. Assim sendo, quanto mais prbximo da unidade estiver o valor de R2, melhor
"
a qualidade" do ajuste da fun�io aos pontos do diagrama de dispersio e quanto
mais prbximo de zero pior sera a ''qualidade" do ajuste.

Se o poder explicativo for, por exemplo, 98%, isto significa que 98% das va­
riw;Cies de Y sio explicadas por X atraves da fun�io escolhida para relacionar as
duas variaveis e 2% sio atribufdas a causas aleatorias.

GRAFICOS.7
y

-t---------------'X
0
R2=1 OU 100%
bSYX=SYY

Exemplo 9:
Calcular o poder explicativo da regressio, para os dados do Exemplo 8.

I:X = 3.915,5 I:Y = 3.273,4

I:x2 = 1.150.349,73 I:Y2 = 800.330,16
sxx = 55.268,28 SYY = 34.962,48 431
 (O, 791)2 (55. 268,28)
R2 = = 0, 989 OU 98, 9%
34.962,48

.Y
•
•
•
•

•
• • • Y=a= Y GRAFICOS.8
• •
• •
•
•
•
x
R2 =O OU 0%
b=O => bSYX=O

GRAFICOS.9

0 resultado mostra um excelente grau de ajuste da reta aos pontos. A rela­

98, 9% das varia�oos totais da variavel Y. Somente 1, 1%
�iio linear obtida explica
das vari31t0es de Y siio consideradas aleatorias caso seja adotado o modelo linear.

Exemplo 10:
Seja Yuma variavel que representa o valor do frete rodovimo de determina­
da mercadoria e X a variavel distancia (em Km) ao destino da mercadori�. Uma
amostra de 10 observ31t0es das variaveis apresentou os seguintes resultados:

n = 10 l:XY= 842060
l:X= 1.200 l:Y2 = 4. 713. 304,03
432 l:Y= 6.480,50 l:x2 = 186.400
 a) Detenninar a regressiio: Y = a + bX.
b) Interpretar os valores encontrados para a e b.
c) Calcular e interpretar o poder explicativo da regressiio.

Respostas:
a) r =624,05 + 0,50X.
b) a = 624,05 parte do frete que nao depende da distancia; b
= = 0,50 =

= acrescimo no frete por quilbmetro rodado.

c) R2 = 0,311 ou 31,1%. A distancia explica muito pouco dasvariar;0es do
frete.

Exemplo 11:
Calcular o Poder Explicativo da Regressiio usando os dados da Tabela 8. 21
do Exemplo 7.

Soluriio:
�y 2201 = �Y2 =487.403
�x 1. 740 = �x2 =303.340
N 10 = b= -2,19

i\2
(-Zl9, { 3 03·340 -
(1.740)2 }
10 2.781 74
;�02
R2 =
'
0,939
(2
· = =

2.962,90
487.403 -

ou R2 = 93,9%. 93,9% dasvariar;0es da demanda siio explicadas porvariar;0es de

pr�o.

Exemplo 12:
VALOR DAS (NOICE DO PRODUTO
Dados: ANOS IMPORTACOES (X) NACIONAL REAL ( \")
(USS 106) (base 1949)
1959 1210 187,5
1960 1293 205,7
1961 1292 226,9
1962 1304 238,8
1963 1294 242,5
1964 1086 249,6
TABELAS .23
1965 941 256,4
1966 1303 269,5
1967 1441 282,4
1968 1855 308,7
1969 1933 336,5
1970 2507 368,5
1971 3245 410,1
1972 4235 452,7
1973 6192 504,3
1974 12.635 552,7
1975 12.169 574,8
433
 Pede-se:
a) Estimar, por regressao, os valores dos parametros a e b da reta
b) Calcular o Poder Explicativo do modelo.
c) Se, em 1980, o valor das import�6es atingir 1l800 milh6es de dblares
qual devera ser o valor do Indice do Produto Nacional Real esperado?
Respostas:
a) Y =234,83 + 0,03X
b) 80,62%
c) 618,8
Exemp/o 13:
Os dado� da tabela abaixo referem-se as vendas de determinado produto (em
1.000 unidades) e aos gastos com propaganda na TV (em milh6e'S de cruzeiros).

TABELAS.24

VENDAS (Y) GASTOS COM PROPAGAN-

MESES
(1.000 UNIDADES) DA (X) (Cr$ 106)

JAN 20 2
FEV 28 4
MAR 35 6
ABR 48 8
MAI 54 10
JUN 58 12
JUL 60 14
AGO 61 16
SET 60 18
OUT 62 20

a) Calcular a equ�ao de regressao: Y a + bX.

=

b) Calcular o Poder E xplicativo.

c) Estimar as vendas para outubro caso o gasto com propaganda atinja 50
milh6es de cruzeiros.
Respostas:
a) f = 22.,87 + 2.,34X
b) 84,5%
c) 139,87

8.3.3. Regressao Linear por Transforma�o

Em muitos casos a forma funcional entre as variaveis X e Ynao e linear e
a variavel Ye uma fun�ao nao linear de X. Vamos estudar alguns modelos nao li-
434 neares, porem linearizaveis.
8.3.3.1. Fun¢o Potencia ou Curva Geometrica
Fonna Especificativa da Fun9ao Teorica

a>O
para
13>0

Graficamente, a curva geometrica pode assumir a seguinte configur�ao:

GRAFICO 8.10

Transfonn3\:ao do Modelo Teorico

log Y = log a+ /3 log X

Fazendo

y = logY, x = logX, A = loga, podemos escreve:

y = log a+ {jx OU y =A+ 13x (7)

Fun9ao Ajustada

I y = aX
b I (8)

on de
a = antilogA = Hf no caso de logaritmo decimal

(�)(�y)
�x y -
n
b (9)
(�x)2
�x2 -
435
n
 A= � -b �I �
(10 )

Exemplo 14:
Detenninar a equ�ao de regressao

y = aX/3

com os dados do Exemplo 13. Calcular o Poder Explicativo comparando-o com o

do modelo linear.
Solufiio:
TABELAS.25

GASTOSCOM
MESES VENDAS (Y) x =lnX* y =lnY
PROP. (X)
J 20 2 0,693147 2,995732
F 28 4 1,386294 3,332205
M 35 6 1,791759 3,555348
A 48 8 2,079442 3,871201
M 54 10 2,302585 3,988984
J 58 12 2,484907 4,060443
J 60 14 2,.639057 4,094345
A 61 16 2,772589 4,110874
s 60 18 2,890372 4,094345
0 62 20 2,995732 4,127134
In= logaritmo neperiano

a) Dados do Problema

:E x = 22,035884 :Exy = 86,791902 :Ex2 = 53,393936

:Ey = 38,230610 :Ey2 = 147,563724

b) DeterminafiiO do Valor dos Parametros da FunfiiO

(38,23.0610)(22,035884)
86' 791902-
10
b 0,5268
2
= =

(22,035884)
53,393936-
10
38,230 610 22,035884
A= (0,5268) = 2,662211
_

10 10
c) EquQfiiO da Funfiio Ajustada
a= antilog 2,662211 = e2 •66221 1 =
2, 7182822•6622 11= 14,3279

f 14,3279X°•5268
436
=

b = 0, 5268
d) Coeftciente de DetermintlfliO da Funfiio Potencia Ajustada
( 0,5268)2 (4, 835918) 1,342055
R2 = 0 ,955
1,405770
147,563724 - (38 ,230610)2
10

OU I 95,5% I
O resultado encontrado para o R2 do modelo potencia e maior do que o
encontrado para o linear (R2 = 84,5%), revelando que o poder explicativo e um
instrumento util para a escolha da melhor fu�iio ajustada

8.3.3. 2 FunflioExponencial

Fonna Especificativa da Funyiio Exponencial Te6rica: Y = apX para a> 0 e

13 > 1.
0 grafico da funyiio exponencial apresenta a seguinte configurayiio

GRAFICO 8.11

Transfonn�ao do Modelo Teorico

log Y =log a+ X log/j

Fazendo,

y =log Y; A =log a e B = log/3, resultara

l y =log a + X log /3 I IY
ou = A +BX I (11)

Funyiio Ajustada

(l2) 437
 onde

a= anti.logA

b = antilogB
=

=
Icf
Ir!
} no caso de se usar logaritmo

na base decimal
sendo

X - (l:X) (l:y)
l: y n
B=.
(13)
---
--

1:x2 - ( l:X) 2
n

X
A= l:y
n
-B l:
n
(14)

f=A +BX I
Exemplo 15:
A tabela a seguir reflete a evolu�ao do Iodice Geral de Pr�os no Brasil, no
perfodo de 1958 a 1967.
TABELAS.26

ANOS l.G.P.
x y

1958 229
1959 316
1960 407
1961 559
1962 848
1963 1473
1964 2811
1965 4416
1966 6125
1967 7946

a,) Ajustar os dados pela seguinte fun�ao: Y aif.

b)
=

Calcular o valor do coeficiente de detennin�ao.

c) Detenninar a tax.a media de cresclmento anual do I.G.P. no perfodo consi­
derado.

Solurao:
No modelo exponencial, o ajuste e feito a partir dos valores originais de X
438 e dos logaritmos de Y. Na Tabela 8. 27 encontram-se os cfilculos necessanos.
 TABELAS.27

ANOS l.G.P.
y= logY x2 Xy y'J.
x y

1 229 2,35984 1 2,35984 5,56882

2 316 2.49969 4 4,99937 6,24844
3 407 2,60959 9 7,82878 6,80998
4 559 2,74741 16 10,98965 7,54827
5 848 2,92840 25 14,64198 8,57550
6 1473 3,16820 36 19,00922 10,03751
7 2811 3,44886 49 24,14203 11,89464
8 4416 3,64503 64 29,16023 13,28624
9 6125 3,78711 81 34,08395 14,34217
10 7946 3,90015 100 39,00149 15,21116

�x= 55 �y= �x2= 385 �Xy= �y'J. =

<= 31,09427 = 186,21653 = 99,52273

a) Ajuste dos dados pela fun�iio exponencial

a 1) Detenninai;ao do Valor de B

� ) �y) 55x 31,09427

�Xy- ( X ( 186' 21653
n
_

10
B=
(5 5) 2
3 85-
10
Syx

f
15,19 805
=0,18422
82,50000
�
Sxx
IB = 0,18422 1
a 2) Detenninai;ao do Valor de A

�y - �X 31,0942 7 - 0 18422. � = 2,09622

A= B =
n n 10 ' 10

I A= 2,09622 I
a3) Equaiyao da Reta Ajustada

y = A+BX= 2,09622+0,18422 439

 a4) Equafj:aO da Exponencial Ajustada

a = antilog A = 1 oA 102•09622 = 124, 80288

=

b = antilogB = lr/3 = 1C>°•18422 1 ,52834

=

f = 124, 80288 ( 1, 52834)x

•

a b
B2 Sxx
b) R2 =
Syy
Syy �(y-yj2 = �y2
= -+
(� )2 =

99,52273 -
(31 09427)2
'
10
= 2,83736

(0,18422)2 X(8250000) ::: 0,987

R2 =

ou 98, 7%
2,83736

c) A equ�ao da fun9ao ajustada pode ser escrita da seguinte fonna:

f = 124,80288(1+0,52834)x

A expressao ( 1 + 0, 52834) indica que para cada unidade de fndice ha um

acrescimo anual de 0,52834 ou 52,834% que e sua tax.a media anual de
crescimento no perfodo.

8.3.3.3. Funt;fio Hiperbole (!)

F onna Especificativa da Fun9ao Hiperbole (I) T eorica

Y =ex± � = ex± 13x-1

Graficamen te,

x --------- ------- GRAFICO 8.12

{3/ex
440 ������---'
 Transform�ao do ModeloTebrico

1
Fazendo x= , tem-se
X
(15)
Y= <X±{3x

A fun9ao ajustada tera a seguinte expressao:

Y = a + bx ou Y= a + ..!!__ (16)
x

�y - b�x
a�
n n
(17)

- x-
(�- (_Y -'­)
'- �
-)_,_
�x Y - -

n
b= (18)
- (�x)2
�x2 n

Exemplo 16:

A tabela abaixo fornece dados relativos a distribui9ao de renda segundo as

classes de renda mais alta em determinado pafs.

TABELAB.28

NIVEL DE NOMERO DE PESSOAS

RENDA COM RENDA IGUAL OU
x SUPERIOR AX
y

60 28.000
75 18.000
90 12.000
100 10.000
150 9.800
300 10.000
450 8.700

a) Ajustar os dados por uma hiperbole do tipo: Y = a+ fj/X.

b) Calcular o valor do coeficiente de determina9ao da hiperbole ajustada

Soluriio:

AT abela auxiliar 8. 29 reproduz os dados necessarios a resolu9ao do problema: 441

 TABELAS.29

1
x y x=- xY xl yl
x

60 28.000 0,01667 466,66667 0,0002778 784.000.000

75 18.000 0,01333 239,99999 0,0001778 324.000.000
90 12.000 0,01111 133,33333 0,0001235 144.000.000
100 10.000 0,01000 100.00000 0,0001000 100.000.000
150 9.800 0,00667 65,33333 0,0000444 96.040.000
300 10.000 0,00333 33,33333 0,0000111 100.000.000
450 8.700 0,00222 19,33333 0,0000049 75.690.000

�Y= 96.500 �x = 0,06333 �xY= 1058,00000 �x2 = 0,0007395 �Y2 = 1623730000

a1) deb
Detennin�ao do Valor

�xY- (:Ex)(�Y) 1058 -

(0.�333)(96.500)
7
b= n

�x2 - (�x)2 n
0' 0007395 -(o. �333)2
7
Syx

'
184,90476
0,0001665
1:110.603,8 b= L 110.603,8

!
Sxx

a 2) Detennin�ao do Valor de a

a= �: - b �: = �
96· 00 -
1.110.603,8 o.
� 33
i = 3 737,4

a= 37 37,4

a3) Equ�ao da Reta Ajustada

Y= a+ bx= 3737,4 + 1.110.603,Sx

a4) Equ�ao deHiperbole Ajustada
I f: 3131 4 + i.110.603,8
L_ ' x

b)R2 =
b2 Sxx (1.ll0.603,8):2
= 0,837 OU 83,7%
Syy (96·500)2
--­

442 1623730000-
7
 8.3.3.4. Hiperbole (II)

Forma Especificativa de Fum;;ao Hiperbole (II) Teorica

Y =
I
a:+ {3X para a: > 0 e /3 > 0
ou, graficamen te,

GRAFICOS.13

�+-������_.x
0

Transform�ao do Modelo Teorico

Tomando y =
+ , a fum;;ao resultante ser3:

ly=a:+trrl ( 19)

A fun9ao estimada assumira a seguinte expressao:

I y =a+ bX (20)
onde

b = (21)

a= �Y - b
n
�
X
n
(22)

Exemplo 17:

Os prC90S e as quantidades procuradas de determinado artigo encontram-se

na Tabela 8.30. 443
 PRE<;O OUANTIDADE
x PROCURADA
y

10 225
12 180 TABELAS.30
15 154
20 110
25 100
30 80
40 63

a,) Ajustar os dados por uma hiperbole do tipo Y = a +l X

P
b) Calcular o coeficiente de determin�ao para a hiperbole ajustada
Na Tabela 8.31 encontram-se os cillculos preliminares para a determinarao
dos val.ores dos parametros da hiperbole ajustada
TABELAS.31

x y Y= .!_ x2 Xy y2
y

10 225 0,0044444 100 0,0444444 0,0000198

12 180 0,0055556 144 0,0666667 0,0000309
15 154 0,0064935 225 0,0974026 0,0000422
20 110 0,0090909 400 0, 1818182 0,0000826
25 100 0,0100000 625 0,2500000 0,0000100
30 80 0,0125000 900 0,3750000 0,0001563
40 63 0,0158730 1600 0,6349206 0,0002520

152 0,0639574 3994 1,6502525 0,0006836

a 1) Determin�ao de Valor deb

� � )
�Xy. - ( X)n( y
b=
�2- (�2
n
SYX
) )
1' 6502525 - (152 (0,0639574 f
7 0,2614626
b
152)2 693,4285710
3994 - (
7 '
sxx

444 b= 0, 0003 771

a2) Detennin�io do Valor dea

0,0639 74 0, 7 1) 1 2)
a= !:y
n
_ b :U =
n 7
5 _ ( 0003 ;
( 5 =
0,0009492

a= 0,0009492

a.3) Equ�io da Reta Ajustada

I .:P = 0.0009492+ o.000011ix

a.4) Equ�io da Hiperbole Ajustada

1
=
0,0009492 + 0, 0003 771X
-
If
b) Cdlculo do R2
b2 SXX bSYX
R2 =

SYY =
SYY

0,0003771 x 0,2614626 0,0000986

R2 0,9930
- 0, 39 74)2 0,0000993
0,0006836 ( 06 5
= =
=

I R2 = 99,3% I
8.3.4. Exerclcios Complementares

1. Os dados abaixo dizem respeito ao consumo de energia eletrica residencial

per capita em kwh e a renda intema per capita em cruzeiros de 1949.

CONSUMO RENDAINTERNA
ANOS
KWH (Y) (X)
1963 1.242,5 14,83
1964 1.2 47. 4 13,54
1965 1.262,1 12,74
1966 1.292,3 13,04
TABELA8.32 1967 1.357,9 12,73
1968 1. 402,5 13.40
1969 1.443,3 13.46
1970 1.464,7 13,96
1971 1.519,2 14,67
1972 1.539,9 15,32
1973 1.569.4 16,33 445
 Ajustar os dados pelos seguintes modelos, calculando os respectivos R2•

a,) Y=axf3
b) Y=arr
c) Y=a+{3X
Respostas:

a,) y= 234,9 X°•6 74 R2 = 38,4%

b) Y=717,6(I,048)
x R2 =38,6%
c) Y = 444, 8+ 67, 8X R2 =41,1%

2 A tabela a seguir apresenta dados referentes ao aluguel (em dolares) de 15 casas

e os anos de constru�ao do imbvel.

ALUGUEL ANOS DE CONS-

(Y) TRUCAO (X)
180 2
80 6
60 12
100 8
142 4
120 6 TABELAB.33
140 6
40 18
40 22
80 12
40 16
200 2
40 20
60 16
50 15

Pede-se:

a) A regressao do aluguel sobre os anos de constru�iio, pelo modelo linear.

b) Calcular o valor do R2•
c) A regressao do aluguel sobre os anos de constru�ao adotando-se o modelo

hiperbole do tipo Y=a+.!. .

x
d) Calcular o valor do R2

Respostas:
328•45
c) Y=39,25+
a) Y=171,98- 7,32X x
446 b) R2 = 82,3% d) R2 = 85,3%
3. Ajustar os dados abaixo por um modelo Y= J
TABELAB.34

y 32 42 36 50 39
x 10 18 13 25 15
RESP.: y = 10,4 05 _x0.4a6

4. Ajustar os dados abaixousan do modelo Y= atr

TABELAB.35

y 22,5 50,6 33,8 114

x 2 4 3 6

RESP.: Y= 10,0(1,5f"

5. Ajustar os dados databelaabaixoatraves dos seguintes modelos :

1
a,) Y=
a+(JX
_-

b) Y=a+ Ji¥
TABELAB.36

y 0,0500 0,0333 0,0250 0,0200

x 5 10 15 20

I
RESP.: a,) Y=
lO+ 2X
b) Y= 0,0566 5 - 0,00197X

6. Ajustar aos dados databelaabaixoo modelo: Y =a P

TABELAB.37

y 4 ,95 24,53 121,51 270,4 3 2980,96

x 2 4 6 7 10
RESP.: y = eo,aX

7. A tabela abaixo fomece dados sobre o consumo de Energia Eletrica no Brasil

e o valor do P roduto Interno Lfquido a custo dos fatores noano de 1969(co­
lunas 1e 2.)
As colunas 3 e 4 referem-se aos o
l garitmos desses dados. 447
 TABELAS.38

CONSUMO DE PROD. INTER- LOG. LOG.

ESTADOS ENERGIA ELE- NO LIOUIDO CONS. ENERG. P.l.L.
TRICA (kwh103) A.C.F. (Cr$ 103) ELETRICA·
(1) (Y) (2) (X) (3) (4)

1. Amazonas 95.815 734.479,1 4,9814 5,8659

2. Pan\ 184.282 1.405.19.4,9 5,2655 6,1477
3. Maranhao 53.169 1.014.780,4 4,7256 6,0064
4. Piayf 32.676 455.902,3 4,5142 5,6589
5. Cearci 279.876 2.074.604.4 5.4469 6,3169
6. R.G.N. 92.369 796.220,3 4,9655 5,9010
7. Parafba 216.457 961.258,2 5,3354 5,9828
8. Pernambuco 1.065.000 3.501.224,3 6,0273 6,5442
9. Alagoas 136.578 751.291,2 5,1354 5,8758
10. Sergipe 106.372 471.163,3 5,0268 5,6732
11. Bahia 857.080 4.336.514,6 5,9330 6,6371
12. M. Gerais 4.637.113 10.245.066,0 6,6662 7,0105
13. Esp. Santo 247.199 1.139.399,0 5,3930 6,0567
14. R. de Jan. 2.388.705 5.115.417,0 6,3781 6,7089
15. Guanabara 3.696.751 11.719.423,1 6,5678 7,0689
16. Sao Paulo 15.708.088 37.022.667,8 7,1961 7,5685
17. Paranci 1.347.208 7.081.093,7 6,1294 6,8501
18. Sta. Catar. 657.493 2.817.449,0 5,8179 6,4498
19. R.G.Sul 1.544.691 8.963.683,3 6,1888 6,9525
20. M. Grosso 116.651 1.047.654,3 5,0669 6,0202
21. Goicis 198.255 1.741.507,2 5,2972 6,2409
22. Distr. Fed. 207.752 419.166,1 5,3175 5,6224

a) Estimar os para.metros do modelo: Y = o:X13.

b) Sabendo que em 1975 o Produto Intemo Liquido do Estado de Sao Paulo
cresceu 35% em rel�iio a 1969, qual devera ter sido o consumo de energia
eletrica naquele ano?
y
1,238
RESP.: a) = 0,006X
b) 20.382970,7

8. A tabela abaixo apresenta inform�0es sobre o custo de determinada mercado­

ria, em cruzeiros, e a distancia, em km, do destino para onde deve ser enviada
TABELAS.39

CUSTO 125,8 134,8 127,0 � 22,8 � 23.4� 22,2 � 22,5 � 22,8 � 22.4 � 22,0 124, 1 124,7 122,3

DISTANCIA 229 '187 209 174 190 196 186 202 178 168 192 210 168

a) Estimar, por regressao linear, o custo fixo, e o custo por quilometro ro<la<lo.
448 b) Calcular o Poder Explicativo do modelo.
 RESP. : 1) =
a 103,57
b=0,1048

2) R2=89,4%

8.3.5. Regressio Polinomial - Ajuste por Parabola

Entre as fu�oos nao lineares e que nao podem ser transfonnadas em reta,
as mais encontradas sao all parabolas, especialmente as de segundo e terceiro
graus. A detennin�ao dos p1!f8metrOS' da parabola punbem e feita mediante a
aplic�ao do metodo dos mfnimos quadrados. Assim sendo, devemos tomar mi­
nima a expressao:

I:(Y - f)2 onde

f=a + bx +cX'- no caso de parabola de 20 grau

OU
f=a+ bx+ cX'- + dX3 no caso de parabola de 3.o grau

Supondo f= a + bx+ cx2 e aplicando a condi�ao necessana de mfnimo,

_.1.._YY - f)2 o, a I;f'Y fP a I:(Y - f)2

= =O e =0, obteremos as equlll'
..,. oos
-

aa ab ac

{
nonnais do ajustamento:

l::Y =na+ b l::X+ c I:.x2

UY =aU + b I: x2 + c:E X3 (23)
U 2Y=a:EX2 + bU3 +c:E X'

A resolu�ao do sistema de tres equ�oos com tres incbgnitas fomecera o

valor dos parametros da parabola: ,a b e c. Como a variavel X nonnalmente
refere-se ao tempo, seus valores ocorrem em intervalos constantes (valores eqili­
esp�ados). Sendo assim, e conveniente centrar a variavel na media, uma vez que
os momentos centrados de ordem fmpar sao nulos. Esse procedimento facilita a
resolu�ao do sistema de equ�oos nonnais. Efetuando a transfonn�aox=X - X,
teremos:
I:x =I:(X -X)=0
:Ex3=:E(X XP=0 -

:Ex5=I;f'X -X)5=0
Podemos agora reescrever as equ�oos nonnais do ajustamento da parabola

{
usando a variavel transfonnada x=

:EY=na
:ExY=
X

b:Ex2
-

+ cl::x2
X

(24)
:Ex2 y=a:Ex2 + c:Ex4

Tratando·se de parabola do terceiro grau e adotando a transfonn�aox=X-

-X, o sistema de equ�oos nonnais seril: 449
 { �y
�xY
=

=
na
b�x2
+ c�x2
+ d�x4
(25)
�x2Y = a�x2 . + c�x4
�x3Y =
b�x4 +d�x6
Para calcular o valor do coeficiente de detennin�ao, recorreremos a se­
guinte expressao

Syy �(Y - Y)2 1 �(Y - Y)2

R2 (26)
- _
=
=

Syy Syy

Exemplo 18:
A Tabela 8.40 apresenta o pr�o do litro de gasolina observado em um perfo·
do de sete semestres consecutivos.

a) Ajustar os dados por uma parabola de segundo grau e calcular o valor do coefi­
ciente de determin�ao.
b) Ajustar os dados por uma parabola do terceiro grau e calcular o valor do coefi­
ciente de detennin�ao.

PR ECO
DATAS
Cr$ POR LITRO

agosto de 1977 6,00

fevereiro de 1978 6,30
agosto de 1978 7,30 TABELAS.40
fevereiro de 1979 9,60
agosto de 1979 10,20
fevereiro de 1980 22,60
agosto de 1980 38,00

Solufao:
Na Tabela 8.41 encontram-se os calculos necessanos para a resolu�ao do pro­
blema
TABELA8.41

Datas x y xY x2 x2Y x3 x3Y x4 x6 y2

ago.n1 -3 6,0 - 18,0 9 54,0 -27 -162,0 81 729 36,00
fev./78 -2 6,3 - 12,6 4 25,2 - 8 - 50,4 16 64 39,69
ago.n8 -1 7,3 - 7,3 1 7,3 - 1 -
7,3 1 1 53,29
fev.n9 0 9,6 0 0 0 0 0 0 0 92,16
ago.n9 1 10,2 10,2 1 10,2 1 10,2 1 1 104,04
fev./80 2 22,6 45,2 4 90,4 8 180,8 16 64 510,76
ago./80 3 38,0 114,0 9 342,0 27 1026,0 81 729 1444,00

� 100 131,5 28 529,1 0 997,3 196 1588 2279,94

450
a) Ajuste pela Parabola do Segundo Grau e Cdlculo doR2

a 1) Ajuste por Parabola do Segundo Grau

l:Y = na +cl:x2
l:xY ;;; b l:x 2
l:_x y= al:x2
2 +cl:x4

100= 1a +28c (I)

131,5= 28b (II)
529, 1=28a +196c (III)

0 valor deb e calculado diretamente a partir de (II)

131 5
b= • = 4' 69643
28

I b = 4,69643 I
Resolvendo o sistema de equwr0es (I) e (III) tiramos osval ores de a e dec

{ 100= 1a+ 28c

529,1=28a +l 96c
(I)
(II)

Multiplicando (I) por (-4) e resolvendo o sistema

{ -400=-2& - 112c
529,1= 28a+196c

129,l = 84c ==9c= � 1,53690

I c= 1,53690 I
529,1=28a+196x 1,53690= 28a+301,23240

529,1- 301,23240 227,86760

a= = 8,13813
28 28

f a= 8,13813 I
A equwrao da parabola de 20 grau ajustada ser8:

I t= 8,13813+4,69643X+1,53690.¥2

a 2) Cilculo doR2

Para calcular ovalor doR2 recorreremos a Tabela 8.42 451

 TABELAS.42

x y Y' = 8,13813 + 4.69643x + 1,53690x2 Y- 'i' (Y- 'i'J2

-3 6,0 7,88094 -1,88094 3,53794

-2 6,3 4,89287 1,40713 1,98001
-1 7,3 4,97860 2,32140 5,38890
0 9,6 8,13813 1,46187 2,13706
1 10,2 14,37146 -4,17146 17,40108
2 22,6 23,67859 -1,07859 1,16336
3 38,0 36,05952 1,94048 3,76546

I �(Y - Y'J2 = 35,37381

�(Y - Y)2
R2 =I - onde �y Y)2 =
35,37381
Syy
-

� 2
e Syy = �Y2 - ( Y)
n

02
= 2279,94 - ( 1� > = 851,36857

35,37381 - -
R2 1- 1- 0,04155 - 0,95845
-

- 851 36857 -
'

I R2 = 0,95845 OU 95,84% I
b) Ajuste pela Parabola do P grau e Oilculo do R2

b.1) Ajuste pela Parabola do Terceiro Grau

r
y = M +c�x2
�xY = b�x2 +d�x4
�2Y= a�x2 +c�x4

{
�3Y= b�x4 +d�x6
Substituindo os somatbrios pelos valores constantes da Tabela 8.41

100 = 1a + 28c (I)

131,5 = 28b + 196d (II)
529,1 = 28a + 196c (III)
997,3 =
196b + I 58&1 (IV)

Para detenninar os valores dos parametros montaremos dois sistemas de

duas equ�Cies. Para detenninar os valores de a e de c usaremos as equ�Cies (I)
e(III) e para os valores de b e d, as equwyCies(II) e(IV).

452
{ 100
529,l
=

=
1a + 28c
28a + I96c
(I)
(III)
Multiplicando (I) por(-4) e resolvendo
 { -400=--28a - l12.c
529' 1= 28a + 196c
� 129 10= 84c� c = 129•1 = 1 53690
'
84 '
.

a 529,1-(196x1,53690)
- = 8' 13813
28

I a= ,13813
s I
I c= 1,s3690 I
{ 131,5= 28b +
997,3= 196b + 158&1
196d II Multiplicando (II) por (- 7)
IV

-920,5 = - 196b - 1372d

997,3= 196b + 158&1

76,8 = 0 + 216d

d= ��: = 0,35556 I d= o,35556 I

- 432,67072
997,3 -(1588)(0,35556) -
b= = 2,20750
196 196

I b= z2015o I
I r= s.13813 + z2015Ck + 1,5369<k2 + 0,35556x3 I
b. 2) Calculo doR2

Na Tabela 8.43 encontram-se os catculos necessilrios para a detenninarrao do

valor doR2

TABELAS.43

'Y = 8, 13813 + 2,20750x +

x y + 1,53690x2 + 0,35556x3 (Y - 'Y) fY - 'YP
-3 6,0 5,74761 0,25239 0,06370
-2 6,3 7,02625 -0,72625 0,52744
-1 7,3 7,11197 0,18803 0,03536
0 9,6 8,13813 1,46187 2,13706
1 10,2 12,23809 -2,03809 4,15381
2 22,6 21,54521 1,05479 1,11258
3 38,0 38,19285 -0,19285 0,03719

b::fY - 'YP = 8,06714 453

 f2 8, 067l4
R2 =
1- I;(Y- ) =
1- 0 99062 99 06%
Syy 851,36857 = ' OU •

I R2 =
�
99,
A parabola de terceiro grau ajusta-se melhor aos dados do que a de segundo
grau.

8.3.6. Exerclcios Propostos

1. A Tabela 8.44 reproduz dados referentes a produ<rao brasileira de vefculos
automotores no perf odo de 1957 a 1973.

ANOS PRODU<;AO
1957 30.542
1958 60.983
1959 96.114
1960 133.041
1961 145.584
1962 191.194
1963 174.191
TABELAS.44
1964 183.707
1965 185.187
1966 224.574
1967 225.362
1968 278.473
1969 349.519
1970 416.047
1971 516.038
1972 608.985
1973 729.135

a) Ajustar os dados usando os seguintes modelos: linear, exponencial, parabola do

segundo grau.
b) Calcular o R2 dos tres modelos.
Sugestiio: Usar a variavel X centrada no ano medio de 1965: x = X - 1965.
Respostas:
a) Reta Ajustada: f 267569 + 35.736X
=

Exponencial: f 204050 (I, 166)x

=
•

Parabola: f 198. 833 + 35. 736X + 2 864X2

=

b) R2: Reta: 84, 9%

Exponencial: 90, 9%
454 Parabola: 94, 0%
2 A administr�ao de um banco desejava estabelecer um criterio objetivo para
avaliar a eficiencia de seus gerentes. Para isso levantou, para cada subdistrito
oride o banco possufa agencias, dados relativos ao depbsito medio mensal
por agencia e o numero de estabelecimentos comerciais existentes nesses sub­
distritos. Os dados sao OS seguintes:

TABELAS.45

N? ESTABELECIMENTOS DEPOSITO Mi;DIO POR

SUBDISTRITOS
COMERCIAIS AGl;NCIA (CR$ 1.000.000)
x y

Nossa Senhora do 6 16 14
Casa Verde 30 16
Vila Formosa 35 19
Santana 70 30
Barra Funda 90 31
J. Paulista 120 33
Santo Amaro 160 35
Lapa 237 43
Pinheiros 378 50

a) Ajustar os dados por uma reta e por uma cuiva geometrica ( Y = aXP:>.
b) Calcular o coeficiente de determin�ao.

Respostas: a) Ajuste por Reta: Y = 17, 9444 + 0, 0964X

Ajuste por Potencia: Y = 4,32X0•42
b) R2 da Reta: 88%
R2 da Potencia: 97%
3. A Tabela 8.46 apresenta dados relacionando o consumo de energia eletrica
domiciliar (CrS) e a renda per capita de um determinado numero de famf­
lias residentes no municfpio de Sao Paulo ( 1972).

CON SUMO RENDA

POR PESSOA PER CAPITA
CR$ y x

4,35 62,42
TABELAS.46 6,39 207,74
9,74 405.47
10,08 628,22
11,65 828,61
13,01 891,39
21,18 2.196,64
455
 a) ��� os dados por uma fun�ao potencia ( curva geometrica) do tipo: Y =

b) Calcular ovalor do coeficiente de determin�ao, R2.

c) Calcular a elasticidade-renda do consumo.
d) Ajustar os dados por umafun�ao do tip� IOY = crX(j.
e) Calcular ovalor doR2 para afun�ao 10 = crX(j.
t) Projetar o consumo para uma renda per capita de CrS 2000,00 atraves das
duas fun�Cies ajustadas.

Respostas:

a) y = 0,6 705133.x°,4355624
b) R2 = 97,5%
c) Elasticidade constante: 0,4355624 b =

,
d) 10r =oo-1s,11111ss )X9,9739198 =<1•6913021H10-1 6)X9 9'39198
e) R2 84,8%
=

t) Proje�aopelafun�ao Y= 0,6705133X°·4-355625: 18,37

Proj�ao pelafun�ao Y (1,6913021)(10-1 6).x9•9739198 : 17,15
=

4. Na Tabela 8.4 7 encontram-se, para diversas classes de renda lfquida daspessoas

jundicas no ano de 1958, o imposto de renda ( Y) correspondente a renda lf­
quida(X).

TABELAS.47

CLASSE DE RENDA RENDA LIOUIDA IMPOSTO

LIOUIDA x DE RENDA
y

1.000 1-- 2.000 1.402- 255

2.0001- 3.000 2.417 458
3.0001-- 4.000 3.409 656
4.0001-- 5.000 4.450 863
5.0001-- 6.000 5.446 1064
6.0001-- 7.000 6.459 1261
7.0001-- 8.000 7.468 1464
8.000 I-- 9.000 8.449 1647
9.000 I-- 10.000 9.424 1851
10.000 'J-- 20.000 13.842 2737

a) Ajustar os dados por um modelo do tipo: Y = 1<Px.f3.

b) Calcular ovalor do .R2•
456 c) Calcular a elasticidade-renda do imposto de renda
Respostas:

a) f =10-0,83662x1,03304
2
b) R = 99,98%
c) Elasticidade-renda do IR: 1,03304

5. A fun�ao keynesiana de preferencia pela liquidez pennite relacionar taxa (Y)

de juros com a quantidade de moeda (X). Supondo X0 ( constante que indepen­
de da tax.a de juros e que representa a demanda por moeda para tran5a1t0es)
igual a 100 bilhaes de cruzeiros e com base nos dados constantes da Tabela
84
. 8 encontrar a equw;ao de regressio segundo o modelo:

t
Y=a+P x
)
!xo
Calcular oR2•

TABELA 8.48

X (50 BILHOES
Y%
DE CRUZE I ROS)
6,0 2,5
5,5 2,4
5,5 2,7
4,8 2,6
4,4 3,0
3,7 3,3
3,5 3,7
3,2 4,4
2,7 4,9
3,0 5,6
2,5 6,2

1
Sugestiio: Fazerx = ondeXo = 2
X _Xo
149
Resposta: f 2, 56 + X .'..._ 2
=

Ji2 =86,9%

6. Com os dados da Tabela 8. 26 do Exemplo 15, encontrar a equw;io de regressao

usando o modelo: Y=a ( 1 o)Px
Resposta: f = 124,80288(10)o,1s422X

457
Referencias
bibliogrllficas
Blalock Jr., Hubert. EstadfsticaSociaL Mexico, D.F.; Fondo de Cultura Economica, 1966.
<'roxton, F.E. e D.J. Cowden. Estadfstica Aplicada a los Negocios. Barcelona, Espanha:
Editorial Hispano Europea, 1965.
..Curso de Auxillar de Administra�io". Fasc{culo da Abril S.A., Cultural e Industrial, 1973.
Fonseca, J.S. e G.A. Martins. Curso de Estatfstica. Sio Paulo: Atlas, 1975.
Fox, K.A. e William C. Merrill. Estatfstica Economica. Sio Paulo: Atlas, 1977.
Karmel, Paul H. e K. M. Polasek. Estatfstica Geral e Aplicada a Economia. Sio Paulo: Atlas,
1972.
Kmenta, Jan. Elementos de Econometria. Sio Paulo: Atlas, 1978.
Kirsten, Jose Tiacci. Metodologia da Construfiio de Indices de Preros ao Consumidor -
Custo de Vida. Sio Paulo: Serie IPE, 1975.
Lindgren, B.W. e G.W. McElbrath. /ntrodufiio a Estatfstica. Rio de Janeiro: Ao Livro Tec-
nico S.A., 1972.
Mathias, Washington F. e Jose M. Gomes. Matem4tica Financeira. Sio Paulo: Atlas, 1977.
Montello, Jesse. Estatfstica para Economistas. Rio de Janeiro: APEC Editora, 1970.
Perlman, Richard. Problems in Statistics for Economics and Business Students. New York:
Holt, Rinehart and Winston, 1963.
Rossetti, Jose P. Contabilidade Nacional. Sio Paulo: Atlas, 1979.
Spiegel, Murray. "Estatfstica". In Coleriio Schaum. Sio Paulo: McGraw-Hill Book do Brasil,
1970.
Toledo, G . L., G.A. Martins e J.S. Fonseca. Estatfstica Aplicada. Sio Paulo: Atlas, 1976.
Wasserman, William e John Neter. Fundamentos de Estatistica Aplicada a los Negocios
ya la Economia. Mexico, D.F.: Cia. Editorial Continental S.A., 1963.

APOSTILAS
Apostilas do Departamento de Administra�o da FEA/USP.
Apostilas do Departamento de Economia da FEA/USP.

459