Estatística - para Concursos ESAF

www.ResumosConcursos.hpg.com.
br
Apostila: Estatstica p/Concursos - ESAF por Luciano Barbosa da Silva
1
Apostila de Estatstica

Assunto:

ESTATSTICA P/ CONCURSOS
ESAF

Autor:

LUCIANO BARBOSA DA SILVA

www.ResumosConcursos.hpg.com.br
2
Introduo Estatstica
Estatstica

uma coleo de mtodos para PLANEJAR EXPERIMENTOS, OBTER DADOS, ORGANIZ-
LOS, RESUMI-LOS, ANALIS-LOS, INTERPRET-LOS e deles EXTREAIR CONCLUSES.

A estatstica uma cincia da INFORMAO.

DEFINIES IMPORTANTES

a) INDIVDUOS So os objetos descritos por um conjunto de Dados. Os indivduos podem ser:
pessoas, coisas, animais etc.;
b) VARIVEL qualquer caracterstica de um indivduo;
c) POPULAO - a coleo completa de todos os indivduos a serem estudados;
d) CENSO uma coleo de dados relativos a todos os elementos de uma populao;
e) AMOSTRA uma sub-coleo de elementos extrados de uma populao;

Exemplo Nos EUA, uma pesquisa Nielsen tpica da televiso utiliza uma amostra de 4000
lares e com base nos resultados formula concluses acerca da populao de todos os 97.855.392
lares americanos.

f) PARMETRO uma medida numrica que descreve uma caracterstica de uma populao;
g) ESTATSTICA uma medida numrica que descreve uma caracterstica de uma amostra;

Exemplo Pesquisa feita pela Bruskin-Goldring Research com 1015 pessoas escolhidas
aleatoriamente, 269 (26,5%) possuam computador. Como a cifra de 26,5% se baseia em uma
amostra, e no em toda a populao trata-se de uma estatstica (e no de um parmetro). Por
outro lado de uma pesquisa cuja populao alvo so os alunos matriculados na disciplina de
estatstica, feita com cada um desses alunos revela que 26,5% no possuem computador em
casa isto um parmetro.
3

h) EXPERIMENTO - Conjunto de procedimentos reprodutveis que visam a obteno de informao
sobre uma dada realidade.
i) EXPERIMENTO DETERMINSTICO - aquele que garantidas as mesmas condies
iniciais o resultado ser o mesmo.

Exemplo - Observar a temperatura de ebulio da gua em condies normais de
temperatura e presso.

Exemplo - Soltar um objeto a certa altura e calcular a velocidade com que chega ao solo.

ii) EXPERIMENTO ALEATRIO - aquele que mesmo garantindo as condies iniciais
impossvel prever com certeza o resultado do mesmo.

Exemplo - O lanamento de uma moeda;
Exemplo - O comportamento de um ndice financeiro como o Ibovespa (Bolsa de Valores
de So Paulo);

e) VARIVEIS ALEATRIAS (VA) - So funes que associam valores numricos a resultado de
experimentos aleatrios;
i) VA's DISCRETAS - So aquelas que assumem um numero finito ou infinito e enumervel
de valores;
Praticamente podemos pensar na variveis aleatrias discretas como funes que associam
resultado de experimentos aleatrios a nmeros inteiros.
Dica - Todas as variveis aleatrias associadas a contagem so discretas.
Exemplo: Suponha que lancemos um dado e chamemos X uma VA que assume o valor da
face do dado que estiver para cima. X s pode assumir 1, 2, 3, 4, 5 ou 6. X, portanto,
discreta.

Exemplo - Suponhamos agora que um estudo sobre uma populao em que estivessemos
interessados em entender o perfil educacional. Suponha que num questionrio constasse o
4
seguinte item: Escolaridade, e que as respostas possveis a esse item fossem: 0 -
Analfabeto; 1 - 1 Grau Incompleto; 2 - 2 Grau incompleto; 3 - 3 Grau Incompleto; 4 - 3
Grau Completo; 5 - Ps-graduao em andamento; 6 - Ps-graduao completa.
Se associarmos uma VA X a esses valore, de modo que X sp possa assumir 0, 1, 2, 3, 4, 5,
ou 6 temo X como uma VA discreta.

Se num outro item do questionrio tivessemos Sexo: 0 - Masculino ou 1 - Feminino, e
associamos uma VAY, de modo que Y s pode assumir 0 ou 1, temos que Y uma VA
discreta;

Exemplo: Suponha que voc um dono de restaurante. Defina X como o nmero de
clientes que almoam no seu restaurante a cada dia. X pode assumir 0, 1, 2, 3, 4.... X uma
VA discreta.

ii) VA's CONTNUAS - So aquelas que assumem uma quantidade no-enumervel de
valores. Para efeitos prticos aquelas que podem assumir valores num sub-conjunto dos
reais.
Dica - Todas as variveis associadas medidas que dependam da preciso de um
instrumento so contnuas.
Exemplo - Nos estudos astronmicos o tempo aparece em medida de bilhes de anos. Nessa
escala anos, dias e horas so despresveis. Para a histria humana uma escala de anos compe
um quadro suficiente. Para o dia a dia um relgio que marque hora e minutos suficiente para
acertamos nossos compromissos. Para a frmula 1 os cronmetros precisam dos milsimos.
Assim a durao do tempo uma medida que pode ser detalhada infinitamente, sem deixar de
ser medida de tempo. Se X uma VA que mede a durao de tempo X uma VA contnua.
OBS - No caso do exemplo anterior note que h uma depend6encia da preciso do instrumento
de medida.

Exemplo - Um estudo deseja entender a distribuio de alturas no Brasil. Recolhe-se uma
amostra e defne-se X como a altura de um indivduo. X depende da preciso do instrumento e
5
pode ser subdividida infinitamente, sem deixar de ser uma medida coerente de altura. X uma
VA contnua.

PRINCIPAIS PARTES DA CINCIA ESTATSTICA

a) PLANEJAMENTO DE EXPERIMENTO e AMOSTRAGEM a parte da estatstica
responsvel pela gerao e/ou coleta dos dados;
b) ESTATSTICA DESCRITIVA a parte da estatstica responsvel pela organizao e
explorao de informaes nos dados amostrais;
c) INFERNCIA ESTATSTICA a parte da estatstica que a partir das informaes
amostrais e utilizando TEORIA AS PROBABILIDADES faz afirmaes sobre toda a
populao com um grau de certeza controlado.

Natureza dos Dados

Dados Quantitativos Consistem em nmeros que representam contagens ou medidas;
Dados Qualitativos (Categricos ou Atributos) Consiste em simbolos que representam
categorias.

Exemplo Dados Quantitativos Medidas de Altura;
Dados Qualitativos Sexo, Escolaridade.

Os dados quantitativos podem ser divididos em duas classes:

a) Dados Discretos Resultam de um conjunto finito ou enumervel de valores (em geral dados
que se expressam por nmeros inteiros);
b) Dados Contnuos Resultam de um nmero no-enumervel de valores (em geral dados que se
expressam por nmeros reais).
OBS Quando os dados representam contagens so discretos e quando representam medies so
contnuos;
6

Outra forma de classificao:

a) Nvel Nominal de Mensurao caraterizado por dados que consistem apenas em nomes,
rtulos ou categorias. Os dados nominais no podem ser dispostos segundo um esquema
ordenado.

Exemplo Respostas Sim ou No, Sexo (Dados Binrios), Marca de Automveis
OBS s vezes atribui-se nmeros a categorias (em especial quando so utilizados
computadores), mas tais nmeros no tm qualquer significado para efeito de clculo.
Exemplo Sexo Masculino = 1, Feminino = 0
Marca de Automvel Ferrari = 1, Mercedes = 2, Outros = 3

b) Nvel Ordinal de Mensurao Envolve dados que podem ser dispostos em alguma ordem,
mas as diferenas entre os valores dos dados no podem ser determinadas ou no tm sentido.

Exemplo Um editos classifica manuscritos de livros em: Excelentes, Bons, Maus;
Numa entrevista pede-se a um consumidor ordenar trs produtos similares em 1, 2
e 3 lugar.
c) Nvel Intervalar de Mensurao anlogo ao nvel ordinal, com a propriedade adicional de
que podemos determinar diferenas significativas entre os dados. Todavia no existe ponto de
partida, ou seja zero, inerente.

Exemplo Anos : 1000, 2000, 1776, 1944, ... (esta contagem de tempo no comeou num
zero);
Escala de Temperatura em Centgrados: 10, 20 (20 no significa que est duas vezes mais
quente que 10, o zero da escala arbitrrio).
OBS Entenda-se zero como ausncia da caracterstica de interesse.

d) Nvel de Razo de Mensurao o nvel de intervalo modificado de modo a incluir o ponto
de partida zero inerente.
7

Exemplo Pesos, Durao de Tempo de um dado processo, Temperatura em Kelvin etc.
8

Sumrio do que foi apresentado

Nvel

Sumrio

Exemplo
Nominal To somente categorias. Os dados no podem
ser dispostos em um esquema ordenado.
Carros:
10 Ferrari;
20 Mercedes
30 Honda
Ordinal As categorias so ordenveis mas no podemos
estabelecer diferenas, ou estas no tm sentido.
Carros:
10 Compactos
20 Mdios
40 Grandes
Intervalo Podemos determinara diferena entre valores,
mas no h ponto de partida intrnseco. As
razes no tm sentido.
Temperatura:
15C
25C
30C
(30 no duas vezes mais
quente que 15)
Razo Como intervalo, mas com um ponto de partida
inerente. As razes tm sentido.
Peso:
70Kg
90Kg
140Kg
(140Kg duas vezes mais
pesado que 70Kg)

9
ESTATSTICA DESCRITIVA
Definio um conjunto de tcnicas que visa: organizar e sumarizar a informao contida nos
dados.
Para este fim utiliza-se TABELAS e GRFICOS (organizao) e MEDIDAS (de centralidade e de
disperso, p/ sumarizao).

TABULAO
Normas para Apresentao Tabular da Estatstica Brasileira. Resoluo N 886, de 26 de
outubro de 1966. (Pontos Principais)

Definies
Uma tabela estatstica compe-se de elementos essenciais e elementos complementares.
Os elementos essenciais de uma tabela estatstica so: o ttulo, o corpo, o cabealho e a coluna
indicadora.
Ttulo a indicao que precede a tabela e que contm a designao do fato observado, o local e a
poca em que foi registrado.
O corpo o conjunto de colunas e linhas que contm respectivamente, em ordem horizontal e
vertical, as informaes sobre o fato observado.
Casa o cruzamento de uma coluna com uma linha.
As casas no devero ficar em branco, apresentando sempre um nmero ou um sinal
convencional.
Cabealho a parte superior da tabela que especifica o contedo das colunas.
Coluna indicadora a parte da tabela que especifica o contedo das linha.
Uma tabela pode Ter mais de uma coluna indicadora
Os elementos complementares de uma tabela estatstica so: a fonte, as notas e as chamadas, e
se situam de preferncia no rodap da tabela.
Fonte a indicao da entidade responsvel pelo fornecimento dos dados ou pela sua
elaborao.
Notas: so informaes de natureza geral, destinadas a conceituar ou esclarecer o contedo das
tabelas, ou a indicar a metodologia adotada na elaborao dos dados
10
Chamadas: So informaes de natureza especfica sobre determinadas partes da tabela,
destinadas a conceituar ou esclarecer dados.
As chamadas so indicadas no corpo da tabela em algarismos arbicos, entre parnteses,
esquerda nas casas e direita na coluna indicadora.
A numerao das chamadas da tabela ser sucessiva, de cima para baixo e da esquerda para a
direita.
A distribuio das chamadas no rodap na tabela obedecer ordem de sua sucesso na tabela,
separando-se uma das outras por ponto (.).
As chamadas de uma tabela que ocupe mais de uma pgina devem figurar no rodap da tabela
da ltima pgina, de acordo com a sucesso da mesma.

Sinais Convencionais

1. - (trao), quando o dado for nulo;
2. ... (trs pontos), quando no se dispuser do dado
3. X (letra x), quando o dado for omitido a fim de evitar a individualizao das informaes

Apresentao das Tabelas

As tabelas, excludos os ttulos, sero delimitadas, no alto e em baixo, por traos horizontais
grossos, preferencialmente.
Recomenda-se no delimitar as tabelas, direita e esquerda, por traos verticais.
Ser facultativo o emprego de traos verticais para separar as colunas no corpo da tabela.
Quando uma tabela, por expressa altura, tiver de ocupar mais de uma pgina, no ser
delimitada na parte inferior, repetindo-se o cabealho na pgina seguinte. Neste caso, deve-se usar, no
alto do cabealho ou dentro da coluna indicadora, a designao contnua ou concluso, conforme o
caso.

Exemplo
(Ttulo)
11
Pessoal Docente Lotado na Universidade X
Por categoria funcional e formao acadmica
1976

Categoria Funcional
Formao
Acadmica

Titular

Adjunto

Assistente
Auxiliar de
Ensino

Total
Graduao 10 30 25 9 74
Especializao - ... 1 31 4
Aperfeioamento 5 4 3 1 13
Mestrado 1 - 2 4 7
Doutorado (1) (2) 5 (3) 3 2 - 10

Total

21

37

33

17

108
Fonte: Servio de Estatstica da Educao e Cultura
(1) Com e sem curso de mestrado
(2) Protegido pela Lei n 5.540
(3) Livres Docentes
Aps a coleta dos dados e sua apurao necessta-se de mtodos de apresentao dos dados.
Para tanto um dos instrumentos a TABELA.
A filosofia da tabulao obedece ao seguinte critrio: mximo de esclarecimento (informao)
num mnimo de esforo e tempo .
Uma tabela pode ser decomposta em 3 partes:
a) TTULO uma apresentao do que a tabela est tentando representar. Deve conter
informaes suficientes para responder s seguintes questes:
i) O QUE? (referente ao fato);
ii) ONDE? (referente a lugar);
iii) QUANDO (referente a tempo).

Exemplo 1 Acidentes com morte na Br 232 em 2000
12
O QUE? Acidentes com morte;
ONDE? Br 232;
QUANDO 2000.

Exemplo 2 N de acesso a disco, Servidor da Universo em 07/08/2000
O QUE? N de acesso a disco;
ONDE? Servidor da Universo;
QUANDO 07/08/2000.

b) CORPO composto de um conjunto de colunas e subcolunas onde so postos os dados
coletados.
Exemplo
Previso da Populao para a Cidade de So Paulo
1984 2020
Anos Populao(em 1000 hab.)
1984 9439
1990 11160
1995 12224
2000 13410
2010 14910
2020 15532
Fonte: XXXX
c) RODAP Coloca-se todas as legendas que visam esclarecer a interpretao da tabela.
Geralmente tambm no rodap que se coloca a fonte dos dados.

13
Exemplo
Sexo
Tipo
Homens Mulheres Total
Maiores 60 30 90
Menores 40 10 50
Total 100 40 140
Fonte: Departamento de Relaes Industriais

SRIES ESTATSTICA

So assim chamadas as tabelas estatsticas nas quais existe um critrio distintivo de
agrupamento. So elas:
a) Sries Cronolgicas;
b) Sries Geogrficas;
c) Sries Especficas;
d) Sries Conjugadas.

1) Sries Cronolgicas (ou temporais)
Neste tipo de srie o QUE (fato) e o ONDE (local) permanecem fixos, enquanto o QUANDO
(tempo varia), ou seja a informao varia com a variao do tempo.

Ex:
Evoluo da Demanda de Vestibulandos
Brasil 1978 1982
Anos Inscritos
1978 1.250.537
1979 1.559.097
1980 1.803.5674
1981 1.735.457
1982 1.689.249
14
Fonte: CODE INF/SESU/Ministrio da Educao.

OBS Aqui o QUE, Demanda de Vestibulandos, permanece fixo, bem como o ONDE, no caso
o Brasil. Mas a informao muda com o tempo.

Exemplo
N de Computadores Vendidos no Estado X
1 Semestre de 1986
Meses N
Jan 25.000
Fev 26.000
Mar 340.000
Abr 350.000
Mai 190.000
Jun 220.000
Fonte: XXXXXX

2) Sries Geogrficas (ou de Localizao)
Nestas sries o elemento varivel o ONDE (local) enquanto o QUE (fato) e o
QUANDO (tempo) permanecem constantes.

15

Exemplo

Nmero de Emissoras de Rdio nas Grandes
Regies do Brasil
1980
Grandes Regies Quantidade de Rdios
Norte 43
Nordeste 215
Sudeste 517
Sul 403
Centro-Oeste 85
Brasil 1.263
Fonte: SEEC ME/IBGE.

Exemplo

Populao Brasileira Segundo as Regies
1970
Regies Populaes
Norte 5.885.536
Nordeste 34.855.469
Sudeste 51.746.318
Sul 19.038.935
Centro-Oeste 7.544.607
Brasil 119.070.865
Fonte: IBGE

3) Sries Especficas (ou de Qualidade)
16
So aquelas em que o ONDE (local) e o QUANDO (tempo) so fixos variando-se o QUE
(fato) em subgrupos de caractersticas prprias.

Exemplo

Matrculas no ensino 3 Grau no Brasil
1983
reas de Ensino Matrculas
Cincias Biolgicas e Prof. De Sade 180.176
Cincias Exatas e Tecnolgicas 334.694
Cincias Agrrias 38.181
Cincias Humanas 761.367
Letras 94.618
Artes 24.612
Fonte: SEEC IBGE

Exemplo:

Corpo Docente do Ensino de 3 Grau no Brasil
1975
Especificao Quantidade
Titular 28.079
Adjunto 11.306
Assistente 28.711
Colaborador 4.377
Auxiliar de Ensino 20.073
TOTAL 92.546
Fonte: SEEC IBGE

17
4) Sries Conjugadas (ou mistas)
So assim classificadas as sries que combinam pelo menos duas das sries anteriores.

Exemplo:

Receita do Municpio X
1983 1986
Receita ($ 1000)
Anos Prevista Arrecadada
83 10.746.393 10.739.487
84 24.891.790 19.374.275
85 52.913.762 60.721.847
86 79.648.844 90.757.069
Fonte: Secretaria de Economia e Finanas

OBS As informaes variam em dois sentidos: por ano (vertical) e por especificao do fato
observado (horizontal Receita Prevista e Receita Arrecadada).
18
Tabela de Freqncias

As tabelas de freqncias s muito importantes na estatstica. Basicamente so utilizadas para se
ter uma idia quantitativa sobre a distribuio dos dados, ou seja, como os dados se manifestam.
Assim como existem dois tipos de dados existem tambm dois tipos de tabelas de freqncias.

1. Tabela de freqncias para dados discretos

Neste caso a tabela de freqncias se compe basicamente de duas informaes: as possveis
ocorrncia e a quantidade de vezes que cada uma ocorreu de fato.

Exemplo: Imagine que voc lana um dado 20 vezes e anota, em cada lanamento, o valor da
face voltada para cima. Suponha que temos os seguintes resultados:

1 5 3 1 4
3 1 2 5 2
6 2 1 3 1
3 3 4 1 5

Para este exemplo temos a seguinte tabela de freqncias:

Valores
Observados (x
j
)
Freqncia
Observada (F
j
)
1 6
2 3
3 5
4 2
5 3
6 1
Total 20

OBS

Na primeira coluna temos os primeiros valores do experimento aleatrio em questo, no
nosso caso, os possveis valores das faces do dado;
Na segunda coluna temos o nmero de vezes que cada face ocorreu no processo. Sendo
assim l-se a tabelada seguinte forma: A face 1 ocorreu 6 vezes, a face 2 ocorreu 3
vezes, etc;
A segunda coluna, coluna das freqncias, montada contando-se as ocorrncias da
respectiva face da tabela de resultados do nosso experimento;
A soma total da coluna das freqncias tem valor igual ao total de observaes do
experimento.
19

Exemplo: Suponha que voc o revisor de um livro e o responsvel por encontrar os erros
tipogrficos. Voc observa que o nmero mximo de erros por pgina 4. Como resultado de
sua reviso voc poderia ter, para um livro de 60 pginas, a seguinte tabela de freqncias de
erros:

N de Erros N de Pginas
com o respectivo
N de erros
0 30
1 10
2 5
3 5
4 10
Total 60

2. Tabela de freqncias para dados contnuos

Quando os dados so contnuos o mtodo de montagem da tabela de freqncias diferente. O
mtodo para dados contnuos consiste no estabelecimento de classes e do nmero de
ocorrncias de valores nas classes.

Algumas definies importantes:
Dados Brutos: So os dados como foram gerados, sem nenhum critrio de
organizao;
Rol: um arranjo dos dados brutos em ordem crescente ou decrescente;

Exemplo: Considere uma prova feita por 25 alunos cujos resultados foram:

8,0 3,0 4,5 0,0 7,5
6,0 3,5 3,0 3,5 4,5
1,0 1,0 2,5 4,5 2,0
2,5 10,0 3,0 7,0 1,0
4,0 9,5 1,0 8,0 9,0

Da forma como esto esses dados so brutos, esto sem nenhum critrio de organizao. Um rol
crescente desses dados seria

0,0 2,0 3,0 4,5 8,0
1,0 2,5 3,5 4,5 8,0
1,0 2,5 3,5 6,0 9,0
1,0 3,0 4,0 7,0 9,5
20
1,0 3,0 4,5 7,5 10,0

Limites de Classe: Uma classe um subconjunto do Rol limitada inferiormente por
um nmero chamado Limite Inferior da classe e superiormente por um outro nmero
chamado Limite Superior da classe.

Exemplo: Uma classe , por exemplo, o conjunto 0 |----- 3. 0 o limite inferior da classe e 3 o
limite superior. O smbolo |------- indica que o limite inferior, no caso 0, contado como
pertencente classe da qual limite inferior e que o limite superior, no caso 3, no contando
como pertencente a essa classe. Em outras palavras para uma classe geral o seu limite inferior
contado como pertencente mesma enquanto o limite superior como no pertencente.

Amplitude Total uma medida estatstica definida como

A
T
= Max Min

onde:

Max o valor mximo dos dados,
Min o valor mnimo dos dados.

No nosso exemplo: A
T
= 10 0 = 10

Ponto Mdio da Classe: a mdia aritmtica entre os limites da classe.
Nmero de Classes: definido como a quantidade de classes utilizada para
representar os dados. O nmero n de classes definido como sendo:

n = 1 + 3,3log
10
(N)

onde N o nmero de dados com os quais se trabalha.

OBS

Em geral n no um nmero inteiro. Neste caso n deve assumir um
inteiro prximo. Ex n = 3,3 ento poderamos assumir 3 ou 4.
N vale aproximadamente N para valores de N at 50.

Para o nosso exemplo: n = 1 + 3,3log
10
(25) = 5,61 6.

Amplitude de Classe: Corresponde extenso da classe, ou seja, diferena
entre o limite superior e o limite inferior das classes. Na realidade na montagem
da tabela temos que definir primeiro a amplitude de classe para, s ento,
definirmos as classes. Para tanto usamos a seguinte expresso:

A
C
= A
T
/ n.
21

Para o nosso caso: A
C
= 10/6 = 1,66

OBS Podemos trabalhar tambm com amplitudes de classe mais simples, de modo a
facilitar nossa operao. Neste caso aproximamos o valor para um valor de ordem
superior digamos, no nosso caso, 1,7.

Com estas informaes somos capazes de criar uma tabela de freqncia para nosso
dados bastando, para isso, determinarmos o limite inferior da primeira classe.

OBS

A exigncia sobre o limite inferior da primeira classe +e que ele seja menor ou
igual ao menor valor dos dados;
A exigncia sobre o limite superior da ltima classe que ele seja maior que o
valor mximo dos dados.

DICA: Utilizar como limite inferior o menor valor dos dados.

Finalmente para os nosso dados temos a seguinte tabela de freqncias:

Classes F
j
0,0 |-----1,7 5
1,7 |----- 3,4 6
3,4 |----- 5,1 6
5,1 |----- 6,8 1
6,8 |----- 8,5 4
8,5 |----10,2 3
Total 25

OBS

Os nmeros da coluna de freqncias F
j
so estabelecidos contando-se as
quantidades de valores que caram em cada classe. Por exemplo: conta-se na
classe 0,0 |----- 1,7 qualquer valor maior ou igual a 0,0 e estritamente menor que
1,7. Assim os seguintes valores so contados nessa classe: 0,0; 1,0; 1,6. Se
existisse um valor 1,7 esse valor 1,7 seria contado na segunda classe 1,7 |-----
3,4.
As tabelas de freqncia para os dados contnuos tambm podem ser utilizadas
para dados discretos. Isso ocorre quando as possibilidades de ocorrncias so
muito grandes.
Os valores na coluna de freqncias F
j
so chamados de freqncia absoluta.

22

Outras colunas importantes podem ser acrescentadas s tabelas de freqncias:

a. Freqncia Absoluta Acumulada (F
AC
)
Quando lemos os dados de freqncia absoluta somos capazes de responder pergunta:
quantas observaes caram nesta classe?. No nosso caso na classe 0,0 |----- 1,7
caram 7 etc.
A freqncia acumulada toma por base o limite superior da classe em questo e
pergunta: at esse limite superior, quantas observaes j ocorreram?. Para o nosso
caso na primeira classe temos que at 1,7 (limite superior da primeira classe) s
ocorreram 5 observaes. At 3,4 (limite superior da segunda classe) ocorreram 11
observaes e assim por diante. Dessa forma teremos a seguinte tabela de freqncias:

Classes F
j
F
AC
0,0 |-----1,7 5 5
1,7 |----- 3,4 6 11
3,4 |----- 5,1 6 17
5,1 |----- 6,8 1 18
6,8 |----- 8,5 4 22
8,5 |----10,2 3 25
Total 25 25

OBS: A F
AC
da ltima classe tem que ser o valor total das observaes, pois o limite
superior da ltima classe tem que ser maior que o maior valor dos dados.

b. Freqncia Relativa (F
REL
)

A freqncia relativa mostra aperticipao percentual da classe no todo dos dados.
definida como a freqncia absoluta dividida pela quantidade total de observaes.
Assim na classe 0,0 |-----1,7 temos como freqncia relativa 5/25 = 0,20 e assim por
diante de modo que nossa tabela dada por:
23

Classes F
j
F
AC
F
REL
0,0 |-----1,7 5 5 0,20
1,7 |----- 3,4 6 11 0,24
3,4 |----- 5,1 6 17 0,24
5,1 |----- 6,8 1 18 0,04
6,8 |----- 8,5 4 22 0,16
8,5 |----10,2 3 25 0,12
Total 25 1,00
OBS

A soma da coluna de freqncias relativas sempre igual a 1, que corresponde
a 100%;
A coluna de freqncias relativas pode ser lida como percentual.

c. Freqncia Relativa Acumulada (F
REL AC
)

Obedece ao mesmo princpio da freqncia acumulada normal, s que ao invs de
acumular-se a freqncia relativa. Assim:

Classes F
j
F
AC
F
REL
F
REL AC
0,0 |-----1,7 5 5 0,20 0,20
1,7 |----- 3,4 6 11 0,24 0,44
3,4 |----- 5,1 6 17 0,24 0,68
5,1 |----- 6,8 1 18 0,04 0,72
6,8 |----- 8,5 4 22 0,16 0,88
8,5 |----10,2 3 25 0,12 1,00
Total 25 1,00

24
Estatstica Grfica

A estatstica grfica consiste na utilizao de estruturas geomtricas, cores, noes de proporo
etc, para expor a informao contida nos dados. A filosofia a mesma das tabelas: o mximo de
informao no mnimo de espao.

1. Grficos para Representao de Freqncias

Dados Discretos:

Consiste em associar a cada valor ocorrido uma haste cuja a altura diretamente
proporcional ao valor da freqncia do valor em questo.

Exemplo: Num lanamento de um dado 20 vezes podemos ter o seguinte resultado:

Valores
Observados
Freqncias
Observadas
1 6
2 3
3 5
4 2
5 3
6 1
Total 20

Grfico para Freqncias Discretas
0
1
2
3
4
5
6
1 2 3 4 5 6

25
OBS

1. As informaes de freqncias so representadas pelas hastes. Quanto
maior a freqncia observada maior ser a haste associada;
2. As hastes no tm espessura, so linhas verticais;
3. No se ligam os pontos extremos superiores das hastes;
4. Este grfico tambm pode ser utilizados para representar freqncia
acumulada, relativa e relativa acumulada. Nestes caso a mudana
acontece na escala do eixo y, ficando o eixo x inalterado.

Para o nosso caso temos o seguinte grfico para freqncia acumulada:

Grfico de Freqncia Acumulada
0
5
10
15
20
25
1 2 3 4 5 6

Dados Contnuos

1. Histogramas

Um dos mais famosos grficos e importantes grficos em estatstica representa as
freqncias, para dados contnuos, atravs de retngulos justapostos cujas reas
so proporcionais s freqncias de classes.
26

Exemplo: Voltemos ao exemplo das notas. Temos a seguinte tabela de
freqncias.

Classes de
Notas
F
j
0,0 |----- 1,7 5
1,7 |----- 3,4 6
3,4 |----- 5,1 6
5,1 |----- 6,8 1
6,8 |----- 8,5 4
8,5 |----- 10,2 3
Total 25

Para este caso temos o seguinte histograma:

Histograma Freqncia Absoluta
0
1
2
3
4
5
6
0,85 2,55 4,25 5,95 7,65 9,35

OBS

1. Os retngulos tm rea proporcional freqncia;
2. Os retngulos devem ser da mesma cor pois isso indica que representamos a
mesma realidade em cada classe;
3. No deve haver distncia entre as colunas dos histogramas;
4. Assim como na representao de dados discretos o histograma tem tambm suas
verses Acumulada, Relativa e Relativa Acumulada. O formato da verso
relativa igual verso absoluta e a verso da relativa acumulada ao da
acumulada, em ambos os casos variando-se apenas o eixo y.

27

Para o nosso caso

Classes de
Notas
F
j
F
AC
0,0 |----- 1,7 5 5
1,7 |----- 3,4 6 11
3,4 |----- 5,1 6 17
5,1 |----- 6,8 1 18
6,8 |----- 8,5 4 22
8,5 |----- 10,2 3 25
Total 25

O histograma para a F
AC

Histograma da Freqncia Absoluta
Acumulada
0
5
10
15
20
25

2. Polgono de Freqncias

Uma outra forma de representao de dados o polgono de freqncias. Nesta
representao utiliza-se uma linha poligonal para representar a variao das
freqncia das classes.
28

Exemplo: Voltemos mais uma vez ao nosso exemplo das notas

Classes de
Notas
F
j
PM

0,0 |----- 1,7 5 0,85
1,7 |----- 3,4 6 2,55
3,4 |----- 5,1 6 4,25
5,1 |----- 6,8 1 5,95
6,8 |----- 8,5 4 7,65
8,5 |----- 10,2 3 9,35
Total 25

Para desenhar o polgono de freqncias precisamos do ponto mdio das classes.
A partir destas marca-se a altura correspondente freqncia e depois une-se
esses pontos por uma linha poligonal. Assim temos

Polgono de Freqncias Freqncia
Absoluta
0
1
2
3
4
5
6
-0,85 0,85 2,55 4,25 5,95 7,65 9,35 11,1

OBS

O grfico consiste na ligao dos pontos cartesianos formados pelos
pontos mdios das classes e as freqncias por linhas poligonais;
Os pontos inicial e final do grfico so pontos mdios das classes que
existiriam antes da primeira e depois da ltima classe real dos dados. Eles
so introduzidos para manter a proporcionalidade na representao dos
dados;
Este grfico tambm pode ser utilizado para representar freqncias
acumuladas. Neste caso usam-se os pontos finais da classe como
referncia, ao invs dos pontos mdios. Para o nosso caso:
29

Polgono de Freqncias
Freqncias Acumuladas
0
5
10
15
20
25
0 1,7 3,4 5,1 6,8 8,5 10,2

O polgono de freqncias tambm pode ser utilizado para representar a
freqncia relativa acumulada. O polgono para freqncia relativa tem a
mesma forma do grfico de freqncia absoluta e o grfico de freqncia
absoluta acumulada mesma forma do polgono de freqncias
acumuladas. Em ambos os casos, apenas existe diferena na escala do
eixo y.

2. Grficos para Representao de Dados Diversos

At agora vimos a representao grfica apenas para dados de freqncia. Outros grficos so
importantes para representar outras classes de dados.

a. Grficos Lineares

So usados principalmente para representar sries temporais. Consiste em uma forma
cartesiana simples em que os pares ordenados (x,y) representam a informao e so
conectados por linhas poligonais.
30

Exemplo: Um pesquisador est estudando a populao de um dado pas e obtm os
seguintes dados:

Ano Populao
(em milhes)
1990 100
1991 108
1992 115
1993 125
1994 137

O grfico linear para esses dados :

Grfico Linear
90
100
110
120
130
140
1990 1991 1992 1993 1994

OBS

O grfico linear tem o mesmo comportamento do polgono de freqncias mas
serve para representar dados que no so freqncias.
O grfico linear muito bom quando se que enfatizar tendncias;
Mais de uma srie pode ser representada no mesmo grfico. Para tanto deve-se
observar:
1. Compatibilidade dos eixos;
2. A utilizao de cores ou padres para enfatizar as linhas
3. A utilizao de legendas.
31

Exemplo: Suponhamos uma empresa com a seguinte evoluo financeira

Ano Receita
(x 1000)
Despesa
(x 1000)
1998 100 80
1999 110 100
2000 120 120
2001 130 140
Grfico Linear para Dados
Multivariados
70
80
90
100
110
120
130
140
150
1998 1999 2000 2001

4. Um indicador de tendncia do grfico linear a inclinao dos
seguimentos de reta que o compe. A tendncia to maior quanto maior
for a inclinao dos mesmos.

b. Grfico de Colunas ou Barras

Os grficos de colunas ou barras so grficos que, assim como o histograma,
representam a magnitude dos dados pela rea do retngulo.
Os retngulos tm um lado fixo e, portanto, a magnitude dos dados representada pela
outra dimenso.
Quando os retngulos esto em posio vertical diz-se que temos grfico de colunas,
caso em posio horizontal diz-se que temos grficos de barras.
Todas as observaes feitas para os grficos de colunas valem para os grficos de barras,
respeitada a orientao particular.
Em geral os grficos de barra podem representar qualquer srie , mas so
particularmente importantes para sries especficas.
32

Grficos de colunas justapostas

So grficos em que a base do retngulo representa uma categoria (tipos, datas
etc) e que a altura do mesmo proporcional magnitude dos dados.

Exemplo: Em uma universidade foi feito um levantamento sobre o nmero de
alunos inscritos por curso obtendo-se:

Curso N alunos
Administrao 50
Anlise de Sistemas 30
Direito 70
Pedagogia 20

Temos o seguinte grfico de colunas justapostas para o nosso exemplo

Grfico de Colunas Justapostas
50
30
70
20
0
10
20
30
40
50
60
70
80
Administrao Anlise de
Sistemas
Direito Pedagogia

OBS

o Os grficos de colunas justapostas podem vir com as colunas coladas ou
com intervalos regulares entre elas;
o Pode-se colorir o grfico colocando uma cor em cada coluna ou ainda um
padro de preenchimento para cada coluna. Neste caso pode ser
necessria uma legenda;
o Todo raciocnio anterior vlido para os grficos de barras lembrando
que nesse caso a base do retngulo est no eixo vertical, como abaixo

33
Grfico de Barras Justapostas
50
30
70
20
0 20 40 60 80
Administrao
Anlise de
Sistemas
Direito
Pedagogia

c. Grficos de Colunas para Sries Multivariadas

Estes grficos so utilizados para representar dados onde para cada objeto observado
existe mais de uma fonte de informao. Este grfico uma generalizao do grfico de
colunas justapostas e, portanto, segue o mesmo tipo de regra de formao.

Exemplo: Suponha que o MEC fez um levantamento de dados sobre o nmero de alunos
nos cursos de Administrao, Direito, Pedagogia e Letras em quatro universidades de
uma mesma cidade obtendo a seguinte srie:

Curso
Universidade
Administrao Direito Pedagogia Letras
A 100 150 70 50
B 80 90 30 40
C 90 80 20 20
D 120 150 80 60

Uma representao grfica para esses dados a seguinte

34
Grficos para Sries Multivariadas
0
20
40
60
80
100
120
140
160
A
d
m
i
n
i
s
t
r
a
o
D
i
r
e
i
t
o
P
e
d
a
g
o
g
i
a
L
e
t
r
a
s
Universidade A
Universidade B
Universidade C
Universidade D

OBS

No grfico de sries multivariasdas uma noo muito clara tem que ser a de
classes distintas. Deve estar claro para o leitor onde comea e onde termina a
informao sobre cada classe. Isso se consegue colocando um espao vazio
separando-as.
Dentro da mesma classe as colunas podem vir juntas ou separadas. Se vierem
separadas a distncia entre elas deve ser visivelmente menor que o espao entre
as classes, de modo que no haja confuso na leitura da informao;
As colunas devem seguir a mesma ordem em cada classe. Cada coluna deve
apresentar uma cor e/ou padro de preenchimento diferente, constantes em cada
classe, e uma legenda deve ser associada ao grfico, de modo a facilitar a
transmisso de informaes.
35
Medidas de Centralidade

As medidas de centralidade que vamos estudar so:
Mdia
Mediana
Moda

1. Mdia
1.1. Mdia Aritmtica
A mdia aritmtica definida, para dados no agrupados, ou seja que no vem organizados em
uma tabela de freqncia como sendo:

n
x
X
j
j
=
onde
n n de observaes
x
j
valor das vrias observaes

Exemplo: Suponha os seguintes dados: 5, 6, 10, 8, 7, 6

A mdia para esse exemplo : 7
6
6 7 8 10 6 5
=
+ + + + +
.

Quando temos dados agrupados a mdia calculada como sendo:

n
F x
X
j j
=
onde
n n de observaes;
x
j
valor das observaes (caso discreto) ou ponto mdio das classes
(caso contnuo);
F
j
Freqncia absoluta das observaes (caso discreto) ou das classes
(caso contnuo).

Exemplo: Suponha a seguinte tabela de freqncias para dados discretos

Ocorrncias F
j
0 2
2 3
3 5
4 4

36
Neste caso a mdia calculada como:

64 , 2
4 5 3 2
4 4 5 3 3 2 2 0
=
+ + +
+ + + x x x x

Exemplo: Suponha a seguinte tabela de freqncias para dados contnuos

Classes F
j
Ponto mdio
0 |----- 2 1 1
2 |----- 4 3 3
4 |----- 6 4 5
6 |----- 8 2 7

Neste caso a mdia dada por

4 , 4
2 4 3 1
2 7 4 5 3 3 1 1
=
+ + +
+ + + x x x x

1.2. Clculo Simplificado da Mdia Aritmtica

Quando os valores dos dados esto separados por um valor constante (caso discreto) ou quando
temos classes do mesmo tamanho (caso contnuo) e os as ocorrncias (caso discreto) ou os
pontos mdios das classes (caso contnuos) so muito grandes para se usar o clculo tradicional
pode se usar o mtodo simplificado de clculo que consiste nos seguintes passos:

Calcula-se um novo ponto de referncia definido como:
h
x x
u
j
j
0
=
onde

x
j
valor das ocorrncias (caso discreto) ou ponto mdio
(caso contnuo);
x
0
valor constante escolhido arbitrariamente entre as
ocorrncias (caso discreto) ou pontos mdios
(caso contnuo). A idia escolh-lo o mais
prximo possvel dos valores centrais;
h diferena entre duas ocorrncias consecutivas (caso
discreto) ou dois pontos mdios consecutivos (caso
contnuo).
Calcula-se mdia para os novos valores de referncia (u
j
) calculados;
Calcula-se a mdia procurada utilizando a seguinte expresso:
0
x u h X + =

37

Exemplo: Dada a tabela de freqncias abaixo calcule a mdia

Classes F
j
Ponto
mdio
u
j
20 |----- 22 2 21 -1
22 |----- 24 5 23 0
24 |----- 26 4 25 1
26 |----- 28 1 27 2

Para este exemplo temos: x
0
= 23, h = 2
Assim
4 , 0
10
2 1 4 1 5 0 2 1
=
+ + +
=
x x x x
u

80 , 23 23 2 4 , 0 = + = x X

1.3. Mdia Harmnica
A mdia harmnica definida como

=
j
j
x
F
n
Mh
1.4. Mdia Geomtrica
A mdia geomtrica definida como

n
F
j
j
x Mh
=
1.5. Relao entre as mdias

X Mg Mh
38

2. Mediana ( X
~
)
A mediana a medida estatstica que deixa 50% dos valores abaixo de si e 50% acima. Temos dois
processos para achar a mediana: um para dados no agrupados e outro para dados agrupados.

2.1. Mediana para dados desagrupados.
Nmero mpar de valores

Quando tivermos dados no agrupados e o nmero de observaes for mpar
seguimos o seguinte processo.

Ordenamos os dados em ordem crescente,
Calculamos o termo de ordem
2
1
|
\
| + n
,
A mediana ser o valor colocado nessa posio.

Exemplo: 1, 5, 2, 3, 4, 7, 5, 8, 1

Ordenando os dados: 1, 1, 2, 3, 4, 5, 5, 7, 8
O termo que queremos tem ordem [(9+1)/2] = 5
Logo 4
~
= X

Nmero par de valores

Quando tivermos dados no agrupados e o nmero de observaes for par seguimos
o seguinte processo:

Ordenamos os dados em ordem crescente
Calculamos a ordem
2
|
\
| n

A mediana ser a mdia entre o valor da ordem acima indicada e o
prximo.

Exemplo: 1, 3, 7, 5, 5, 4, 3, 2, 4,3

Ordenando:1, 2, 3, 3, 3, 4, 4, 5, 5, 7
Calculando a ordem (10/2) = 5
A mediana 5 , 3
2
4 3
2
6 5 ~
=
+
=
+
= X
2.2. Dados Agrupados

Quando tivermos dados agrupados discretos procedemos da mesma forma dos dados
desagrupados, utilizando entretanto recursos provindos da tabela de freqncias.

39
Exemplo: Suponha a seguinte tabela de freqncias

Ocorrncias F
j
F
Ac
0 2 2
2 3 5
3 5 10
4 4 14

Observe que o n de observaes par (14). Neste caso como no caso anterior calcula-se o
temo de ordem (n/2), que nesse caso 7 e o prximo 8. A diferena aqui que para procurar
os termos utilizamos a tabela de freqncias acumuladas utilizando a seguinte regra: a primeira
vez que a freqncia acumulada dos dados for maior do que a ordem procurada aquele o
valor naquela ordem. Assim o 5 elemento 2 (Fac = 5) e o 6 3. Neste caso a mediana ser
5 , 2
2
3 2 ~
=
+
= X
Se tivermos dados contnuos utilizamos o seguinte processo
Calculamos o termo de ordem (n/2)
Definimos em que classe est a mediana;
Calcula-se a mediana com a frmula

( ) ( )
X
ACA
F
h F
n
l X
~
2
~
+
+ =
onde
l limite inferior da classe onde est a mediana ;
n nmero de observaes
F
ACA
F
AC
da classe anterior
X
F~ - Freqncia Absoluta da classe em que est a mediana
h Amplitude de Classe

Exemplo: Considere a seguinte tabela de freqncias para dados contnuos

Classe F
j
F
Ac
0 |----- 2 2 2
2 |----- 4 3 5
4 |----- 6 5 10
6 |----- 8 4 14

Clculo do termo de ordem (n/2) = 7
OBS Se n/2 no for inteiro considera-se o primeiro inteiro maior que o valor de
n/2.
Pela F
AC
sabemos que a mediana est na classe 4 |--- 6.
40
OBS Para encontra a classe em que est a mediana basta achar a classe em que
a F
AC
maior ou igual ao valor assumido para n/2.
Calculando agora a mediana

( )
8 , 4
5
2 5 7
4
~
=
+ = X
41

3. Moda

A moda , por definio, o valor mais freqente dos dados. Assim para dados no agrupados ou
para tabelas de freqncia de dados discretos basta localizar o valor de maior freqncia, e este ser
a moda.

Exemplo: Considere os seguintes dados

1,4,5,4,3,2,5,7,1,5,5
Neste exemplo a moda Mo = 5.

Exemplo: Considere a seguinte tabela de freqncias para dados discretos

Ocorrncias F
j
0 2
2 3
3 5
4 4

Neste caso basta observarmos qual a maior freqncia e a moda ser o valor que tem esta
freqncia. Nosso exemplo a maior freqncia 5 e o valor associado a ela 3 logo nossa moda
Mo = 3.

Caso tenhamos dados contnuos o clculo da moda um pouco mais complicado. Procedemos da
seguinte forma:

Definimos qual a classe que tem maior freqncia. Esta classe chamada classe
modal;
Calculamos a moda com a frmula

( )
2 1
1
+
+ =
h
l Mo

onde

l limite inferior da classe modal

1
- Freqncia da classe modal menos freqncia da
da classe anterior;

2
- Freqncia da classe modal menos freqncia da
da classe posterior;
h Amplitude de Classe

42
Exemplo: Suponha a seguinte tabela de freqncias

Classes F
j
0 |----- 2 1
2 |----- 4 3
4 |----- 6 4
6 |----- 8 2

Localizar a classe de maior freqncia: Classe 4 |---- 6
Calculando a moda

( )
67 , 4
3
2
4 2
) 2 4 ( 3 4
3 4
4 = + =
|
|
\
|
+
+ = Mo
43
Medidas de Disperso

Suponha que estivssemos observando dois grupos de alunos e anotando os resultados dos
mesmos em uma dada prova. Suponha ainda que os resultados fossem:

Grupo 1 - 5,0 ; 5,0 ; 5,0 ; 5,0 ; 5,0

Grupo 2 - 4,0 ; 5,0 ; 8,0 ; 7,0 ; 1,0.

Se calcularmos a mdia dos dois grupos vemos que ambos apresentam a mesma mdia
aritmtica, 5,0, mas tambm vemos claramente que o conjunto de dados provm de grupos cujos
resultados so bem diferentes.
A diferena entre um grupo e outro se encontra num fato que a mdia, assim como qualquer
outra medida de posio no pode perceber: a variabilidade dos dados.
Para caracterizar essas diferenas os estatsticos criaram as medidas de disperso, das quais
vamos estudar:
Amplitude Total;
Desvio mdio;
Varincia;
Desvio Padro;
Coeficiente de Variao

1. Amplitude Total (A
T
)

uma medida muito simples, sendo definida como a diferena entre o maior e o menor valor
das observaes, ou seja

A
T
= mx - mn

Exemplo: Suponha que temos o seguinte conjunto de dados 1; 2,5; 3; 1; 7; 2; 5. Para esse caso a
amplitude total dada por

A
T
= mx - mn

A
T
= 7 - 1 = 6

OBS - Essa medida tem aplicaes muito limitadas pois s capta o que acontece com os valores
extremos, sendo completamente insensvel aos valores intermedirios.

2. Desvio Mdio (D
M
)

Uma maneira muito interessante de perceber como os dados esto dispersos perceber como
esto variando em torno da mdia. Uma forma de fazer isso com o desvio mdio.

44
O desvio mdio definido como a mdia dos valores absolutos dos desvios em relao mdia
aritmtica, ou seja:

n
F X x
D
j j
M

=

onde

x
j
- a j-sima ocorrncia possvel (caso discreto) ou o ponto mdio do j-simo intervalo
(caso contnuo);

F
j
- a freqncia absoluta da j-sima ocorrncia possvel (caso discreto) ou da j-sima
classe (caso contnuo);

X - a mdia aritmtica das observaes;

n - nmero de observaes;

Exemplo: Suponha que temos a seguinte tabela de freqcias

Classes F
j
0 |---- 2 1
2 |---- 4 3
4 |---- 6 2
6 |---- 8 1
Para facilitar a aplicao da expresso do desvio mdio, vamos criar algumas colunas auxiliares
na nossa tabela de freqncias, de modo que nossa nova tabela dada por:

Classes F
j
Ponto
Mdio
x
j
x
j
F
j |x
j
- X | |x
j
- X |F
j
0 |---- 2 1 1 1 2,86 2,86
2 |---- 4 3 3 9 0,86 2,58
4 |---- 6 2 5 10 1,14 2,28
6 |---- 8 1 7 7 3,14 3,14
Totais 7 27 10,86

As colunas auxiliares so, na verdade, organizao do processo aritmtico de clculo da medida.
Observe que para montar a 5 coluna precisamos saber quanto vale a mdia aritmtica. Para
tanto podemos usar as colunas 4 e 2 para calcular. Nesse caso temos

86 3
7
27
, X = =
Assim
45

55 1
7
86 10
.
.
D
M
= = .

3. Varincia (S
2
)

Outra medida de disperso em torno da mdia a varincia que definida como

( )
=
j j
F X x
n
S
2
2
1
1

onde

x
j
- a j-sima possvel ocorrncia (caso discreto) ou o ponto mdio da j-sima classe
(caso contnuo);

F
j
- Freqncia Absoluta da j-sima ocorrncia possvel (caso discreto) ou da j-sima
classe (caso contnuo);

X - Mdia aritmtica da amostra;

n - Nmero de observaes da amostra.

OBS -

fato de dividirmos por n-1 est relacionado ao fato de j termos usado a amostra para
calcular a mdia
Da forma como est definida a varincia se torna muito inconveniente para ser calculada.
Mas desenvolvendo sua expresso chega-se a uma forma alternativa muito mais prtica

( )
=

n
F x
F x
n
S
j j
j j
2
2 2
1
1

46

Exemplo: Retornemos ao exemplo anterior criando mais uma vez colunas auxiliares

Classes F
j
x
j
x
j
F
j
x
j
2
x
j
2
F
j
0 |----- 2 1 1 1 1 1
2 |----- 4 3 3 9 9 27
4 |----- 6 2 5 10 25 50
6 |----- 8 1 7 7 49 49
Totais 7 27 127

Logo

( )
8 3
7
27
127
6
1
2
2
, S =
=

Algumas propriedades da Varincia

(a) Varincia de dados constantes zero;
(b) Suponha que temos um conjunto de dados tais que a sua varincia dada por S
2
.
Suponha que por algum motivo os dados sejam multiplicados por uma constante c.
Assim a varincia do conjunto de dados multiplicado pela constante dada por c
2
S
2
.
(c) Suponha que temos um conjunto de dados cuja varincia seja S
2
. Suponha que por
algum motivo multiplica-se os dados por uma constante "a" e soma-se ao resultado
uma outra constante "b". A nova varincia dos dados, depois de feitas as operaes
ser a
2
S
2
.

Clculo simplificado da varincia.

Assim como no caso da mdia tambm no caso da varincia existe um processo
simplificado de clculo. Como no caso da mdia tambm dividiremos em 3 etapas:

Define-se a seguinte transformao nos dados

n
x x
z
j
j
0
=
47
onde

x
j
- observaes originais (no caso de dados desagrupados ou agrupados discretos) ou
ponto mdio das classes (caso contnuo);

x
0
- constante arbitrria escolhida convenientemente;

h - Distancia entre as observaes (caso discreto) ou amplitude de classe (caso contnuo)

Exemplo: Seja a seguinte tabela de freqncias

x
j
F
j
8 3
9 6
10 4
11 2
Vamos assumir a seguinte transformao

1
10
=
j
j
x
z
Neste caso acrescentando uma coluna para os valores transformados teramos

x
j
F
j
z
j
8 3 -2
9 6 -1
10 4 0
11 2 1
O prximo passo consiste em calcular a varincia dos dados transformados

( )
( )
n
F z
F z
n

F Z z
n
S
j j
j j
j j z
2
2
2
2
1
1
1
1

Assim para o nosso exemplo acrescentamos as colunas auxiliares, em relao a z para o
clculo da varincia:
48

x
j
F
j
z
j
z
j
F
j
z
j
2
z
j
2
F
j
8 3 -2 -6 4 12
9 6 -1 -6 1 6
10 4 0 0 0 0
11 2 1 2 1 2
Totais 15 -10 20
Logo

95 0
15
100
20
14
1
2
. S
z
=
=

O terceiro passo consiste em calcular propriamente a varincia dos dados originais. Para
tanto aplica-se a propriedade (c) da varincia pois observe-se que a transformao
utilizada pode ser escrita como sendo

0
x hz x
j j
+ =
Sendo assim aplicando-se a propriedade (c) temos que

2 2 2
z
S h S =
Logo para o nosso caso temos

95 0 95 0 1
2
, , x S = =

4. Desvio Padro (S)

Pelo fato de a Varincia ser uma medida que utiliza o quadrado dos desvios em relao mdia,
sentiu-se a necessidade de uma medida que utilizasse a mesma unidade dos dados. Esta medida
chamada desvio padro.

O desvio padro definido to somente como a raiz quadrada positiva da varincia.

2
S S =

5. Coeficiente de Variao (CV)

uma medida relativa de disperso. Utilizada para fazer comparao da disperso de duas
sries distintas em torno de suas respectivas mdias. Define-se como

49
X
S
CV =
Exemplo: Considere que tenhamos duas sries. A primeira com mdia 4 e desvio padro 1.5 e
outra com mdia 3 e desvio padro 1.3. Neste caso temos os seguintes CV's:

43 0
3
3 1
375 0
4
5 1
2
1
.
.
CV
.
.
CV
= =
= =

logo conclui-se que a primeira srie tem uma disperso relativa em torno da mdia maior que a
segunda.
Em geral CV maior ou igual a 50% considerado alto, sendo a mdia pouco representativa.
Valores menores que 50% implicam CV baixo e a mdia to mais representativa quanto
menor for o valor do CV.
50
Medidas de Assimetria, Curtose e Complementos s Medidas de
Centralidade

Uma questo importante quanto descrio dos dados saber onde est a maior concentrao
de valores (por exemplo se a maior concentrao se d antes ou depois da mdia). Esta questo
respondida pelas medidas de assimetria.
Uma outra questo que podemos responder : como se d a concentrao? Muito acentuada ou
no ? Para essa pergunta utiliza-se os coeficientes de Curtose.

1. Assimetria

Diz-se que uma distribuio simtrica se obedece seguinte condio

Mo X
~
X = =
Graficamente

Quando uma distribuio no simtrica diz-se que assimtrica. Neste caso temos duas
possibilidades:

Assimetria Direita ou Positiva - Isso ocorre quando a maior concentrao dos dados est
localizada abaixo da mdia, ou seja

X X
~
Mo < <
51

Graficamente

Assimetria Esquerda ou Negativa - isso ocorre quando temos uma concentrao dos dados
acima da mdia, ou seja

X X
~
Mo > >

Graficamente

Uma medida estatstica que caracteriza a assimetria o coeficiente de Pearson que definido
como

S
Mo X
As

=

onde

X a mdia aritmtica;

52
Mo a moda

S o desvio padro

Para essa medida temos o seguinte comportamento

Direita Assimetria As Se
Esquerda Assimetria As Se
Simetria As Se
>
<
=
0
0
0

2. Curtose

A curtose uma medida de "achatamento" da distribuio. Se uma distribuio pouco achatada
dizemos que Leptocrtica. Quando a distribuio tem um certo grau de achatamento dizemos que
Mesocrtica. Quando muito achatada diz-se que Platicrtica..

Graficamente podemos representar como

A medida estatstica que caracteriza a Curtose

) P P (
Q Q
K
10 90
1 3
2
=
Se

ca Leptocrti . K
ca Platicrti . K
a Mesocrtic . K
<
>
=
263 0
263 0
263 0

53
Nmeros ndices

Os nmeros ndices so medidas estatsticas usadas para comparar grupos de variveis
relacionadas entre si e para obter um quadro de mudanas significativas ao longo do tempo ou ao longo
do espao.

1. Relativos de Preo, Quantidade e Valor

um ndice simples que compara preo, quantidade e/ou valor em dois pontos distintos do
tempo.

Relativo de Preo
0
0
p
p
p
t
t ,
=

Relativo de Quantidade
0
0
q
q
q
t
t ,
=

Relativo de Valor
0 0
0
q p
q p
v
t t
t ,
=

Onde

0
p - Preo n poca-base;

t
p - Preo na poca atual;

0
q - Quantidade na poca-base;

t
q - Quantidade na poca atual;

0
v - Valor na poca-base

t
v - Valor na poca atual.

Exemplo: Em 1999 uma empresa vendeu 500 unidade de um produto a um preo unitrio de
$50,00. Em 2000 vendeu 800 unidade do mesmo produto ao preo unitrio $ 70,00.

% ou ,
p
p
p
,
140 4 1
50
70
1999
2000
00 99
= = =
% ou ,
q
q
q
,
160 6 1
500
800
1999
2000
00 99
= = =
% 224 ou ,
x
x
q p
q p
v
,
4 2
500 50
800 70
1999 1999
2000 2000
00 99
= = =
54

ou seja, tivemos uma alta relativa de preos (40%), uma alta relativa de quantidade (60%) e uma
alta relativa de valor (124%).

2. Nmeros-ndice Sintticos

Na prtica os problemas envolvendo ndices de preos so mais complexos que a simples
comparao dos relativos. So resultantes da necessidade de comparao de vrias sries.
Para se resolver este problema criou-se um conjunto de ndices, cujos principais so:

a) ndice Agregativo Simples

De preos
=
i
i
t
p
p
p
I
0

De quantidade
=
i
i
t
q
q
q
I
0

Onde

i
p
0
- o preo do produto i no ano base;

i
t
p - o preo do produto i no perodo atual;

i
q
0
- a quantidade do produto i no ano base;

i
t
q - a quantidade do produto i no perodo atual.

um ndice de fcil aplicao com as seguintes limitaes:

Falta de ponderao dos ndices;
Falta de Homogeneidade dimensional dos diversos itens.

55

Exemplo: Suponha que para dois produtos que queremos compara tenhamos os
seguintes dados:

1999 2000
Produto Preo
Unitrio
Quantidade
Vend.
Preo
Unitrio
Quantidade
Vend
A 30 100 40 90
B 40 150 45 200

Para esse caso temos

% ou , I
p
121 21 1
70
85
40 30
45 40
= =
+
+
=

ou seja, por esse ndice tivemos um aumento de 21% nos preos.

% , I
q
116 16 1
250
290
150 100
90 200
= = =
+
+
=

ou seja, por esse ndice tivemos uma aumento de 16% nas quantidades.

b) ndices Mdios dos Relativos

Mdia Aritmtica

n
p
P
i
t ,
t ,
=
0
0

n
q
Q
i
t ,
t ,
=
0
0

Mdia Geomtrica

n
i
t ,
G
t ,
p P
=
0 0

n
i
t ,
G
t ,
q Q
=
0 0

Mdia Harmnica

56

= =
i
t ,
i
, t
H
t ,
p
n
p
n
P
0
0
0
1

= =
i
t ,
i
, t
H
t ,
q
n
q
n
Q
0
0
0
1

onde

i
t ,
p
0
- o relativo de preo do produto i;

i
t ,
q
0
- o relativo de quantidade do produto i.

Exemplo: Voltando ao exemplo anterior temos:

23 1
2
40
45
30
40
00 99
. P
,
=
+
=

12 1
2
150
200
100
90
00 99
. Q
,
=
+
=

22 1
40
45
30
40
00 99
. P
G
,
= =

09 1
150
200
100
90
00 99
. Q
G
,
= =

22 1
40
45
1
30
40
1
2
00 99
. P
H
,
=
+
=
07 1
150
200
1
100
90
1
2
00 99
. Q
H
,
=
+
=

c) ndices Ponderados

Devido a deficincia dos ndices simples, em especial no critrio relativo a importncia de cada
produto no ndice, criou-se uma seqncia de ndices ponderados, dos quais os mais
importantes so:
57

(1) ndice de Laspeyres

Este ndice definido como a mdia ponderada dos relativos, sendo que a
ponderao feita utilizando-se os preos ou as quantidades da poca-base.
Assim temos o ndice de preos

=
i i
i i
t
t ,
q p
q p
L
0 0
0
0

e o ndice de quantidade

=
i i
i i
t Q
t ,
p q
p q
L
0 0
0
0

(2) ndice de Paasche

Este ndice absolutamente similar ao ndice de Paasche, com a diferena de que
a ponderao feita utilizando-se a data atual. Assim o ndice de preos

=
i
t
t
i
t
i
t
t ,
q p
q p
P
0
0

enquanto o ndice de quantidade

=
i
t
t
i
t
i
t Q
t ,
p q
p q
P
0
0

Voltando ao exemplo anterior calculemos os ndices de Paasche e Laspeyres:

194 1
150 40 100 30
150 45 100 40
1999 1999
1999 2000
00 99
,
* *
* *
q p
q p
L
i i
i i
,
=
+
+
= =

19 1
40 150 30 100
40 200 30 90
1999 1999
1999 2000
00 99
,
* *
* *
p q
p q
L
i i
i i
Q
,
=
+
+
= =

58
18 1
200 40 90 30
200 45 90 40
2000 1999
2000 2000
00 99
,
* *
* *
q p
q p
P
i t
i i
,
=
+
+
= =

17 1
45 150 40 100
45 200 40 90
2000 1999
2000 2000
00 99
,
* * *
* *
p q
p q
P
i t
i i
Q
,
=
+
+
= =

d) Mudana de Base

Na prtica a mudana de base de uma srie feita dividindo-se cada ndice da srie original
pelo nmero-ndice correspondente nova poca bsica. Tal procedimento no 100% correto
mas seu uso tem sido freqnte e com bons resultados.

Exemplo. A tabela abaixo apresenta o ndice de produo industrial de 1979 a 1987, sendo o
ano base 1979. Obter uma nova srie de ndices, adotando 1983 como base:

Anos 1979 1980 1981 1982 1983 1984 1985 1986 1987
ndice
De Produo
Industrial
(1979=100)
100 104 97 112 120 124 134 125 141

Soluo: O novo ndice ser obtido dividindo-se cada um dos valores da srie por 120 e
multiplicando por 100 para ficar em percentual

Anos 1979 1980 1981 1982 1983 1984 1985 1986 1987
ndice
De Produo
Industrial
(1979=100)
83 87 81 93 100 103 112 104 118

Estatística - para Concursos ESAF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Estatística - para Concursos ESAF

Hochgeladen von

Copyright:

Verfügbare Formate

www.ResumosConcursos.hpg.com.

Das könnte Ihnen auch gefallen