EAD

Medidas Estatsticas
de disperso

1. Objetivos
Conceituar as principais medidas estatsticas de disperso.
Aplicar e interpretar as medidas de disperso.
Relacionar as medidas de disperso.
Apresentar os clculos das medidas estatsticas em calculadoras cientficas.
Apresentar os clculos das medidas estatsticas por meio
de planilha Excel.

2. ContedoS
Varincia e desvio padro.
Coeficiente de variao.
ndice de assimetria.

98

Estatstica

3. orientaes para o estudo da unidade

Antes de iniciar o estudo desta unidade, importante que
voc leia as orientaes a seguir:
1) Lembre-se de que sua participao pode significar a diferena entre apenas ler contedos ou transformar conhecimentos em qualidade profissional. Por isso, no deixe
de interagir com seus colegas de turma e com o tutor.
2) Antes de iniciar os estudos desta unidade, importante
refletir sobre alguns conceitos introdutrios essenciais,
os quais sero discutidos com mais detalhes durante o
andamento desse Caderno de Referncia de Contedo:
Medida estatstica de disperso ferramenta que
visa representar a variabilidade presente nos dados e
muito til na anlise da representatividade da mdia
aritmtica e tambm futuramente nos clculos probabilsticos.
Coeficiente de variao ferramenta que permite
analisar comparativamente a variabilidade entre dois
ou mais conjuntos e tambm uma referncia para
avaliar o grau de variabilidade de uma varivel.
ndice de assimetria medida que visa contabilizar o
fenmeno da simetria ou assimetria da varivel, cujo
conceito foi discutido na unidade anterior.

4. INTRODUO unidade
As medidas de disperso so chamadas, tambm, medidas
de variabilidade. Chama-se variao ou disperso de dados o grau
de diferena existente entre os dados de uma varivel quantitativa, ou seja, o quanto os dados numricos tendem a se dispersar
em torno da mdia aritmtica.
Essa anlise importante para avaliarmos o quanto a mdia
aritmtica tem de capacidade para representar os dados de uma
varivel. Para ilustrar, apresentamos o exemplo a seguir.

 U4 - Medidas Estatsticas de disperso

99

Exemplo
Um grupo de pessoas tem os seguintes salrios em reais:
X = {1 260, 00; 1 275, 00; 1 265, 00; 1 260, 00; 1 270, 00}
Calculando o salrio mdio, temos:
=
X

=
n

6330
= 1266, 00
5

Agora, vejamos um segundo conjunto de funcionrios, com

os seguintes salrios:
X = {1 535, 00; 1 000, 00; 1 755, 00; 1 100, 00; 940, 00}
Calculando o salrio mdio, temos:
=
X

X
=
n

6330
= 1266, 00
5

Note que o clculo do salrio mdio para os dois conjuntos

de funcionrios resultou na mesma mdia, embora os funcionrios do conjunto 1 apresentem salrios mais prximos da mdia
(um desvio menor em relao mdia), e os funcionrios do conjunto 2 apresentem salrios mais distantes da mdia (um desvio
maior em relao mdia).

5. MEDIDAS DE DISPERSO
Vimos que o clculo da mdia aritmtica no diferencia o
grau de variao (de desvio) dos dados, pois ela considera os dados homogneos, ou seja, para a mdia os dados so iguais. Veja o
esquema colocado na Figura 1:

Claretiano - Centro Universitrio

100

Estatstica

Figura 1 A mdia considera que todos os valores so iguais prpria mdia.

Exemplo
Observe o conjunto X = {2, 6, 12, 20} . Calculando a mdia,
temos:
=
X

X
=
n

2 + 6 + 12 + 20
=
4

40
= 10
4

Assim, a mdia transforma os dados e cada valor passa

a ser exatamente igual mdia, ou seja, o conjunto X pode ser
interpretado como um novo conjunto de dados transformados
X T = {10, 10, 10, 10} .
Sendo assim, importante questionar o seguinte: Os dados observados (reais e verdadeiros) so prximos o suficiente
da mdia para validar a aproximao, ou os desvios dos valores
so baixos em relao mdia? Isso vem ao encontro das anlises feitas na unidade anterior. L dissemos que a mdia funciona
melhor quando os dados possuem pouca variao, ou seja, pouca
diferena entre si. Se isso ocorre, certamente a aproximao ser
adequada.
Para responder questo apresentada, devemos ento
mensurar, calcular o grau de variao dos dados, que o mesmo
que avaliar a distncia de cada valor em relao mdia, que chamaremos desvios. Mas, como podemos medir esses desvios? Se

 U4 - Medidas Estatsticas de disperso

101

voc respondeu que devemos subtrair cada valor X da mdia X ,

est com a razo.
Para mensurar a variabilidade existente nos dados, vamos
ter de subtrair cada um dos valores observados X da mdia, ou
seja, fazer ( X X ) . Como temos vrios valores, ao final das subtraes, vamos somar essas diferenas, da forma: ( X X ) .
Efetuando o clculo no exemplo 2, temos:

( X X ) =( 2 10 ) + ( 6 10 ) + (12 10 ) + ( 20 10 ) =
=
8 4 + 2 + 10 =
12 + 12 =
0
Note que o clculo resultou em zero. Isso significa que existe
uma igualdade entre os dois conjuntos de dados, isto , X e XT so
iguais. Mas como isso possvel se eles so diferentes? Isso ocorre
por causa da centralidade da mdia aritmtica.
Para qualquer caso que fizermos o clculo anterior, o resultado sempre ser igual a zero. Assim, para evitar que isso acontea,
deveremos considerar os desvios elevados ao quadrado. Porque
ao quadrado? Lembre-se de que sempre que elevamos um valor
negativo ao quadrado o resultado ser positivo. Assim, ao somarmos os desvios ao quadrado, no encontraremos valores negativos e, assim, a soma no ser sempre igual a zero.
Vamos ento trabalhar com a seguinte soma de quadrados:
2
( X X ) .
No exemplo 1, temos:

( X X )

=
( 2 10 ) + ( 6 10 ) + (12 10 ) + ( 20 10 ) =
2

= (8) 2 + (4) 2 + (2) 2 + (10) 2 = 64 + 16 + 4 + 100 = 184

Veja que o uso do quadrado dos desvios funcionou de fato,

pois o resultado no deu zero, ou seja, existe diferena entre os
elementos, ou, se preferir, existe diferena entre os elementos e
a mdia.
Claretiano - Centro Universitrio

102

Estatstica

Com base nessa soma de quadrados, foram desenvolvidas

algumas medidas de disperso.
A varincia amostral
2
A varincia amostral, que denotaremos por S , definida
como a mdia dos desvios ao quadrado e calculada da seguinte
forma:

S =

( X

X)

n 1

Note que o clculo dessa diferena mdia usa uma diviso

por (n 1) e no por n, em razo de termos dados amostrais.
Quando o clculo envolve todos os elementos da populao, a
diviso passa a ser feita por n. Mas em Estattica, sempre estamos trabalhando com amostras e, portanto, faremos a diviso por
(n 1) . Para os dados do exemplo 2, temos:
2

=
S

( X

X)
=
n 1
2

184
=
4 1

184
= 61,3
3

Pela frmula da varincia amostral, que utiliza os quadrados,

a diferena mdia entre os valores do conjunto X de 61,3 unidades. Se voc comparar os valores entre si, ver que a maior diferena est entre o valor 2 e o valor 20, ou seja, uma diferena de
18 unidades. Assim, podemos afirmar que o valor fornecido pela
varincia amostral exagera a variao verdadeira.
Para corrigir essa deficincia da varincia, foi desenvolvida
uma segunda medida de disperso, o desvio padro amostral.
O desvio padro amostral
O desvio padro amostral, que denotaremos por S, definido como a raiz quadrada da mdia dos desvios ao quadrado, ou
simplesmente a raiz quadrada da varincia, e calculada da seguinte forma:

 U4 - Medidas Estatsticas de disperso

S =

( X

X)

103

n 1

Para os dados do exemplo 2, temos:

=
S

( X

X)
=
n 1
2

184
=
4 1

184
=
3

=
61,3 7,8

Note que o valor do desvio padro mais correto para dimensionar o grau de variabilidade dos dados e, por isso, a medida de disperso mais utilizada na prtica, com muitas aplicaes
nas mais diversas reas.
Antes de discutir algumas aplicaes da mdia em conjunto
com o desvio padro, vejamos alguns exemplos para praticar a frmula de clculo.
Exemplo
Para cada um dos conjuntos a seguir, calcule a mdia e o
desvio padro:
a) X = {2, 2, 4, 6, 7,15}
=
X

X=
n

2 + 2 + 4 + 6 + 7 + 15 36
= = 6
6
6

Claretiano - Centro Universitrio

104

Estatstica

( X X )
=
2

n 1

(2 6) 2 + (2 6) 2 + (4 6) 2 + (6 6) 2 + (7 6) 2 + (15 6) 2
=
6 1
(4) 2 + (4) 2 + (2) 2 + (0) 2 + (1) 2 + (9) 2
=
5
16 + 16 + 4 + 0 + 1 + 81
=
5
=

118
=
5

=
23, 6 4,86

Interpretando os resultados
Os valores valem em mdia 6 unidades, com uma variao
mdia entre os valores de 4,86 unidades.
b) X = {1,5; 2,5;3, 7;1,1}
Resolvendo, temos:
=
X

X
=
n

1,5 + 2,5 + 3, 7 + 1,1

=
4

8,8
= 2, 2
4

 U4 - Medidas Estatsticas de disperso

105

( X X )
=
2

=
S

n 1

(1,5 2, 2) 2 + (2,5 2, 2) 2 + (3, 7 2, 2) 2 + (1,1 2, 2) 2

=
4 1
(0, 7) 2 + (0,3) 2 + (1,5) 2 + (1,1) 2
=
3
0, 49 + 0, 09 + 2, 25 + 1, 21
=
3
=

4, 04
=
3

=
1,35 1,16

Interpretando os resultados
Os valores valem em mdia 2,2 unidades, com uma variao
mdia entre os valores de 1,16 unidades.

6. APLICAES DO DESVIO PADRO

O desvio padro e tambm, de certa forma, a varincia no
possuem uma aplicao isolada. Essas medidas possuem uma
aplicao relacionada com a mdia, em especial, e futuramente
com medidas de probabilidade e inferncias. Por enquanto, vamos
apresentar duas importantes aplicaes do desvio padro em conjunto com a mdia.
O coeficiente de variao
O coeficiente de variao de Pearson, que denotaremos por
CV, uma medida de variabilidade relativa e possui duas aplicaClaretiano - Centro Universitrio

106

Estatstica

es: a primeira, que permite a comparao da variabilidade entre

dois ou mais conjuntos e/ou variveis, mesmo que sejam de natureza diferente; a segunda, que permite uma anlise isolada da
representatividade da mdia, pois dependendo do valor do CV, o
grau de variabilidade ser alto o suficiente para prejudicar a anlise da mdia.
O coeficiente de variao calculado da seguinte forma:
CV =

S
X

Como uma medida relativa, pode ser dada em porcentagem, basta que multipliquemos o resultado por 100.
Segundo Martins (2002), valores de CV acima de 30% podem
ser interpretados como muito altos e, desse modo, a mdia tem
sua representatividade comprometida.
Exemplo
No estudo da produtividade de dois funcionrios, uma empresa avaliou o nmero de peas que cada um conseguia montar
em um determinado perodo de tempo e repetiu esse processo
durante 5 dias de trabalho. Os conjuntos de dados a seguir representam o nmero de peas (X) montadas por dia de cada um:
Funcionrio 1: X = {10,12,15,11,14} .
Funcionrio 2: X = {12,11,15,16,19} .
O interesse da empresa verificar qual dos dois possui uma
produtividade mais irregular (com mais variao). Qual ser o funcionrio escolhido?
Para responder a essa questo, teremos de calcular o CV de
cada funcionrio, o que significa que teremos de calcular a mdia
e o desvio padro do nmero de peas montadas. Vamos aos clculos:
Para o funcionrio 1:

 U4 - Medidas Estatsticas de disperso

107

+ 14
X 10 + 12 + 15 + 11=
=
5
n
62
= 12, 4 peas em mdia por dia
5

=
X
=

( X X )
=
n 1
2

=
S

(10 12, 4) 2 + (12 12, 4) 2 + (15 12, 4) 2 + (11 12, 4) 2 + (14 12, 4) 2
=
5 1
17, 2
=
4

=
4,3 2, 07

O resultado 2,07 a variao mdia diria na produo das

peas.
S
=
X

CV
=

2, 07
= 0,1669 ou 16, 69%
12, 4

Para o funcionrio 2:
=
X
=

X
=
n

12 + 11 + 15 + 16 + 19
=
5

73
= 14, 6 peas em mdia por dia
5

( X X )
=
2

=
S

n 1

(12 14, 6) 2 + (11 14, 6) 2 + (15 14, 6) 2 + (16 14, 6) 2 + (19 14, 6) 2
=
5 1
=

41, 2
=
4

=
10,3 3, 21

O resultado 3,21 a variao mdia diria na produo das

peas.

Claretiano - Centro Universitrio

108

Estatstica

CV
=

S
=
X

3, 21
= 0, 2199 ou 21,99%
14, 6

Com base nos clculos, vemos que o funcionrio 2 que

possui uma produo mais irregular, pois seu coeficiente de variao mais alto.
O ndice de assimetria
O ndice de assimetria serve para avaliarmos o grau de
assimetria dos dados, e como j discutido na unidade anterior, a
ocorrncia de simetria favorece a anlise pela mdia e tambm
ser til na composio das medidas de inferncia estatstica.
Dessa forma, quanto mais assimtricos forem os dados, mais
ineficiente a mdia, e, ainda, quando temos dados simtricos a
ocorrncia da variao menor.
O ndice de assimetria calculado da seguinte forma:
IA =

3 x ( X Md )
S

Voc se lembra de que a simetria ocorre quando a mdia

igual mediana e moda, no ? Pois bem, se os dados forem
simtricos, X = Md , percebe-se que IA ser igual a zero. Assim,
quanto mais o valor de IA se afastar de zero, maior ser a assimetria dos dados, lembrando que IA pode ser positivo ou negativo,
dependendo dos valores da mdia e da mediana.
Exemplo
Dois setores produtivos, indstrias metalrgicas e indstrias
alimentcias, foram pesquisados de acordo com a produo mensal
em toneladas de produtos. A finalidade do estudo avaliar em
qual setor a produo mensal se mantm mais concentrada em
torno da produo mdia e em qual existem mais ocorrncias de

 U4 - Medidas Estatsticas de disperso

109

meses de picos de produo. Para a anlise, foram considerados 6

meses de produo (X), com os seguintes dados (em toneladas):
a) Setor metalrgico:
X = {10, 4; 11,5; 12, 4; 10,5; 11, 7; 11,9}
b) Setor alimentcio:
X = {5, 4; 6, 7; 9,1; 5, 7; 4, 6; 5, 2}
Qual a anlise que podemos fazer, considerando o interesse
do estudo?
Para resolver o exerccio, devemos avaliar o grau de assimetria
dos dados. Assim, deveremos calcular a mdia, a mediana e o
desvio padro dos dados. Vamos l.
a) Para o setor metalrgico:
=
X

=
n

68, 4
= 11, 4
6

Md = 11,6 (lembre-se de ordenar os dados).

=
S

( X

X)
=
n 1
2

3,16
=
6 1

3,16
=
5

=
0, 632 0, 795

Ento:
=
IA
=

3 ( X Md )
=
S

3 ( 0, 2 )
0, 795

3 (11, 4 11, 6 )
=
0, 795

0, 6
= 0, 755
0, 795

b) Para o setor alimentcio:

Claretiano - Centro Universitrio

110

Estatstica

=
X

=
n

36, 7
= 6,12
6

Md = 5,55 (lembre-se de ordenar os dados).

X)
( X=
2

=
S

n 1

13, 068
=
6 1

13, 068
==
2, 614 1, 617
5

Ento:
=
IA

3 ( X Md )
=
S

3 ( 0,57 )
=
1, 617

3 ( 6,12 5,55 )
=
1, 617

1, 71
= 1, 057
1, 617

A partir dos clculos, notamos que o ndice de assimetria do

setor metalrgico menor (ignore o sinal de negativo para realizar a comparao) que o do setor alimentcio. Assim, no setor
metalrgico a produo mensal est mais concentrada prxima da
mdia mensal, enquanto no setor alimentcio a produo mensal
se distancia mais da produo mdia, com possveis picos de produo.

7. USO DE RECURSOS TECNOLGICOS PARA O CLCULO DA MDIA E DO DESVIO PADRO

Como o clculo do desvio padro pode ser muito trabalhoso,
existem algumas alternativas prticas para otimizar o seu clculo.
Vamos primeiro apresentar os procedimentos para o clculo da
mdia aritmtica simples e do desvio padro em alguns modelos
de calculadoras financeiras e cientficas. Tomaremos como exemplo o seguinte conjunto numrico: X = {1, 2,3, 4} . Para esses dados: mdia X = 2,5 e desvio padro S = 1, 291 , que podem ser
utilizados para conferir os clculos.

 U4 - Medidas Estatsticas de disperso

111

Na calculadora financeira HP12C

1) Limpar a memria:
F

SST

1) Digitar os dados na memria:

2) Clculo da mdia X :
G

3) Clculo do desvio padro S:

G
.
Para um novo clculo, repetir os passos de 1 a 4.
Na calculadora cientfica Casio FX-82 ou similares

Claretiano - Centro Universitrio

112

Estatstica

1) Entrar no mdulo estatstico:

Mode
2
2) Apagar a memria:
3) Digitar os dados na memria:
1

4) Clculo da mdia X :
5) Clculo do desvio padro S:
Para um novo clculo, repetir os passos de 2 a 5.
Nas calculadoras cientficas mais simples, do tipo Kenko, Trulli e
Maxxi e similares

1) Entrar no mdulo estatstico:

2nfO

2) Digitar os dados na memria:

1

M+

M+

3) Clculo da mdia X :
XM

M+

M+

 U4 - Medidas Estatsticas de disperso

113

4) Clculo do desvio padro S:

RM
5) Apagar a memria:
2nfO

Para um novo exerccio, repetir os passos de 1 a 5.

Na calculadora cientfica Texas do tipo da 36X e similares

1) 3rd

CSR Entrar no mdulo estatstico:

2) Digitar os dados na memria:

3) Clculo da mdia X :
4) Clculo do desvio padro S:

Claretiano - Centro Universitrio

114

Estatstica

5)

AC/ON Apagar a memria:

Para um novo clculo, repetir os passos de 1 a 5.

Alm das calculadoras cientficas ou financeiras, algumas
medidas vistas at aqui podem ser calculadas utilizando-se a planilha eletrnica Excel. A seguir listamos algumas delas:
Soma simples de um conjunto de nmeros
= SOMA ( selecionar as clulas que contm os dados )
Soma de valores ao quadrado
= SOMAQUAD ( selecionar as clulas que contm os dados )
Soma ponderada: soma do produto entre dois conjuntos
numricos
= SOMARPRODUTO

( selecionar o primeiro conjunto; selecionar o segundo conjunto )

Mdia aritmtica simples
= MDIA ( selecionar as clulas que contm os dados )
Mdia geomtrica
= MDIA.GEOMTRICA

( selecionar as clulas que contm os dados )

Mediana
= MED ( selecionar as clulas que contm os dados )

 U4 - Medidas Estatsticas de disperso

115

Moda
= MODO ( selecionar as clulas que contm os dados )
Primeiro quartil
= QUARTIL ( selecionar as clulas que contm os dados; 1)
Segundo quartil
= QUARTIL ( selecionar as clulas que contm os dados; 2 )
Terceiro quartil
= QUARTIL ( selecionar as clulas que contm os dados; 3)
Varincia amostral
= VAR ( selecionar as clulas que contm os dados )
Desvio padro amostral
= DESVPAD ( selecionar as clulas que contm os dados )

8. questes autoavaliativas
Confira, a seguir, as questes propostas para verificar seu desempenho no estudo desta unidade:
1) Qual o menor valor que o desvio padro pode assumir? Explique o significado deste valor.
2) Teoricamente, variveis simtricas possuem uma variabilidade menor do
que variveis assimtricas. Considerando os conjuntos de dados adiante,
verifique se eles so simtricos=
( mdia
mediana
= moda ) ou assimClaretiano - Centro Universitrio

116

Estatstica

tricos e verifique em qual temos uma menor variabilidade, confirmando o

que diz a teoria.
Conjunto 1: X = {5, 5, 6, 6, 6, 7, 7, 7, 7, 7, 8, 8, 8, 9, 9}
Conjunto 2:
3) Em clculos de inflao, em geral, so estudados todos os tipos de pontos
de vendas (pequenos, mdios e grandes), a fim de dar maior representatividade amostra. A seleo dos pontos de vendas a serem amostrados feita
com base em uma pesquisa chamada Pesquisa de Pontos de Venda (PPV),
que visa caracterizar o tipo de estabelecimento. Um determinado instituto,
ao realizar a PPV, separou um grupo de 60 pontos de venda em trs grupos
com 20 estabelecimentos cada, registrando o valor total (em R$) de uma
cesta de produtos em cada um deles (admitindo o menor preo encontrado
para cada produto). Os dados a seguir representam o resultado da pesquisa:
Grupo 1
123,56

115,45

117,89

121,46

122,22

121,33

118,06

123,00

122,47

121,56

121,33

120,44

116,99

117,45

118,52

121,01

119,99

120,99

125,77

119,66

125,45

126,33

119,55

124,50

121,89

118,66

117,54

122,35

123,65

124,56

122,21

121,02

120,45

120,36

115,22

119,32

121,55

123,66

124,77

119,50

119,55

118,54

118,77

117,55

116,23

115,45

114,56

117,00

116,59

122,02

122,99

121,45

120,33

119,58

121,56

122,02

119,58

119,11

118,55

117,44

Grupo 2

Grupo 3

Para fins de utilizao no clculo da inflao, o instituto de pesquisas econmicas dever utilizar o grupo que apresente menor variabilidade no preo total
da cesta. Identifique qual o grupo a ser utilizado e justifique sua resposta.
4) Muito se discute sobre os efeitos da poltica monetria sobre os investimentos no mercado financeiro. Para verificar esse efeito, um estudo foi feito
comparando o montante (em mil R$) investido em grupo de aplicaes financeiras nas 9 semanas anteriores mudana da taxa bsica de juros e nas
9 semanas posteriores mudana:
Antes:

X = {251, 6; 178,9; 225, 6; 245,9; 221,5; 179, 6; 205,1; 203, 6; 211, 0}

 U4 - Medidas Estatsticas de disperso

117

Depois:

X = {215, 6; 205, 6; 201,9; 199, 6; 187,5; 175, 2; 154, 2; 156,9; 145, 2}

Os responsveis pelo estudo afirmaram que depois da mudana da taxa, a

tendncia foi uma disperso maior dos investimentos, distanciando-se do investimento mdio do perodo. Confirme essa teoria calculando o ndice de
assimetria para os dois casos.

Gabarito
Confira, a seguir, as respostas corretas para as questes autoavaliativas propostas:
1) O menor valor que o desvio padro pode assumir zero e ocorre quando todos os valores so exatamente iguais entre si e iguais mdia, o que significa
que no existe variao nos dados.
2) No conjunto 1, temos: X = 7 , Mo = 7 e Md = 7 , ento ele simtrico. Ainda
para esse conjunto, temos S = 1, 2536 e CV = 0,1791 .
No conjunto 2, temos: X = 6,93 , Mo = 7 e Md = 7 , ento assimtrico. Ainda, para esse conjunto temos S = 1,3870 e CV = 0, 2001 .
Assim, o conjunto 1, que simtrico, possui menor variao (menor CV) do
que o conjunto 2, que assimtrico, confirmando a teoria.
3) Grupo 1: X = 120, 46 ; S = 2,50 e CV = 0, 021 .
Grupo 2: X = 121, 63 ; S = 2,87 e CV = 0, 024 .
Grupo 3: X = 118,94 ; S = 2,34 e CV = 0, 020 .
Ento ser escolhido o grupo 3, pois, como tem menor CV, o que tem menor
variabilidade.
4) Antes: X = 213, 6 ; Md = 211, 0 ; S = 25, 6 e IA = 0,305 .
Depois: X = 182, 4 ; Md =187,5 ; S = 25,55 e IA = 0,599 .
Os dados confirmam a teoria, j que para depois a assimetria maior e,
portanto, os dados esto mais distantes da mdia.

9. CONSIDERAES
Considerando as formas de tabulao, as medidas de posio e de tendncia central e as medidas de disperso, temos instrumental mais do que suficiente para caracterizar os dados amosClaretiano - Centro Universitrio

118

Estatstica

trais. Contudo, nosso maior interesse partir dos dados amostrais

e caracterizar toda a populao.
A teoria das probabilidades ir nos ajudar a dar esse salto,
passar das medidas obtidas em uma amostra para as medidas populacionais, dando origem Estatstica Inferencial. Inicialmente
vamos relembrar alguns conceitos de probabilidades, que sero
estudados na prxima unidade.
Vamos l.

10. referncias bibliogrficas

FONSECA, J. S. Curso de Estatstica. 6. ed. So Paulo: Atlas, 1996.
LEVIN, J.; FOX, J. A. Estatstica para cincias humanas. 9. ed. So Paulo: Prentice Hall,
2004.
MARTINS, G. A. Estatstica geral e aplicada. 2. ed. So Paulo: Atlas, 2002.
SPIEGEL, M. R. Probabilidade e Estatstica. So Paulo: Makron Books, 1978.
STEVENSON, W. J.; FARIAS, A. A. Estatstica aplicada Administrao. So Paulo: Harper
& How do Brasil, 1986.
TRIOLA, M. F. Introduo Estatstica. 7. ed. Rio de Janeiro: LTC, 1999.
TOLEDO, G. L; OVALLE, I. I. Estatstica Bsica. 2. ed. So Paulo: Atlas, 1985.