UNIVERSIDADE FEDERAL DA BAHIA

INSTITUTO DE MATEMTICA - DEPARTAMENTO DE ESTATSTICA

MAT 027 - ESTATISTICA IV

A P O S T I L A 1: E S T A T I S T I C A D E S C R I T I V A
1

PREFCIO

Prefcio primeria verso

A atual estrutura complexa de nossa sociedade introduziu a necessidade de um estudo cada vez mais detalhado acerca das informaes disponveis. Assim, todos os cursos da Universidade tm, em algum momento,
necessidade de fazer uso da Estatstica, como metodologia, dado o carter quantitativo de grande parte das
pesquisas realizadas.
Assim, em alguma fase de seu trabalho, o pesquisador se v s voltas com o problema de analisar e entender
uma massa de dados, relevante ao seu particular objeto de estudos. Se forem informaes sobre uma amostra
ou populao, ele necessitar resumir os dados para que estes sejam informativos, ou para compar-los com
outros resultados, ou ainda para julgar sua adequao a alguma teoria.
Segundo BERQU et alii (1981), o papel da Estatstica na pesquisa cientfica est em contribuir junto
ao investigador: na formulao das hipteses cientficas e fixao das regras de deciso; no fornecimento
de tcnicas para um eficiente delineamento de pesquisa; na coleta, tabulao e anlise dos dados empricos
(estatstica descritiva) e em prover testes de hipteses a serem realizados de tal modo que a incerteza da
inferncia indutiva possa ser expressa em um nvel probabilstico pr-fixado (estatstica indutiva).
Este curso de estatstica de apenas um semestre objetiva primordialmente que o aluno conhea a linguagem
(jargo da estatstica) e as palavras-chave para poder trocar idias e/ou consultar um estatstico, bem como
que o aluno tenha o mnimo conhecimento tcnico para realizao de uma futura anlise, fornecendo com certa
segurana as interpretaes dos dados. Alm disso, esse conhecimento permitir uma leitura mais crtica de
artigos de sua rea de interesse.
Esperamos que, apesar da abordagem ampla e superficial, este curso possa contribuir para a formao dos
futuros licenciados e bacharis no que tange metodologia estatstica.
Leila Denise Alves Ferreira em 2001.

Prefcio segunda verso

Esta nova verso da apostila do curso Estatstica IV, uma disciplina ministrada essencialmente aos alunos
de graduao da rea de sade na UFBa, reapresenta o material inicialmente proposto pela professora Leila,
agora com algumas correes que se fizeram necessrias a partir das experincias vividas pelos professores que
a utilizou nesses 4 ltimos semestres. Fundamentalmente, as diferenas entre as duas verses dizem respeito a
algumas falhas de impresso, detectadas principalmente em algumas frmulas, alm das figuras que receberam
nova definio visual. A verso on line, agora apresentada no formato pdf, pode ser baixada a partir do
endereo: www.est.ufba.br/mat027.
O curso est dividido em trs mdulos: Estatstica Descritiva, Probabilidade e Inferncia, cujo objetivo
proporcionar ao aluno o conhecimento bsico de Estatstica para uso em situaes relacionadas com o seu
campo de estudo.
Maristela D. de Oliveira e Angelo Marcio O. Santanna em 2002.

Introduo

A palavra estatstica deriva da expresso status, em latim, e significa o estudo do estado. Foi pensada pelos
ingleses, no sculo XVI, como uma cincia poltica, destinada a descrever caractersticas de um estado ou pas,
tais como populao, rea, riqueza e recursos naturais (Laurenti et al. 1985), envolvendo compilaes de dados
e grficos. Em 1662, John Graunt publicou informes estatsticos sobre nascimentos e mortes. A partir da deuse incio ao desenvolvimento da probabilidade e estatstica, sobretudo a partir do sculo XVII, com o estudo das
grandes epidemias que assolavam o mundo, dando ensejo ao desenvolvimento da demografia. Em cada sculo
seguinte mais e mais reas foram se incorporando ao conjunto das que faziam uso da estatstica. Na ltima
dcada, com a grande revoluo da informtica, houve um avano significativo das reas de probabilidade e
estatstica, com o desenvolvimento de softwares mais poderosos, deixando disposio do pesquisador muitas
ferramentas alternativas ao seu trabalho (BOTTER, et alii, 1996)
Hoje em dia a maior parte das decises tomadas em quase todas as reas de atividade humana moderna
(por exemplo, avaliao de novos tratamentos mdicos e de novos terminais de atendimento bancrio, do
planejamento de pesquisas cientficas, de estratgias de marketing e investimento, para citar algumas) tm
suas bases na estatstica - definida, a grosso modo, como a coleta, anlise e interpretao de dados, ou de
forma mais ampla, como a cincia da tomada de deciso perante incertezas.
Como j foi dito anteriormente, a Estatstica engloba um grande leque de ferramentas de anlise. Com
finalidade didtica iremos dividir a estatstica em dois grandes grupos:
a) Estatstica Descritiva: Por conta da quantidade de dados geralmente ser to grande, extremamente
difcil captar intuitivamente as informaes que os dados contm. necessrio, portanto, que as informaes
sejam reduzidas at o ponto em que se possa interpret-las mais claramente. A estatstica descritiva vai
resumi-las atravs do uso de certas medidas-sntese, que tornem possvel a interpretao de resultados. No
sentido mais amplo, suas funes so:
coleta de dados;
organizao e classificao destes dados;
apresentao atravs de grficos e tabelas;
clculo de coeficientes (estatsticos), que permitem descrever resumidamente os fenmenos.
b) Indutiva ou Inferncia Estatstica : Consiste em obter e generalizar concluses; ou seja, inferir
propriedades para o todo com base na parte, no particular. tratada atravs de tcnicas e mtodos que se
fundamentam na Teoria das Probabilidades.
Em estatstica utilizaremos extensivamente os termos populao e amostra. Assim, definiremos esses
termos no contexto da estatstica:
Populao: conjunto da totalidade dos elementos (valores, pessoas, medidas) a serem estudados. Congrega todas as observaes que sejam relevantes para o estudo de uma ou mais caractersticas dos
indivduos. Podem ser tanto seres animados ou inanimados.
Amostra: um subconjunto de elementos extrados de uma populao.
Censo: uma coleo de dados relativos a todos os elementos de uma populao.
O esquema a seguir tenta sintetizar, com um exemplo, as etapas de uma pesquisa estatstica:

Populao

Amostra

Tratamento de dados

Inferncia estatstica

Estatstica descritiva

Teoria das probabilidades

ESTATSTICA DESCRITIVA

2.1

FASES DO TRABALHO ESTATSTICO

A estatstica est envolvida em todas as etapas de um projeto de pesquisa. A seguir as fases de um trabalho
cientifco so citadas do ponto de vista do trabalho estatstico.
As fases do trabalho estatstico so do mbito da Estatstica Descritiva, e so as principais fases as
seguintes:
1. Definio do Problema: formulao completa do problema a ser estudado. Levantamento de outros
trabalhos realizados no mesmo campo e anlogos, uma vez que parte da informao de que se necessita
pode ser encontrado nestes ltimos.
2. Planejamento: determinao do procedimento necessrio para resolver o problema e, em especial, como
levantar informaes sobre o assunto objeto de estudo. Preocupao com a formulao correta das
perguntas, qualquer que seja a modalidade de coleta de dados. nesta fase que ser escolhido o
tipo de levantamento a ser utilizado, que pode ser censitrio ou por amostragem. Outros elementos
importantes a serem pr-estabelecidos desta fase so: o cronograma das atividades (fixao de prazo
para as vrias fases); os custos envolvidos; exame das informaes disponveis; o delineamento da amostra
(se necessria); a forma como sero escolhidos os dados; elaborao do questionrio.
3. Coleta de dados (quesitos especficos para obter informaes desejadas): refere-se obteno, reunio
e registro sistemtico de dados, com um objetivo determinado. Alm dos registros feitos pelo prprio
pesquisador, pode-se recorrer a fontes externas de dados.
4. Crtica dos questionrios: leitura dos questionrios, observao de respostas incompletas, erradas. Supresso de valores estranhos ao levantamento.
5. Apurao dos dados: consiste em resumir os dados, atravs de sua contagem e agrupamento. um
trabalho de condensao e de tabulao dos dados, que chegam ao analista de forma desorganizada,
tornando impossvel a tarefa de apreender todo o seu significado pela simples leitura. Nos dias atuais
esta apurao tornou-se sinnimo de organizao de base de dados, que realizada em computadores.
6. Apresentao dos Dados: h duas formas de apresentao:
4

(a) Apresentao Tabular: apresentao numrica dos dados. As tabelas tm a vantagem de conseguir
expor, sinteticamente, e em um s local, os resultados sobre determinado assunto, de modo a se
obter uma viso global mais rpida daquilo que se pretende analisar.
(b) Apresentao Grfica: constitui uma apresentao geomtrica. de extrema importncia, no
sentido de permitir uma viso rpida, fcil e clara do fenmeno e sua variao.
7. Anlise e Interpretao dos Dados: O interesse maior consiste em tirar concluses que auxiliem o
pesquisador a resolver seu problema. A analise dos dados estatsticos est ligada essencialmente ao
clculo de medidas, cuja finalidade principal descrever o fenmeno. Assim, o conjunto de dados
a ser analisado pode ser expresso por nmeros-resumos, as estatsticas, que evidenciam caractersticas
particulares desse conjunto. O significado exato de cada um desses valores ser explicado posteriormente.

2.2

CLASSIFICAO DE VARIVEIS

Definiremos varivel como qualquer atributo/caracterstica que exera influncia no fenmeno estudado. Por
exemplo, desejamos registrar a idade das pessoas ao morrer, a estatura ou peso dos indivduos, o rendimento
das famlias em uma grande cidade, o nmero de empregados dispensados, por ms, em uma grande empresa,
a distribuio dos alunos por sexo, etc.
Antes da escolha da anlise descritiva apropriada necessria a classificao da varivel de interesse, pois
a adequao da tcnica est diretamente relacionada ao tipo de varivel em questo.
De acordo com a estrutura numrica as variveis podem ser classificadas em:
Quantitativas - se os resultados das observaes sero expressos sempre atravs de nmeros, que representam contagens ou medidas. Ex: Idade, Altura, Peso, Nmero de nascidos vivos, Populao.
Qualitativas - se os resultados das observaes sero expressos atravs de categorias, que se distinguem
por alguma caracterstica no-numrica. Ex: Sexo, Nvel de escolaridade, Cor da pele, Estado civil,
Tipo sanguneo.
As variveis qualitativas podem ser classicadas, por sua vez, em:
1. Nominal - caracteriza-se por dados que consistem apenas em nomes, rtulos ou categorias. Os dados
no podem ser dispostos segundo um esquema ordenado. Ex: Estado civil
2. Ordinal - envolve dados que podem ser dispostos em alguma ordem, mas as diferenas entre os valores
dos dados no podem ser determinadas ou no tem sentido. Ex: Nvel de escolaridade.
Em relao s variveis quantitativas, estas podem ser classificadas em:
1. Discreta - s pode assumir valores pertencentes a um conjunto finito ou enumervel. Ex: Nmero de
alunos presentes s aulas de determinado professor; nmero de mortos em um surto de determinada
doena. Geralmente, seus valores so resultados de um processo de contagem, razo pela qual seus
valores so expressos atravs de nmeros inteiros no-negativos.
2. Contnua - pode assumir qualquer valor pertencente a um determinado intervalo do conjunto dos Reais.
Ex: Estatura e peso de atletas de um time de voley; temperatura mxima diria. Pode-se dizer que a
varivel contnua resulta normalmente de mensuraes.

2.3

TIPOS DE SRIES ESTATSTICAS

Srie estatstica uma sucesso de dados estatsticos que medem a intensidade do fenmeno, segundo suas
caractersticas qualitativas ou quantitativas. As sries estatsticas sero classificadas de acordo com a variao
de trs elementos: tempo, local e o fato. So elas:
Srie Histrica - aquela em que o elemento que serve como base de classificao a frao do tempo,
como o dia, o ms, o ano, o sculo, etc.. Ex: : Taxa de mortalidade infantil nos ltimos 10 anos na
cidade do Salvador-Ba.
Srie Geogrfica - aquela que apresenta como elemento varivel somente o local (fator geogrfico).
Ex: A produo de cereais no Brasil, em 1996, segundo os Estados produtores.
Srie Especfica - aquela srie que apresenta como elemento ou carter varivel o fato(ou espcie), permanecendo fixos a poca e o local. Ex: Os alunos de uma Faculdade, em determinado ano, classificados
segundo o tipo sanguneo.
Srie Mista - refere-se s sries que so combinaes de outros tipos de sries j estudadas. Classificao
da populao brasileira segundo as Unidades da Federao e o sexo.

2.4
2.4.1

APRESENTAO DOS DADOS

ELABORAO DE TABELAS

Aps a apurao, h a necessidade de os dados e os resultados obtidos a partir daqueles serem dispostos de
uma forma ordenada e resumida, a fim de auxiliar o pesquisador na anlise e facilitar a compreenso das
concluses apresentadas ao leitor. Os dados e os resultados so ento apresentados na forma de tabelas.
Uma tabela deve ser auto-suficiente, isto , deve ter significado prprio, de modo a prescindir, quando
isolada, de consultas ao texto. A elaborao de tabelas obedece Resoluo no 886, de 26 de outubro de 1966,
do Conselho Nacional de Estatstica.
Uma tabela possui elementos essenciais e complementares.
Os elementos essenciais so:
Ttulo - obrigatrio. Deve conter a designao do fato observado, o local e a poca em que foi
registrado. Deve ser claro e conciso. colocado na parte superior da tabela.
Corpo da tabela - o conjunto de colunas e linhas onde se encontram as informaes numricas sobre
o fato observado. Casa, clula ou cela - o cruzamento de cada linha com uma coluna, onde se tem a
frequncia com que a categoria aparece.
Cabealho - a parte superior da tabela, onde se especifica o contedo de cada coluna.
Coluna indicadora - a parte da tabela em que se especifica o contedo de cada linha.
Os elementos complementares so:
Fonte - a indicao da entidade responsvel pelo fornecimento ou elaborao dos dados. colocado
no rodap da tabela.
Notas - so colocadas abaixo da fonte, se necessrias. Contm informaes gerais destinadas a conceituar
ou esclarecer o contedo das tabelas.
Chamadas - tambm colocadas no rodap (se necessrias). Servem para esclarecer minncias em relao
s casas, colunas ou linhas.

Algumas observaes fazem-se importantes na elaborao de uma tabela. So elas:

1. Nenhuma casa da tabela deve ficar em branco. Na ausncia de um dado numrico, emprega-se alguns dos
sinais convencionais, como hfen, reticncias, etc. (Veja explicao em sala de aula com seu professor).
2. As tabelas devem ser fechadas no alto e embaixo por linhas horizontais, no sendo fechadas direita ou
esquerda por linhas verticais. facultativo o emprego de traos verticais para a separao de colunas
no corpo da tabela.
3. Em publicaes que compreendem muitas tabelas, estas devem ser numeradas em ordem crescente,
conforme a ordem do aparecimento.
4. Os totais e subtotais devem ser destacados.
5. Dever ser mantida a uniformidade, quanto ao nmero de casas decimais.
2.4.2

DISTRIBUIO DE FREQUNCIA

As distribuies de frequncias constituem-se num caso particular das sries estatsticas, nas quais todos os
elementos so fixos. Agora os dados referentes ao fenmeno so apresentados atravs de gradaes, onde
feita a correspondncia entre categorias ou valores possveis e as frequncias respectivas.
A definio de alguns conceitos ser importante para o uso da linguagem apropriada ao elaborarmos
e analisarmos as distribuies de frequncias. No total, so 9 conceitos a serem apresentados. A seguir
definiremos 5 primeiros, vlidos para quaiquer distribuio de freqncias, e mais adiante apresentaremos os
4 ltimos, especficos para dados agrupados em classes.:
1. Dados Brutos - o conjunto dos dados numricos obtidos aps a coleta dos dados.
Ex: Idade dos alunos do curso de medicina veterinria da UFBA, no ano de 1993.
24 - 23 - 22 - 28 - 35 - 21 - 23 - 33 - 34 - 24 - 21 - 25 - 36 - 26 - 22 - 30 - 32 - 25 26 - 33 - 34 - 21 - 31 - 25 - 31 - 26 - 25 - 35 - 33 - 31
Como pode ser observado, os valores esto dispostos de forma desordenada. Em razo disso, pouca
informao se consegue obter inspecionando-se os dados anotados. Mesmo uma informao to simples
como a de saber os valores mnimos e mximo requer um certo exame dos dados coletados.
2. Rol - o arranjo dos dados brutos em uma determinada ordem crescente ou decrescente.
Ex: Utilizando os mesmos dados anteriores:
21 - 21 - 21 - 22 - 22 - 23 - 23 - 24 - 25 - 25 - 25 - 25 - 26 - 26 - 26 - 28 - 30 - 31 - 31 - 31 -32 - 33 - 33 33 - 34 - 34 - 34 - 35 - 35 - 36
Apresenta vantagens concretas em relao aos dados brutos. Ela torna possvel visualizar, de forma
bem ampla, as variaes dos dados, uma vez que os valores extremos so percebidos de imediato. Mas,
a anlise com este tipo de disposio comea a se complicar quando o nmero de observaes tende a
crescer.
3. Amplitude total ou range (A) - a diferena entre o maior e o menor valor observado da varivel
em estudo.
Ex: Utilizando os mesmos dados anteriores:
A = 36 - 21 = 15.
4. Frequncia absoluta simples (fi ) - o nmero de vezes que o elemento aparece na amostra ou o
nmero de elementos pertencentes a uma classe.

5. Frequncia total (ft ) - a soma das frequncias simples absolutas de todos os elementos observados.
Para condensarmos melhor os dados, aconselhvel a elaborao de distribuies de frequncia. Uma
tabela com distribuio de frequncia uma tabela onde se procura fazer um arranjo dos valores e suas
respectivas frequncias, onde a frequncia de determinado valor ser dado pelo nmero de observaes ou
repeties de um valor ou de uma modalidade. As tabelas de frequncias podem representar tanto valores
individuais como valores agrupados em classes.
Essas tabelas podem ser classificadas em:
Distribuio de Frequncias de Dados Tabulados No-Agrupados em Classes - uma tabela
onde os valores da varivel aparecem individualmente. Esse tipo de distribuio utilizado geralmente
para representar uma varivel discreta, com pouca variedade de valores.
Exemplo : Utilizando os mesmos dados anteriores, a tabela a seguir representa a distribuio de frequncias
de dados no agrupados.
Tabela 1: Idade dos alunos do curso de medicina veterinria da UFBA, no ano de 1993.
Idade (Xi )
fi
21
3
22
2
23
2
24
1
25
4
26
3
28
1
30
1
31
3
32
1
33
3
34
3
35
2
36
1
TOTAL (fi )
30
Fonte: (dados hipotticos)
Este tipo de tabela no aconselhvel quando estamos trabalhando com variveis que apresentam uma
grande quantidade de valores distintos, uma vez que a tabela poder ficar muito extensa, dificultando, alm
de sua elaborao, as anlises e concluses dos dados pesquisados.
Note que a soma das frequncias absolutas simples sempre igual ao nmero total de valores observados.
Distribuio de Frequncias de Dados Agrupados em Classes.
Muitas vezes com o objetivo de resumir os dados originais em uma distribuio de frequncias, utilizaremos os dados agrupados em classes e no mais individualmente. Classe pode ser definida como sendo os
subintervalos da Amplitude Total de uma varivel (grupo de valores).
Quando a varivel objeto de estudo for contnua geralmente ser conveniente agrupar os valores observados
em classes. Se, por outro lado, a varivel for discreta e o nmero de valores representativos dessa varivel for
muito grande, recomenda-se o agrupamento dos dados em classes. Nesse ltimo caso, o procedimento visa a
evitar certos inconvenientes, como:
8

1. grande extenso da tabela, dificultando, tanto quanto os dados brutos, a leitura e a interpretao dos
resultados apurados.
2. o aparecimento de diversos valores da varivel com frequncia nula.
3. impossibilidade ou dificuldade de visualizao do comportamento do fenmeno como um todo, bem
como de sua variao.
Este tipo de tabela informa, de imediato, a tendncia de a srie se concentrar em torno de um valor central,
alm de proporcionar uma viso panormica do comportamento da varivel, o que seria impossvel de se fazer
a partir da lista dos dados brutos.
Ex: Utilizando os mesmos dados anteriores, temos:

Tabela 2: Idade dos alunos do curso de medicina veterinria da UFBA, no ano de 1993.
Idade
Frequncias (fi )
21 | 24
7
24 | 27
8
27 | 30
1
30 | 33
5
33 | 36
9
TOTAL
30
Fonte: (dados hipotticos)

O smbolo | indica a incluso do limite inferior do intervalo naquela classe.

Outras possibidades so: | , || ,
Para construo de tabelas de frequncia para dados agrupados em classe os 4 conceitos listados a seguir,
complementam os 5 primeiros j apresentados:
1. Definio do nmero de classes - representado por k. importante que a distribuio conte com
um nmero adequado de classes. Se esse nmero for escasso, os dados originais ficaro to comprimidos
que pouca informao poder ser extrada desta tabela. Se, por outro lado, forem utilizadas muitas
classes, haver algumas com frequncia nula ou muito pequena, apresentando uma distribuio irregular
e prejudicial interpretao do fenmeno.
Para determinar o nmero de classes h diversos mtodos. Ns aprenderemos duas solues:

(a) k = 5, para n 25 e k = n , para n > 25.

(b) Frmula de Sturges: K = 1 + 3, 3 log10 n, onde n o tamanho da amostra
Exemplo: Se n = 49 teramos:

pelo primeiro mtodo: k = 7

pelo segundo mtodo: k = 1 + 3, 3 log10 49 ==> k = 6, 58 ==> k 7
Mesmo tendo outros critrios de determinao do nmero de classes, o que se deve ter em
mente que a escolha depender sobretudo da natureza dos dados e da unidade de medida em
que eles se encontram, e no somente de regras muitas vezes arbitrrias e pouco flexveis. Para
facilitar a anlise conveniente que se mantenham os intervalos de classe sempre constantes.
2. Limites de Classe - Os limites de classe so seus valores extremos. No exemplo anterior de distribuio de frequncia, o valor 21 denominado limite inferior da primeira classe, enquanto o valor 24
denominado limite superior da primeira classe.
9

3. Amplitude do Intervalo de Classe (h) - A amplitude de um intervalo de classe corresponde ao

comprimento desta classe. Numericamente, sua amplitude pode ser definida como a diferena existente
entre os limites superior (ou inferior) de duas classes consecutivas.
Ex: Utilizando os mesmos dados anteriores:
h = 24 21 = 3
4. Pontos Mdios ou Centrais da Classe (xj ) - a mdia aritmtica simples entre o limite superior
e o inferior de uma mesma classe.
Ex: Utilizando os mesmos dados anteriores:
x1 =

24+21
2

= 22, 5

Para obter os pontos mdios das demais classes, basta acrescentar ao ponto mdio da classe precedente
a amplitude do intervalo de classe.

TIPOS DE FREQUNCIAS

Absoluta
Frequncias Simples
Relativa

Frequncia Acumulada

Absoluta

Abaixo de

Relativa
(crescente)

Absoluta

Acima de
Relativa
(dcrescente)

1. Frequncia Simples:

(a) Frequncia Simples Absoluta (fi ) - o nmero de repeties de um valor individual ou de uma
classe de valores da varivel. Trata-se do caso visto at o presente momento.
(b) Frequncia Simples Relativa (fri ) - representa a proporo de observaes de um valor individual ou de uma classe, em relao ao nmero total de observaes. Trata-se, portanto, de um
nmero relativo.
fri =

Pfi
fi

fi
ft

(1)

Desejando expressar o resultado em termos percentuais, multiplica-se o quociente obtido por 100:
fri =

fi
n .100

(2)

2. Frequncias Acumuladas:
(a) Frequncias Acumuladas Abaixo de :
i. Absoluta (Fiab ) - a soma da frequncia simples absoluta de uma classe ou de um dado
valor com as frequncias simples absolutas das classes ou dos valores anteriores. A expresso
abaixo de refere-se ao fato de que as frequncias a serem acumuladas correspondem aos
valores menores ou anteriores ao valor ou classe cuja frequncia acumulada se deseja obter,
incluindo no clculo a frequncia do valor ou da classe. utilizada toda vez que se procura
saber quantas observaes existem at uma determinada classe ou valor individual.
10

ii. Relativa (Friab ) - a soma da frequncia simples relativa dessa classe ou desse valor com as
frequncias simples relativas das classes ou dos valores anteriores.
(b) Frequncias Acumuladas Acima de:
i. Absoluta (Fiac ) - representa o nmero de observaes existentes alm do valor ou da classe,
incluindo no clculo as observaes correspondentes a esse valor ou a essa classe. Para obter este
tipo de frequncia, basta somar frequncia simples absoluta da classe ou do valor individual,
as frequncias simples absolutas das classes ou dos valores individuais posteriores.
ii. Relativa (Friac ) - igual soma da frequncia simples relativa dessa classe ou desse valor com
as frequncias simples relativas das classes ou dos valores posteriores.
Exemplo com as frequncias apresentadas.

Tabela 3: Idade dos alunos do curso de medicina veterinria da UFBA, no ano de 1993.
Idade
N o de alunos(fi ) fri fri (%) Fiab Fiab (%) Fiac Fiac (%)
21 | 24
7
0.23
23
7
23
30
100
24 | 27
8
0.27
27
15
50
23
77
27 | 30
1
0.03
3
16
53
15
50
30 | 33
5
0.17
17
21
70
14
47
33 | 36
9
0.30
30
30
100
9
30
TOTAL
30
1.00
100
...
...
...
...
Fonte: (dados hipotticos)

2.4.3

APRESENTAO GRFICA

A apresentao grfica um complemento importante da apresentao tabular. A principal vantagem de um

grfico sobre a tabela prende-se ao fato de que ele permite conseguir uma visualizao imediata da distribuio
dos valores observados. Propiciam os grficos uma idia preliminar mais satisfatria da concentrao e disperso dos valores, uma vez que atravs deles os dados estatsticos se apresentam em termos de grandezas
visualmente interpretveis.
Os grficos devem ser auto-explicativos e de fcil compreenso, de preferncia sem comentrios inseridos.
Devem ser simples, atrair a ateno do leitor e inspirar confiana. Todo grfico deve apresentar um ttulo e
uma escala, dispensando esclarecimentos adicionais no texto.
Os grficos podem ser cartogramas ou diagramas. Identifiquemos cada um deles:
1. Cartogramas - so mapas geogrficos ou topogrficos em que as frequncias das categorias de uma
varivel so projetadas nas reas especficas do mapa, utilizando-se cores ou traados cujos significados constam em legendas anexadas s figuras. Em epidemiologia, os mapas alfinetados so de grande
emprego para apreciar o aparecimento e expanso de certas molstias.
Esse tipo de representao grfica de grande utilidade em Sade Pblica, sobretudo na elaborao de
inquritos epidemiolgicos em que se deseja conhecer a distribuio geogrfica de casos e bitos de uma
determinada doena epidmica.
2. Diagramas - so grficos em que a magnitude das frequncias representada por certa mensurao de
uma determinada figura geomtrica. So os grficos mais usados na representao de sries estatsticas
e se apresentam atravs de uma grande variedade de tipos.
11

 Tipos de Diagramas:
(a) Grficos em Linhas ou Grficos Lineares - So frequentemente usados para a representao
de sries temporais. As linhas so mais eficientes neste tipo de grfico porque permitem a deteco
de intensas flutuaes nas sries e tambm possibilitam a representao de vrias sries em um
mesmo grfico.
(b) Grficos Pictricos (Pictogramas) - So grficos construdos a partir de figuras ou conjunto
de figuras representativas da intensidade ou das modalidades do fenmeno. So grficos muito
comuns em jornais e revistas, tendo como principal vantagem o fato de despertar a ateno do
pblico leitor.
(c) Grficos em Barras - Tm por finalidade comparar grandezas, por meio de retngulos de igual
largura e alturas proporcionais s respectivas grandezas. Cada barra representa a intensidade de
uma modalidade ou atributo.
(d) Grficos em Colunas - Prestam-se mesma finalidade dos grficos em barras horizontais, sendo,
entretanto, preferveis a esses ltimos quando as legendas a se inscreverem sob os retngulos forem
breves.
(e) Grficos de Colunas Remontadas ou de Barras Agrupadas - So utilizados para estabelecer
comparaes entre duas ou mais categorias.
(f) Grficos em Setores - So utilizados para representar valores absolutos ou porcentagens complementares. Utilizados quando se pretende comparar cada valor da srie com o total.
A seguir podemos encontrar alguns tipos de diagramas, sendo que o Box-Plot ser explicado mais adiante.

a. Grfico em linha:

c. Grfico em barras

Grfico 1. Quantidade de resduos industriais jogados no rio

Acushnet, em partes por milho, em New Bedford, estado de
Massachussetts. 1990.

Grfico 2. A produo de cereais no Brasil, segundo os

Estados produtores, em 1996.

10

21

Bahia
8

5,8

Estados

Freqncia

7,5

5,7
5,1

4,9
4

38

Sergipe

27

Piau

Maranho

10

0
1980

1981

1982

1983

1984

Pe rodo

12

10

20
30
Freqncias

40

50

d. Grfico em colunas

Cosumo (mpg)

40

Grfico 4. Consumo de equipamentos, em milhes de

unidades, de uma determinada cidade, em Pernambuco.

Grfico 3. Consumo de gasolina, em milhas por galo (mpg)

de 5 modelos compactos de automvel, em Prince, estado de
Massachussetts. 1990

10

41

38

35
28

30

8,5

8
Freqncias

50

e. Grfico em colunas remontadas

26

20

6
4
2

10

2,7
1,2
0,5

2,7

4,2

3,8

3,6

2,4

1,2

0
Mazda 808

Vega

Toyota
Corolla

Dodge Colt

Toyota
Celica

1996
1997

Produtos

Modelos

f. Grfico em setores

g. Box-Plot

Grfico 5. A produo de cereais no Brasil, segundo os

Estados produtores, 1996.

D istribuio do peso de todas as crianas prem aturas ao nascer e

aps dez dias de aplicao da dieta alim entar. H ospital W W W ,
Salvador, 1998.

2100

10%
2000

22%

1900

1800

28%

1700

1600

40%

Maranho
Piau
Se rgipe
Bahia

1500

1400
N =

100

P eso ao N asc er

100

P eso aps 10 dias

2.4.3.1
GRFICOS REPRESENTATIVOS DAS DISTRIBUIES DE FREQUNCIA
A representao grfica das distribuies de frequncia feita atravs do histograma e do polgono de frequncia.
1. Histograma - um grfico formado por um conjunto de retngulos justapostos, de forma que a rea
de cada retngulo seja proporcional frequncia da classe que ele representa.
2. Polgonos de Frequncia - Unindo por linhas retas os pontos mdios das bases superiores dos retngulos do histograma, obtm-se outra representao dos dados, denominada polgono de frequncia.
Maiores informaes sobre esses e outros tipos de grfico sero fornecidas em aula pelo professor.
CURIOSIDADE:
Florence Nightingale
Florence Nightingale (1820-1910) conhecida por muitos como a fundadora da profisso de enfermeira,
mas ela tambm salvou milhares de vidas utilizando a estatstica. Ao encontrar um hospital em ms condies

13

sanitrias e sem suprimentos, tratou de melhorar essas condies e passou a utilizar a estatstica para convencer as autoridades da necessidade de uma reforma mdica mais ampla. Elaborou grficos originais para
mostrar que, durante a guerra da Crimia, morreram mais soldados em consequncia de ms condies sanitrias do que em combate. Florence Nightingale foi a pioneira na utilizao no s da estatstica social como
das tcnicas de grficos.
Fonte: TRIOLA, Mrio. Introduo Estatstica. LTC Editora, 7a edio. Rio de Janeiro, 1999

2.5

MEDIDAS DE TENDNCIA CENTRAL

Vimos at agora a sintetizao dos dados sob a forma de tabelas, grficos e distribuies de frequncias.
Agora, vamos aprender o clculo de medidas que possibilitem representar um conjunto de dados relativos
observao de determinado fenmeno de forma resumida.
As medidas de tendncia central so tambm chamadas de medidas de posio, e estabelecem o valor em
torno do qual os dados se distribuem.
Vale a pena chamar a ateno que, para o clculo dessas medidas, necessrio que a varivel seja quantitativa.
As principais medidas de tendncia central so:
2.5.1

Mdias.

So as medidas de tendncia central mais comumente utilizadas para descrever resumidamente uma distribuio de frequncia.
Mdia Aritmtica
1. Mdia Aritmtica Simples: dada pelo quociente entre a soma dos valores observados e a frequncia
total ( o nmero total de observaes).
Genericamente, podemos escrever:
X=

xi
n

(3)

onde xi =valor genrico da observao

n = tamanho da amostra =no . de observaes
Este tipo de mdia aritmtica ser calculada quando os valores no estiverem tabulados, ou seja, quando
aparecerem representados individualmente como o caso dos dados brutos, por exemplo.
Ex: Temos uma amostra de 10 crianas de 5 anos de idade, com dados referentes a seus pesos (em kg):
23,0 20,0 22,0 19,0 25,0 28,2 24,0 21,0 27,0 21,0
n = 10
X=

23, 0 + 20, 0 + 22, 0 + 19, 0 + 25, 0 + 28, 2 + 24, 0 + 21, 0 + 27, 0 + 21, 0
= 23, 0
= X
10

Isso significa que o peso mdio de 23,0 kg. claro que foram obtidos pesos de crianas desta idade que
se encontram abaixo ou acima do valor mdio. No entanto, a mdia representa um valor tpico (Soares
& Siqueira,1999).
2. Mdia Aritmtica Ponderada: a mdia aritmtica calculada quando os dados estiverem agrupados
em distribuies de frequncia. Os valores x1 , x2 , ..., xn sero ponderados pelas respectivas frequncias
absolutas f1 , f2 , ..., fn .
14

Ento teremos:
X=

xi fi
n

Exemplos:
(a) Para tabelas de distribuio de dados no agrupados (TABELA 4):
Tabela 4: Nmero de cries em criancas de 7 anos de idade. Candeias.1990.
N o de dentes careados (xi ) No de crianas (fi ) xi fi
0
3
0
1
2
2
2
4
8
3
2
6
4
1
4
5
1
5
TOTAL
13
25
Fonte: (dados hipotticos)
0 (3) + 1 (2) + 2 (4) + 3 (2) + 4 (1) + 5 (1)
2+8+6+4+5
25
=
=
= 1, 923 2, 0
13
13
13
O nmero mdio de cries por criana 2,0 entre a populao avaliada em Candeias, ou seja, em
mdia cada criana de 7 anos apresenta 2 cries.

X=

(b) Para tabelas de distribuio de dados agrupados em classes (TABELA 5):

Tabela 5: Casos de Aids segundo faixa etria. Bahia. 1993.
Faixa Etria fi (1000) xi (ponto mdio) xi fi
15 | 25
25
20
500
25 | 35
30
30
900
35 | 45
15
40
600
45 | 55
10
50
500
TOTAL
80
...
2500
Fonte: (dados hipotticos)
P

xi fi
2500
=
... ==> X = 31, 25 31, 0
n
80
Interpretao: A idade mdia dos pacientes de Aids na Bahia, em 1993, foi de 31 anos.
A desvantagem da mdia aritmtica relaciona-se com a existncia de valores extremos (muito
grandes ou muito pequenos), que podem distorcer o resultado final. H casos em que outros tipos
de mdia so mais adequados, como a mdia geomtrica ou harmnica.

X=

Mdia Geomtrica
1. Tambm pode ser simples ou ponderada, conforme se utilize ou no em seu clculo uma tabela de
frequncias.
2. Mdia Geomtrica Simples: A mdia geomtrica de n valores definida, genericamente, como a raiz
n-sima do produto entre eles.
Dados n valores x1 , x2 , ..., xn , a mdia geomtrica desses valores ser:
Xg =

n x x ..... x
1 2
n
15

(4)

3. Mdia Geomtrica Ponderada: a mdia geomtrica quando os dados estiverem agrupados em

uma distribuio de frequncia. Ser calculada por meio da expressso:
q
(5)
X g = fi xf11 xf22 .....xfnn
A mdia geomtrica usada principalmente em problemas envolvendo mudanas proporcionais. Em Demografia utilizada para se estimar a populao de determinada localidade, quando se supe crescimento
geomtrico. Tambm utilizada em biologia para anlises relacionadas com crescimento de organismos,
como bactrias, por exemplo, ou contagem de ovos de parasitas.

Mdia Harmnica:
o inverso da mdia aritmtica dos inversos.
Os inversos dos valores ,X1 , X2 , ..., Xn sero:
Xh =

1
n
P

i=1

1
1
1
X1 , X2 , ..... Xn ,Assim,

=
1
xi

1
1
+ X1 +.....+ X1
X1
n
2

como X =

n
P

xi

i=1

, temos:

n
= P
n
1
i=1

xi

De maneira anloga, temos a definio de mdia harmnica para dados agrupados em classes.
Esse tipo de mdia , sobretudo, usada para construo de ndices econmicos.
Em geral, temos :X h 6 X g 6 X.
CURIOSIDADE:
Um cidado mdio
Um homem americano mdio chama-se Robert. Tem 31 anos, altura de 1,75 cm, pesa 78 kg, seu
manequim 48, cala sapatos tamanho 43 e tem 85 cm de cintura. Consome anualmente 5,6 kg de massa,
11,8 kg de bananas, 1,8 kg de batatas fritas, 8,15 kg de sorvete e 35,8 kg de carne. Em cada ano, v televiso
durante 2567 horas e recebe 585 cartas ou assemelhados pelo correio. Aps comer sua poro de batatas fritas,
ler a correspondncia e ver televiso, ele termina o dia com 7,7 horas de sono. O dia seguinte comea com
21 minutos de transporte para um emprego, onde trabalha 6,1 horas.
Fonte: TRIOLA, Mrio. Introduo Estatstica. LTC Editora, 7a edio. Rio de Janeiro, 1999
Mediana (Md) definido como o valor que divide uma srie ordenada de tal forma que pelo menos a
metade dos itens sejam iguais ou maiores do que ela, e que a outra metada dos itens sejam menores do que
ela. Colocados em ordem crescente, a mediana o elemento que ocupa a posio central.
Como a mediana divide os dados ordenados ao meio, ela no sensvel a valores discrepantes. A depender
de como estejam os dados, deve-se diferenciar a forma como encontra-se a mediana.
1. Determinao da Mediana de Valores no-tabulados.
Processa-se a partir de um rol ou lista ordenada dos dados. Podem ocorrer duas hipteses com relao
ao nmero de observaes n: que ele seja mpar ou par. Veremos os dois casos:
(a) Nmero mpar de observaes:
Requer, em primeiro lugar, que se determine a ordem em que se encontra a mediana na srie. Para
isto encontramos:
Emd =

n+1
2

(6)

O passo seguinte ser localizar a mediana na lista de valores, de acordo com o resultado obtido no
clculo do elemento mediano (Emd ).
16

(b) Nmero par de observaes:

Neste caso, o elemento mediano ser determinado atravs da expresso:
Emd =

n
2

(7)

A mediana ser determinada pela mdia aritmtica entre os valores que ocupam a posio definida
pelo elemento mediano e a posio sucessora.
2. Determinao da Mediana de Valores Tabulados no-Agrupados em Classes.
Da mesma forma como foi calculado anteriormente, definiremos o elemento mediano. Em seguida,
acrescentaremos tabela de frequncia uma coluna de frequncias acumuladas abaixo de absoluta.
Com o uso destas frequncias encontraremos a posio definida pelo elemento mediano, na qual estar
a mediana.
Exemplo: Clculo da mediana para os dados da tabela 4 da seco de mdia.
Tabela 6: Nmero de cries em crianas de 7 anos de idade. Candeias. 1990.
N o de dentes careados (xi )
0
1
2
3
4
5
TOTAL
Fonte: (dados hipotticos)
Soluo: n = 13 ==> Emd =

(n+1) 14
2 =2

No de crianas (fi )
3
2
4
2
1
1
13

Fiab
3
5
9
11
12
13
...

= 7.

Como n mpar > a mediana definida pelo valor que ocupa a 7a posio. Com base nas informaes
da coluna que contm as frequncias acumuladas abaixo de absoluta, a mediana igual a 2.
Interpretao: 50% das crianas de 7 anos apresentaram 2 ou menos cries numa comunidade de Candeias
em 1990.
3. Determinao da Mediana de Valores Tabulados Agrupados em Classes.
Neste caso, encontramos o elemento mediano atravs da frmula Emd = n2 , no se fazendo distino
entre nmero par ou mpar de observaes. A partir da, determinaremos a classe mediana, aps a qual
a mediana ser calculada atravs da seguinte expresso:
ant
Md = l + h. EmdfF
md

onde,
l = limite inferior da classe mediana;
h = amplitude do intervalo de classe
Emd = elemento mediano
Fant = frequncia acumulada at a classe anterior classe mediana
f md = frequncia absoluta simples da classe mediana.

17

(8)

Exemplo: Clculo da mediana para os dados da Tabela 5

Casos de Aids segundo faixa etria. Bahia. 1993
Faixa Etria fi (1000) Fiab
15 | 25
25
25
25 | 35
30
55
35 | 45
15
70
45 | 55
10
80
TOTAL
80
...
Fonte: (dados hipotticos)
n = 80 ==> Emd = 80
2 = 40.
O elemento que ocupa a 40a posio encontra-se na 2a classe. Logo,
Md = 25 + 10(4025)
==> Md = 30
30
Interpretao: 50% dos pacientes de Aids na Bahia, em 1993, tinham idade igual ou inferior a 30 anos.
2.5.2

Moda (Mo)

A moda outra medida de tendncia central, sendo, no entanto a menos importante. Sua vantagem que pode
ser usada para variveis qualitativas. Genericamente, pode-se definir a moda como o valor mais frequente da
distribuio.
1. Determinao da Moda de Valores No-Tabulados.
Considerando um conjunto ordenado de valores, a moda ser o valor predominante, o valor mais frequente desse conjunto. Embora seu significado seja o mais simples possvel, nem sempre a moda existe
(distribuio amodal) e nem sempre nica. Se apresentar apenas uma moda diremos que unimodal;
se possuir duas modas diremos que bimodal; se tiver vrias modas (mais que duas) diremos que
multimodal.
2. Determinao da Moda para Valores Tabulados.
No caso de dados tabelados no agrupados em classe, a determinao da moda imediata, bastando
para isso, consultar a tabela, localizando o valor que apresenta a maior frequncia.
Exemplo:
Tabela 7: Indivduos segundo o tipo sanguneo.
Tipo de Sangue Frequncia
O
417
A
292
B
94
AB
17
TOTAL
820
Fonte: (dados hipotticos)
Os dados apresentados mostram que na amostra o sangue tipo O ocorreu com maior frequncia. Ento,
para esta amostra, a moda sangue do tipo O.
Tratando-se de uma tabela de frequncias com valores tabulados e agrupados em classes, o procedimento
no imediato, sendo disponveis alguns mtodos de clculo distintos. Qualquer que seja o mtodo adotado,
o primeiro passo para determinar a moda localizar a classe que apresenta a maior frequncia, comumente
chamada de classe modal.
18

Nesse curso definiremos apenas o mtodo da moda bruta, que consiste em tomar o ponto mdio da classe
modal como sendo a moda. A classe modal ser aquela que apresentar a maior frequncia absoluta simples.
Exemplo:

Tabela 8: Notas da 1a Avaliao dos Alunos de Estatstica IV da UFBA. 1996.1

Notas
Alunos(fi ) xi
0 | 2
3
1
2 | 4
5
3
4 | 6
7
5
6 | 8
6
7
8 |10
1
9
TOTAL
22
...
Fonte: (dados hipotticos)

Para este exemplo temos que a terceira classe a classe modal (fi = 7)e a moda bruta ser seu ponto
mdio:
Mo = 5. Interpretao: A nota mais frequente na 1a avaliao foi 5, 0.

2.6

SEPARATRIZES

So as medidas que separam o rol ou a distribuio de frequncias em partes iguais. Vimos que a mediana
divide a distribuio em duas partes iguais quanto ao nmero de elementos de cada parte. Agora vamos
estudar outras medidas que dividem a distribuio em partes iguais, que sero as chamadas separatrizes. So
elas:
2.6.1

Quartis (Qi):

Os quartis dividem um conjunto de dados em quatro partes iguais. Assim:

0%

Q1

Q2

Q3

25%

50%

75%

Q1 : 1o quartil. Deixa
Q2 : 2o quartil. Deixa
Q3 : 3o quartil. Deixa
Genericamente, para
expresso:

100%

25% dos elementos antes do seu valor

50% dos elementos antes do seu valor. Coincide com a mediana
75% dos elementos antes do seu valor.
determinar a ordem ou posio do quartil a ser calculado, usaremos a seguinte
EQi =

in
4

(9)

onde:
i = nmero do quartil a ser calculado
n = nmero de observaes.
Para dados agrupados em classes, encontraremos os quartis de maneira semelhante usada para o clculo
da mediana:
Qi = l + h.

[EQi Fant ]

19

fQi

(10)

onde,
l = limite inferior da classe que contm o quartil desejado
h = amplitude do intervalo de classe
EQi = elemento quartlico
Fant = frequncia acumulada at a classe anterior classe mediana
f Qi = frequncia absoluta simples da classe quartlica.

2.6.2

Decis(Di):

Os decis dividem um conjunto de dados em dez partes iguais. Assim:

D1
0%

D2

10% 20%

D3

D4

D5

30%

40%

50% 60%

D7

D6

D8

70% 80%

D9
90%

100%

De maneira geral, para calcular os decis, recorreremos expresso que define a ordem em que o decil se
encontra:
EDi =

in
10

(11)

Para dados agrupados em classes, encontraremos os decis de maneira semelhante usada para clculo da
mediana e dos quartis.
2.6.3

Percentis ou Centis (Ci):

So as medidas que dividem a amostra em 100 partes iguais. Assim:

C1 C2 C3
0% 1% 2% 3%

C97 C98 C99

C50
50%

97% 98% 99%100%

O elemento que definir a ordem do centil ser encontrado pelo emprego da expresso:
ECi =

in
100

(12)

onde:
i = nmero identificador do centil
n = nmero total de observaes
Para dados agrupados em classes, encontraremos os centis de maneira semelhante utilizada para clculo
da mediana, dos quartis e dos decis.
Exemplo: Com base na tabela de distribuio de frequncias abaixo encontre:
a) Primeiro quartil ; b) Septuagsimo quinto centil ; c) Nono decil

Resoluo:
a) Q1
Encontrar a posio do primeiro quartil:
20

Tabela 9: Consumo mdio de eletricidade (kw/hora) entre usurios. Rio de Janeiro. 1980.
Consumo (Kwh) No de usurios (fi ) Fiab
5 | 25
4
4
25 | 45
6
10
45 | 65
14
24
65 | 85
26
50
85 | 105
14
64
105 | 125
8
72
125 | 145
6
78
145 | 165
2
80
TOTAL
80
...
Fonte: (dados hipotticos)
EQ1 = n4 = 80
4 = 20
O Q1 est localizado na 20a posio, logo encontra-se na 3a classe. Com base nesses dados, calcularemos
Q1 da seguinte forma:
= 59.29
Q1 = 45 + 20[2010]
14
Interpretao: 25% dos usurios consomem at 59,59 kwh. De maneira anloga, 75% dos usurios consomem mais de 59,59 kwh.
b) C75
Encontrar a posio do centil 75:
n
EC75 = 75 100
= 75 (80)
100 = 60
O C75 est localizado na 60a posio, logo encontra-se na 5a classe. Com base nesses dados, calcularemos
C75 da seguinte forma:
= 99.29
C75 = 85 + 20[6050]
14
Interpretao: 75% dos usurios consomem at 99,29 kwh. De maneira anloga, 25% dos usurios consomem mais de 99,29 kwh.
c) D9
Encontrar a posio do 9o decil:
n
= 9 (80)
ED9 = 9 10
10 = 72
O D9 est localizado na 72a posio, logo encontra-se na 6a classe. Com base nesses dados, calcularemos
D9 da seguinte forma:
= 125
D9 = 105 + 20[7264]
8
Interpretao: 90% dos usurios consomem at 125 kwh. De maneira anloga, 10% dos usurios consomem
mais de 125 kwh.

2.7

MEDIDAS DE DISPERSO

Para avaliar o grau de variabilidade ou disperso dos valores de um conjunto de nmeros, lanaremos mo das
estatsticas denominadas medidas de disperso. Essas nos proporcionaro um conhecimento mais completo
do fenmeno a ser analisado, permitindo estabelecer comparaes entre fenmenos da mesma natureza e
mostrando at que ponto os valores se distribuem acima ou abaixo da medida de tendncia central.
2.7.1

TIPOS DE MEDIDAS DE DISPERSO

1. Amplitude Total ou Intervalo Total (A) => a diferena entre os valores extremos da srie.
A = Xmax Xmn

21

A amplitude nos d a idia do campo de variao dos valores da srie. No entanto, devemos frisar que a
amplitude no uma boa medida de disperso porque seu clculo se baseia apenas nos valores extremos
da amostra e no em todos os dados.
2. Desvio-Padro (S) => a medida de disperso mais usada e mais importante. Mede a concentrao
dos dados em torno da mdia. dado pela soma dos quadrados dos desvios dividido pelo nmero total
de observaes.
(a) Desvio-padro de dados brutos:

S=

n (x x)2
P
i
i=1 n 1

(13)

Exemplo: Calcular o desvio-padro do conjunto A = {10, 12, 13, 20, 25, 34, 45}X = 22, 71

S=

1.007,430
6

Tabela 10: Clculo do Desvio Padro.

Xi
di = (xi x)
d2i = (xi x)2
10
-12,714
161,646
12
-10,714
114,790
13
-9,714
94,362
20
-2,714
7,366
25
2,286
5,226
34
11,286
127,374
45
22,286
496,666
P 2
TOTAL
...
di = 1.007, 430

= 12, 958

(b) Desvio-padro de dados tabulados:

Quando os valores vierem dispostos em uma tabela de frequncias, o clculo do desvio-padro se
far atravs da seguinte frmula:

S=

k (x x)2 f
P
i
i
n

1
i=1

(14)

onde xi = ponto mdio da classe

Exemplo: Calcular o desvio-padro para os dados da Tabela 12.
s
k
P
q
xj fj
k (x x)2 f
P
i
i
80.780
=
X = i=1 n
= 630
==>
X
=
79,
5
S
=
80
79 ==> S = 31, 977
n1
i=1
3. Varincia (S 2 ) =>Ser dada pelo quadrado do desvio-padro.
S2 =

n (x x)2
P
i
n
1
i=1

22

(15)

Tabela 11: Distribuio de frequncias do consumo de energia eltrica (kwh).

Consumo (Kwh) N o de Usurios (fi ) xi
xi fi (xi x) (xi x)2 (xi x)2 fi
5 | 25
4
15
60
-64,5
4160,25
16641,0
25 | 45
6
35
210
-44,5
1980,25
11881,5
45 | 65
14
55
770
-24,5
600,25
8403,5
65 | 85
26
75 1950
-4,5
20,25
526,5
85 | 105
14
95 1330
15,5
240,25
3363,5
105 | 125
8
115 920
35,5
1260,25
10082,0
125 | 145
6
135 810
55,5
3080,25
18481,5
145 | 165
2
155 310
75,5
5700,25
11400,5
TOTAL
80
... 6360
...
...
80780
Fonte: (dados hipotticos)
Interpretao do desvio-padro (anloga da varincia):
Devemos ter em mente que o desvio-padro mede a variao entre valores. Assim:

Se os valores estiverem prximos uns dos outros, ento o desvio-padro ser pequeno, e consequentemente os dados sero homogneos.
Se os valores estiverem distantes uns dos outros, ento o desvio-padro ser grande, e consequentemente os dados sero heterogneos.
A desvantagem do uso da varincia perante o uso do desvio-padro que a unidade de medida
utilizada igual ao quadrado da unidade de medida dos dados. No entanto, por conta da maior
facilidade do trato algbrico com funes quadrticas, a varincia ser a medida de disperso mais
utilizada quando tratarmos da inferncia estatstica.
4. Coeficiente de Variao (CV) => Trata-se de uma medida relativa de disperso, til para comparao em termos relativos do grau de concentrao em torno da mdia de sries distintas.
dado por:
CV =

S
100.
X

(16)

Como o CV uma medida que exprime a variabilidade relativa mdia, usualmente expresso em
porcentagem.
Exemplo:
Grupo I > CV = 66, 67%, S = 2, X = 3
GrupoII > CV = 3, 64%, S = 2, X = 55
Como vemos, a disperso dos dados a mesma para os dois grupos. Entretanto as mdias so diferentes.
Isso determina a diferena da disperso relativa, medida pelo coeficiente de variao. Neste caso, o desvio 2
muito mais importante para o grupo I do que para o grupo II, o que confirmado atravs do CV.
Obs: Para efeitos prticos, costuma-se considerar que o CV superior a 50% indica alto grau de disperso
e, consequentemente, pequena representatividade da mdia. Enquanto que para valores inferiores a 50%, a
mdia ser tanto mais representativa quanto menor for o valor de seu CV.
Exemplo: A Tabela 13 representa a distribuio de recm-nascidos vivos, segundo o peso, em gramas.
Calcule o desvio-padro, a varincia e o coeficiente de variao, e compare os resultados encontrados com as
respostas apresentadas.
23

Tabela 12: Peso de recm-nascidos.

Peso (em gramas) (fi )
Xi
500 | 1000
1
750
1000 | 1500
3
1250
1500 | 2000
22
1750
2000 | 2500
115
2250
2500 | 3000
263
2750
3000 | 3500
287
3250
3500 | 4000
99
3750
4000 | 4500
32
4250
TOTAL
80
...
Fonte: SAME/ FCM/ UNICAMP

Soluo:
Inicialmente precisaremos calcular a mdia aritmtica, cujo valor para este conjunto de dados de 2998,8
gramas.
Com esta informao pode-se, ento, encontrar o desvio padro (555,2 gramas) e a varincia (308.240,6
gramas2).
Para avaliar a variabilidade desses dados o coeficiente de variao uma ferramenta fundamental, permitindo uma anlise mais clara sobre a importncia da disperso dos pesos desses recm-nascidos. Assim,
o Coeficiente de Variao = 18,5%, o que indica que no h uma grande variabilidade entre os pesos dos
recm-nascidos avaliados, que se apresentam homogneos.

2.8

MEDIDAS DE ASSIMETRIA

As medidas de assimetria so utilizadas para avaliar o grau de assimetria da distribuio de frequncias, sendo
que assimetria pode ser definida como o grau de deformao de uma curva de frequncias.
Vamos aprender algumas formas de avaliar a assimetria das curvas de frequncia dos dados:
2.8.1

Relao entre mdia, mediana e moda

Uma primeira verificao da assimetria pode ser feita atravs da comparao entre os valores observados para
a mdia, mediana e moda. Desta forma teremos abaixo esta relao, com a respectiva representao grfica
atravs de polgono de frequncias.
a) Se a distribuio simtrica: (X = Md = Mo)

M o d a = M ed ia = M ed iana

24

b) Se a distribuio assimtrica positiva ou direita: (X > Md > Mo)

Mo Med Media

c) Se a distribuio assimtrica negativa ou esquerda: (X < Md < Mo)

Media Med Mo

2.8.2

Coeficiente de Assimetria de Pearson (Sk)

Indica o grau de distoro da distribuio em relao uma distribuio simtrica.

dado por:
Sk =

X Mo
S

(17)

Interpretao:
Se Sk = 0, a distribuio simtrica
Se Sk > 0, a distribuio assimtrica positiva
Se Sk < 0, a distribuio assimtrica negativa

2.8.3

Coeficiente Quartil de Assimetria (eQ )

O coeficiente Quartil de Assimetria (eQ )=> um coeficiente muito til, sobretudo quando no temos
o desvio-padro. dado por:
eQ =

Q3 2Md + Q1
Q3 Q1

onde 1 < eQ < 1

Interpretao:
Se eQ = 0, a distribuio simtrica
Se eQ > 0, a distribuio assimtrica positiva
25

(18)

Se eQ < 0, a distribuio assimtrica negativa

Exemplo: Avalie a assimetria da distribuio dos pesos de recm-nascidos vivos do exemplo anterior.
a) Relao entre mdia, mediana e moda.
X = 2998, 8; Md = 3012, 2; Mo = 3250, 0
Logo : X < Md < Mo = curva assimtrica negativa
b) Coeficiente de assimetria de Pearson:
= 2998,83250,0
= 0, 45 = curva assimtrica negativa
Sk = XMo
S
555,2
c) Coeficiente quartil de assimetria:
1
= 3370,22(3012,2)+2622,6
= 0, 04 = curva assimtrica negativa
eQ = Q3 2Md+Q
Q3 Q1
33702662,6

2.9

COMPARAO ENTRE PROPORO, RAZO E TAXA

Iremos realizar uma discusso breve destes termos e da distino entre eles. Do ponto de vista estatstico
representam medidas simples, mas que permitem estabelecer comparao entre grupos.
2.9.1

PROPORO (frequncia relativa simples)

A proporo de indivduos de uma dada categoria definida atravs do quociente entre o nmero de indivduos pertencentes a essa categoria e o nmero total de indivduos considerados, devendo as categorias ser
mutuamente exclusivas e exaustivas. A proporo expressa mais comumente em percentagem.
Algumas medidas importantes na anlise do processo sade-doena so definidas como propores, como,
por exemplo, as seguintes:
PROPORES UTILIZADAS EM MORTALIDADE
1. Mortalidade proporcional segundo a idade
Exemplo: Proporc. Mort..de menores de 1ano =

no de bitos em menores de 1ano, reaA, tempo t

total de bitos, rea A, tempo t

Tabela 13: Proporo de bitos por acidentes de trnsito na faixa etria de 15-29 anos de idade. Regio
Nordeste. Brasil. 1980-1995.
Ano No debitos por acid. trnsito entre 15 - 29 No total de btos por acid. trnsito Proporo
1980
1025
3462
29,61
1995
1705
5543
30,76
Fonte: MS/ DATASUS
2. Mortalidade proporcional segundo o sexo
Exemplo: Mort. Proporc. para o sexo feminino =

no de bitos em ind. sexo feminino, rea A, tempo t

total de bitos, rea A, tempo t

3. Mortalidade proporcional segundo causas

Serve para indicar a importncia de determinada causa ou grupo de causas em uma determinada rea e,
at certo ponto, representam subsdio para o delineamento de prioridades no setor sade.
no de bitos pela doena D, rea A, tempo t
Exemplo: Mort. Proporc. pela doena D =
total de bitos, rea A, tempo t

26

2.9.2

RAZO ( ou ndice)

O termo razo usado quando A e B representam caractersticas separadas e distintas, e calculamos o

quociente entre o nmero de elementos que representam cada uma das categorias. Como exemplos de razes
temos: mdicos/habitantes; leitos/habitantes; telefones/habitantes; cobertura vegetal/total rea.
Exemplo:

Tabela 14: Populaes masculina e feminina e razo de masculinidade (por 1000 mulheres), segundo as grandes
Regies do Brasil. 1980.
Sexo Masculino Feminino Razo de Masculinidade
Regies
Norte
2992144
2893392
1034,1
Nordeste
17054379 17801090
958,1
Sudeste
25731364 26014954
989,1
Sul
9529280
9509655
1002,1
Centro-Oeste
3838932
3705675
1036,0
BRASIL
59146099 59924766
987,0
Fonte: LAURENTI, Estatstica de Sade, E.P.U. 1987

Interpretao: No Brasil, em 1980, a razo de masculinidade assumiu o valor de 987.0 homens para 1000
mulheres.
2.9.3

TAXA ( ou Coeficiente)

usual multiplicar-se o resultado obtido por um nmero mltiplo de 10, que constitui a chamada base
do coeficiente qual deve, obrigatoriamente, ser acrescentada a unidade de referncia usado no denominador
(habitantes, mulheres, homens, nascidos vivos, etc...). Quando se calcular um coeficiente est implcita sempre
a noo de risco de acontecimento do fenmeno em estudo. Assim, um coeficiente sempre calculado para
determinado perodo de tempo bem especificado e para uma rea delimitada.
no total de bitos, rea A, tempo t
Exemplo: Coeficiente geral de mortalidade =
Populao total, rea A, tempo t
Tabela 15: Populaco, bitos e coeficiente geral de mortalidade, em alguns subdistritos do Municpio de So
Paulo. 1967).
Subdistrito
Populao btos
Coefic. (por 1000 habitantes)
Bela Vista
69000
1318
19,1
Consolao
60300
4291
71,5
Jardim Amrica
49300
7725
159,6
Liberdade
62300
3413
54,7
Capela do Socorro
77764
280
3,6
Moca
52967
213
4,0
Tatuap
285000
811
2,9
Tucuruvi
345918
839
2,4
Vila Formosa
101000
418
4,1
Fonte: LAURENTI, R. A medida das doenas. In: FORATTINI, O P. Epidemiologia Geral.
So Paulo, Edgard Blucher, Ed. Da Universidade de So Paulo, 1976.

Exemplo: Coeficiente de Prevalncia =

no casos existentes, rea A, tempo t

Populao total, rea A, tempo t
27

Os coeficientes de morbidade referem-se frequncia e gravidade das doenas.

Diferena entre taxa e razo: Na razo o que est expresso no denominador no est sujeito ao risco de vir a
apresentar o evento que est expresso no numerador. Assim, quando se apresenta a relao bitos/populao,
trata-se de um coeficiente. Est indicando que aquilo que est expresso no denominador (populao) est
sujeito ao risco de apresentar o evento discriminado no numerador. J a relao hospital/populao no
expressa risco. D apenas a informao do nmero de hospitais por habitantes.

BOX-PLOT

O box-plot um mtodo alternativo ao histograma para representar os dados. O box-plot fornece informaes
sobre as caractersticas de posio, disperso, assimetria, comprimento das caudas e outliers de um conjunto
de dados. No entanto, a maior importncia desse tipo de grfico est na identificao de possveis outliers no
conjunto de dados.
A construo de um box-plot exige que tenhamos o valor mnimo, o primeiro quartil, a mediana, o terceiro
quartil e o valor mximo. Como a mediana revela uma tendncia central, ao passo que os quartis indicam a
disperso dos dados (atravs do clculo do intervalo interquartil), os box-plot tm a vantagem de no serem
to sensveis a valores extremos como outras medidas baseadas na mdia e no desvio-padro.
Um dos aspectos mais convenientes do uso dos box-plot a possibilidade de comparao entre dois ou
mais conjuntos de dados.
Exemplo: Idade dos indivduos, segundo o nmero de infeces por dengue. Salvador. 1998.
120

Idade (em anos)

100
80
60

1534
1445

1484
1423
1437
1466
1425
1478

1431
1471
1536
1583
1449
1452
1567
1584
1579

1563
1551
1504
1462
1575
1578
1540

40
20
0
-20
N=

476

384

655

Nmero de infeces

Fonte: TEIXEIRA, Glria, et alii. Dinmica de circulao do vrus do dengue em distintos espaos
intraurbanos de uma grande cidade submetida a um programa de combate vetorial. ISC/UFBA. 2000.
Em sala de aula sero apresentados mais detalhes sobre este tpico.

3.1

MEDIDA DE ASSOCIAO PARA VARIVEIS QUANTITATIVAS: CORRELAO LINEAR

At o momento todas as anlises foram discutidas para cada varivel individualmente. A tcnica a ser
estudada a seguir refere-se a problemas que envolvam conjuntos de dados que possuem duas ou mais variveis
quantitativas.

28

A verificao da existncia e do grau de relao entre variveis quantitativas objeto do estudo da correlao. Por exemplo, pode-se desejar saber se existe relao entre o peso e a altura de um indivduo; ou entre
a temperatura do ambiente e a produo de frutas.
A investigao da relao de duas variveis, tais como estas, usualmente comea com uma tentativa para
descobrir a forma aproximada dessa relao, representando-se graficamente os dados como pontos no plano
x, y. Tal grfico denominamos grfico de disperso. Por meio dele pode-se prontamente verificar se existe
alguma relao pronunciada e, em caso positivo, se a relao pode ser tratada como aproximadamente linear.
Aps esta verificao, pode-se medir o grau em que as variveis esto relacionadas. A esta medida chamaremos de coeficiente de correlao, r, que definido pela seguinte frmula:
P
P
P
Y)
XY ( X)(
n
(19)
r = rh
P 2 (P X)2 i hP 2 (P Y )2 i
X n
Y n
O coeficiente de correlao, r, mede a fora da associao linear entre as duas variveis avaliadas. No
entanto, vale a pena ressaltar que esta somente uma medida vlida se as duas variveis esto relacionadas
linearmente, ou seja, se a relao visualizada no grfico de disperso deve lembrar o desenho de uma reta.
Como propriedade, o r deve satisfazer seguinte condio: 1 r 1,onde os valores de r s sero iguais
a 1 se os pontos estiverem totalmente sobre uma linha reta.
Sua interpretao depender do valor numrico e do sinal, podendo ser classifada como: correlao linear
positiva (0 < r < 1), correlao linear perfeita positiva (r = 1), correlao negativa (1 < r < 0), correlao
perfeita negativa (r = 1), correlao nula (r = 0). Quando duas variveis forem independentes, o coeficiente
de correlao ser nulo.

3.2

MEDIDAS DE ASSOCIAO PARA VARIVEIS QUALITATIVAS

Como foi dito, o uso do coeficiente de correlao linear somente valido para duas variveis quantitativas. No
entanto, em muitas situaes, o pesquisador se v s voltas com variveis qualitativas. Desta forma, a seguir
apresentaremos algumas formas simples de anlise da relao entre duas variveis qualitativas.
Caso 1 Tabelas bidimensionais 2 2
Um pesquisador est avaliando duas variveis qualitativas, sendo que cada uma delas apresenta apenas
duas modalidades mutuamente exclusivas. Deseja-se verificar independncia entre as variveis em estudo,
ou seja, ausncia de associao entre estas. Esta associao pode ser feita pela comparao das propores
em cada uma das categorias. No entanto, esta comparao no teria limites definidos para a indicao de
associao. Deste modo, estaremos propondo a utilizao de uma medida singular, de limites bem definidos,
que nos informe sobre a intensidade da associao, caso exista.

Tabela 16: Tabela terica de associaco entre duas variveis.

Var2
Cat 21 Cat 22 TOTAL
Var1
Cat 11
a
b
N1.
Cat 12
c
d
N2.
TOTAL
N.1
N.2
N

Para tabelas 2 2, uma medida adequada o coeficiente de YULE, que pode ser definido por:
Y =

ad bc
ad + bc
29

(20)

Na interpretao do coeficiente de YULE, preciso saber:

1. O valor de Y est compreendido no intervalo fechado de 1 at +1.
2. Y = 0 corresponde a independncia
3. Y 6= 0 corresponde a associao entre as variveis.
Em termos descritivos, o coeficiente de YULE apresenta a informao que permite a verificao de associao entre duas variveis qualitativas. Do ponto de vista da inferncia estatstica, outras tcnicas podero
ser utilizadas. No entanto, no faro parte do contedo programtico deste curso.
Exemplo: Considere que um pesquisador toma, ao acaso, 2 amostras de cobaias isognicas, susceptveis
a determinado vrus. As cobaias da primeira amostra so injetadas com uma vacina experimental, e as
da segunda amostra so injetadas com uma substncia incua (grupo controle). Todos as cobaias so ento
expostas ao vrus e, depois de determinado perodo de exposio, verificam-se os sobreviventes de cada amostra.
lcito concluir (ou pelo menos suspeitar) luz destes dados que o uso da vacina est associado ao padro
de sobrevivncia destes animais?
Vacinados
Sim
No
TOTAL

Sobreviventes
Sim No
130
70
80
160
210
230

TOTAL
200
240
440

Soluo: a = 130; b = 70; c = 80; d = 160

Clculo do coeficiente de YULE: Y =

ad bc
(130x160) (70x80)
20800 5600
15200
=
=
=
= 0.58
ad + bc
(130x160) + (70x80)
20800 + 5600
26400

Logo, os dados sugerem a existncia de uma associao entre o uso da vacina e o padro de sobrevivncia
aps a exposio ao vrus em estudo.
Caso 2 Tabelas bidimensionais r s
A desvantagem do uso do coeficiente de YULE que esta medida restringe-se na anlise de tabelas 2 2.
Suponha-se, no entanto, que as duas variveis qualitativas em estudo apresentem uma r categorias e outra s
categorias mutuamente exclusivas. Neste caso, a medida a ser utilizada baseia-se na diferena entre os valores
observados e esperados em cada uma das categorias, sendo denominada coeficiente de contingncia de Pearson.
O uso deste coeficiente contrape os resultados observados (simbolizados pela letra O) pelo pesquisador
com aqueles resultados esperados (simbolizados pela letra E) obtidos a partir de uma hiptese terica de
independncia entre os atributos. Assim, se os resultados observados forem prximos aos esperados, isto
sugere independncia entre os atributos; caso contrrio, estaremos afastados da hiptese de independncia,
sugerindo-se uma associao entre os atributos.
Levando-se isto em considerao, utilizaremos uma estatstica chamada de Qui-quadrado, que mede a
discrepncia entre os valores, e que definida por:
2 =

n [(O E)2 ]
P
E
i=1

(21)

Os valores esperados so encontrados mediante a suposio de independncia, ou seja, caso no exista

associao entre as variveis espera-se que os valores encontrados no se apresentem em propores diferentes
segundo as categorias. Assim, obtm-se o valor esperado correspondente a cada casela multiplicando-se o total

30

da linha (em que se encontra a casela) pelo total da coluna (em que se encontra a casela), sendo este produto
dividido pelo total geral (N)
O coeficiente de contigncia de Pearson dado pela seguinte expresso:
C=

2
2 + n

(22)

Interpretao do coeficiente:
C = 0 indica independncia;
C > 0 sugere associao.
Obs: Este coeficiente falho em determinar o sentido da associao (direta ou inversa). Alm disso,
h ausncia de um limite superior, que varia para cada estrutura da tabela. Para contornar este segundo
problema, sugere-se o uso do coeficiente corrigido C, que tem a expresso:
Ccor = C.

min(r, s)
min(r, s) 1

(23)

onde:

r = nmero de categorias da varivel 1

s = nmero de categorias da varivel 2
Exemplo: Neste estudo deseja-se verificar se existe associao entre as variveis sexo e grupo sanguneo.
Os dados coletados encontram-se dispostos na tabela seguinte.
Grupo Sanguneo
A
B
AB
O
TOTAL

Sexo
Masculino Feminino
112
88
58
42
180
120
250
150
600
400

TOTAL
200
100
300
400
1000

Soluo: Os valores dispostos na tabela anterior referem-se aos resultados observados no estudo em questo.
Precisamos encontar os resultados esperados para cada casela.
= (200)(600)
= 120
E11 = (n1.)(n.1)
N
1000
(n1.)(n.2)
(400)(200)
E12 =
= 1000 = 80, e assim por diante para todas as caselas.
N
Assim obteremos a tabela completa (com os resultados observados fora dos parnteses e os resultados
esperados dentro dos parnteses) disposta da seguinte forma:
Grupo Sanguneo
A
B
AB
O
TOTAL

Sexo
Masculino Feminino
112 (120)
88 (80)
58 (60)
42 (42)
180 (180) 120 (120)
250 (240) 150 (160)
600
400

TOTAL
200
100
300
400
1000

Para clculo da estatstica Qui-quadrado teremos:

n [(O E)2 ]
P
2
2
2
2
2 =
+ (8880)
+ (5860)
+ ..... + (150160)
= (112120)
120
80
60
160
E
i=1
2 = 2, 55
Logo, para o clculo do coeficiente de contingncia de Pearson, teremos:
2,55
= 0, 05
C = 2,55+1000
31

Utilizando-se a correo do coeficiente de contingncia, teramos:

2
= 0, 10
Ccor = 0.05 21
Assim, como o resultado foi um valor prximo de zero, isto sugere independncia entre sexo e grupo
sanguneo, como era de se esperar.
NOTAS FINAIS:
1. Apesar da existncia de outras medidas de associao, essas apresentadas nesta seco podem ser consideradas as medidas descritivas bsicas.
2. A existncia de associao no significa necessariamente relao de causa e efeito.

EXERCCIOS DE FIXAO

1) Em um estudo estatstico a caracterstica de interesse pode ser qualitativa (nominal ou ordinal) ou quantitativa (discreta ou contnua). Classifique as variveis nos exemplos que se seguem:
a) populao: moradores de uma certa cidade
varivel: cor dos olhos (pretos, castanhos, azuis, verdes)
b) populao: casais residentes em uma certa cidade
varivel 1: nmero de filhos
varivel 2: classe econmica
c) populao: candidatos a um exame vestibular
varivel 1: renda familiar
varivel 2: sexo (masculino, feminino)
varivel 3: nmero de pessoas na famlia
d) populao: sabonetes de certa marca
varivel: peso lquido
e) populao: aparelhos produzidos por uma linha de montagem
varivel: nmero de defeitos por unidade
2) Especifique o tipo de srie estatstica que deve ser construda para atender ao objetivo de cada uma
das situaes abaixo:
a) O diretor de marketing da empresa G.L.T. S.A., fabricante de componentes eletrnicos, deseja examinar
a evoluo de suas vendas em 1975, ms a ms, no Brasil.
b) Um laboratrio farmacutico est interessado em conhecer o comportamento das vendas de trs de seus
produtos no Brasil em 1994.
c) O H.G.E. necessita saber o nmero de bitos por principais grupos de causa em idosos no ltimos 5
anos.
d) O A.A. (Alcoolatras Annimos) deseja saber o nmero de pessoas que frequentaram as reunies no ano
de 1995, em todas as capitais do Brasil.
3) Elabore tabelas com os dados abaixo, classificando a srie estatstica de cada uma delas:
a) Segundo o Anurio Estatstico do Brasil, a produo de leo de mamona no Cear, em 1971, foi de
8.610 toneladas, em Pernambuco, 32.100 toneladas, na Bahia foi de 28.778 toneladas, e em So Paulo foi de
62.012 toneladas.
b) Segundo a Equipe Tcnica de Estatstica Agropecuria, a produo de peles de alguns animais silvestres,
na Bahia, em 1965, em toneladas, foi a seguinte: Ariranha, 159; Capivara, 1.927; Gato do mato, 27.154; Porco
do mato, 18.843. No ano de 1966, registraram-se os seguintes dados, em toneladas: Ariranha, 143; Capivara,
2.410; Gato do mato, 29.800; Porco do mato, 19.635.
c) Segundo a Anurio Estatstico do Brasil, editado pelo IBGE, a populao presente recenseada no
Brasil, segundo o sexo, foi a seguinte: em 1940, 41.236.315 habitantes; sendo 20.614.088 do sexo masculino e
32

20.622.227 do sexo feminino; em 1950, a populao total foi 51.944.397, sendo 25.885.001 do sexo masculino.
Em 1960, para o total de 70.119.071 habitantes, registrou-se a presena de 35.108.354 mulheres. E em 1970,
a populao total alcanou 93.204.379 habitantes, sendo 46.330.629 do sexo masculino.
4) Para os conjuntos de dados a seguir:
a) Determinar o nmero de classes pela regra de Sturges
b) Construir a tabela de frequncias absolutas simples
c) Determinar:
c.1) as frequncias simples relativas
c.2) as frequncias absolutas e relativas acumuladas (abaixo de)
c.3) as frequncias absolutas e relativas acumuladas (acima de)
d) Construir um histograma e um polgono de frequncias
4.1) Os dados seguintes representam 20 observaes relativas ao ndice pluviomtrico em determinados
municpios do Estado:
Milmetros
144 152
160 151
154 145
142 146
141 150

de Chuva
159 160
157 146
141 150
142 141
143 158

4.2) Considere os seguintes dados sobre a distribuio de valores de metabolismo basal (cal/dia) em 35
adolescentes:
910
1070
1190
1280
960
1080
1200

1280
980
1090
1210
1300
1000
1110

1220
1310
1010
1110
1240
1360
1020

1120
1240
1380
1040
1130
1260
1420

1040
1140
1270
1460
1070
1180
1270

5) Calcule para cada uma das distribuies abaixo as seguintes medidas:

a) de tendncia central: mdia aritmtica, mediana e moda
b) de disperso: amplitude total, desvio-padro e varincia
5.1. Pesos de recm-nascidos (em kg): 2.7; 3.9; 4.1; 4.3; 5.4
5.2. Taxas sanguneas de uria (mg/dl): 27; 31; 32; 34; 46; 61
5.3. Idade de pacientes renais (em anos):
Idade
26
28
30
32
37
TOTAL
33

fi
3
10
12
5
19
49

5.4. Nmero de atendimentos em servio mdico por funcionrios de uma empresa:

No de Atendimento
0
1
2
3
4
TOTAL

fi
24
21
3
51
1
50

5.5. Altura de 140 alunos (em cm):

Estaturas (cm)
No de Alunos

145|150
2

150|155
10

155|160
27

160|165
38

165|170
27

170|175
21

175|180
8

180|185
7

c) Calcule o primeiro quartil, o quadragsimo centil e o nono decil para o conjunto de dados 5.5.
d) Avalie a assimetria do conjunto de dados 5.5
6) Como parte de uma investigao sobre o efeito da variao de temperatura em ratos, a taxa de perda
de gua em um grupo de ratos foi determinada para um srie de temperaturas pela absoro de gua ocorrida
em um particular tempo. Os resultados seguintes foram obtidos:
Temperatura (o C)
gua Absorvida (mg)

15
2794

20
2924

25
3175

30
3340

35
3576

Considere: x = temperatura (varivel independente); e y =a quantidade de gua absorvida (variveldependente).

Analise a correlao entre estas duas variveis. Construa inicialmente um diagrama de disperso.
7) Os box plots a seguir mostram as distribuies de vendas de uma loja, referentes aos anos de 1995, 1996
e 1997. Analise-os e descreva o comportamento dessas trs distribuies:
1997

1996

1995

10

20

30

40

50

60

70

( m ilh e s)

8) Decidiu-se investigar a distribuio salarial dos profissionais com nvel universitrio em duas regies A e
B. As informaes pertinentes foram obtidas e encontram-se no quadro abaixo, expressas em salrios mnimos.
Com base nestes dados, responda:
a) Que medidas podem ser calculadas a partir das que se encontram no quadro?
b) Faa uma descrio rpida das principais diferenas entre o salrio destes profissionais?
Regio
A
B

Mdia
20.000
20.000

DP
4.00
6.00

Mediana
20.32
18.00

Moda
20.15
17.00
34

Q1
17.32
16.00

Q3
22.68
24.00

Min
8.00
14.00

Mx
32.00
42.00

9) Verifique se existe associao entre as duas variveis dos exemplos a seguir:

9.1. Hbito de fumar e sexo:
Grupo Sanguneo
Sim
No
TOTAL

Sexo
Masculino Feminino
20
60
25
75
45
135

TOTAL
80
100
180

9.2. Estado civil e aprovao no vestibular:

Estado Civil
Solteiro
Casado
Separado
Outros
TOTAL

Aprovado
120
45
180
255
600

Reprovado
80
55
120
145
400

TOTAL
200
100
300
400
1000

Bibliografia

BERQU, SOUZA, GOTLIEB. Bioestatstica. So Paulo: Editora Pedaggica e Universitria Ltda, 1980.
BOTTER, et alii. Noes de estatstica: Notas de aula. Instituto de Matemtica e Estatstica. USP.
Fevereiro, 1996.
BUSSAB, Wilton O , MORETTIN, Pedro A . Estatstica Bsica. 4a ed. So Paulo: Atual Editora, 1980.
FONSECA, Jairo Simon da, MARTINS, Gilberto de Andrade. Curso de Estatstica. 3a ed. Editora Atlas,
1990.
LAURENTI, et elii. Estatsticas de sade. 2a ed. So Paulo: E.P.U., 1987.
LOPES, Paulo Afonso. Probabilidades e Estatstica. Editora R.A . 1999
MORETTIN, Luiz Gonzaga. Estatstica Bsica. 7a ed. Editora Makron Books. Vols. 1 e 2. 1999.
MORAES, Lia Terezinha L.P. Notas de aulas (diversos). Departamento de Estatstica. UFBA.1996.
SOARES, Jos Francisco; SIQUEIRA, Arminda Lcia. Introduo Estatstica Mdica. 1a edio. Belo
Horizonte: Departamento de Estatstica. UFMG.1999.
SOUNIS, Emlio. Bioestatstica. So Paulo: Editora McGraw-Hill do Brasil Ltda, 1979.
TOLEDO, Geraldo Luciano, OVALLE, Ivo Izidoro. Estatstica Bsica. 2a ed. So Paulo: Editora Atlas,
1994.
TRIOLA, Mrio. Introduo Estatstica. 7a ed. Editora LTC. 1999
VIEIRA, Snia. Introduo Estatstica. Rio de Janeiro: Editora Campus Ltda, 1981.

35