Apostila Estat

1
UNIVERSIDADE FEDERAL DO PAR

FACULDADE DE ESTATSTICA - CURSO DE BACHARELADO EM ESTATSTICA
ESTATSTICA DESCRITIVA Profa. Dra. Silvia dos S. de Almeida
APOSTILA
DE
ESTATSTICA DESCRITIVA
Profa. Silvia dos Santos de Almeida
Belm - 2011
2

DISCIPLINA: (EN 0707) Estatstica Descritiva - CH Semestral:90 h
Plano de Ensino - 2 Semestre/2011

EMENTA: Conceitos Fundamentais, Fases do Trabalho Estatstica, Medidas de Tendncia Central,
Medidas de Disperso, Momentos, Assimetria e Curtose, Correlao Linear Simples, ajustamento,
Nmeros ndices.
OBJETIVO: Possibilitar ao aluno o entendimento e a aplicao de tcnicas estatsticas na anlise
de dados.
PROCEDIMENTOS DIDTICOS: aulas expositivas com uso de quadro negro/ e ou outros
recursos didticos, alm de aulas prticas no Computador e resoluo de lista de exerccios.
Data Contedo Previsto
22/08/2011 Apresentao do Programa da disciplina com Plano de ensino
24/08/2011 Provinha de reviso (foco em estatstica documentaria)
26/08/2011 Tpico 1 do programa (conceitos fundamentais e arredondamento de nmeros) com
exemplos
29/08/2011 Exerccios sobre o Tpico 1
31/08/2011 Tpico 2 do Programa (Fases do Trabalho Estatstico) com exemplos
02/09/2011 Exerccios dos Tpicos 1 e 2
05/09/2011 Seminrio Tipos de Questionrio/formulrio
07/09/2011 FERIADO Independncia
09/09/2011 Aula pratica de organizao e Tabulao de Dados (LABEST )
12/09/2011 Tpico 3 do Programa (Medidas de Tendncia Central: Conceituao, Mdia Aritmtica,
Mdia Geomtrica, Mdia Harmnica, Mdia Quadrtica e Mdia Ponderada) com
exemplos
14/09/2011 Exerccios Parciais do Tpico 3
16/09/2011 Aula pratica sobre mdias (LABEST )
19/09/2011 Continuao do Tpico 3 (Moda, Medidas separatrizes: Mediana, quartil, decil e percentil)
com exemplos
21/09/2011 Continuao do Tpico 3 (Processo Grfico (Box-plot), uso, vantagens e desvantagens das
medidas de tendncia central e aplicaes)
23/09/2011 Exerccios do Tpico 3
26/09/2011 Prova 1 (tpico 1, 2 e 3)
28/09/2011 Correo, discusso e Entrega da prova 1
30/09/2011 Tpico 4 do Programa (Medidas de Disperso: conceituao, amplitude total, desvio
mdio, desvio quartlico, desvio padro e varincia) com exemplos
03/10/2011 Continuao do Tpico 4 (Propriedades da varincia e Coeficiente de Variao) com
exemplos
05/10/2011 Exerccios do tpico 4
07/10/2011 Aula prtica sobre o tpico 4 (LABEST)
10/10/2011 Exerccios de Reviso dos Tpicos (1, 2, 3 e 4)
12/10/2011 FERIADO N.S.Aparecida
14/10/2011 Prova 2 (tpico 1, 2, 3 e 4)
19/10/2011 Tpico 5 (Momentos: consideraes gerais, momentos absolutos e de origem centrado na
3

mdia aritmtica ou num ponto qualquer) com exemplos

24/10/2011 Tpico 6 (Assimetria e Curtose: Consideraes gerais, coeficiente de assimetria e curtose,
por meio dos momentos, 1. e 2. Coef.de Pearson e coef. percentilico de curtose) com
exemplos
28/10/2011 FERIADO F.Pblico
31/10/2011 Exerccios do Tpico 5 e 6
02/11/2011 FERIADO Finados
04/11/2011 Reviso dos Tpicos 3, 4, 5 e 6
07/11/2011 Prova 3 (tpico 3,4, 5 e 6)
11/11/2011 Aula prtica sobre os tpicos 3, 4, 5 e 6 (LABEST)
14/11/2011 Tpico 7 (correlao linear simples: consideraes gerais, processo de calculo aplicaes)
com exemplos
16/11/2011 Tpico 8 (Regresso linear simples: consideraes gerais, Mnimos quadrados e aplicao
series de tempo) com exemplos
18/11/2011 Exerccios dos Tpicos 7 e 8
21/11/2011 Tpico 9 (Ajustamento de Curvas: consideraes gerais,Polinomial, exponencial,
Gompertz, Lorenzt e Logistica) com exemplos
23/11/2011 Exerccios dos tpicos 7, 8 e 9
25/11/2011 Aula prtica sobre os tpicos 7, 8 e 9 (LABEST)
28/11/2011 Entrega, discusso e inicio de resoluo de questes de Lista de Exerccios envolvendo
situaes Reais (problemas Prticos reais)
30/11/2011 Continuao e Finalizao da correo da Lista do dia 28/11 Reviso geral
02/12/2011 Prova Pratica no LABEST (Todo contedo)
05/12/2011 Tpico 10 (Nmero ndices: Conceito, nmero relativo, ndice simples, ndice aritmtico,
ndice geomtrico e harmnico; vantagens e desvantagens) com exemplos
07/12/2011 Continuao do Tpico 10 (Mtodos de ponderao de nmero ndice: ndice de Laspeyres,
Paasche, Fisher e mudana de base) com exemplos
09/12/2011 Exerccios do tpico 10
12/12/2011 Reviso com exerccios do Tpico 10
14/12/2011 Prova 4 (Tpico 10)
19/12/2011 Realizao das Provas de segunda chamada
21/12/2011 Entrega das provas de segunda chamada e Entrega do Resultado Final
4

1. Alguns Conceitos Importantes
1.1 - Estatstica
a cincia que se preocupa com coleta, anlise, interpretao e apresentao dos dados,
permitindo-nos a obteno de concluses vlidas a partir destes dados, bem como a tomada de
decises razoveis baseadas nessas concluses. A Estatstica dividi-se didaticamente em duas
partes:
1.1.1 - Estatstica Descritiva

aquela que se preocupa com a coleta, anlise, interpretao e apresentao dos dados
estatsticos.
1.1.2 - Estatstica Indutiva
Tambm conhecida como amostral ou inferencial, aquela que partindo de uma amostra,
estabelece hipteses sobre a populao de origem e formula previses fundamentando-se na teoria
das probabilidades.
1.2 - Populao
todo conjunto, finito ou infinito que possui ao menos uma caracterstica em comum entre
todos os seus elementos componentes.
1.3 - Censo
a coleta exaustiva das informaes de todas as N unidades da populao.
1.4 - Amostra
um subconjunto, uma parte selecionada da totalidade de observaes abrangidas pela
populao da qual se quer inferir alguma coisa.
1.5 - Amostragem
o processo de coleta das informaes de parte da populao - n - chamada amostra,
mediante mtodos adequados de seleo destas unidades.
1.6 - Experimento Aleatrio
quando efetuamos um experimento repetidas vezes, sob condies praticamente idnticas,
e obtemos resultados que no so essencialmente os mesmos.
Exemplo 1.6 - Na jogada de uma moeda o resultado do experimento o aparecimento de

uma cara ou uma coroa.
5

1.7 - Varivel
o conjunto de resultados possveis de um fenmeno (resposta), ou ainda so as
propriedades dos elementos da populao que se pretende conhecer.
1.7.1 - Variveis Qualitativas

quando obtemos como resposta palavras. Se existir uma ordem natural nas respostas,
dizemos que a varivel qualitativa ordinal, caso contrario, ela dita varivel qualitativa nominal.
Exemplo 1.7.1.1 - Numa pesquisa de inteno de voto, a resposta (varivel) sim ou no.
Exemplo 1.7.1.2 - Avaliao dos alunos, a resposta (varivel) : Insuficiente, Regular, Bom
e Excelente.
1.7. 2 - Variveis Quantitativas

quando obtemos como resposta nmeros. Podem ser ditas Discretas, quando obtidas atravs
de contagem ou Contnuas quando obtidas atravs de medies.
Exemplo 1.7.2.1 - Nmero de filhos. (discreta)

Exemplo 1.7.2.2 - Temperatura numa cidade. (continua)
1.8 Parmetro: So valores singulares que existem na populao e que servem para caracteriz-
la. Para definirmos um parmetro devemos examinar toda a populao.
Exemplo 1.8.1: Os alunos do 2 ano da FACEV tm em mdia 1,70 metros de estatura.
1.9. Estimativa: um valor aproximado do parmetro e calculado com o uso da amostra.

Exemplo 1.9.1: com base em uma amostra obteve-se que a estatura mdia dos alunos do 2 ano da
FACEV de 1,70.
1.10. Estimador: a forma de se obter a estimativa.

n
x i
Exemplo 1.9.1: mdia = i =1
, i = 1,2,L, n.
n
1.11- Arredondamento de Nmeros

6

Regra 1 - Quando o primeiro algarismo a ser abandonado for: 0, 1, 2 , 3 e 4. Fica inalterado o

ltimo algarismo a permanecer.
Exemplo 1.8.1 - arredondar para uma casa decimal os nmeros:

53,24 53,2 ; 88,01 80,0 ; 10,43 10,4
Regra 2 - Quando o primeiro algarismo a ser abandonado for: 5 , 6, 7, 8 ou 9. Aumenta-se uma

unidade no algarismo a permanecer.
Exemplo 1.8.2 - arredondar para uma casa decimal os nmeros:

53,25 53,3 ; 88,09 88,1 ; 10,47 10,5
Observao - No se deve fazer arredondamentos sucessivos, se houver necessidade de um novo

arredondamento, fica recomendado a volta aos dados originais.
2. FASES DO TRABALHO ESTATSTICO
2.1 - FASES DO MTODO ESTATSTICO
Mtodo Estatstico fluxograma
Definio do
Problema
PLANEJAMENTO
COLETA DE DADOS
CRITICA DOS DADOS
APURAAO DOS DADOS
EXPOSIAO DOS DADOS
ANALISE E
DIVULGAAO DOS
RESULTADOS
7

1 - DEFINIO DO PROBLEMA: Saber exatamente aquilo que se pretende pesquisar o

mesmo que definir corretamente o problema.
2 - PLANEJAMENTO: Como levantar informaes ? Que dados devero ser obtidos? Qual
levantamento a ser utilizado? Censitrio? Por amostragem? E o cronograma de atividades? Os
custos envolvidos? etc.
3 - COLETA DE DADOS: Fase operacional. o registro sistemtico de dados, com um objetivo

determinado.
Dados primrios: quando so publicados pela prpria pessoa ou organizao que os tenha
recolhido. Ex: tabelas do censo demogrfico do IBGE.
Dados secundrios: quando so publicados pro outra organizao. Ex: quando determinado jornal
publica estatsticas referentes ao censo demogrfico extradas do IBGE.
OBS: mais seguro trabalhar com fontes primrias. O uso da fonte secundria traz o grande risco
de erros de transcrio.
Coleta Direta: quando obtida diretamente da fonte. Ex: Empresa que realiza uma pesquisa para
saber a preferncia dos consumidores pela sua marca.
A coleta direta pode ser: contnua (registros de nascimento, bitos, casamentos, etc.),
peridica (recenseamento demogrfico, censo industrial) e ocasional (registro de casos de dengue).
Coleta Indireta: feita por dedues a partir dos elementos conseguidos pela coleta direta, por
analogia, por avaliao, indcios ou proporcionalidade.
4 - APURAO DOS DADOS: Resumo dos dados atravs de sua contagem e agrupamento. a
condensao e tabulao de dados.
5 - APRESENTAO DOS DADOS: H duas formas de apresentao, que no se excluem

mutuamente. A apresentao tabular, ou seja, uma apresentao numrica dos dados em linhas e
colunas distribudas de modo ordenado, segundo regras prticas fixadas pelo Conselho Nacional de
Estatstica. A apresentao grfica dos dados numricos constitui uma apresentao geomtrica
permitindo uma viso rpida e clara do fenmeno.
6 - ANLISE E INTERPRETAO DOS DADOS: A ltima fase do trabalho estatstico a mais

importante e delicada. Est ligada essencialmente ao clculo de medidas e coeficientes, cuja
finalidade principal descrever o fenmeno (estatstica descritiva). Na estatstica indutiva as
interpretaes dos dados se fundamentam na teoria da probabilidade.
8

3. MEDIDAS DE TENDNCIA CENTRAL.
Torna-se necessrio, aps a tabulao dos resultados e da representao grfica, encontrar valores
que possam representar a distribuio como um todo. So as chamadas medidas de tendncia
central ou medidas de posio.
I - CONCEITO: as medidas de posio ou tambm conhecidas como medidas de tendncia central

compem-se de um nmero que representa um conjunto particular de informaes. Geralmente se
localizam em torno do centro da distribuio, onde a maior parte das observaes tende a concentra-
se.
3.1 - MDIA ARITMTICA ( X ): consiste em somar todas as observaes ou medidas

dividindo-se o resultado pelo nmero total de valores. Didaticamente tm-se duas formas de
calcular uma mdia aritmtica:
1 Caso - Quando se estiver trabalhando com dados brutos (dados que no foram tabulados em
distribuies de freqncia). Neste caso utiliza-se a Equao (3.1).
n
xi
x1 + x 2 + L+ x n i =1
X= n
= n
, (3.1)
onde x1, ...,xn so os valores da varivel de interesse e n a quantidade desses valores.
Exemplo 1: seja o conjunto X = {2, 3, 5, 7, 6}, calcule a mdia.
X = (2 + 3 + 5 + 7 + 6) / 5 = 4,6
Exemplo 2: se um estudante recebe nota 5 no primeiro dia de aula, 7 no segundo, 9 no terceiro, 10

no quarto e 6 no quinto, qual a nota mdia deste aluno?
2 Caso - Quando se estiver trabalhando com dados Tabulados (dados que foram tabulados em
distribuio de freqncia). Neste caso utiliza-se a Equao (3.2).
n
( f x ) i i
X= i =1
n
, (3.2)
f i =1
i
Onde: fi = freqncia simples da classe i e xi = ponto mdio da classe i.

9

3.1.1. PROPRIEDADES DA MDIA
A soma algbrica dos desvios de um conjunto de nmeros em relao mdia zero.
(xi X ) = 0 [ f i (xi X )] = 0
n n
ou
i =1 i =1
A soma dos quadrados dos desvios de um conjunto de nmeros xj, em relao a qualquer nmero
a, um mnimo quando a = mdia e somente neste caso.
[ f i ( xi a ) ]= mnimo.
n n
(xi a ) = mnimo se a = X .
2 2
ou
i =1 i =1
Se n1 nmeros tm mdia x1 , n2 nmeros tm mdia x2 , . . ., nk nmeros tm mdia xk , a mdia
k
do conjunto formado por todos os nmeros dada pela expresso: x n .

j =1
j j
X= k
n j =1
j
Somando-se (ou subtraindo-se) um valor constante e arbitrrio a cada um dos elementos de um

conjunto de nmeros, a mdia aritmtica fica somada (ou subtrada) por essa constante. Seja
X = {x1 , x2 ,K, xn } e seja X0 uma constante escolhida arbitrariamente.
Faa Y = X- X0 ou Y = X- X0 , tem-se:
Y = x x0 ou Y = x + x0
Multiplicando-se (ou dividindo-se) cada elemento de conjunto de nmeros por um valor constante
e arbitrrio, a mdia fica multiplicada (ou dividida) por essa constante. Sejam X = {x1 , x 2 ,K, x n } e
seja c uma constante escolhida arbitrariamente.
Faamos Y = cX ou Y = Xc , tem-se:
Y = cx ou Y = x
c
Obs: a mdia tem a desvantagem de ser sensvel a valores aberrantes ou outliers.
Exemplo: Calcule o salrio mdio dos funcionrios da Escola W no ano de 2007.
Tabela 3.1: SALRIOS DOS PROFESSORES DA ESCOLA W - ANO DE 2007

Unidade Monetria N de Empregados (fi)
1 |--- 3 17
3 |--- 5 30
5 |--- 7 45
7 |--- 9 52
9 |--- 11 36
11 |--- 13 20
200
Fonte: Dados Hipotticos
10

3.2. MDIA GEOMTRICA: definida, genericamente, como a raiz ensima do produto de

todos os seus valores, e defini-se, para variveis que no assumam valores negativos ou nulos. A
mdia geomtrica pode ser simples ou ponderada, conforme se utilize ou no em seu clculo uma
tabela de freqncia.
a) Mdia geomtrica simples - dados n valores x1, x2 , ..., xn , a mdia geomtrica desses valores
ser:
Mg = n C xi
Ex .: Calcule a mdia geomtrica do seguinte conjunto de nmeros: x = (2, 2, 2, 2)
b) Mdia geomtrica ponderada - dado um conjunto de nmeros dispostos em uma tabela de

freqncias, tem-se:
fi
Mg = C x if i
n
obs: em geral calculada utilizando o emprego de logaritmos. ( ln M g = 1 ln x i )
n
i =1
Ex: Calcular a mdia geomtrica dos valores constantes da Tabela 3.1
3.3 - MDIA HARMNICA: o inverso da mdia aritmtica dos inversos. Aplica-se em

situaes em que no faz sentido somar os valores da varivel por haver proporcionalidade inversa.
a) Mdia harmnica simples - dado o conjunto de n valores x1 , x2, ..., xn , a mdia harmnica do
conjunto ser:
n
Mh =
( )
n
1
xi
i =1
Ex.: Calcular a mdia harmnica simples do seguinte exemplo y = (2, 2, 2, 2)
b) Mdia harmnica ponderada

n
f i
Mh = i =1
( )
n
fi
xi
i =1
Ex: calcular a mdia harmnica dos dados da Tabela 3.1

11

Obs: (Murteira e Black, 1983), A mdia harmnica menor ou igual mdia geomtrica para
valores da varivel diferentes de zero, que por sua vez menor ou igual a mdia aritmtica.
(Mh Mg X . )
3.4 - MDIA QUADRTICA OU RAZ MDIA QUADRTICA: definida como,

n
x 2
i
n
fx . 2
Para dados Simples R.M .Q = i =1 e para dados Tabelados i i
n R.M .Q = i =1
n
f
i =1
i
Exemplo: Obter a RMQ dos nmeros 1,3,4,5 e 7 .
Frmula Geral das Mdias

As mdias aritmticas, geomtrica e harmnica so casos particulares da formula geral das mdias
ou mdia de ordem q ,
1
n q q
xi
i =1
M (q ) = ,
n

que se obtm fazendo respectivamente q = 1 , q = 0 , q = 1 .

Tarefa de casa - verifique a validade da formula geral para as trs medias. (sugesto caso da
mdia geomtrica, usar regra de lhopital).
OBS: quando se tem valores extravagantes, pode-se utilizar as chamadas mdias aparadas, pois
esta atribui menor ponderao a esses valores. Uma mdia aparada a 100 % , simbolicamente
T ( ) , obtida eliminando 100 % das menores e maiores observaes e calculando a mdia
simples das restantes. Por exemplo: Dado 20 observaes, x1 , x 2 , L , x 20 , tem-se a mdia aparada
a 10% igual a,
x + x 4 + L + x18
T (0,10) = 3
16
a mdia aparada a 25% ,
x + x 7 + L + x15
T (0,25) = 6 .
10
O problema da escolha do melhor no cabe neste momento (disciplina). Porm, pode-
se dizer que a quantidade ideal para aparar est diretamente relacionada com o peso das caudas da
distribuio da populao de onde veio a amostra:
12

(a) se as caudas so neutras (distribuio gaussiana), a mdia ( = 0 ) a melhor medida de

localizao em termos de eficincia (nenhuma ou pouca perda de informao);
(b) se as caudas so ligeiramente pesadas, para pequenas amostras (n = 5) a medida mais eficiente
a mdia aparada a 25% (meia mdia); para amostras ligeiramente maiores (10 n 20) a
medida mais eficiente a mdia aparada a 10%;
(c) se as caudas so pesadas (Cauchy, etc.), a medida mais eficiente a mediana.
3.5. MODA (Mo): aquilo que est em evidencia, o valor que mais aparece num conjunto de informaes ou
o de maior freqncia em uma tabela. A moda pode no ser nica ou ate mesmo pode no existir.
3.5.1 - MODA DE VALORES BRUTOS: basta observar o valor que mais aparece no conjunto.
Exemplo: 3 ; 3 ; 6 ; 8 ; 10 ; 10; 10; 11; 11; 12 Mo = 10.
3.5.2 - MODA DE VALORES TABELADOS: na literatura existem pelo menos trs mtodos de se calcular
a moda de dados tabelados, porm neste curso utilizam-se somente dois mtodos (Moda Bruta e Moda de
Czuber).
1 passo: identificar a classe modal (em uma distribuio de freqncia chama-se classe modal classe que
possui maior freqncia simples).
2 passo: aplica-se a formula de acordo com o tipo de moda solicitada.
Moda Bruta: como o ponto mdio representativo de qualquer classe de freqncias, chama-se moda
bruta ao ponto mdio da classe modal.
li + l s
M O ( bruta ) = X de> fi =
2
Moda de Czuber: mtodo conhecido como mtodo eficiente, e consiste na aplicao da formula:
f Mo f ant
Mo = li + h,
2 f Mo ( f ant + f post )
onde:
li = Limite inferior da classe modal;
fpost = Freqncia simples posterior classe modal;
fant = Freqncia simples anterior classe modal;
h = Intervalo de classe;
fMO = Freqncia modal.
EXERCCIO - Dada a tabela abaixo, Pede-se:
Tabela 3.2: Notas dos alunos da disciplina Estatstica a) A mdia aritmtica da distribuio;
no Instituto Datavox, ano de 2007
b) A mdia harmnica da distribuio;
fi
NOTAS c) Calcule a mdia geomtrica da distribuio;
1 |-- 3 5 d) A moda da distribuio pelo processo de Czuber;
3 |-- 5 7
5 |-- 7 8 e) A moda bruta da distribuio.
20
Fonte: dados hipotticos
13

3.6 - MEDIDAS SEPARATRIZES:

Estas medidas dividem o conjunto de dados (distribuio) em partes (2, 4, 10 e 100) iguais
a) MEDIANA (Me): o valor central em um rol, ou seja, a mediana de um conjunto de valores ordenados, ou
ainda a mediana divide a distribuio ao meio.
MEDIANA DE VALORES BRUTOS
Ordenar os valores em ordem crescente (Rol);

Verifica se o nmero de elementos par ou mpar;
n +1 ;
Se n for mpar, a posio da Me no conjunto, ser o valor localizado na posio dada por: P=
2
Se n for par, o conjunto ter dois valores centrais, neste caso, a Me ser igual mdia aritmtica dos
valores centrais, cujas posies so dadas por:
P1 = n / 2 e P2 = (n / 2) + 1
Exemplo: Em um grupo de 6 alunos cujas as alturas medidas em centmetros fossem as seguintes: 183 cm,
170 cm, 165 cm, 180 cm, 185 e 160 cm, qual a altura mediana deste grupo de pessoas?
MEDIANA DE VALORES TABELADOS
Calcula-se primeiro a posio da mediana na tabela: P = fi / 2;

fi
n
A mediana dada por: i =1 F aa

Me = l i + 2
h
fi

onde:
li = Limite inferior da classe da mediana;
Faa = Freqncia acumulada anterior da classe da Me;
fi = Freqncia simples da classe da mediana;
h = Intervalo de classe.
Observao 1: a mediana muito utilizada em pesquisas onde no interessam valores extremos, por terem
pouca significao para o conjunto em geral.
Observao 2: quando no se tem os dados originais, valida a seguinte relao emprica
3 Me M o
x= 2
b) Quartis (Qi): so os valores que dividem um conjunto de dados em quatro partes iguais, representados por
Q1, Q2 e Q3 denominam-se primeiro, segundo e terceiro quartis, respectivamente, sendo o valor de Q2 igual
mediana. Assim, temos;
0% -----------------
25% ----------------- 50% ----------------- 75% ----------------- 100%
Q1 Q2 Q3
A formula para determinao dos quartis para dados agrupados semelhante usada para o clculo da
mediana.
14

Determinao de Qi:
n
i f i
1 passo: calcula-se a posio p =
i =1 ;
4
2 passo: identifica-se a classe Qi pela coluna das Freqncias Acumuladas;
i f i
n
3 passo: Aplica-se a frmula: i =1 F aa

Q i = l iQ i + 4
h, para i = 1, 2 ,3 .
f iQ i

onde:
i = Ordem do quartil, i =1 ou 2 ou 3;
liQi = Limite inferior da classe do quartil de ordem i.
Faa = Freqncia acumulada anterior da classe do quartil de ordem i;
fiQi = Freqncia simples da classe do quartil de ordem i;
Interpretao:
Q1: o valor que ocupa a posio tal que um quarto dos dados (25%) tomam valores menores ou iguais ao
valor do primeiro quartil;
Q2 = Me: Coincide com o valor da mediana, ou seja 50% dos dados tomam valores menores ou iguais aos da
mediana. Entre o primeiro quartil (Q1) e a mediana (Me) ficam 25% dos dados;
Q3: o valor que ocupa a posio tal que um quarto dos dados (25%) tomam valores maiores ou iguais ao
valor do terceiro quartil. Entre a mediana (Me) e o terceiro quartil (Q3) ficam 25% dos dados.
Exemplo: Considerando a Tabela 3.1 e calcule o Q1, Q2 e Q3.
c) Decis (Di): so as medidas separatrizes que dividem a srie em 10 partes iguais, e so representadas por D1,
D2, ...,D9. O quinto decil corresponde mediana.
0% -- 10% -- 20% -- 30% -- 40% -- 50% -- 60% -- 70% -- 80% -- 90% -- 100%
D1 D2 D3 D4 D5 D6 D7 D8 D9
A formula, neste caso, semelhante das separatrizes anteriores.
Determinao de Di:
n
i f i
1 passo: calcula-se a posio p = i =1 , onde i = 1,2,3,4,5,6,7,8 e 9.
10
2 passo: identifica-se a classe Di pela Freqncia acumulada.
i f i
n
3 Passo: aplica-se a frmula: i =1 F aa

D i = l iD i + 10
h
f iD i

onde:
i = Ordem do decil, i =1; 2; 3; 4; 5; 6; 7; 8 ou 9;
15

liDi = Limite inferior da classe do decil de ordem i.

Faa = Freqncia acumulada anterior da classe do decil de ordem i;
fiDi = Freqncia simples da classe do decil de ordem i;
Exemplo: Considerando a Tabela 3.3, calcule o D3.
d) Percentis (Pi): so as medidas separatrizes que dividem a srie em 100 partes iguais, e so representadas
por P1, P2, ...,P99.
--- 1% --- 2% -- 3% --- -- -- 50% --- --- --- 97% --- 98% -- 99% -- 100%
0%
P1 P2 P3 P50 P97 P98 P99
Interpretao dos Percentis mais Importantes:
P1 1% dos dados tomam valores menores ou iguais;

P25 25% dos dados tomam valores menores ou iguais (Q1);
P50 50% dos dados tomam valores menores ou iguais (Q2 = Me);
P75 25% dos dados tomam valores maiores ou iguais (Q3);
P90 10% dos dados tomam valores maiores ou iguais;
Determinao de Pi:
n
i fi
1 passo: calcula-se a posio p = 100i =1
, onde i = 1,2,3,...,97,98 e 99.
2 passo: identifica-se a classe de Pi pela Freqncia acumulada.
i f i
n
3 Passo: aplica-se a frmula: i =1 F aa

Pi = l iPi + 100
h
f iPi

onde:
I = Ordem do percentil, i =1; 2; ....;97; 98 ou 99;
liPi = Limite inferior da classe do percentil de ordem i.
FAA = Freqncia acumulada anterior da classe do percentil de ordem i;
fiPi = Freqncia simples da classe do percentil de ordem i;
Exemplo: Considerando a Tabela 3.1, calcule o P3.

16

3.7. Processo Grfico
GRFICO BOX-PLOT (DIAGRAMA DA CAIXA, GRFICO ESQUEMTICO)

* Valores extremos: valores maiores que 3 comprimentos da caixa, a
partir do percentil 75%
O Outliers: valores maiores que 1,5 comprimentos da caixa, a partir do
25% dos dados esto percentil 75%
acima da caixa
Maior valor que no outlier
Percentil 75%
50% dos
dados esto Mediana
dentro da
caixa
Percentil 25%
Menor valor que no outlier
25% dos dados esto

O Outliers: valores menores que 1,5 comprimentos da caixa, a partir do
abaixo da caixa
percentil 25%
Valores extremos: valores menores que 3 comprimentos da caixa, a
* partir do percentil 25%
Obs.: Comprimento da caixa = amplitude interquartlica = Q3 - Q1
Exemplo: Monte um Box-plot para a Tabela 3.1 e interprete os resultados.

17

4- MEDIDAS DE DISPERSO OU VARIABILIDADE.
As medidas que determinam o comportamento dos valores em termos de variabilidade so chamadas

de medidas de disperso ou de variabilidade, e as mais utilizadas so a varincia e o desvio padro.
4.1 - AMPLITUDE TOTAL: a diferena entre o maior e o menor valor observado.

AT = X max X min
4.2 - DESVIO MDIO: a mdia dos valores absolutos dos desvios dos dados a partir de um valor de
tendncia central.
a) DESVIO MDIO DE VALORES BRUTOS

n
( xi x )
DM = i = 1
n
b) DESVIO MDIO DE VALORES TABELADOS
n
( xi x ) . f i
n
DM = i = 1 , onde : fi = n
n
fi i =1
i =1
Obs: no caso de amostra trabalha-se com n-1.
Exemplo: calcule o desvio mdio da distribuio abaixo
Tabela 4.1: Notas dos alunos da disciplina Estatstica
no Instituto Datavox, ano de 2010

NOTAS fi
1 |-- 3 5
3 |-- 5 3
5 |-- 7 2
Soma 10
4.3 - VARINCIA OU VARINCIA ABSOLUTA: Quando se trabalha com certo rigor de anlise
estatstica se faz grande uso do que chamada a varincia de uma distribuio, a qual a mdia quadrtica
das somas dos desvios em relao mdia aritmtica.
Smbolo S2 (amostra) ou 2 (populao)

18

a) FRMULA PARA DADOS BRUTOS
Processo longo Processo breve ou simplificado

n n 2
( xi x ) 2
2
xi nx
S2 = i =1
n 1 S2 = i =1
n 1
Observao: quando se tratar de populao, dividi-se apenas por N.
Exemplo: calcular a varincia dos valores amostrais: 4, 2, 3, 5 e 1.
b) FRMULA PARA DADOS TABELADOS:
Processo longo Processo breve ou simplificado

n
[
fi (x x )
i
2
] n 2
xi f i nx
2
2
S = i = 1
n 1 S2 = i =1
n 1
Observao: quando se trata de populao dividimos apenas por N.
Exemplo: calcule a varincia da distribuio dada pela tabela 4.1.
PROPRIEDADES DA VARINCIA:
a) A varincia absoluta de uma constante igual a zero;
b) Somando-se ou diminuindo-se a todos os valores da srie um valor constante K 0, a nova varincia ser
igual a anterior, isto , no se altera.
c) Multiplicando-se ou dividindo-se todos os valores de uma srie por um valor constante, K 0, a nova
varincia calculada ser igual varincia absoluta original multiplicada ou dividida pelo quadrado da
constante utilizada.
4.4 - DESVIO PADRO OU AFASTAMENTO PADRO: a raiz quadrada da varincia; assim:
S = S 2 , o desvio padro amostral, ou = 2 , o desvio padro populacional.
Resumindo: para o clculo do desvio padro, deve-se primeiramente determinar o valor da varincia e, em
seguida, extrair a raiz quadrada desse resultado.
Exemplo 1: calcular o desvio padro amostral dos valores: 2, 4, 5, 3 e 1.
Exemplo2: calcule o desvio padro amostral da distribuio dada pela tabela 4.1.
19

4.5- COEFICIENTE DE VARIAO: s vezes pode-se querer comparar o grau de disperso de dois
conjuntos de dados com unidades de medidas diferentes. Neste caso, deve-se usar o coeficiente de variao
(CV), que uma medida de disperso relativa, uma vez que ela no est afetada pelas unidades da medida da
varivel.
CV =
S 100
X
Observao 1: Ser considerada a srie mais homognea, aquela que apresentar menor valor do coeficiente
de variabilidade.
Observao 2: uma medida estatstica que serve para avaliar a homogeneidade de sries estatsticas, que o
grau de concentrao dos valores observados em torno da sua mdia aritmtica.
Observao 3: O seu valor numrico pode ser expresso em percentual.
5 MOMENTOS:
Os momentos podem ser caracterizados como quantidades numricas, calculados a partir de

uma distribuio de freqncia e que so utilizados para fornecer descries resumidas da
distribuio estudada.
5.1 - Momento Natural (absoluto) de Ordem r

n
xir
para valores brutos: mr' = i =1
, r = 1, 2, 3 ou 4.
n
Obs: o momento natural de 1 ordem (r=1) a prpria mdia aritmtica ( m1
'
= X ).
Ex: calcular os momentos naturais de ordem r = 1, r = 2, r = 3 e r = 4, para os valores de x (2,3,5,7, 8)

n
f i xir
para valores tabelados: mr' = i =1
n
Ex: calcular os momentos naturais de 1, 2, 3 e 4 ordens da distribuio de freqncias abaixo:
Notas dos alunos da disciplina Estatstica

no Instituto Datavox , ano de 2010.
NOTAS fi
1 |-- 3 5
3 |-- 5 7
5 |-- 7 8
20
20

5.2 - Momento de ordem r centrado numa origem qualquer
( xi x o )
n
r
para valores brutos: xo mr = i =1
n
Ex: considerando a origem x o = 4 , calcular o momento de segunda ordem do conjunto
x = (2, 3, 5, 7, 8), em relao a origem xo.
f i ( xi x o )
n
r
para valores tabelados: xo mr = i =1
n
Obs: fazendo-se xo = 0, o momento em relao origem igual ao momento natural.
5.3 - Momento de Ordem r Centrado na mdia
Para se calcular o momento centrado na mdia, usa-se as mesmas frmulas do centrado numa origem
qualquer, fazendo x o = x . Com isto, tem-se:
( xi x )
n
r
para valores brutos: mr = i =1
f i ( xi x )
n
r
para valores tabelados: mr = i =1
n
Obs: O 2 momento centrado na mdia (r = 2), corresponde varincia da distribuio.
Ex: calcular os momentos centrados na mdia de 3 e 4 ordens da distribuio de freqncias abaixo:

NOTAS fi
1 |-- 3 5
3 |-- 5 7
5 |-- 7 8
20
Relao entre os momentos: So validas as seguintes relaes entre os momentos centrados na mdia,
mr , e os referidos a uma origem arbitrria xo m r .
m2 = xo m2 xo m12

m3 = xo m3 3 xo m1 x0 m2 + 2 x0 m1
3
m = m 4 m m +6 m 2 m 3 m 4
4 xo 4 xo 1 x0 3 x0 1 x0 2 x0 1
21

6 ASSIMETRIA E CURTOSE
6.1 - ASSIMETRIA
o estudo do grau de enviezamento (vis) da curva. o grau de desvio ou afastamento do eixo de

simetria de uma distribuio Se o polgono de freqncia de uma distribuio tem uma cauda mais longa, diz-
se que a distribuio assimtrica positiva. Se for o inverso que ocorre, diz-se que ela assimtrica negativa.
a) Simtrica
X = Mo = Md
b) Assimetria Positiva
Mo < Md < X
c) Assimetria Negativa
X < Md < Mo
MEDIDAS DE CALCULO:
Coeficiente do momento de assimetria: Este coeficiente pode ser definido usando o terceiro momento
m3 m
centrado na mdia e o desvio padro: a3 = 3
= 3
S m23
obs: para curvas perfeitamente simtricas, como a normal, a3 nulo.
X M0
Primeiro coeficiente de assimetria de Pearson: A=
S
22

3(X M e )
Segundo coeficiente de assimetria de Pearson: A=
S
Quando A = 0 Simtrica, se A > 0 Assimetria Positiva e se A < 0 Assimetria Negativa.
Ex: Se um conjunto possui X = 24 , Mo = 25 e S = 3, Que tipo de vis possui a curva?
6.2 - CURTOSE
o estudo do grau de achatamento de uma distribuio, considerado em relao a uma distribuio

normal. A distribuio que tem um pico alto denominada leptocrtica, enquanto a da curva que tem o topo
achatado denominada platicrtica. E a distribuio que no nem pontiaguda e nem achatada (normal),
denominada mesocrtica.
Curva Mesocrtica
Curva Platicrtica
Curva Leptocrtica
23

MEDIDAS DE CALCULO:
Coeficiente do momento de Curtose: definido pela diviso do momento de grau 4 centrado na mdia
pela varincia ao quadrado. Ou seja:
m4 m4
b2 = = .
S 4 m22
Para a distribuio normal, b2 = 3 . Por essa razo, a curtose definida freqentemente por
(b2 3) , que positivo para uma distribuio leptocrtica, negativa para uma platicrtica e nulo para uma
normal.
Dq (Q3 Q1 )
Coeficiente percentlico de Curtose: k= =
(D9 D1 ) 2(D9 D1 )
onde : K = coeficiente percentlico de curtose
Dq = Desvio quartlico =
(Q3 Q1 )
2
D9 = 9 decil, D1 = 1 decil, Q1 = 1 quartil e Q3 = 3 quartil.
Comparao: se K = 0,263 curva de frequncias mesocrtica

se K > 0,263 curva de frequncias platicrtica
se K < 0,263 curva de frequncias leptocrtica
Ex: calcular o Coeficiente momento de curtose e o percentlico de curtose para a tabela abaixo e classifique
essa distribuio por ambos os coeficientes:

NOTAS fi
1 |-- 3 5
3 |-- 5 7
5 |-- 7 8
20
24

7 CORRELAO LINEAR SIMPLES
Freqentemente procura-se verificar se existe relao entre duas ou mais variveis. O peso
pode estar relacionado com a idade das pessoas; o consumo das famlias pode estar relacionado com
sua renda, bem como a demanda de um determinado produto e seu preo. A verificao da
existncia e do grau de relao entre variveis o objeto de estudo da correlao. Se um sistema de
coordenadas retangulares mostra a localizao dos pontos (x, y) e se todos os pontos desse diagrama
parecem cair nas proximidades de uma reta, a correlao denominada linear. Fazendo X a varivel
independente, se Y tende a aumentar quando X cresce, a correlao denominada positiva. Se Y
tende a diminuir quando X aumenta, a correlao denominao negativa.
7.1. DIAGRAMAS DE DISPERSO

25

7.2. COEFICIENTE DE CORRELAO: o instrumento de medida da correlao linear, e

dado pelo coeficiente de correlao de Pearson.
( X )( Y )
XY n
, -1 r 1.
r =
X 2 ( X ) Y 2 ( Y )
2 2
n n

Exemplo 1: calcule o coeficiente de correlao linear entre as variveis X e Y da tabela abaixo.

X 1 3 4 6 8
Y 1 2 4 4 5
8. REGRESSO LINEAR SIMPLES
8.1 Consideraes Gerais
Na prtica, constata-se freqentemente a existncia de uma relao entre duas (ou mais)
variveis e se deseja expressar tal relao sob forma matemtica, estabelecendo-se uma equao
entre as variveis. Supondo a varivel X independente e a varivel Y aleatria, se diz, que
Y = f (x).
8.2- Construo do Modelo de Regresso Linear Simples.
Dados n pares de valores de duas variveis, Xi, Yi (i = 1, 2, ...,n), admite-se que Y funo
linear de X, ou seja Y = f (x), pode-se estabelecer uma regresso linear simples , cujo modelo
estatstico
Yi = 0 + 1 X i + i (2)
onde:
Yi o i-simo valor da varivel resposta; 0 e 1 so os parmetros (coeficientes de regresso);
Xi o i-simo valor da varivel preditora ( uma constante conhecida, fixo).
i o termo do erro aleatrio com distribuio normal e E(i)=0 e (i)= ;
2 2
i e j no so correlacionados (i, j)=0 para todo i,j; i j; (covarincia nula).i=1,2,...,n.
Deve-se verificar tambm se o nmero de observaes maior do que o nmero de

parmetros da equao de regresso. Os dados so usados para estimar 0 e 1, isto , ajustar o
modelo aos dados. Isto geralmente feito pelo mtodos de mnimos quadrados.
26

8.3 - Mtodo dos mnimos quadrados
O Objetivo na aplicao tpica: prever o comportamento de uma varivel

dependente (Y) a partir do valor de uma varivel independente (x). Logo, Y uma varivel aleatria
cuja distribuio depende de X.
Seja as observaes (Xi,Yi) i=1,..,n, temos o modelo:

Yi = 0 + 1 X i + i i = 1,.., n
Importante: A figura mostra a distribuio de Y para vrios valores de X. Mostra onde cai a
observao Y1. Mostra que o erro a diferena entre Y1 e E(Y1). Observe que as distribuies de
probabilidade apresentam a mesma variabilidade.
Deseja-se ajustar o modelo, estimando os parmetros desconhecidos 0 e 1.
O mtodo de mnimos quadrados considera os desvios de Yi em relao ao seu valor esperado

(E(Yi)):
Yi ( 0 + 1 X i )
Elevando-se ao quadrado esses desvios e aplicando-se o somatrio, temos o critrio Q.
n
Q = (Yi 0 1 X i )
2
i =1
De acordo com o mtodo de mnimos quadrados, os estimadores de 0 e 1so os valores 0 e 1 ,

respectivamente, que minimizam o critrio Q para a amostra (X1,Y1),..,(Xn,Yn).
- Estimadores de mnimos quadrados
Os valores de 0 e 1 que minimizam o critrio Q podem ser obtidos diferenciando-se Q em

relao a 0 e 1, obtendo-se:
27

n
Q
0 = 2 (Yi 0 1 X i )
i =1
n
Q
1 = 2 X i (Yi 0 1 X i )
i =1
Iguala-se a zero as derivadas parciais, utilizando-se 0 e 1 para denotar os valores de 0 e 1

tem-se:
n
2 (Yi 0 1 X i ) = 0
i =1
n
2 X i (Yi 0 1 X i ) = 0
i =1
simplificando e expandindo, obtem - se :

n
(Y
i =1
i 0 1 X i ) = 0
n
X (Y
i =1
i i 0 1 X i ) = 0
n n
Y n
i =1
i 0 1 X i = 0

i =1
n n n
X iYi 0 X i 1 X i2 = 0
i =1 i =1 i =1
De onde, se obtm o sistema de equaes normais, dado por:
n n
Y
i =1
i = n0 + 1 X i
i =1
n n n
X iYi = 0 X i + 1 X i2
i =1 i =1 i =1
As equaes normais podem ser resolvidas simultaneamente para 0 e 1 (estimadores pontuais):
XY n
X Y
1 =
( X i X )(Yi Y )
=
( X i X )2 ( X)
X
2
2
n
0 = n1 ( )
Yi 1 X i = Y 1 X
X = nx = mdia de X e Y = n = mdia de Y.
y
Onde: n = nmero de observaes;
- Portanto a reta estimada ser: Yi = 0 + 1 X i .

28

Exerccio Utilizando-se os dados abaixo,

Quantidade (X) 10 11 12 13 14 15
Custos (Y) 100 112 119 130 139 142
a) Construa o diagrama de disperso;

b) Calcule o coeficiente de correlao linear;
c) Ajuste uma reta aos dados;
d) Qual o custo para 16 unidades?
8.4 - Aplicao a sries de Tempo

Quando se utiliza uma srie de temporal necessria uma transformao na varivel X para
facilitar os clculos. Em geral se se tem um nmero mpar de elementos (n) deve-se centra a
varivel X em zero, e proceder a uma escala de nmeros naturais. Por exemplo, para n=5, tem-se X
(-2, -1, 0, 1, 2). No caso de n par o procedimento pode se de apenas excluir o zero, ou seja, para
n=4, tem-se X (-2, -1, 1, 2).
Exerccio:
1. As importaes de determinada matria prima, no perodo de 2004 a 2010, encontram-se na

tabela a seguir:
Ano 2004 2005 2006 2007 2008 2009 2010
Quantidade (ton) 50 47 35 30 24 10 16
Pede-se:
a) Construir um diagrama de disperso;
b) Estimar a equao de regresso linear da quantidade sobre o tempo;
c) Estimar a quantidade para 2011.

29

9. Ajustamento de Curvas
9.1 - Consideraes Gerais: a determinao de equaes de curvas que se ajustem a determinados

conjuntos de dados observados chamado de ajustamento de curvas, onde ajustar, significa estimar
uma varivel dependente em funo de outra independente. Porm, necessrio inicialmente
identificar a curva matemtica que mais se aproxima dos pontos caractersticos do fenmeno, e isto
depende do conhecimento algbrico de cada um, a curva mais comum a linear, vista anteriormente
no capitulo 8. Porm, quando os dados se afastam da linearidade, deve-se cogitar outra curva que
no seja a linha reta. A seguir apresentam-se outras curvas no lineares, porm possveis de
ajustamento.
a) Curva Polinomial: Uma linha de tendncia polinomial pode ajustar uma curva quando os
dados tm diversas variaes. Por exemplo, de grau 2, neste caso se possui apenas um
mximo ou um mnimo relativo, pois se trata de uma parbola:
y = a + bx + cx 2 ,
A seguir um exemplo grfico da curva polinomial de grau 2
b) Curva Exponencial: muito til para os casos em que a varivel dependente varia com uma
taxa percentual constante. E sua equao dada por:
y = a ebx
Um exemplo grfico apresentado a seguir
30

c) Curva de Gompertz: uma curva sigmoidal, ela descreve um crescimento cuja taxa relativa
decresce exponencialmente como funo do tempo.
y = a ebe
ct
A figura a seguir uma representao da curva de crescimento Gompertz.
d) Curva de Lorenz: um simples instrumental grfico e analtico que nos permite

descrever e analisar a distribuio relativa de uma varivel em um domnio determinado. O
domnio pode ser o conjunto de pessoas de uma regio ou pas, por exemplo. A varivel
cuja distribuio se estuda pode ser a renda das pessoas. A curva traada considerando-se
a percentagem acumulada de pessoas no eixo das abscissas e a percentagem acumulada de
renda no eixo das ordenadas.
A equao (modelo) de Lorenz comumente definida como trs equaes diferenciais

ordinrias, como aliada
=
31

e) Logistica: uma curva tambm sigmoidal, porm descreve um crescimento cuja a taxa
relativa decresce linearmente como funo do tempo.
e + x
y=
1 + e + x
A figura a seguir uma representao da curva de crescimento logstica.
TAREFA EXTRA: Pesquise e apresente para cada uma das curvas dadas anteriormente, um
exemplo resolvido.
32

10. NMEROS NDICES
So medidas estatsticas usadas para comparar grupos de variveis relacionadas entre si e para obter
um quadro simples e resumido das mudanas significativas ocorridas ao longo do tempo ou em
diferentes lugares.
10.1- RELATIVOS DE PREO, QUANTIDADE E VALOR
Tratam-se dos nmeros ndices mais simples, relacionando o preo ou a quantidade ou ainda o valor
de um produto numa poca atual (a) com uma poca base (b). Assim, para um produto:
Pb = Preo da poca Base
Pa = Preo da poca Atual
qb = Quantidade da poca Base
qa = Quantidade da poca Atual
Vb = Valor da poca Base
Va = Valor da poca Atual
Assim, Tem-se
Pa
Pb , a =
Relativo de Preo
Pb
qa
qb, a =
Relativo de Quantidade
qb
Va
Vb , a =
Relativo de Valor
Vb
onde,
Va = Pa qa e Vb = Pb qb .
Exemplo - Em 2002, uma empresa vendeu 500 unidades de um produto ao preo unitrio de R$
40,00. Em 2003, vendeu 700 unidades do mesmo produto ao preo unitrio de R$80,00. Determine
os relativos de preo, quantidade e de valor para o produto, tomando como base 2002.
33

10.2 - TIPOS DE NMEROS NDICES
Quando se pretende avaliar a variao de preos, entre duas pocas, por exemplo, de dez artigos,
atravs de um nmero-resumo (ndice), o clculo dos relativos visto anteriormente representa
apenas o primeiro passo para a soluo do problema. Sem levar em considerao a importncia
relativa de cada item, existem vrias proposies no que diz respeito aos mtodos de clculo: Mdia
Aritmtica, Geomtrica e Harmnica Simples, ndice Agregativo Simples e Mediana.
1 - Nmero ndice Aritmtico Simples (ou Mdia Aritmtica Simples de Relativos)
Basta calcular o valor dos relativos de todos os itens considerandos e, em seguida, aplicar a frmula
da mdia aritmtica.
a) ndice Aritmtico Simples de Preos

Pb, a
Pb , a =
n ,
onde
Pb , a = Relativos de Preos dos Itens considerados;
n = Nmero de Itens Considerados.
b) ndice Aritmtico Simples de Quantidade

qb , a
qb, a =
n ,
onde
qb , a = Relativos de Quantidades dos Itens considerados;
n = Nmero de Itens Considerados.
2 - Nmero ndice aritmtico ponderado (IAP)
Seu clculo uma mdia aritmtica ponderada, em que as variveis so os nmeros relativos e os
fatores de ponderao as quantidades originais do perodo dado (atual).
(Pi (ba ) q ai )
IAPba =
q ai
34

III - NMEROS NDICES OU COMPLEXOS
Estes ndices tambm so chamados de ndices agregativos ponderados. A ponderao proposta

nestes ndices baseia-se na participao de cada bem no valor transacionado total e feita, em geral,
segundo dois critrios: peso fixo na poca bsica ou peso varivel na poca atual.
1 - Nmeros ndices complexos de Laspeyres (ou mtodo da poca-base)

Neste ndice, a base de ponderao a poca bsica; da a denominao mtodo da poca bsica.
PLb, a
a) Nmeros ndices de Laspeyres de Preo -
Pia qib
PLb, a =
Pib qib
onde :
PLb, a = ndice de Preo de Laspeyres
Pia = Preos da poca Atual
qib = Quantidade da poca Base
Pib = Preos da poca Base
QL
b, a
b) Nmeros ndices de Laspeyres de Quantidade
O ndice de quantidade, pelo mtodo de Laspeyres, obtido permutando-se p e q da expresso de
preos.
qia Pib
QLb, a =
qib Pib ,
onde
QLb, a = ndice de Quantidade de Laspeyres
qia = Quantidade da poca Atual
35

2 - Nmeros ndices de Paasche ou Mtodo da poca atual
Neste ndice, a base de ponderao a poca atual, da a denominao mtodo da poca atual.
PPb, a
a) Nmero ndice de Paasche de Preos
Pia qia
PPb, a =
Pib qia
onde :
PPb, a = ndice de Preo de Paasche

Pia = Preos da poca Atual
QPb, a
b) Nmeros ndices de Paasche de Quantidade
Pia qia
QPb, a =
Pia qib
onde
QPb, a = ndice de Quantidade de Paasche
Pia = Preo da poca Atual
Exemplo - Dada a tabela abaixo, calcule os ndices de preo e quantidade de Laspeyres e Paasche.
1998 1999
PRODUTOS Preo Qtde. Preo Qtde.
A 3 2 1 4
B 4 6 5 2
C 7 4 3 2
36

10.3 - MUDANA DE BASE DOS NMEROS NDICES
Na prtica, desejvel que o perodo-base escolhido, para fins de comparao, seja de

estabilidade econmica e no esteja muito distante no passado; de tempos em tempos, entretanto,
pode ser necessrio mudar o perodo-base (mudana de base)
A mudana de base feita dividindo-se os nmeros ndices de uma srie original pelo
ndice correspondente nova poca-base.
Obs.: a mudana de base no valida para os ndices complexos, visto estes apresentarem
pesos variveis, exigindo a mudana no perodo de referncia mudana nos pesos.
Ex: Na tabela abaixo, encontra-se a produo anual de tratores no perodo de 1976 a 1982. Reduzir
os dados a quantidades relativas, utilizando como base o ano de 1979.
ANOS 1976 1977 1978 1979 1980 1981 1982

TRATORES 71 59 55 64 69 47 37

Apostila Estat

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Apostila Estat

Hochgeladen von

Copyright:

Verfügbare Formate

1

UNIVERSIDADE FEDERAL DO PAR

Profa. Silvia dos Santos de Almeida

UNIVERSIDADE FEDERAL DO PAR

DISCIPLINA: (EN 0707) Estatstica Descritiva - CH Semestral:90 h

Plano de Ensino - 2 Semestre/2011

UNIVERSIDADE FEDERAL DO PAR

mdia aritmtica ou num ponto qualquer) com exemplos

UNIVERSIDADE FEDERAL DO PAR

1. Alguns Conceitos Importantes

1.1.1 - Estatstica Descritiva

Exemplo 1.6 - Na jogada de uma moeda o resultado do experimento o aparecimento de

UNIVERSIDADE FEDERAL DO PAR

1.7.1 - Variveis Qualitativas

1.7. 2 - Variveis Quantitativas

Exemplo 1.7.2.1 - Nmero de filhos. (discreta)

1.9. Estimativa: um valor aproximado do parmetro e calculado com o uso da amostra.

1.10. Estimador: a forma de se obter a estimativa.

1.11- Arredondamento de Nmeros

UNIVERSIDADE FEDERAL DO PAR

Regra 1 - Quando o primeiro algarismo a ser abandonado for: 0, 1, 2 , 3 e 4. Fica inalterado o

Exemplo 1.8.1 - arredondar para uma casa decimal os nmeros:

Regra 2 - Quando o primeiro algarismo a ser abandonado for: 5 , 6, 7, 8 ou 9. Aumenta-se uma

Exemplo 1.8.2 - arredondar para uma casa decimal os nmeros:

Observao - No se deve fazer arredondamentos sucessivos, se houver necessidade de um novo

2. FASES DO TRABALHO ESTATSTICO

2.1 - FASES DO MTODO ESTATSTICO

Mtodo Estatstico fluxograma

CRITICA DOS DADOS

APURAAO DOS DADOS

EXPOSIAO DOS DADOS

UNIVERSIDADE FEDERAL DO PAR

1 - DEFINIO DO PROBLEMA: Saber exatamente aquilo que se pretende pesquisar o

3 - COLETA DE DADOS: Fase operacional. o registro sistemtico de dados, com um objetivo

5 - APRESENTAO DOS DADOS: H duas formas de apresentao, que no se excluem

6 - ANLISE E INTERPRETAO DOS DADOS: A ltima fase do trabalho estatstico a mais

UNIVERSIDADE FEDERAL DO PAR

3. MEDIDAS DE TENDNCIA CENTRAL.

I - CONCEITO: as medidas de posio ou tambm conhecidas como medidas de tendncia central

3.1 - MDIA ARITMTICA ( X ): consiste em somar todas as observaes ou medidas

Exemplo 1: seja o conjunto X = {2, 3, 5, 7, 6}, calcule a mdia.

Exemplo 2: se um estudante recebe nota 5 no primeiro dia de aula, 7 no segundo, 9 no terceiro, 10

Onde: fi = freqncia simples da classe i e xi = ponto mdio da classe i.

UNIVERSIDADE FEDERAL DO PAR

3.1.1. PROPRIEDADES DA MDIA

A soma algbrica dos desvios de um conjunto de nmeros em relao mdia zero.

do conjunto formado por todos os nmeros dada pela expresso: x n .

Somando-se (ou subtraindo-se) um valor constante e arbitrrio a cada um dos elementos de um

Exemplo: Calcule o salrio mdio dos funcionrios da Escola W no ano de 2007.

Tabela 3.1: SALRIOS DOS PROFESSORES DA ESCOLA W - ANO DE 2007

UNIVERSIDADE FEDERAL DO PAR

3.2. MDIA GEOMTRICA: definida, genericamente, como a raiz ensima do produto de

Ex .: Calcule a mdia geomtrica do seguinte conjunto de nmeros: x = (2, 2, 2, 2)

b) Mdia geomtrica ponderada - dado um conjunto de nmeros dispostos em uma tabela de

3.3 - MDIA HARMNICA: o inverso da mdia aritmtica dos inversos. Aplica-se em

Ex.: Calcular a mdia harmnica simples do seguinte exemplo y = (2, 2, 2, 2)

b) Mdia harmnica ponderada

Ex: calcular a mdia harmnica dos dados da Tabela 3.1

UNIVERSIDADE FEDERAL DO PAR

3.4 - MDIA QUADRTICA OU RAZ MDIA QUADRTICA: definida como,

Exemplo: Obter a RMQ dos nmeros 1,3,4,5 e 7 .

Frmula Geral das Mdias

que se obtm fazendo respectivamente q = 1 , q = 0 , q = 1 .