1 Objecto da Estatística

Recolha de dados;

Organização de dados;

Classificação de dados;

Apresentação de dados.

Interpretação de dados.

2 Notas Históricas

Censo mais antigo, 2002 a.C., solicitado pelo
imperador chinês Yao;

Na Babilónia, Nabucodonosor, mandou registar
em placas de argila todos os seus bens;

No Egipto, devido as cheias provocadas pelo rio
Nilo era necessário efectuar registos de
propriedades e bens;

Na Grécia antiga efectuavam-se inquéritos com
o fim de lançar impostos;
 3 Notas Históricas

O império Romano foi o primeiro Estado a reunir
dados organizados sobre a população e os bens do
império;

A Bíblia testemunha um recenseamento como causa da
viagem de Maria e José a Belém;

Em Portugal, no reinado de D. Afonso III (1260-1279)
realizou-se um dos primeiros inquéritos estatísticos

O ultimo levantamento estatístico (XIV Recenseamento
Geral da População) o Censos 2001 esteve a cargo do
Instituto Nacional de Estatística.

4 Estatísticas ≠ Estatística

Estatísticas: factor ou dados numéricos

Estatística:

Um objecto de estudo;

Uma ciência;

Conjunto de princípios e métodos de recolha,

classificação, síntese e apresentação de dados
numéricos.
 5 Relevância da sua utilização

Descrever e compreender as relações

entre as variáveis;

Decisões optimizadas e mais rápidas;

Facilita a tomada de decisões face à
mudança;

6 Estatística Descritiva / Indutiva

Produção de dados
População Amostra

Características Estatística
Descritiva
Populacionais

Estatística
Indutiva Características Estudo
amostrais amostra
7 Estatística Descritiva / Indutiva

Estatística Descritiva: Estudo descritivo dos
dados de uma amostra ( ou de uma população) em que
se resume a informação contida no conjunto de dados,
evidenciando as suas características principais.

Estatística Indutiva: Conhecidas certas

propriedades (a partir de uma analise descritiva da
amostra), expressas por meio de proposições,
imaginam-se proposições mais gerais que exprimam a
existência de leis na população.

8 Etapas do Método Estatístico

Identificação Recolha de
do Problema dados

Critica dos
dados

Análise e Apresentação
Interpretação dos dados
 9 Identificação do problema
Identificação Identificação do problema ou situação
do Problema

Objectivo da análise a efectuar;
Recolha de
dados
Definição da população correspondente e
da amostra (caso necessário);
Critica dos
dados

Apresentação
Esta etapa é a mais importante, pois

dos dados
uma identificação incorrecta do
Análise e
Interpretação
problema, invalidade todas as etapas
subsequentes.

10 População ou Universo
Definição:
Conjunto de elementos (seres, objectos,
acontecimentos, etc.) com uma ou mais
características em comum, acerca da qual
pretendemos efectuar um estudo.
Exemplos:
Finita Temperaturas dos recém nascidos registadas
durante o dia de hoje na UCERN
População
Infinita Conjunto de pressões atmosféricas que se
verificam num determinado instante à
superfície terrestre.
 11 Amostra
Definição:
Subconjunto finito da população, em que as
características a estudar são, com a maior
aproximação possível, iguais às da população de
origem.

Existem vantagens na utilização de uma

amostra? E desvantagens?

12 Vantagens da amostra

População com dimensão infinita;

Exemplo: população constituída pelas pressões
atmosféricas

Custo excessivo do processo de recolha e
tratamento de dados;

Exemplo: Características geológicas do subsolo no
fundo do mar.

Tempo excessivo;

Exemplo: preferência televisiva dos portugueses
 13 Vantagens da amostra (cont.)

Inacessibilidade a alguns elementos da
população;

Exemplo: por razões de ordem legal não é possível
caracterizar o saldo médio da conta à ordem de
todos os médicos portugueses.

Recolha de informação através de métodos
destrutivos;

Exemplo: Verificação das características mecânicas
de um lote de perfis de aço, recorrendo a testes
destrutivos

14 Recenseamento/Sondagem

Recenseamento ou censo – estudo estatístico
realizado sobre toda a população. Tem-se o
propósito de adquirir dados sobre todos os
elementos da população e fazer juízos
quantitativos acerca das suas características.

Sondagem – estudo estatístico realizado a partir

de uma amostra.
 15 Recolha de dados
Identificação
do Problema Dados recolhidos de forma:
Recolha de

Directa – quando os dados são obtidos
dados
de forma originária
Critica dos
dados
Dados Primários
Apresentação
dos dados

Indirecta – quando os dados provêm
Análise e de uma recolha directa
Interpretação

Dados Secundários

16 Dados primários/secundários

Dados Primários

Disponíveis em registos ou ficheiros;

Resultantes de inquéritos feitos directamente à
população;

Disponíveis em estatísticas publicadas pelo
INE.

Dados Secundários

Calculados a partir dos dados primários
 17 Fontes dos dados

Internas
Exemplo: serviços de contabilidade, produção,
marketing, etc. de uma organização

Externas
Exemplo: informação proveniente de
organismos públicos, tais como o Governo, o
INE ou revistas da especialidade

18 Periodicidade

Continua - quando realizada permanentemente
Exemplo: custos de produção

Periódica - quando realizadas segundo um dado
intervalo de tempo
Exemplo: Censos

Ocasional - quando realizadas esporadicamente
Exemplo: realização de um trabalho académico
 19 Processos de recolha

Experimentais – exerce-se um controlo directo
sobre os factores que potencialmente afectam a
característica ou o conjunto de características em
análise.
Exemplo: efeito de um poluente sobre a água do rio
considerando a fábrica a laborar e parada.

Observacionais – os factores que afectam

potencialmente as características em analise não
são controlados
Exemplo: estudo do tráfego num túnel durante uma
semana com medições diárias.

20 Crítica dos dados

Identificação
do Problema Recolha de dados
Recolha de
dados
Revisão crítica
Critica dos
dados

Apresentação
Suprimir valores estranhos ou eliminar
dos dados
erros capazes de conduzir a conclusões
Análise e enviesadas.
Interpretação
 21 Apresentação dos dados
Identificação
do Problema

Principal objectivo da Estatística
Descritiva (classificar e apresentar)
Recolha de
dados

Critica dos

Classificação
dados
Agrupar em classes
Apresentação
dos dados

Apresentação
Análise e
Interpretação
Tabelas, gráficos

22 Análise e Interpretação
Identificação
do Problema
Apresentação de dados ajustada
Recolha de
dados
Interpretação facilitada
Critica dos
dados

Apresentação

Conclusões enviesadas:
dos dados

Propositadas
Análise e
Não propositadas
Interpretação
 23 Apresentação dos dados

Quadros;

Gráficos;

Distribuição de frequências.

Quadros

Cabeçalho – informação sobre os dados, em que
consistem e a que se referem (local, época, etc.)

Corpo – representado por colunas e sub colunas
dentro das quais se apresentam os dados

Rodapé – deve incluir a fonte dos dados e outra
informação pertinente.

24 Apresentação de dados - Gráficos

Objectivo da representação gráfica:
transmitir uma ideia imediata e clara sobre
os resultados obtidos

Gráficos:

Linhas;

Barras;

Sectores;

Pictogramas.
 25 Gráfico de Linhas

Mais utilizado;

Fácil interpretação e execução
100
90
80
70
60
Mulheres
50
Homens
40
30
20
10
0
1° Trim. 2° Trim. 3° Trim. 4° Trim.

26 Gráfico de Linhas
Temperatura Operativa Instantânea
To
26,1
26,0
26,0
25,9
25,9
25,8
25,8
25,7
25,7
0 20 40 60 80 100 120 140
Tempo [s]

Média

Estudo realizado na unidade de diálise do

Hospital Amato Lusitano
 27 Gráfico de Barras

Mais utilizado;

Fácil interpretação e execução
100
90
80
70
60
Mulheres
50
Homens
40
30
20
10
0
1° Trim. 2° Trim. 3° Trim. 4° Trim.

28 Gráfico Circular

Representação gráfica dos resultados num
circulo, por meio de sectores
Facha etária dos funcionários

14%
29%
30_35 anos
35_40 anos
40_45 anos
57%

Estudo realizado na unidade de diálise do Hospital

Amato Lusitano
29 Gráfico Polar

Representa os dados estatísticos por meio de
um polígono. Utilizado sobretudo para séries
temporais
Janeiro
1200
1000
Julho 800 Fevereiro
600
400
200 Homens
0 Mulheres
Junho Março

Maio Abril

30 Pictogramas

Utilizam figuras sugestivas, relacionadas com o
problema em estudo;

As dimensões da imagem devem ser

proporcionais ás frequências observadas (ver
gráfico nº 10 das folhas anexas);

Em alternativa cada imagem corresponde á

unidade que se repete tantas vezes quantas as
ocorrências.
 31 Exercício nº1

Com base no seguinte estudo,
construa um gráfico de barras e Regiões Médicos Enfermeiros
dois diagramas circulares (um Norte 9622 11618
para os médicos e outro para os Centro 5251 7086
enfermeiros) e faça um pequeno
comentário relacionando-
relacionando-os. Lisboa e
13953 14087
V.T
Alentejo 732 1578
Algarve 777 1069
Açores 370 981
Madeira 418 1328

32 Resposta exercício nº1

16000
14000
12000
10000
8000
6000 médicos
4000 enfermeiros
2000
0
Açores
Alentejo

Algarve

Madeira
lisboa e V.T
Norte

Centro
33 Resposta ex. nº1- Médicos
2% 1% 1%
2%
norte
31% centro
lisboa e V.T
alentejo
algarve
açores
madeira
46%

17%

34 Resposta ex. nº1- Enfermeiros

3% 3% 4%
norte
4% centro
31% lisboa e V.T
alentejo
algarve
açores
madeira

36%

19%
 35 Resposta exercício nº1
Norte
15000
Madeira 10000 Centro

médicos
5000 enfermeiros

0
Açores lisboa e V.T

Algarve Alentejo

36 Definições

Atributo ou caracter –
Exemplos:
Característica comum a
Atributo: estado civil
todos os elementos que
Modalidades: casado,
constituem o nosso solteiro, divorciado, viúvo
conjunto

Modalidade – diferentes
Atributo: Peso
situações apresentadas
Modalidades: 50 kg ,
pelo atributo 60 kg ,70 kg ,…
 Apresentação de dados
37 Distribuição de frequências

Variável estatística - atributo ou característica que se
pretende estudar

Variáveis qualitativa – exprimem uma qualidade, não
podem ser mensuráveis
Exemplo: estado civil, cor dos olhos, sexo, etc.

Variáveis quantitativas–características mensuráveis
Discretas – assumem um número finito ou
infinito numerável de valores (ex.: idade, nº de
irmãos, etc.)
Continuas – assumem um número infinito não
numerável de valores (ex.: tempo gasto para
chegar ao local de trabalho)

38 Classificação dos dados segundo

a escala em que são expressos

Dados Qualitativos

Nominal: dados classificados por categorias não ordenadas

Ordinal: dados classificados por categorias ordenadas

Dados Quantitativos (escalas métricas)

Intervalos – dados expressos numa escala de origem
numérica

Absoluta – dados expressos numa escala numérica de origem
fixa ( o zero tem existência real)
 39 Nomenclatura utilizada

N – população

n – amostra

fi – Frequência Absoluta

fri – Frequência Absoluta relativa

Fi – Frequência Acumulada

Fri – Frequência Acumulada relativa

40 Número de classes

O número de classes devera estar compreendido entre 4 e 14;

Nenhuma classe deverá ter frequência nula;

As classes deverão ter sempre que possível amplitudes iguais;

Os pontos médios da classe deverão ser sempre que possível
números de cálculo fácil;

Classes abertas deverão ser evitadas;

Os limites das classes são definidos de modo que cada valor da
variável é incluído num e num só intervalo.

Seja k o número de classes: n<5 então K=5
n≥5 então √n=K

Seja ai a amplitude da classe: R Lmax − Lmin
ai = =
K K
 Representação gráfica de
41 variáveis continuas

Histogramas

fi Fi
Frequências absolutas Fri(%)Frequências relativas Frequências acumuladas

xi xi x i
Classes
Classes Classes

42 Diagrama Caule e Folhas

Também conhecido como separador de
frequências;

Exemplo: Considere a listagem das idades dos 30 compradores de

um automóvel Peugeot,
Peugeot, modelo 307 CC

35 28 31 25 32 43 20 21 23 24 24 25 25 27 27 27 28 28 29
38 20 35 33 41 41 31 32 32 33 34 35 35 36 38 38
24 42 27 34 36 38
41 41 42 43 43
27 54 28 23 24 29
50 54
50 32 21 43 27 25
 43 Diagrama Caule e Folhas (cont.)
Tronco Folhas

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

Vantagens - esta tabela permite:

Melhor percepção do aspecto global dos dados sem perda de
informação, como acontece nas classes;

Imaginar facilmente o gráfico da distribuição;

Ver até que ponto a distribuição é simétrica;

Ver se existem concentrações ou lacunas de dados.

44 Polígono de Frequências

Linha poligonal que une o ponto médio do topo
superior de cada rectângulo.
18
16
14
12
[200;250[
Nº alunos

10
[250;300[
8
[300;350[
6
[350;400[
4
2
0
Peso em gramas
 45 Função Cumulativa

Linha poligonal que une os vértices superiores direitos
dos rectângulos que formam o histograma de frequências
acumuladas
40
35
30
[200;250[
Nº alunos

25
[250;300[
20
[300;350[
15
[350;400[
10
5
0
Peso em gramas

46 Medidas de Localização

Medidas de tendência central

Moda e classe modal;

Média;

Mediana.

Medidas de tendência não central

Quantis

Quartis;

Decis;

Percentis.
 47 Moda e Classe modal

Definição de moda (Mo) – valor que ocorre
mais vezes numa distribuição, i.e., que tem maior
frequência.

Classificação dos conjuntos:

Bimodal – se ocorrem duas modas

Multimodal ou Plurimodal – se existirem mais do que
duas modas

Amodal – se não existir moda

48 Moda (variáveis continuas)

18

Graficamente: 16
14
12
[200;250[
10
[250;300[
8
[300;350[
6
[350;400[
4
2
Mo
0

Analiticamente Peso em gramas

Onde:
f i +1 li – limite inferior da classe modal
Mo = l i + × amp fi+1 – frequência da classe seguinte à classe modal
f i +1 + f i −1
fi-1 – frequência da classe anterior à classe modal
amp – amplitude da classe modal
 49 Média ( x)

Dados não classificados (não agrupados em
tabelas de frequências) k

∑x
i =1
i
x=
N

Dados classificados (agrupados em tabelas de
frequências) k

∑x f
i =1
i i
x=
N

50 Exemplo

Com base no estudo Regiões Médicos Enfermeiros
que já referimos, Norte 9622 11618
calcule o número Centro 5251 7086
médio de enfermeiros e Lisboa e
13953 14087
médicos existentes nas V.T
Alentejo 732 1578
várias regiões.
Algarve 777 1069
Resposta: Açores 370 981
Médicos: x = 4446,14 Madeira 418 1328

Enfermeiros: x = 5392,43
 51 Média (variáveis continuas)

Nota: no caso de Tempo (xi) Centro classe fi

dados agrupados por [0;15[ 7,5 9

[15;30[ 22,5 35
classes, a variável xi , [30;45[ 37,5 20
será a marca ou centro [45;60[ 52,5 20
da classe de ordem i. [60;75[ 67,5 7
[75;90[ 82,5 4
[90;105[ 97,5 5
[105;120[ 112,5 1
[120;135[ 127,5 1
[135;150[ 142,5 2
Total 104

52 Mediana (Me)

Definição - valor que ocupa o lugar central da
distribuição, quando os dados estão ordenados por
ordem crescente ou decrescente.

Considerações:

É uma medida de posição, não faz intervir todos os valores

É um parâmetro forte, não influenciado por alterações dos
extremos
 53 Mediana (dados não agrupados
por classes)

n é impar
K= (n+1)/2 Me=xk

n é par
K= n/2 Me=(xk+x k+1)/2

Exemplos: Calcule a mediana dos seguintes
conjuntos

10, 10, 12, 7, 7, 8, 5, 4

10, 10, 12, 7, 8, 5, 4

54 Classe Mediana (dados agrupados

por classes)
1. Calcula-se a ordem k, correspondente à classe
mediana, levando em consideração o caso do n
ser par ou impar;
2. Localiza-se a ordem k na coluna das frequências
acumuladas (Fi)
3. Ao intervalo correspondente chamamos classe
mediana.
 55 Mediana (dados agrupados por
classes)

Graficamente: 100
90
80
70
[200;250[
60
[250;300[
50
[300;350[
40
30 [350;400[
20
10
0

Analiticamente Onde:
Me
Peso em gramas

li – limite inferior da classe mediana

n Fi-1 – frequência acumulada da classe anterior à
− Fi (i − 1)
Me = li + 2 × amp classe mediana
f (i ) fi – frequência absoluta da classe mediana
amp – amplitude da classe mediana

56 Quantis

Quartis – são os valores da variável que dividem a
distribuição de frequências em quatro partes iguais.
Representa-se por Qi

Decis - são os valores da variável que dividem a
distribuição de frequências em dez partes iguais.
Representa-se por Di

Percentis - são os valores da variável que dividem a
distribuição de frequências em cem partes iguais.
Representa-se por Pi
 57 Quartis
Q2 – 2º quartil, coincide com a mediana

n é impar
n é par

Posição do Q1
Posição do Q1

n +1 n+2
p1 = p1 =
4 4

Posição do Q3
Posição do Q3
3(n + 1) 3(n + 2)
p3 = p3 =
4 4

58 Quartis

Graficamente:
100
90
80
70
[200;250[
60
[250;300[
50
40 [300;350[
30 [350;400[
20
10
0
Q1 Me=Q2 Q3
Peso em gramas
59 Quartis

Analiticamente EQi − Fi (i − 1)
Qi = li + × amp
f (i )

Onde:
li – limite inferior da classe escolhida
Fi-1 – frequência acumulada da classe anterior à classe escolhida
fi – frequência absoluta da classe escolhida
amp – amplitude da classe escolhida i×n
EQi =
4

60 Decis/Percentis

Decis
EDi − Fi (i − 1) i×n
Di = li + × amp EDi =
f (i ) 10

Percentis
EPi − Fi (i − 1) i×n
Pi = li + × amp EPi =
f (i ) 100
 61 Exemplo
Tempo
(xi)
Centro
classe
fi Fi
1º Quartil
[0;15[ 7,5 9 9
1× 104
[15;30[ 22,5 35 44 EQ1 = = 26
4
[30;45[ 37,5 20 64
[45;60[ 52,5 20 84
26 − 9
[60;75[ 67,5 7 91 Q1 = 15 + ×15 = 22,28
[75;90[ 82,5 4 95
35
[90;105[ 97,5 5 100
[105;120[ 112,5
EQ =
i
i×n
1 101
Significa que 25% dos
tempos de dialise são
4
[120;135[ 127,5 1 102
[135;150[ 142,5 2 104 inferiores a 22,28 meses
Total 104

62 Medidas de Dispersão

Medidas de distância

Amplitude total;

Intervalo inter-quartis

Desvio quartilico

Medidas comparativas

Desvio médio

Variância;

Desvio Padrão

Medidas de dispersão relativas

Coeficiente de variação
 63 Amplitude total

Medida de dispersão mais fácil de calcular;

Consiste na diferença entre o valor máximo e o
valor mínimo da variável;

R = Xmax-X min

Exemplo:
Considere a variável que assume os seguintes valores:
X={3, 5, 9, 15, 16, 12, 8, 4}
Calcule a amplitude total.
R=16-3=13

64 Amplitude total

Desvantagem: tem apenas em conta os dois
valores extremos que a variável assume, logo não
é sensível aos valores intermédios.
Tempo fi
(xi)

Exemplo: Considere a tabela ao
[30;45[ 20
lado. Calcule a amplitude total. [45;60[ 20
[60;75[ 7

R=120-30=90 [75;90[ 4
[90;105[ 5
[105;120[ 1
 65 Intervalo inter-quartis

Consiste na diferença entre o 3º Quartil e o
1ºQuartil;

Corresponde a um intervalo que engloba 50 % das
observações.
IQ=Q3-Q1

Desvantagem: esta medida não é influenciada por
metade dos valores observados, que neste caso são
os valores extremos.

66 Desvio Quartilíco

Medida de dispersão semelhante à anterior;

Consiste na semi-diferença entre o 3ºQuartil e o
1ºQuartil;

Corresponde a um intervalo que engloba 50 % das
observações.
DQ=(Q3-Q1)/2

Desvantagem: esta medida não é influenciada por
metade dos valores observados, que neste caso são
os valores extremos.
 67 Exemplo de Aplicação
Num determinado local foi efectuado um Idades (xi) fi Fi
estudo para caracterizar as idades dos
residentes [5;10[ 5 5
a)Calcule o desvio quartilíco [10;15[ 10 15
b)Calcule o intervalo inter-
inter-quartis [15;20[ 20 35
[20;25[ 10 45
1× 50 3×50
EQ1 = = 12,5 EQ3 = = 37,5 [25;30[ 5 50
4 4
Total 50
12,5 − 5 Q3 − Q1 21,25 − 13,75
Q1 = 10 + × 5 = 13,75 DQ = = = 3,75
10 2 2

37,5 − 35 IQ = Q3 − Q1 = 21,25 − 13,75 = 7,5

Q3 = 20 + × 5 = 21,25
10

Desvio Médio
68
Desvio Absoluto Médio

Soma dos valores absolutos da diferença entre os
valores observados e a sua média, divididos pelo
número total de observações; k

Média aritmética dos valores

∑ X −x
i =1
DM =
absolutos dos desvios da N
distribuição em relação a uma k
medida de tendência central ∑ X −x × f i
(média ou mediana) DM = i =1
N
 Variância (dados não
69
classificados)

Definição: média aritmética dos quadrados dos
desvios. n

∑ (x − x )
2
i
2 i =1
σ =
n

Nota importante: quando se trata de uma
amostra de pequena dimensão é mais correcto
utilizar a variância corrigida. n

∑ (x − x )
2
i
2 i =1
σ =
n −1

Variância (dados não

70
classificados)

Exemplo: Calcule a variância para o
seguinte conjunto de dados:
M={18; 23; 43,5; 19,2; 20,5}
Calculo da média:
18 + 23 + 43,5 + 19,2 + 20,5
x=
5
Calculo da variância:
2
σ =
(18 − 24,84 ) + (23 − 24,84 ) + (43,5 − 24,84) + (19,2 − 24,84) + (20,5 − 24,84)
2 2 2 2 2

5
 71 Variância (dados classificados)

Formula a utilizar: n

∑ f ×(x − x )
2
i i
σ2 = i =1
n
Xi xi fi (xi − x ) (xi − x )2 f i × ( xi − x )

Exemplo:
2
fi
5 2 10
Calcule a variância 7 1 7
8 5 40
9 2 18
10 4 40
12 3 36
15 3 45
total 20 196

72 Desvio Padrão (σ)

Raiz quadrada da variância;
n

Medida que só pode assumir (
∑ ix − x )2

valores não negativos; σ= i =1

Medida de dispersão mais n

utilizada;

Quanto maior for o desvio n

padrão maior é a dispersão ∑ f × (x − x )

2
i i

dos dados;
i =1
σ=
n

Se σ=0, então não existe
variabilidade.
 73 Coeficiente de variação (CV)

Até agora estudamos medidas de dispersão
absoluta;

O coeficiente de variação é uma medida de
dispersão relativa;

Mede o grau de concentração em torno das
distribuições de frequências

É a relação percentual entre o desvio padrão e a
média.
σ
CV = ×100
x

74 Coeficiente de variação (CV)

Exemplo: Numa empresa o salário médio dos
homens é 400 € e o desvio padrão é 150 €. Na
mesma empresa, para as mulheres o salário médio
é 300 € e o desvio padrão é de 120 €. Calcule o
coeficiente de variação.

O salário auferido pelas
Homens: CV = 150 ×100 = 37,5%
400 mulheres apresenta uma
120
maior dispersão relativa
Mulheres: CV = 300 ×100 = 40% do que o salário dos
homens
 75 Coeficiente de variação (CV)

Considerações:
CV > 50% ⇒ alto grau de dispersão relativa
⇒ pequena representatividade da
média como medida estatística

CV < 50% ⇒ baixo grau de dispersão relativa

⇒ a média é tão mais representativa
quanto menor for o valor de CV

76 Medidas de Assimetria

1º Método: comparação das 3 medidas
de tendência central:

Distribuição simétrica
x = Mo = Me

Distribuição assimétrica positiva
x ≥ Me ≥ Mo

Distribuição assimétrica negativa
x ≤ Me ≤ Mo
 77 Medidas de Assimetria

Considerações sobre o 1º Método:

É vantajoso porque não exige o conhecimento
dos valores iniciais da distribuição de
frequências em estudo

A assimetria resulta em geral de valores
extremamente grandes ou extremamente
pequenos;

Quanto mais pronunciada for a assimetria da
distribuição maior será a distancia entre a oda
e a mediana.

78 Medidas de Assimetria

2º Método: grau de assimetria
3 × ( x − Me )
G=
σ

Distribuição simétrica, se G=0

Distribuição assimétrica positiva, se G>0

Distribuição assimétrica negativa, se G<0

 79 Medidas de Assimetria

3º Método: coeficiente de Pearson

G1 =
( x − Mo ) G2 =
Q3 + Q1 − 2 × Me
σ Q3 − Q1

Método mais preciso;

O 2º coeficiente de Pearson é utilizado
quando não se conhece a média nem o
desvio padrão.

80 Medidas de Assimetria

Exemplo: Estude o grau de
assimetria da seguinte distribuição Idades (xi) fi
de frequências utilizando o
coeficiente de assimetria e o [50;60[ 15
coeficiente de Pearson.

Resolução
[60;70[ 20

Média=75 [70;80[ 30

Classe mediana = [70;80]
[80;90[ 20

Mediana=75

Classe modal = [70;80] [90;100[ 15

Moda=75
Total 100

Desvio padrão = √160

G=0
 81 Distribuições bidimensionais

Objectivo: estudar a relação entre duas ou mais
variáveis

Idade de uma mulher / tensão arterial

Taxa de desemprego / Produto Nacional Bruto de um país

Diagrama de dispersão

Representação das variáveis x e y num referencial
cartesiano;

Permite visualizar a existência de uma relação entre as
variáveis, e identificar qual a condição mais
apropriada para descrever esta relação;

82 Correlação

Correlação Correlação
Negativa Positiva

Não há Correlação
Correlação Não linear
 83 Coeficiente de Correlação (r)

Também designado por coeficiente de

correlação de Pearson;

Varia entre [-1;1]

r=-1, correlação perfeita e negativa

r=1, correlação perfeita e positiva

r=0, não há relação linear

84 Coeficiente de Correlação (r)

r = -1 r = 0,91

r=0 r=0
 85 Centro de Gravidade

Definição:
Ponto de coordenadas (x, y ) correspondentes ás médias
aritméticas das variáveis x e y.

Exemplo: Determine o centro de gravidade da

seguinte distribuição: {resposta: (13,1;10,5)}
Nº anos trabalho 14 9,5 15,5 12,5 18,5 5 15 20 8
Nº dias de doença 11,5 10 12 10 15 0 11 15 10

86 Distribuição Normal

Algumas distribuições
podem ser descritas
como simétricas em
torno da média e com
a forma de sino.

Uma boa aproximação
para muitas dessas
distribuições é dada
pela distribuição
normal Distribuição do peso de 462 recém nascidos.
87 Distribuição Normal

x = Mo = Me
Histograma da variável BIRTHW (peso do recém nascido) com a curva normal