Estatística Aplicada À Educação (Definitivo) PDF

Estatística Aplicada à Educação
UNIDADE I – A ESTATÍSTICA E SEUS MÉTODOS

1.1 - Introdução Histórica
Os homens desde a antiguidade faziam registros de dados que
consideravam informações importantes, como o número de habitantes, de
nascimentos e de óbitos, faziam estimativas do estoque de alimentos
necessários a sua sobrevivência durante o inverno. Além da finalidade social e
econômica, existe também, por exemplo, a bélica. Em guerras, era
extremamente importante avaliar o armamento e o número de guerreiros
disponíveis para a luta, tanto da própria tribo, quanto da tribo adversária.
A partir do século XVI, surgiram as primeiras tábuas e registros
organizados de fatos sociais do tipo: batizados, casamentos, nascimentos, etc.
No século XVIII, Godofredo Achenwall denominou Estatística o estudo
matemático de catalogação de dados numéricos coletivos. As tabelas tornaram-
se mais completas, surgiram às representações gráficas de probabilidades. Com
base no desenvolvimento da teoria das probabilidades, verificou-se que a
estatística poderia ser utilizada para tirar conclusões e tomar decisões baseadas
na análise de dados.
A Estatística é a ciência que estuda os métodos de coleta, análise,
interpretação e apresentação de dados experimentais. A Estatística denominada
Estatística Descritiva cuida da organização e descrição dos dados e a inferência
estatística se refere à análise e interpretação dos mesmos. As técnicas de
inferência estatística usam conceitos de probabilidade e distribuições de
probabilidade. Então as técnicas estatísticas são usadas em pesquisa de todas as
áreas do conhecimento (exatas, humanas e biológicas) que envolvam coleta e
análise de dados.
1.2 – Estatística e Métodos Estatísticos

A estatística fornece métodos para a coleta, organização, descrição,
análise e interpretação de dados. Os resultados podem ser utilizados para
planejamentos, tomadas de decisões ou formulações de soluções.
Por exemplo: Queremos obter informações sobre a preferência de meios
extra-hoteleiros (como camping), investigar a importância da acessibilidade, da
qualidade das instalações ou das facilidades de meios de pagamento ou a
preferência dos eleitores para a votação para presidente nas eleições de 2010.
O estudo estatístico inicia-se com o planejamento da pesquisa, que
representa a organização do plano geral do trabalho que estabelece os objetivos
e a utilização dos meios estatísticos.
Prof. Msc. Antonio Gomes Página 1

A coleta de dados vai obter informações sobre a realidade a ser estudada.

Na educação, os instrumentos mais utilizados para a coleta de dados são os
questionários e as entrevistas.
Após a coleta dos dados, é necessário classificá-los, isso significa
estabelecer categorias que permitem a reunião das informações coletadas.
O simples levantamento da informação e sua apresentação em tabelas
estatísticas, limitando-se a apresentar os dados e gráficos de dado fenômeno,
levam o Nome de estatística descritiva.
É necessária que a informação seja organizada para sua posterior análise e
interpretação. A análise dos dados permite caracterizar como os elementos se
distribuem, quais os valores de tendência central, qual a variabilidade, qual a
relação entre as variáveis e a verificação das semelhanças e diferenças entre os
elementos.
A interpretação dos dados consiste nas comparações, ligações lógicas,
estabelecimento de princípios e generalizações que indiquem as desvantagens
dos resultados obtidos.
Estatística Descritiva: coleta, organização e descrição dos dados.
Estatística Indutiva (ou Inferencial): análise e interpretação dos dados.
1.3 – População ou Universo Estatístico

É o conjunto da totalidade de indivíduos que apresentam uma
característica comum, cujo comportamento se quer analisar (inferir). Ou ainda,
podemos dizer que a população é caracterizada por ser o conjunto dos
elementos que formam o universo de nosso estudo.
Quanto ao número de elementos, a população pode ser finta ou infinita.
Por exemplo, a população constituída por todos os alunos da UFPA - Cametá que
estavam presentes em um determinado evento, durante um certo dia, é uma
população finita, enquanto que a população constituída de todos os resultados
(cara ou coroa) em sucessivos lances de uma moeda é uma população infinita.
Em grandes populações, torna-se interessante a realização da chamada
amostragem, que ocorre na impossibilidade de colher informações sobre a
população total.
1.3.1 – Amostra
É um subconjunto finito de uma população. A amostra é uma parte da
população, necessária quando se tratar de uma população com uma quantidade
muito grande de elementos. A amostra permite que se trabalhe com uma parte
dos elementos de uma população, quando existe dificuldade de fazer a pesquisa
com todos os elementos da população.

Exemplo: Queremos obter informações sobre a audiência do programa “Globo

Ciência”.
A população corresponde ao número total de domicílios que possuem TV.
A amostra é o conjunto dos domicílios que serão visitados.
1.3.2 – Variáveis
São as características que podem se observadas (ou medidas) em cada
elemento da população, ou ainda, é um conjunto de resultados possíveis de um
fenômeno.
A variável pode ser:
a) Qualitativa: quando os valores são expressos por uma qualidade ou atributo.
Ex.: sexo, cor da pele, estado civil.
b) Quantitativa: quando os valores são expressos por números. Ex.: idade,
salários, notas da avaliação, etc.
A variável quantitativa pode ser contínua ou discreta:
 Variável Contínua: assume inúmeros valores entre dois limites. Ex.: Peso
das malas num aeroporto.
 Variável Discreta: assume apenas os valores de um conjunto enumerável.
Ex.: Número de alunos que freqüentam diariamente o campus da UFPA
de Cametá.
1.4 – Números aproximados e arredondamento de dados

A norma NBR 5891 da Associação Brasileira de Normas Técnicas (ABNT)
estabelece as regras fixas de arredondamento na numeração decimal, em uso
na atualidade. Estas regras estão de acordo com a resolução 886/66 do IBGE.
a) Quando o primeiro algarismo a ser abandonado no arredondamento é 0, 1, 2,
3 ou 4, fica inalterado o último algarismo a permanecer.
Exemplos:
1) 25, 32 → 25,3 2) 409,04 → 409,0 3) 3,021 → 3,02
b) Quando o primeiro algarismo a ser abandonado no arredondamento é 6, 7, 8

ou 9, aumenta-se uma unidade ao último algarismo a permanecer.
Exemplos:
1) 19, 417 → 19,42 2) 2,09 → 2,1 3) 2,99 → 3,0
c) Quando o primeiro algarismo a ser abandonado no arredondamento é 5, há

dois procedimentos:
 Se após o algarismo 5 seguir em qualquer casa um número diferente de 0,
aumenta-se em uma unidade o algarismo que o antecede o 5;

Exemplos:
1) 237,85001 → 237,9 2) 5,5256 → 5,53
 Se após o algarismo 5 não seguir (em qualquer casa) um número diferente
de 0, ao algarismo que antecede o 5 será acrescentada uma unidade, se
for ímpar, e permanecerá como está, se for par.
Exemplos:
1) 246,35→ 246,4 2) 246,85 → 246,8 3) 12,1250 → 12,12
Observação:
Nos softwares de computadores (como o Excel) e calculadoras científicas,
porém, não é aplicado o critério indicado no item c. Nesses casos, se o primeiro
algarismo a ser abandonado for o algarismo 5, o arredondamento será feito com
o aumento de uma unidade ao algarismo que antecede o 5.
Exemplos:
1) 246,35→ 246,4 2) 246,85 → 246,9 3) 12,1250 → 12,13
1.5 – Cálculo de Porcentagem

Porcentagens são razões em que um valor total está associado a uma
quantidade de 100% e, por meio de uma regra de três, podemos estabelecer a
correspondência entre uma parcela do valor total e seu valor percentual.
Total → 100%
Parcela → X%
Exercícios
Nos exercícios 1 ao 5, responda os itens i, ii e iii abaixo:
i) Estabeleça a variável em cada caso;
ii) Classifique as variáveis em qualitativas ou quantitativas;
iii) Diga quais das variáveis são contínuas e quais são discretas.
1) A cor dos olhos dos alunos da turma de Pedagogia – 2008 da UFPA- Cametá.
2) Os salários dos funcionários da UFPA-Cametá.
3) A quantidade de alimento, em gramas, ingerida por estudante em um
determinado colégio.
4) O sexo dos filhos de casais residentes em Mocajuba-Pa.
5) O número de pessoas da terceira idade, durante um ano, no turismo de
Fortaleza.
6) Escreva cada número com arredondamento para décimos.
a) 238,4575
b) 71,21
c) 4,8976
d) 0,03424

7) Escreva cada número com arredondamento para centésimos.

a) 149,1209
b) 0,246
c) 12,0001
d) 0,03498
8) Escreva cada número com arredondamento para a unidade.
a) 0,03516
b) 0,3
c) 17,50015
d) 0,04458
9) Calcule 12% de R$ 2400,00.
10) R$36,00 correspondem a 24% de uma quantidade. Qual o valor da
quantidade total?
11) Qual a porcentagem que R$45,00 representam num total de R$2560,00.
12) Calcule a porcentagem que 93,02 representa em 458,50.
1.6 – Amostragem
Existem métodos ou técnicas adequadas para recolher amostras, de forma
a garantir (tanto quanto possível) o sucesso da pesquisa e dos resultados.
Devemos estabelecer um número mínimo de elementos para compor a
amostra. Essa quantidade não deve ser menor que 10% do total de elementos
da população. Por exemplo, numa população de 500 elementos, devemos, por
um critério de seleção, selecionar um mínimo de 50 elementos (10% de 500)
para compor a amostra.
Mas que método devemos utilizar para realizar a escolha?
Podemos recorrer a diferentes formas de amostragem: amostragem
aleatória simples, amostragem sistemática e amostragem estratificada
proporcional.
1.6.1 – Amostragem Aleatória Simples

Nesse tipo de amostragem, a primeira providência a ser tomada é a
elaboração de uma lista com os 500 nomes dos elementos da população,
numerados de 1 a 500 para serem submetidos a um sorteio. Bolas ou cartões,
também numerados de 1 a 500, são então colocados em uma urna, na qual os
números devem ser bem misturados. Em cada etapa do sorteio, todo número
ainda não escolhido tem a mesma probabilidade de ser sorteado.
Esse processo não é muito prático para grandes populações. Nesse caso,
podemos trabalhar com uma numeração de 0 a 9, sorteando os números por
meio de blocos de três algarismos e tomando cuidado de repor na urna todo
1
algarismo dela retirado. Como temos dez algarismos, cada um deles tem de
10

probabilidade de aparecer em determinada posição. Sempre que um bloco que

não exista na população, ele será descartado.
Suponhamos que, ao efetuar o sorteio, obtenhamos os algarismos:
2 4 3 5 6 4 7 2 0 0 3 5 8 1 1 0 0 5
1 9 8 6 4 3 5 2 4 7 8 9 7 7 6 5 4 2
2 3 0 1 2 1 1 6 7 8 9 7 7 6 5 4 2
2 2 8 8 1 9 0 0 6 0 7 2 1 0 5 6 4 3
Agrupando-se em blocos de três algarismos, teremos os números:

243 564 720 035 811 005 198 643 524 789 776 542 230
121 167 891 034 567 228 819 006 072 105 643
Desses números sorteados devemos descartar 811, 891 e 819, porque não
são elementos da população, e 643 porque já foi selecionado.
E assim, sucessivamente, vamos procedendo ao sorteio, até conseguirmos
selecionar os 50 elementos da amostra.
1.6.2 – Amostragem Sistemática

Continuemos a considerar a população de 500 elementos de nossa lista
numerada. Para organizar uma amostragem sistemática, sorteamos um número
de 1 a 10, ao acaso. Suponhamos que tenha sido obtido o número 6. Ele será o
primeiro elemento da amostra, e os demais serão determinados em intervalos
de dez unidades. Assim, nossa amostra será:
6 16 26 36 46 56 66 76 86 96 106 ... 406
A amostragem sistemática é simples de ser realizada e, no caso de
amostras muito grandes, acarreta economia de tempo e dinheiro.
Exemplo:
Na escola Professor Sebastião Torres, deseja-se fazer um estudo sobre o
peso dos alunos de 7 anos de idade. Sabendo-se que há 120 crianças na faixa
dos 7 anos, selecione uma amostra por:
a) amostragem aleatória simples;
b) amostragem sistemática.
(Devemos considerar todas as crianças entre 6 e meio e 7 anos e meio porque,
em geral, não encontramos muitas que tenham exatamente 7 anos no dia da
pesquisa)
Solução:
a) Para proceder a uma amostragem aleatória simples, devemos:
 Elaborar uma lista com os 120 nomes das crianças na faixa dos 7 anos,
numerados de 1 a 120;
 Sortear 12 números ( 10% de 120).

Logo as 12 crianças cujos nomes correspondem aos números sorteados

constituem a amostra procurada.
b) Para conseguirmos uma mostra, por meio de amostragem sistemática,
devemos proceder da seguinte forma:
 Elaborar uma lista dos nomes, numerando-os de 1 a 120;
 Sortear um número de 1 a 10.
Se o número sorteado for 5, por exemplo, nossa amostragem sistemática
procurada será:
5 15 25 35 45 55 65 75 85 95 105 115
1.6.7 – Amostragem Estratificada Proporcional

A amostragem estratificada proporcional é recomendada quando existe
uma divisão natural da população em grupos com números de elementos
diversos. Vejamos o exemplo abaixo:
Exemplo:
Suponhamos que na mesma escola do exemplo anterior as 120 crianças
na faixa de 7 anos de idade estejam distribuídas em cinco classes, com
quantidades diferentes de alunos. A primeira série A tem 20 alunos com 7 anos,
a primeira B tem 15, a C tem 35, a D, 30 e a E tem 20. Como faríamos a mesma
seleção do primeiro exemplo?
Solução:
Podemos, nesse caso, sortear os nomes em quantidades proporcionais ao
número de crianças com 7 anos de cada classe, considerando as porcentagens
em relação ao conjunto total (120 elementos). As crianças sorteadas de cada
classe constituem um estrato da amostra, que é uma amostra estratificada
proporcional.
Neste problema, a população é de 120 pessoas distribuídas em cinco
classes. Sabemos que a amostra deve ter, no mínimo, 12 (10% de 120)
elementos. Em primeiro lugar, precisamos calcular a porcentagem de crianças
com 7 anos em cada classe. Organizando os dados numa tabela, temos:
Classe População %
A 20 16,7
B 15 12,5
C 35 29,1
D 30 25,0
E 20 16,7
Total 120 100

A primeira série A, com 20 alunos, tem 16,7% dos elementos da

população, logo 16,7% dos elementos da amostra sairão dessa classe. A primeira
B tem 12,5% dos elementos da população, logo 12,5% dos alunos da amostra
serão sorteados entre os alunos dessa classe. O cálculo para as demais classes
segue o mesmo raciocínio.
Como necessitamos de uma mostra de 12 elementos, devemos calcular:
A: 16,7% de 12⟺ 0,167.12 ≅ 2,004 = 2
B: 12,5% de 12⟺ 0,125.12 ≅ 1,5 = 2
C: 29,1% de 12⟺ 0,291.12 ≅ 3,493 = 3
D: 25% de 12⟺ 0,25.12 = 3
E: 16,7% de 12⟺ 0,167.12 ≅ 2,004 = 2
Observação: Note que os dados foram arredondados para o inteiro mais
próximo, já que esses números indicam a quantidade de crianças.
Colocando os dados em uma tabela, temos:
Classe População % Amostra
A 20 16,7 2
B 15 12,5 2
C 35 29,1 3
D 30 25,0 3
E 20 16,7 2
Total 120 100 12
Na última coluna está representada a quantidade de elementos de cada

estrato e total da amostra.
Exercícios
1) Na escola São Leopoldo, para estudar a preferência em relação a
refrigerantes, sortearam-se 150 estudantes, ente os 1000 matriculados.
Responda:
a) Qual é a população envolvida na pesquisa?
b) Qual tipo de amostragem foi utilizado e qual é a amostra considerada?
2) Na escola São Miguel, deseja-se fazer um estudo sobre a altura dos alunos de
10 anos de idade. Sabendo-se que há 100 crianças na faixa de 10 anos de idade,
selecione uma amostra por amostragem sistemática.
3) Em uma certa cidade, quer-se estudar o interesse despertado por um
programa de TV entre os alunos de 7 anos de idade das escolas de ensino
fundamental. Para isso, pretende-se levantar uma amostra de 300 crianças. A
partir dos dados abaixo, estratifique a amostra:
Escola A B C D E
População 400 300 350 450 520

UNIDADE II - DISTRIBUIÇÃO DE FREQÜÊNCIA

2.1 – Definições Básicas
Freqüência: É a quantidade de vezes que um mesmo valor de um dado é
repetido.
Dados brutos: São os dados originais ainda não numericamente organizados
após a coleta.
Rol: É a ordenação dos valores obtidos (dados brutos) em ordem crescente ou
decrescente de grandeza numérica ou qualitativa.
Exemplo:
A distribuição de idade das 60 crianças de um acampamento, promovido
por um determinado colégio, compõe os dados brutos.
Em forma de tabela, temos:
Faixa etária das crianças do acampamento X
6 10 9 14 7 4 13 11 5 7
8 10 12 5 9 13 11 14 9 10
9 11 8 6 7 14 10 8 7 13
11 6 12 11 15 13 9 4 9 8
12 11 4 10 7 13 9 8 10 5
10 9 8 12 13 7 8 6 15 11
Nessa tabela fica difícil estabelecer em torno de qual valor tendem a se

concentrar as idades das crianças, ou ainda avaliar quantos alunos estão acima
ou abaixo de determinada idade. Em função disso, é conveniente a organização
das idades na tabela por meio de ordem crescente (ou decrescente). Essa tabela
organizada é chamada de rol.
Em rol a tabela acima fica da seguinte forma:
4 6 7 8 9 9 10 11 12 13
4 6 7 8 9 10 10 11 12 14
4 6 7 8 9 10 10 11 13 14
5 6 7 8 9 10 11 11 13 14
5 7 8 8 9 10 11 12 13 15
5 7 8 9 9 10 11 12 13 15

2.2 – Distribuição de Freqüência

A organização das idades na tabela (rol) facilita a visualização das
repetições ocorridas para uma mesma idade. Dessa forma, podemos verificar a
concentração de crianças em cada faixa etária e, assim, construir uma tabela
onde consta para cada idade a respectiva freqüência (número de vezes em que a
idade é repetida). Essa tabela recebe o nome de distribuição de freqüência.
Distribuição de idade das 60 crianças de um acampamento
Idade Freqüência
4 3
5 3
6 4
7 6
8 7
9 8
10 8
11 7
12 4
13 5
14 3
15 2
2.3 – Elementos de uma Distribuição de Freqüência

2.3.1 – Classe
Caso as colunas da tabela de distribuição de freqüência contenham muitos
valores elencados, podemos reduzir a quantidade desses valores elencados
agrupando-os em intervalos.
Os valores da última tabela feita podem ser agrupados dispondo-se as
faixas etárias em intervalos que abranjam diferenças, por exemplo, de dois anos
de idade. Em vez de agrupar as idades de dois em dois anos, a escolha feita
poderia ser de agrupar as idades de três em três anos, de quatro me quatro anos
ou ainda um outro intervalo qualquer.
Esses agrupamentos de valores num intervalo de abrangência são
chamados de classes. E a tabela passa a se chamar distribuição de freqüência
com intervalos de classe.

Esse última tabela mostra a distribuição de freqüência simples. Caso os

elementos sejam agrupados em classes, a tabela passa a ser uma distribuição de
freqüência com intervalos de classe.
A tabela seguinte representa uma tabela de distribuição de freqüência
com intervalos de classe. Observamos que a primeira classe (ou o primeiro
grupo) reúne as crianças com a idade de 4 a 5 anos, a segunda classe reúne as
crianças com idade de 6 e 7 anos, a terceira classe reúne as crianças com idade
de 8 e 9 anos, e assim por diante.
Distribuição da freqüência em faixas etárias (das 60 crianças de um
acampamento)
Idades Freqüências
4⊢6 6
6⊢8 10
8 ⊢ 10 15
10 ⊢ 12 15
12 ⊢ 14 9
14 ⊢ 16 5
Algumas dúvidas podem surgir em relação a alguns valores. Uma criança

com sete anos, onze meses e vinte e nove dias e uma criança com oito anos
exatos devem permanecer ao mesmo grupo? Nesse nosso exemplo, não (veja as
a seguir).
2.3.2 – Limite Inferior e Superior

Limite Inferior 𝒍𝒊 : O menor número que aparece em um determinado intervalo
é o limite inferior da classe. No caso se considerarmos 4 ⊢ 6, temos que 𝑙1 = 4 é
o limite inferior da classe.
Limite Superior 𝑳𝒊 : O maior número que aparece em um determinado
intervalo é o limite inferior da classe. No caso se considerarmos 4 ⊢ 6, temos
que 𝐿1 = 6 é o limite superior da classe.
Logo podemos representar:
𝑙𝑖 ⊢ 𝐿𝑖
Este símbolo utilizado (⊢) estabelece inclusão e exclusão para os valores
limites no intervalo de classe.
O intervalo 4 ⊢ 6 indica inclusão do limite inferior quatro (ou seja, a partir
da idade de quatro anos exatos a criança está incluída nessa classe) e indica

exclusão do limite superior (significa que a partir da idade de seis anos exatos a
criança está excluída dessa classe).
Segundo a resolução 886/66 do IBGE, os intervalos de classe devem
empregar o símbolo de inclusão e exclusão ⊢ entre os valores extremos de um
intervalo.
2.3.3 – Amplitude de um Intervalo de Classe (𝒉𝒊 )

A amplitude de um intervalo de classe (ℎ𝑖 ) é a diferença entre o limite
superior e inferior de uma classe:
ℎ𝑖 = 𝐿𝑖 − 𝑙𝑖
Na última tabela temos que:
ℎ1 = 6 − 4 = 2 anos
ℎ2 = 8 − 6 = 2 anos
ℎ3 = 10 − 8 = 2 anos
ℎ4 = 12 − 10 = 2 anos
ℎ5 = 14 − 12 = 2 anos
ℎ6 = 16 − 14 = 2 anos
Nesse caso, as amplitudes são iguais, porém, não é obrigatório que elas
sejam; podemos eventualmente amplitudes diferentes ℎ1 ≠ ℎ2 ≠ ℎ3 ≠ ⋯
Embora as amplitudes possam ser diferentes, é mais conveniente que as
classes mantenham amplitudes iguais, pois facilita a visualização do fato
estudado e agiliza os cálculos realizados.
2.3.4 – Amplitude Total da Distribuição (∆𝑻)

Amplitude total de distribuição (∆𝑇) é a diferença entre o limite superior
(máximo) da última classe e o limite inferior (mínimo) da primeira classe, logo:
∆𝑇 = 𝐿 𝑚á𝑥. − 𝑙(𝑚í𝑛.)
Onde:
𝐿 𝑚á𝑥. = limite superior da última classe;
𝑙(𝑚í𝑛.) = limite inferior da primeira classe.
Na última tabela, temos que a amplitude total da distribuição é:
∆𝑇 = 16 − 4 = 12 anos.
2.3.5 – Amplitude Amostral (AA)

Amplitude amostral é a diferença entre o valor máximo e o valor mínimo
dos dados na amostra:
𝐴𝐴 = 𝑋 𝑚á𝑥. − 𝑋(𝑚í𝑛.)
Na tabela de Faixa etária das crianças do acampamento X já organizada

em rol (exemplo anterior), observamos que o valor da amplitude amostral é:
𝐴𝐴 = 15 − 4 = 11 anos
2.3.6 – Ponto Médio de uma Classe (𝒙𝒊 )

Ponto médio de uma classe (𝑥𝑖 ) é ponto que, por situar-se numa posição
média da distribuição de valores do intervalo de classe, divide o intervalo em
duas partes iguais.
𝑙𝑖 + 𝐿𝑖
𝑥𝑖 =
2
Já na última tabela, temos que o ponto médio da primeira classe é:
4+6
𝑥1 = =5
2
O ponto médio da segunda classe é:
6+8
𝑥2 = =7
2
O ponto médio da sexta classe é:
14 + 16
𝑥6 = = 15
2
2.3.7 – Freqüência Simples ou Absoluta (𝒇𝒊 )

Freqüência simples ou absoluta é o numero de observações de um valor
individual (ou de uma classe).
A tabela a seguir representa a distribuição de freqüência simples com
intervalos de classe de fato observado.
Distribuição da freqüência em faixas etárias (das 60 crianças de um
acampamento)
Idade Quantidade de crianças por faixa
etária (freqüência simples)
4⊢6 6
6⊢8 10
8 ⊢ 10 15
10 ⊢ 12 15
12 ⊢ 14 9
14 ⊢ 16 5
Total = 60
A soma de todas as freqüências é 𝑛 = 𝑓1 + 𝑓2 + 𝑓3 + 𝑓4 + 𝑓5 + 𝑓6 , logo:

𝑛 = 6 + 10 + 15 + 15 + 9 + 5 = 60 (nesse caso, 𝑛 = 60)
Observamos que 𝑛 é o número total de dados da amostra.

Podemos representar a soma de freqüências pelo símbolo de somatória,

ou seja:
𝑘
𝑛 = 𝑓1 + 𝑓2 + 𝑓3 + ⋯ = 𝑓𝑖
𝑖=1
No exemplo:
6
𝑛= 𝑓𝑖 = 60
𝑖=1
A tabela pode ser reescrita de forma mais adequada ao conceito de
freqüência:
Distribuição em faixas etárias (das 60 crianças de um acampamento)

I Idade 𝑓𝑖
1 4⊢6 𝑓1 =6
2 6⊢8 𝑓2 =10
3 8 ⊢ 10 𝑓3 =15
4 10 ⊢ 12 𝑓4 =15
5 12 ⊢ 14 𝑓5 =9
6 14 ⊢ 16 𝑓6 =5
𝑛= 𝑓𝑖 = 60
2.4 – Determinação do Número de Classes

É importante a escolha do número de classes e amplitude. Se o número de
observações é pequeno, devemos restringir a amplitude; por outro lado, se o
número de observações é grande, as amplitudes também serão maiores.
Uma sugestão para estabelecer o número de classes é utilizar a fórmula
desenvolvida pelo matemático Sturges, também conhecida como regra de
Sturges.
𝑖 = 1 + 3,3 × log 𝑛
Sendo:
𝑖 = número de classes.
𝑛 = número total de dados.
Com base na regra de Sturges, Vaugh desenvolveu uma tabela onde
resumiu as sugestões para estabelecer o número de classes a partir do número
total de dados:

Sugestão para estabelecer o número de classes em função do número de dados

(regra de Sturges)
n = casos observados i = número de classes a usar (pela
regra de Sturges)
1 1
2 2
3–5 3
6 – 11 4
12 – 22 5
23 – 45 6
46 – 90 7
91 – 181 8
182 – 362 9
363 – 724 10
725 – 1.448 11
1.449 – 2.896 12
... ...
Além da regra de Sturges, existem outras fórmulas, mas também são

apenas sugestões; a decisão final depende do bom-senso pessoal de cada um
para estabelecer o número de classes.
2.5 – Determinação da Amplitude do Intervalo de Classe (𝒉)

Pode-se obter a amplitude do intervalo de classe (ℎ) por meio da divisão
da amplitude amostral (𝐴𝐴) pelo número de classes (𝑖):
𝐴𝐴 𝑋 𝑀á𝑥. − 𝑋(𝑀í𝑛.)
ℎ= =
𝑖 𝑖
Caso o resultado da divisão não seja um resultado exato, sugerimos que
seja feito o arredondamento para um valor acima.
Supondo que o resultado tenha sido ℎ = 4,4 devemos arredondar para
ℎ = 5.
Devemos procurar os valores adequados para os limites dos intervalos,
valores que forneçam números naturais no cálculo dos pontos médios (dentro
das possibilidades).
Exercício
Numa equipe de recreação juvenil, foram coletadas as alturas de 50
adolescentes, onde os dados brutos encontram-se na tabela abaixo:

Estatura de 50 adolescentes (em cm)

156 157 150 158 142 159 160 157 160 158
151 148 156 147 156 154 149 159 148 150
145 153 144 154 161 152 154 152 153 154
154 155 152 160 149 157 156 155 156 143
159 161 162 155 155 153 145 149 152 157
a) Organize os valores obtidos nessa tabela em Rol, em ordem crescente.
b) Qual é a menor altura?
c) Qual é a maior altura?
d) Qual é a amplitude amostral da distribuição?
e) Considerando que o número total de dados é 𝑛 = 50, e pela tabela (última)
anterior a esse exercício a sugestão é estabelecer sete intervalos de classes
(𝑖 = 7). Qual é a amplitude do intervalo de classe?
f) Complete a tabela de distribuição a seguir:
Distribuição da estatura de 50 adolescentes (em cm)
I Estaturas (cm) Freqüência (𝑓𝑖 )
1 142 ⊢ 145 3
2 145 ⊢ ..... .....
3 ..... ⊢ 151 .....
4 ..... ⊢ ..... .....
5 ..... ⊢ ..... .....
6 ..... ⊢ ..... .....
7 ..... ⊢ 163 .....
𝑛= 𝑓𝑖 = 50
Considerando essa nova tabela de distribuição de freqüência, responda
aos próximos itens:
g) Qual o limite inferior da terceira classe?
h) Qual o limite superior da sexta classe?
i) Qual o limite inferior d sétima classe?
j) Qual o limite superior da segunda classe?
k) Qual a amplitude total da distribuição (∆𝑇)?
l) Foram obtidos valores diferentes para a amplitude amostral da distribuição
(𝐴𝐴) e amplitude total da distribuição (∆𝑇)? Explique por quê.
2.6 – Tipos de Freqüências

2.6.1 – Freqüência Simples ou Absoluta 𝒇𝒊
É o número de repetições de um valor individual ou de uma classe. A soma
das freqüências simples resulta o número total de observações (𝑛), ou seja:

𝑓𝑖 = 𝑛
2.6.2 – Freqüência Relativa 𝒇𝒓𝒊

É a razão entre a freqüência simples e a freqüência total. A freqüência
relativa representa a proporção de observações de um valor (ou de uma classe)
em relação ao número total de observações, o que facilita as comparações.
𝑓𝑖
𝑓𝑟𝑖 =
𝑓𝑖
Na tabela dada anteriormente de distribuição da freqüência em faixas
etárias (das 60 crianças de um acampamento), consideramos a freqüência
absoluta da quarta classe 𝑓4 = 15 e o número de observações 𝑛 = 60. Ao
calcular a freqüência relativa da quarta classe, obtemos:
𝑓 15
𝑓𝑟4 = 4 = = 0,25 (esta classe representa 25% do número total de
𝑓𝑖 60
observações).
2.6.3 – Freqüência Acumulada 𝑭𝒊

A freqüência acumulada 𝐹𝑖 é a soma de todas as freqüências abaixo do
limite superior de uma classe considerada.
𝐾
𝐹𝐾 = 𝑓1 + 𝑓2 + ⋯ + 𝑓𝐾−1 + 𝑓𝐾 ⇔ 𝐹𝐾 = 𝑓𝑖
𝑖=1
Também na tabela mencionada anteriormente, consideramos a
freqüência da quarta classe 𝑓4 = 15 e número de observações 𝑛 = 60. Ao
calcular a freqüência acumulada da quarta classe, obtemos:
𝐹4 = 𝑓1 + 𝑓2 + 𝑓3 + 𝑓4 = 6 + 10 + 15 + 15 = 46 ⇔ 𝐹4 = 46
Isto significa que existem 46 crianças com idade abaixo de 12 anos no
acampamento (12 anos é o limite superior da quarta classe).
2.6.4 – Freqüência Acumulada Relativa (𝑭𝒓𝒊 )

A freqüência acumulada relativa (𝐹𝑟𝑖 ) é a razão entre a freqüência
acumulada da classe e a freqüência total.
A freqüência acumulada relativa representa a proporção de observações
da freqüência acumulada da classe em relação ao número total de observações,
o que facilita as comparações.
𝐹𝑖
𝐹𝑟𝑖 =
𝑓𝑖
Novamente na tabela de distribuição da freqüência em faixas etárias (das
60 crianças de um acampamento), consideramos a freqüência absoluta da
quarta classe 𝑓4 = 15 e número de observações 𝑛 = 60 e a freqüência

acumulada da quarta classe 𝐹4 = 46. Calculando a freqüência acumulada

relativa da quarta classe, obtemos:
𝐹4 𝐹4 46
𝐹𝑟4 = = = = 0,77 ⇔ 𝐹𝑟4 = 0,77
𝑓𝑖 𝑛 60
Como base nessa mesma tabela, podemos escrever uma nova tabela e
incluir nela os cálculos do ponto médio de cada classe (𝑥𝑖 ), da freqüência
relativa (𝑓𝑟𝑖 ), da freqüência acumulada (𝐹𝑖 ) e da freqüência relativa (𝐹𝑟𝑖 ).
Distribuição em faixas etárias (das 60 crianças de um acampamento)

I Idades Freqüência Ponto Freqüência Freqüência Freqüên
(𝒇𝒊 ) médio relativa acumulada cia
(𝒙𝒊 ) (𝒇𝒓𝒊 ) (𝑭𝒊 ) acumula
da
relativa
(𝑭𝒓𝒊 )
1 4⊢6 6 5 0,10 6 0,10
2 6⊢8 10 7 0,17 16 0,27
3 8 ⊢ 10 15 9 0,25 31 0,52
4 10 ⊢ 12 15 11 0,25 46 0,77
5 12 ⊢ 14 9 13 0,15 55 0,92
6 14 ⊢ 16 5 15 0,08 60 1,00
= 60 = 1,00
Exercício
Em um colégio 𝑋, foi feita uma pesquisa sobre o salário recebido pelos
seus funcionários, sendo consultados 130 funcionários e obtidos os resultados
na tabela a seguir:
Número de salários mínimos Trabalhadores (𝒇𝒊 )
1⊢3 18
3⊢5 24
5⊢7 21
7⊢9 19
9 ⊢ 11 15
11 ⊢ 13 14
13 ⊢ 15 11
15 ⊢ 17 5
17 ⊢ 19 3
= 130

Complete a tabela a seguir, incluindo nessa nova tabela os cálculos do

ponto médio de cada classe (𝑥𝑖 ), da freqüência relativa (𝑓𝑟𝑖 ), da freqüência
acumulada (𝐹𝑖 ) e da freqüência acumulada relativa (𝐹𝑟𝑖 ).
Distribuição de salários recebidos (130 funcionários de um determinado colégio
𝑋).
I Nº de Trabalhadores Ponto 𝒇𝒓𝒊 𝑭𝒊 𝑭𝒓𝒊
salários (𝒇𝒊 ) médio
mínimos (𝒙𝒊 )
1 1⊢3 18
2 3⊢5 24
3 5⊢7 21
4 7⊢9 19
5 9 ⊢ 11 15
6 11 ⊢ 13 14
7 13 ⊢ 15 11
8 15 ⊢ 17 5
9 17 ⊢ 19 3
= 130 = 1,00
2.7 – Distribuição de Freqüência sem Intervalos de Classe

Numa coleta de dados, nem sempre os dados com repetição são
agrupados em intervalos de classe. Pode ocorrer que cada conjunto de
repetições de um mesmo dado corresponda a um “intervalo de classe”.
Exemplo:
Na tabela a seguir, os dados representam o número de filhos por família
de 30 famílias entrevistadas em determinado bairro 𝑋.
Número de filhos por família (de 30 famílias do bairro 𝑋)
0 0 1 1 2 2 2 2 3 3
0 1 1 1 2 2 2 3 3 4
0 1 1 1 2 2 2 3 3 4
De acordo com as repetições, podemos escrever a seguinte tabela de
freqüências:
Distribuição do número de filhos por família (de 30 famílias do bairro 𝑋).
Nº de filhos por família (𝑿𝒊 ) Famílias do bairro 𝑿 (𝒇𝒊 )
0 4
1 8
2 10
3 6
4 2

Essa tabela pode ser completa com os cálculos da freqüência relativa

(𝑓𝑟𝑖 ), da freqüência acumulada (𝐹𝑖 ) e da freqüência acumulada relativa (𝐹𝑟𝑖 ).
Distribuição do número de filhos por família (de 30 famílias do bairro 𝑿).
I 𝑿𝒊 𝒇𝒊 𝒇𝒓𝒊 𝑭𝒊 𝑭𝒓𝒊
1 0 4 0,13 4 0,13
2 1 8 0,27 12 0,40
3 2 10 0,33 22 0,73
4 3 6 0,20 28 0,93
5 4 2 0,07 30 1,00
𝑛= 𝑓𝑖 = 30 = 1,00
Exercício
Uma empresa de pesquisa colheu a opinião de 1200 pessoas e elaborou
um relatório especificando a preferência sobre qual Estado brasileiro essas
pessoas gostariam de conhecer. Os valores constam na tabela a seguir:
Distribuição dos estados brasileiros que as pessoas gostariam de conhecer
Estados brasileiros Preferência de pessoas (freqüência)
Rio Grande do Sul 80
Minas Gerais 170
Rio de Janeiro 380
São Paulo 320
Bahia 190
Paraná 60
𝑛= 𝑓𝑖 = 1200
Inclua na tabela a seguir os cálculos da freqüência relativa (𝑓𝑟𝑖 ), da
freqüência acumulada (𝐹𝑖 ) e da freqüência acumulada relativa (𝐹𝑟𝑖 ).
Distribuição dos estados brasileiros que as pessoas gostariam de conhecer
I 𝑿𝒊 𝒇𝒊 𝒇𝒓𝒊 𝑭𝒊 𝑭𝒓𝒊
1 Rio Grande 80
do Sul
2 Minas Gerais 170
3 Rio de 380
Janeiro
4 São Paulo 320
5 Bahia 190
6 Paraná 60
𝑛= 𝑓𝑖 = 1,00
= 1200

UNIDADE III - GRÁFICOS ESTATÍSTICOS

3.1 – Representação Gráfica
Dados estatísticos podem ser representados tanto por tabelas e quadros
de distribuição por freqüência quanto por gráficos. Observe o seguinte exemplo:
Exemplo:
Uma pesquisa do Instituto Gallup, realizada em vinte Estados do Brasil,
registra uma alta no otimismo do povo brasileiro (publicação da revista veja, 02-
01-1985). A “taxa de otimismo” foi estabelecida pela diferença entre o
percentual de entrevistados que esperavam um ano seguinte melhor, em
relação ao ano anterior, e o percentual daqueles que tinham opinião contrária a
essa.
35%
Mudança para o
Abertura política
governo civil
30%
25% Eleições diretas

para governador
20%
15%
10%
5%
0%
1978 1980 1982 1983 1984
Pelo gráfico deduzimos que em 1978, ano em que o general Figueiredo foi
escolhido presidente, a taxa era de 29%, caindo para 5% em 1980. Em 1982,
quando foram realizadas eleições diretas para governador, o otimismo dos
brasileiros chegou a 18%, caindo para zero em 1983, quando o Brasil recorreu ao
FMI (Fundo Monetário Internacional). Nessa ocasião 40% dos entrevistados
consideravam que o ano seguinte seria melhor, e os outros 40 que seria pior. Em
1984, o último ano do regime militar instalado em 1964, a taxa de otimismo
volta a subir, atingindo 27%.
Além de revelar o fenômeno estatístico, o gráfico tem a função de facilitar
sua compreensão, por meio do efeito visual imediato que lhe é próprio. Essa
característica é uma vantagem que os gráficos têm sobre as tabelas, já que a
impressão que eles produzem é mais rápida e viva.
A Estatística pode recorrer a vários tipos de gráfico. Os principais são os
gráficos de linha ou de curva e os diagramas de área (que incluem os gráficos

de colunas, de barras e de setores, entre outros).

Estudaremos quatro tipos de representações gráficas: o gráfico de setores
(ou “pizza”), o gráfico de barras (verticais ou horizontais), o histograma e o
gráfico de linhas (poligonal).
1) Gráfico de Setores
A representação por setores consiste em dividir um círculo em partes (setores
circulares), com os ângulos de medida proporcional à porcentagem da variável
tabelada.
Exemplo:
ÁREA DAS REGIÕES DO BRASIL
22%
Centro-oeste
Sul
42%
7% Sudeste
Nordeste
11% Norte
18%
Fonte: IBGE
Exercício
Com o objetivo de traçar um perfil dos alunos freqüentadores da
biblioteca de certa universidade foram entrevistados 20 alunos, obtendo:
Tabela de Freqüência do Estado Civil
Estado Civil Freqüência Freqüência Porcentagem
absoluta Relativa %
Separado 1 1 5
= 0,05
20
Solteiro 12 12 60
= 0,6
20
Casado 6 6 30
= 0,3
20
Viúvo 1 1 5
= 0,05
20
Total 𝒏 = 𝟐𝟎 1 100

Construa a partir dessa tabela o gráfico dos setores representando o

estado civil dos entrevistados.
2) Gráfico de Barras
Para construir esse tipo de gráfico, basta estabelecer uma escala
conveniente para definir o tamanho da barra e usar a freqüência de cada
ocorrência da variável em estudo na representação.
Exemplo:
Número de alunos que freqüentam uma biblioteca A
Ano Número de alunos que usaram a
biblioteca
2000 1500
2001 2350
2002 3100
2003 3250
2004 3500
2005 4050
2006 4300
2007 4550
Logo temos o gráfico de barras abaixo, ilustrando a freqüência dos alunos

na biblioteca por ano.
5000
4500
4000
3500
Número de alunos
3000
2500
2000
1500
1000
500
0
2000 2001 2002 2003 2004 2005 2006 2007
Anos

3) Histograma
Consiste em um conjunto de retângulos que apresentam:
i) As bases sobre um eixo horizontal (eixo dos X) com centro nos pontos médios
e as larguras iguais às amplitudes dos intervalos das classes;
ii) As áreas dos retângulos são proporcionais às freqüências das classes;
Se todos os intervalos tiverem a mesma amplitude, as alturas dos
retângulos serão proporcionais às freqüências das classes.
Exemplo: Suponhamos válida a tabela abaixo:
Tabela de freqüência do tempo de permanência do aluno na biblioteca, onde a
amplitude das classes considerada é 55
Tempo de Freqüência Freqüência Porcentagem
permanência Absoluta Relativa %
(em minutos)
30 ⊢ 65 8 8 40
= 0,4
20
65 ⊢ 100 6 6 30
= 0,3
20
100 ⊢ 135 1 1 5
= 0,05
20
135 ⊢ 170 5 5 25
= 0,25
20
Total 20 100
Logo o Histograma ilustrando o tempo de permanência dos alunos a

biblioteca é dado por:
45%
40%
35%
30%
25%
20%
15%
10%
5%
0%

4) Gráfico de Linhas
Neste tipo de gráfico determinamos diversos pontos, que são, unindo-os
por segmentos de reta, construindo desta forma, uma curva poligonal. É
importante lembrar que esse tipo de gráfico representa a função entre as
variáveis envolvidas.
Exemplo:
Considere a tabela abaixo:
Dados do número de alunos que freqüentam a biblioteca por ano
Ano Número de alunos que usaram a
biblioteca
2000 1500
2001 2350
2002 3100
2003 3250
2004 3500
2005 4050
2006 4300
2007 4550
Logo o gráfico de linhas ilustrando a freqüência dos alunos na biblioteca é

dado por:
5000
4500
4000
Número de alunos
3500
3000
2500
2000
1500
1000
500
0
2000 2001 2002 2003 2004 2005 2007 2007
Anos

UNIDADE IV - MEDIDAS DE TENDÊNCIA CENTRAL

4.1. Introdução
O estudo que fizemos sobre distribuições de freqüências, até agora,
permite-nos descrever, de modo geral, os grupos de valores que uma variável
pode assumir. Dessa forma, podemos localizar a maior concentração de valores
de uma dada distribuição, isto é, se ela se localiza no início, no meio ou no final,
ou ainda, se há uma distribuição por igual.
Porém, para ressaltar as tendências características de cada distribuição,
isoladamente, ou em confronto com outras, necessitamos introduzir conceitos
que se expressem através de números, que nos permitam traduzir essas
tendências. Esses conceitos são denominados elementos típicos da distribuição
e são as:
a) Medidas de posição;
b) Medidas de variabilidade ou dispersão;
c) Medidas de assimetria;
d) Medidas de curtose.
Dentre os elementos típicos, estudaremos nessa unidade, as medidas de
posição, que são estatísticas que representam uma série de dados, orientando-
nos quanto à posição da distribuição em relação ao eixo horizontal. Também
estudaremos a medidas de variabilidade ou dispersão.
De um modo geral, qualquer conjunto de dados estatísticos agrupados ou
não dependendo do estudo a que se propõe, ocupam uma posição específica
dentro de uma distribuição.
Através de tabelas e gráficos construídos anteriormente, vimos como
resumir e apresentar um conjunto de dados. Contudo, podemos resumir ainda
mais este conjunto, apresentando um ou alguns valores que “representam” todo
o conjunto. Esses valores são chamados de medidas de posição.
As medidas de posição mais importantes são as medidas de tendência
central, que recebem tal denominação pelo fato de os dados observados
tenderem, em geral, a se agrupar em torno dos valores centrais. As principais
medidas de tendência central são:
a) Média (aritmética, geométrica, harmônica, quadrática)
b) Moda
c) Mediana
d) Separatrizes

4.2. Medidas de Posição para Dados Não Agrupados em Classes

4.2.1. Média Aritmética
A média aritmética de um conjunto de números pode ser de dois tipos:
simples ou ponderada.
4.2.1.1. Média Aritmética Simples (𝒙)

A média aritmética simples de um conjunto de números é igual ao
quociente entre a soma dos valores do conjunto e o número total de valores.
n
x i
x1  x2  ..  xn
x i 1

n n
onde:
x - média aritmética simples;
𝑥𝑖 - valores da variável;
n - número de observações.
Exemplo:
Sejam os valores abaixo correspondente aos salários de 5 funcionários de
uma empresa. Calcular a média aritmética simples.
x1  800,00; x2  780,00; x3  820,00; x4  810,00; x5  790,00
800  780  820  810  790

x  800,00  x  800,00
5
A média aritmética simples será calculada sempre que os valores vierem
representados individualmente.
Exercício
Calcule a média aritmética dos números 8, 3, 6, 12 e 10.
4.2.1.2. Média Aritmética Ponderada

A média aritmética é considerada ponderada quando os valores do
conjunto tiverem pesos diferentes. No caso da média aritmética simples, todos
os valores possuem o mesmo peso. A média aritmética ponderada é o quociente
entre o produto dos valores da variável pelos respectivos pesos e a soma dos
pesos.

k
x p i i
x1 p1  x2 p2  ...  xk pk x1 p1  x2 p2  ...  xk pk
xp  i 1
 
k
p1  p2  ..  pk
p
n
i
i 1
onde:
x p - média aritmética ponderada;
x i - valores da variável;
pi - pesos dos valores da variável (nº de vezes que cada valor ocorre);
k
 pi  n - número de observações;
i 1
k - número de classes ou de valores individuais diferentes da variável.
Os pesos dos valores da variável correspondem ao número de vezes que
cada valor ocorre.
Exemplo:
Sejam os valores abaixo correspondentes aos salários de 10 funcionários
de uma empresa:
x1  800,00; x2  770,00; x3  790,00; x4  800,00; x5  760,00;
x6  750,00; x7  760,00; x8  780,00; x9  800,00; x10  770,00
(750,00  1)  (760,00  2)  (770,00  2)  (780,00 1)  (790,00  1)  (800,00  3)
xp 
1 2  2 11 3
 x p  778,00
Exercício
Para ingressar em uma determinada Instituição de Ensino um candidato
deve fazer três provas, uma de matemática, uma de português e outra de
conhecimentos gerais e deve obter no mínimo média 6,0 para ser classificado,
disputando a vaga com os demais candidatos segundo a ordem de classificação.
O que podemos afirmar sobre um candidato que obteve as notas mostradas na
tabela a seguir?
Provas Pesos das Provas Notas do Candidato A
Matemática 7 8,0
Português 6 6,0
Conhecimentos Gerais 5 4,0

4.2.2. Média Geométrica ( xg )

A média geométrica de “n” valores é definida, genericamente, como a raiz
n-ésima do produto de todos eles.
Dados “n” valores 𝑥1 , 𝑥2 , … , 𝑥𝑛 , a média geométrica desses valores será:
n
x g  n x1  x2 ... xn ou xg  n x
i 1
i
Onde:
− letra grega (pi) que indica o produto dos valores da variável.
Exemplo:
Calcular a média geométrica simples do conjunto 𝑥 = {1, 4, 16, 64}.
4
xg  n x i 1
i  n x1  x2  x3  x4
x g  4 1 4 16  64  8  xg  8
Ou
log 4096 3,612360
log x g  log 4 4096    0,903090
4 4
x g  anti log 0,903090  8
Exercício
Determine a média geométrica dos números 2, 4 e 8.
4.2.3. Média Harmônica ( x h )

A média harmônica de um conjunto de valores x i é o inverso da média
aritmética dos inversos dos valores.
1 n
xh  ou xh  n
1 1 1 1

x1 x2
 ... 
xn
x
i 1 i
n
Exemplo:
Calcular a média harmônica simples do seguinte conjunto de números:
𝑥 = {10, 60, 360}
n 3 3 3  360
xh      25,12 
n
1 1 1 1 36  6  1

43
 
i 1 xi 10 60 360 360
xh  25,12

Exercício
A pontuação de um aluno em uma seqüência de prova foi: 8,4; 9,1; 7,2;
6,8; 8,7 e 7,8. Determine a média harmônica.
4.2.4. Média Quadrática ( x q )

A média quadrática de um conjunto de “n” valores 𝑥𝑖 é a raiz quadrada da
média aritmética dos quadrados.
n
x 2
i
x12  x22  ...  xn2
xq  i 1

n n
onde:
𝑛 - número de observações.
Exemplo:
Calcular a média quadrática do conjunto:
𝑥 = {2, 3, 4, 5}
2 2  32  4 2  5 2
xq   3,67  xq  3,67
4
Exercício
O valor da hora-aula de 5 professores de um determinado colégio está
mostrado na tabela abaixo. Determine a média quadrática do valor da hora-aula.
Professores Valor da hora-aula (R$)
A 7,50
B 12,50
C 17,00
D 25,00
E 32,00
4.2.5. Moda (Mo)

A moda é outra medida de tendência central, definida como o valor mais
freqüente, quando comparado sua freqüência com a dos valores contíguos de
um conjunto ordenado.

Considerando um conjunto ordenado de valores, a moda será o valor

predominante, o valor mais freqüente desse conjunto. Esse conjunto de valores
pode ser:
- Amodal: não apresenta uma moda, isto é, todos os valores da variável em
estudo ocorreram com a mesma intensidade (freqüência).
- Plurimodal: quando houver mais de um valor predominante.
Exemplo:
Calcular a moda dos seguintes conjuntos de valores:
x = {4, 5, 5, 6, 6, 6, 7, 7, 8, 8} Mo = 6
y = {4, 4, 5, 5, 6, 6}
Amodal, pois seus três valores apareceram 2 vezes cada um.
z = {1, 2, 2, 2, 3, 3, 4, 5, 5, 5, 6, 6} Mo1 = 2 e Mo2 = 5, conjunto bimodal,
pois tanto o valor 2 como o valor 5 apresentaram o maior número de
ocorrências.
w = {1, 2, 3, 4, 5} Amodal
4.2.6. Mediana (Me)

Mediana é um valor central de um rol, ou seja, a mediana de um conjunto
de valores ordenados (crescente ou decrescente) é à medida que divide este
conjunto em duas partes iguais, cujo valor está sucedido de 50% e antecedido de
50% desse conjunto de observações.
A mediana também é considerada uma medida separatriz, pois divide a
distribuição (a série) ou conjunto de dados em partes iguais. É uma medida
muito utilizada na análise de dados estatísticos, especialmente quando se atribui
pouca importância aos valores extremos da variável.
A mediana é um valor que ocupa uma determinada ordem ou posição na
série ordenada.
Estando ordenados os valores de uma série e sendo “n” o número de
elementos da série, o valor mediano será:
- Se “n” for ímpar: a mediana será o termo de ordem:

n 1
P
2
onde:

P – elemento mediano (Posição);

n – número de elementos do conjunto.
- Se “n” for par: a mediana será a média aritmética dos termos de ordem n/2 e
n/2 + 1:
n n P1  P2
P1  P2  1 Me 
2 2 2
Exemplos:
1) Para a série {2, 5, 6, 9, 10, 13, 15, 16, 18} n = 9  A mediana será o termo de
ordem
9 1
P 5
2
Assim, Me = 10.
2) Para a série {2, 6, 7, 10, 12, 13, 18, 21} n = 8  A mediana será o termo de
ordem:
n 8 n 8
P1   4 P2  1  1  5
2 2 2 2
10  12
 Me   11
2
Observação: A mediana depende da “posição” e não dos valores dos elementos

na série ordenada. Essa é uma das diferenças marcantes entre a mediana e a
média (que se deixa influenciar, e muito, pelos valores extremos).
Exercícios
1) O quadro abaixo apresenta os salários recebidos por funcionários de uma
empresa segundo o cargo que ocupam. Determine a mediana dos salários que a
empresa paga para seus funcionários.
Cargos Salários (R$)
Diretor 2.500,00
Chefe de Departamento 1.700,00
Agente Administrativo 800,00
Serviços Gerais 500,00
Segurança 450,00
Apoio Técnico 600,00

2) Uma instituição de pesquisa fez um levantamento de vários produtos

adquiridos normalmente em uma feira popular. O resultado está na tabela a
seguir. Determine a média, mediana e a moda do preço dos produtos
pesquisados.
Produtos Preço (R$)
Tomate 2,50
Cebola 2,00
Batata 2,30
Cenoura 1,70
Repolho 2,00
Pimentão 1,90
Abobora 2,70
4.3. Medidas de Posição para Dados Agrupados em Classes

4.3.1. Média Aritmética Ponderada
O valor de 𝑥𝑖 passa a ser o ponto médio do intervalo.
𝑘
𝑖=1 𝑃𝑚 𝑖 .𝑓 𝑖 𝑃𝑚 1 .𝑓 1 +𝑃𝑚 2 .𝑓 2 +⋯+𝑃𝑚 𝑘 .𝑓 𝑘
𝑥𝑝 = =
𝑛 𝑓1 +𝑓2 +⋯+𝑓𝑘
onde:
𝑃𝑚 𝑖 é o ponto médio do intervalo de classe 𝑖;
𝑓𝑖 é a freqüência absoluta do intervalo classe 𝑖.
Exemplo:
Classes 𝑓𝑖 𝑃𝑚 𝑖 𝑃𝑚 𝑖 . 𝑓𝑖
10 | 20 5 15 75
20 | 30 10 25 250
30 | 40 15 35 525
40 | 50 10 45 450
50 | 60 5 55 275
5 5
𝑛= 𝑓𝑖 = 45 𝑃𝑚 𝑖 .𝑓 𝑖 = 1575
𝑖=1 𝑖=1
5
𝑖=1 𝑃𝑚 𝑖 .𝑓 𝑖 1575
𝑥𝑝 = = ⟹ 𝑥𝑝 = 35.
𝑛 45

Propriedades da Média
1ª) A soma algébrica dos afastamentos (ou desvios, ou resíduos) de um conjunto
de números tomados em relação à média aritmética é zero. Simbolicamente:
n k
 d i   ( xi  x )  0 ou  d i pi   ( xi  x ) pi  0
i 1 i 1
2ª) Se multiplicarmos ou dividirmos todas as informações por uma constante, a

média aritmética também ficará multiplicada ou dividida por essa constante.
3ª) Somando-se ou subtraindo-se uma constante a todos os valores de um

conjunto de informações, a média aritmética ficará somada ou subtraída dessa
constante.
4ª) A soma dos quadrados dos desvios tomados em relação à média aritmética é
um mínimo.
Uso da Média:
É a mais utilizada dos valores médios, pela simplicidade e rapidez de seu
cálculo.
a) Quando se deseja obter um valor médio estável e significativo que inclui no
seu cálculo todos os valores;
b) É usada na determinação de índices de grande importância estatística;
c) Quando se deseja maior precisão na determinação de uma medida, realiza-se
várias induções e toma-se como resultado a média aritmética.
Exercício
A tabela a seguir contém informações da renda familiar mensal de um
grupo de estudantes. Determine a renda média desse grupo.
Renda familiar mensal Freqüência Relativa
(em salário mínimo) 𝑓𝑖
𝑓𝑟𝑖 =
𝑓𝑖
5 | 6,7 0,1
6,7 | 8,3 0,1
8,3 | 10 0,2
10 | 11,6 0,6

4.3.2. Média Geométrica Ponderada

A média geométrica ponderada de um conjunto de números dispostos em
uma tabela de freqüências é calculada por intermédio da seguinte expressão:
p p p k p
x g  n x1 1  x 2 2 ... x k k ou x g  n  xi i
i 1
k
onde: n   pi
i 1
Exemplo: Calcular a média geométrica ponderada dos valores constantes da
seguinte tabela:
𝑥𝑖 𝑝𝑖
1 2
3 4
9 2
27 1
k
 pi  9
i 1
Temos que 𝑘 = 4 e 𝑛 = 9, logo:

9
x g  12  34  9 2  271  3,82955  x g  3,83
Exercício
A tabela a seguir contém informações da renda familiar mensal de
funcionários de uma determinada empresa. Determine a média geométrica da
renda desses funcionários.
Renda Familiar mensal Número de Funcionários
1 | 3 30
3 | 5 12
5 | 7 6
7 | 9 3
Propriedades da Média Geométrica

1ª) O produto dos quocientes de cada valor de um conjunto de números pela
média geométrica do conjunto é igual a um.
x1 x 2 x
  ...  n  1
xg xg xg

2ª) Séries que apresentam o mesmo número de elementos com a mesma soma
total têm a mesma média aritmética, enquanto séries que apresentam o mesmo
número de elementos com o mesmo produto têm a mesma média geométrica.
3ª) A média geométrica é menor ou igual à média aritmética.
A desigualdade x g  x sempre se verifica, quando os valores da série

forem positivos e nem todos iguais. Se entre eles houver um ou mais zeros, a
média geométrica será nula.
A igualdade x g  x só ocorrerá quando todos os valores da série forem

iguais.
4ª) Quanto maior for a diferença entre os valores originais maior será a
diferença entre as médias aritmética e geométrica.
Uso da Média Geométrica

a) Quando um dos valores é nulo não se aplica a média geométrica;
b) Para o cálculo do índice do custo de vida;
c) Crescimento demográfico.
Exemplo:
Conjunto Média Aritmética Média Geométrica

(x) ( xg )
x = {2, 2} 2 2
y = {14, 16} 15 14,97
w = {8, 12} 10 9,80
z = {2, 50} 26 10
4.3.3. Média Harmônica Ponderada ( x h )

A média harmônica ponderada de um conjunto de números, dispostos em
uma tabela de freqüências, é dada pela seguinte expressão:

k
1
p i
n
xh  k  k
i 1
 k
1 1 pi

i 1 xi
 pi x
i 1
 pi 
i 1 xi
i
k
p
i 1
i
onde:
𝑛 - número de observações;
pi - pesos dos valores da variável.
Exemplo:
Calcular a média harmônica dos dados constantes da tabela abaixo:
Classes pi xi 1 pi
xi xi
1 | 3 2 2 1/2 1,00
3 | 5 4 4 1/4 1,00
5 | 7 8 6 1/6 1,33
7 | 9 4 8 1/8 0,50
9 | 11 2 10 1/10 0,20
5 5 p
 pi  20  i  4 ,03
i1 i1 x i
20
xh   4,96  xh  4,96
4,03
Exercício
A tabela a seguir mostra a distribuição, em toneladas, das cargas máximas
suportadas por certos cabos fabricados por uma companhia. Determine a média
harmônica.
Carga Máxima (toneladas) Número de cabos
9,3 ⊢ 9,7 2
9,8 ⊢ 10,2 5
10,3 ⊢ 10,7 12
10,8 ⊢ 11,2 17
11,3 ⊢ 11,7 14
11,8 ⊢ 12,2 6
12,3 ⊢ 12,7 3
12,8 ⊢ 13,2 1
𝑛 = 60

Propriedades da Média Harmônica

A média harmônica é menor ou igual à média geométrica para valores da
variável diferentes de zero.
xh  xg
Por extensão de raciocínio e de acordo com a terceira propriedade da

média geométrica, podemos escrever:
xh  x g  x
Uso da Média Harmônica

a) Muito utilizada em fatores de ordem física (aceleração, velocidade);
b) Custo médio de artigos comprados com uma quantia fixa.
4.3.4. Média Quadrática Ponderada

Quando os valores da variável estiverem dispostos em uma tabela de
freqüências, a média quadrática será determinada pela seguinte expressão:
k
x 2
i  pi
x12 . p1  x22 . p2  ...  xk2 . pk
xq  i 1

n n
onde:
pi - pesos dos valores da variável;
𝑛 - número de observações.
Exemplo:
Calcular a média quadrática dos valores da tabela abaixo:
Classes pi xi xi2 xi2  pi x i . pi
2 | 4 5 3 9 45 15
4 | 6 10 5 25 250 50
6 | 8 12 7 49 588 84
8 | 10 10 9 81 810 90
10 12 5 11 121 605 55
n = 42 2298 294

x 2
i  pi
2298
xq  i 1
  7,40  xq  7,40
n 42
Exercício
A tabela a seguir contém a altura de 100 estudantes do sexo masculino de
uma determinada universidade. A partir das informações contidas na tabela
determine as médias aritmética, geométrica, harmônica e quadrática altura dos
estudantes.
Altura (cm) Número de Estudantes
1,51 ⊢ 1,58 5
1,59 ⊢ 1,66 18
1,67 ⊢ 1,74 42
1,75 ⊢ 1,82 27
1,83 ⊢ 1,90 8
Propriedades da Média Quadrática

1ª) A média quadrática de uma constante é igual a constante.
2ª) Multiplicando ou dividindo todos os valores de um conjunto de números por
um valor constante arbitrário, a média quadrática fica multiplicada ou dividida
por essa constante.
3ª) Sempre que os valores de “x” forem positivos é válida a relação:
xq  x  xg  xh
A igualdade se verifica quando os valores da variável forem iguais
(constantes).
xq  x  xg  xh para x1  x 2 ...  x 0
A média quadrática é largamente utilizada em Estatística, principalmente
quando se pretende calcular a média de desvios ( x  x ) em vez de a média dos
valores originais. Neste caso, a média quadrática é denominada desvio-padrão,
que é uma importante medida de dispersão, que será estudada mais adiante.
4.3.5. Moda para Dados Agrupados

Os valores da variável dispostos em uma tabela de freqüências podem
apresentar-se individualmente ou agrupados em classes. No primeiro caso, a
determinação da moda é imediata, bastando, para isso, consultar a tabela,
localizando o valor que apresenta a maior freqüência. Esse valor será a moda do

conjunto. Assim, a moda do conjunto apresentado na tabela abaixo é Mo = 3,

indicando que a rejeição de 3 peças defeituosas por mês foi o resultado mais
observado.
Exemplo:
Número de Peças de Precisão Defeituosas devolvidas mensalmente pelo
Controle de Qualidade.
N° de Peças com N° de meses
Defeito 𝒑𝒊
𝒙𝒊
0 2
1 4
2 6
3 8
4 4
5 2
6 1
7
 pi  27
i1
Tratando-se de uma tabela de freqüências com valores tabulados e
agrupados em classes, o procedimento não é imediato, sendo disponíveis alguns
métodos de cálculo distintos. Qualquer que seja o método adotado, o primeiro
passo para determinar a moda é localizar a classe que apresenta a maior
freqüência, comumente chamada de classe modal. Um dos métodos para o
cálculo da Moda é o Método de Czuber.
Método de Czuber
O método de Czuber, para o cálculo da moda elaborada, leva em
consideração não apenas as freqüências das classes adjacentes, mas também a
freqüência da classe modal. O ponto que corresponde à moda divide o intervalo
da classe modal em duas partes, as quais são proporcionais às diferenças entre a
freqüência da classe modal e as das respectivas classes adjacentes. Assim:
FMo  Fant
Mo  Li  h
2 FMo  ( Fant  Fpost )
onde:

𝐿𝑖 - limite inferior da classe modal;

ℎ - amplitude do intervalo de classe;
FMo - freqüência simples da classe modal;
Fant - freqüência simples da classe anterior à classe modal;
Fpost - freqüência simples da classe posterior à classe modal.
Exemplo:
Determinar a moda pelo método de Czuber para os dados apresentados
abaixo:
Classes pi ou fi
10 | 20 2
20 | 30 3
30 | 40 10
40 | 50 9
50 | 60 4
n = 28
Classe Modal: 30 | 40
10  3
Li = 30 Mo  30  10  38,75
2  10  ( 3  9)
h = 10
FMo = 10 Mo = 38,75
Fant. = 3
Fpost. = 9
Exercício
Determine a moda pelo método de Czuber para os dados apresentados
abaixo:
Distribuição de Estaturas de um acampamento infantil
i Estaturas Freqüência
(cm)
1 120 | 128 6
2 128 | 136 12
3 136 | 144 16
4 144 | 152 13
5 152 | 160 7
𝑛= 𝑓𝑖 = 54

4.3.6. Mediana
Para o caso de uma distribuição, a ordem, a partir de qualquer um dos
extremos, é dada por:
𝑓𝑖
2
1 passo: Determina-se as freqüências acumuladas;
2 passo: Calcula-se a posição da mediana;
3 passo: Marca-se a classe correspondente à freqüência acumulada
imediatamente superior a posição calculada e, em seguida, emprega-se a
fórmula:
𝑓𝑖
− 𝐹𝑎𝑛𝑡
𝑀𝑒 = 𝑙𝑀𝑒 + 2 . ℎ𝑀𝑒
𝑓𝑀𝑒
onde:
𝑙𝑀𝑒 – é o limite inferior da classe mediana;
𝐹𝑎𝑛𝑡 - freqüência acumulada até a classe anterior à classe mediana;
𝑓𝑀𝑒 – freqüência simples da classe mediana;
ℎ𝑀𝑒 – amplitude do intervalo da classe mediana.
Exemplo:
i Estaturas Fi Fa
(cm)
1 150 | 154 4 4
2 154 | 158 9 13
Classe 3 11 24
158 | 162
mediana
4 162 | 166 8 32
5 166 | 170 5 37
6 170 | 174 3 40
𝑓𝑖 = 40
𝑓𝑖 40
= = 20 Classe mediana de ordem 3 (i = 3)
2 2
Como há 24 valores incluídos nas três primeiras classes da distribuição e

como pretendemos determinar o valor que ocupa o 20 lugar, a partir do início
da série, vemos que esse deve estar localizado na terceira classe (i = 3), supondo
que as freqüências dessas classes estejam uniformemente distribuídas.

Como há 11 elementos nessa classe e o intervalo de classe é igual a 4,

devemos tomar, a partir do limite inferior, a distância:
20  13 7
 4   4 E a mediana será:
11 11
7 28
Me  158   4  158   158  2,54  160,54
11 11
Me = 160,5 cm
Exercício
Determine a mediana da tabela de distribuição de freqüências abaixo:
Distribuição de Estaturas de um acampamento infantil
i Estaturas Freqüência
(cm)
1 120 | 128 6
2 128 | 136 12
3 136 | 144 16
4 144 | 152 13
5 152 | 160 7
𝑛= 𝑓𝑖 = 54
Uso da Mediana:
a) É usada em fenômenos educacionais quando se quer tornar objetiva a
avaliação de uma classe;
b) Quando se quer exatamente o valor que divide a metade da distribuição;
c) Quando a distribuição tem resultados discrepantes e pairam dúvidas sobre
sua validade e correção.
Comparação entre média aritmética, mediana e moda.

Há um momento em que o pesquisador fará a seguinte pergunta: Qual
a medida de tendência central que representa melhor o conjunto de dados em
estudo?
Assim, mostraremos as vantagens e desvantagens de cada uma das
medidas de tendência central.
 A moda é uma medida que requer apenas o conhecimento da freqüência
absoluta e pode ser utilizada para qualquer tipo de variáveis, tanto
qualitativas, quanto quantitativas.
 A mediana é uma medida que exige uma ordenação de categorias, da
mais alta a mais baixa, assim ela só pode ser obtida para variáveis
qualitativas ordinais ou para as quantitativas, jamais para variáveis

qualitativas nominais. Além disso, a mediana não é influenciada por
valores extremos.
 A média aritmética trabalha com todos os elementos do conjunto de
dados, enquanto a mediana utiliza apenas um ou dois valores. No entanto
a média sofre influência de valores extremos (muito alto ou baixo).
 A média é uma medida que pode ser calculada apenas para variáveis
quantitativas. E embora a média seja um valor mais fácil de entender, tem
o defeito de nos induzir em erro se a nossa amostra tiver valores muito
extremos.
Assim, no caso das variáveis quantitativas, quando o valor da Mediana é

muito diferente da Média, é aconselhável considerar sempre a Mediana como
valor de referência mais importante.
Quando a distribuição dos dados é considerada "normal", então a melhor

medida de localização do centro, é a média. Ora sendo a Distribuição Normal
uma das distribuições mais importantes e que surge com mais freqüência em
aplicações, esse fato justifica a grande utilização da média. Esquematicamente
podemos posicionar a média da forma seguinte, tendo em conta a
representação gráfica na forma de histograma.
X  Md  Mo Mo  Md  X
X  Md  Mo
Outras Medidas de Posição

4.3.7. Quartis, decis e percentis
Verificamos que a mediana separa a série em duas partes iguais, em que
cada parte contém o mesmo número de elementos, porém, uma mesma série
pode ser dividida em duas ou mais partes que contenham a mesma quantidade

de elementos. O nome da medida de posição separatriz de acordo com a

quantidade de partes que é dividida a série.
 Mediana: divide a série em duas partes iguais 𝑀𝑑 ;
 Quartis: divide a série em quatro partes iguais 𝑄1 , 𝑄2 , 𝑄3 ;
 Decis: divide a série em 10 partes iguais 𝐷1 , 𝐷2 , 𝐷3 , 𝐷4 , 𝐷5 , 𝐷6 , 𝐷7 , 𝐷8 , 𝐷9 ;
 Percentis: divide a série em 100 partes iguais 𝑃1 , 𝑃2 , 𝑃3 , … , 𝑃99 .
4.3.7.1. Quartis 𝑸𝑲
Nos quartis a série é dividida em quatro partes iguais. Os elementos
separatrizes da série são 𝑄1 , 𝑄2 e 𝑄3 .
𝑄1 : é o primeiro quartil, corresponde à separação dos primeiros 25% de
elementos da série;
𝑄2 : é o segundo quartil, coincide com a mediana 𝑄2 = 𝑀𝑑 ;
𝑄3 : é o terceiro quartil, corresponde à separação dos últimos 25% de elementos
da série.
Para o cálculo dos quartis utilizam-se técnicas semelhantes àquelas do
cálculo da mediana. Conseqüentemente, podemos utilizar as mesmas fórmulas
𝑓𝑖
do cálculo da mediana, levando em conta que onde houver a expressão será
2
𝐾 𝑖𝑓
substituída por , sendo 𝐾 o número da ordem do quartil, em que 𝐾 = 1
4
corresponde ao primeiro quartil. Se 𝐾 = 2, temos o segundo quartil e se 𝐾 = 3,
temos o terceiro quartil.
Determina-se, inicialmente, a classe que contém o valor quartil a ser
calculado. A identificação da classe é feita por meio do termo da ordem
calculada pela expressão.
𝐾 𝑓𝑖
𝐾 = 1,2,3
4
Esse termo está localizado numa classe que recebe o nome de classe
quartil. Assim, temos:
𝐾 𝑓𝑖
𝑄𝐾 = 𝑙𝑄𝐾 + 4 . ℎ𝑄𝐾
𝑓𝑄𝐾
Sendo:
𝑙𝑄𝐾 = limite inferior da classe do quartil considerado;

𝐹𝑎𝑛𝑡 = freqüência acumulada da classe anterior à classe do quartil considerado;
ℎ𝑄𝐾 = amplitude do intervalo de classe do quartil considerado;
𝑓𝑄𝐾 = freqüência simples da classe do quartil considerado.

Exemplo:
Para o cálculo dos quartis de dados agrupados com intervalos de classe,
consideramos a distribuição dos pesos de um grupo de turistas que visita um
parque temático. Será acrescentada uma coluna com os valores da freqüência
acumulada.
Distribuição dos pesos de um grupo de turistas de um parque temático
i Pesos Freqüência Freqüência
(Kg) (𝒇𝒊 ) acumulada (𝑭𝒊 )
1 10 ⊢ 30 8 8
2 30 ⊢ 50 26 34
3 50 ⊢ 70 57 91
4 70 ⊢ 90 42 133
5 90 ⊢ 110 27 160
6 110 ⊢ 130 16 176
𝒇𝒊 = 176
Calcula-se primeiro a classe a que pertence o quartil 𝑄1 (𝐾 = 1).

1. 𝑓𝑖 176
= = 44
4 4
O primeiro quartil corresponde ao quadragésimo quarto termo da série.
Observando a coluna de freqüência acumulada, verificamos que o quadragésimo
termo pertence à terceira classe (a freqüência acumulada da terceira classe
abrange do 35º termo ao 91º termo).
Sabendo que classe do primeiro quartil é a terceira classe, podemos
verificar qual o valor numérico do primeiro quartil.
1. 𝑓 𝑖
4
−𝐹𝑎𝑛𝑡 44−34
𝑄1 = 𝑙𝑄1 + . ℎ𝑄1 = 50 + . 20 = 53,5 kg
𝑓𝑄 1 57
Os cálculos para os quartis 𝑄2 e 𝑄3 são feitos de modo análogo ao do
primeiro quartil.
2. 𝑓 𝑖 2×176
𝐾=2→ = = 88 (o segundo quartil pertence à terceira classe).
4 4
Logo:
2. 𝑓 𝑖
−𝐹𝑎𝑛𝑡 88−34
4
𝑄2 = 𝑙𝑄2 + . ℎ𝑄2 = 50 + . 20 = 68,95 kg
𝑓𝑄 2 57
3. 𝑓 𝑖 3×176
𝐾=3→ = = 132 (o terceiro quartil pertence à quarta classe)
4 4
Logo:
2. 𝑓 𝑖
−𝐹𝑎𝑛𝑡 132−91
4
𝑄3 = 𝑙𝑄3 + . ℎ𝑄3 = 70 + . 20 = 89,52 kg
𝑓𝑄 3 42

Portanto:
𝑄1 = 53,5 kg, 𝑄2 = 68,95 kg e 𝑄3 = 89,52 kg
4.3.7.2. Decis 𝑫𝑲
Nos decis, a série é dividida em 10 partes iguais 𝐷1 , 𝐷2 , … , 𝐷9 .
𝐷1 : é o primeiro decil, corresponde à separação dos primeiros 10% de elementos
da série;
𝐷5 : é o quinto decil, coincide com a mediana 𝐷5 = 𝑀𝑑 ;
𝐷9: é o nono decil, corresponde à separação dos últimos 10% de elementos da
série.
Determina-se a classe que contém o valor decil a ser calculado pela
expressão:
𝐾 𝑓𝑖
𝐾 = 1,2,3, … ,9
10
Esse termo está localizado numa classe que recebe o nome de classe decil.
Para o cálculo dos decis utilizamos técnicas semelhantes às do cálculo dos
quartis. E utilizamos a fórmula:
𝐾 𝑓𝑖
𝐷𝐾 = 𝑙𝐷𝐾 + 10 . ℎ𝐷𝐾
𝑓𝐷𝐾
Sendo:
𝑙𝐷𝐾 = limite inferior da classe do decil considerado;
𝐹𝑎𝑛𝑡 = freqüência acumulada da classe anterior à classe do decil considerado;
ℎ𝐷𝐾 = amplitude do intervalo de classe do decil considerado;
𝑓𝐷𝐾 = freqüência simples da classe do decil considerado.
Exemplo:
O cálculo dos decis será exemplificado com os dados da próxima tabela,
que organiza as estaturas de adolescentes, colhidas durante o período em que
participaram de um acampamento, durante as férias.
Distribuição de estaturas de um acampamento infantil
i Estaturas Freqüência Freqüência
(cm) (𝒇𝒊 ) acumulada (𝑭𝒊 )
1 120 ⊢ 128 6 6
2 128 ⊢ 136 12 18
3 136 ⊢ 144 16 34
4 144 ⊢ 152 13 47
5 152 ⊢ 160 7 54
𝒇𝒊 = 54

Calculam-se os decis 𝐷1 , 𝐷2 , … , 𝐷7 , …, de forma semelhante ao cálculo

dos quartis.
1. 𝑓 𝑖 54
Primeiro decil 𝐾=1 : = = 5,4 (o primeiro decil pertence à
10 10
primeira classe).
1. 𝑓 𝑖
10
−𝐹𝑎𝑛𝑡 5,4−0
𝐷1 = 𝑙𝐷1 + . ℎ𝐷1 = 120 + . 8 = 127,5 cm
𝑓𝐷 1 6
2. 𝑓 𝑖 2×54
Segundo decil 𝐾 = 2 : = = 10,8 (o segundo decil pertence à
10 10
segunda classe).
2. 𝑓 𝑖
−𝐹𝑎𝑛𝑡 10,8−6
10
𝐷2 = 𝑙𝐷2 + . ℎ𝐷2 = 128 + . 8 = 131,2 cm
𝑓𝐷 2 12
Dessa forma, podemos calcular os outros decis. Por exemplo, o cálculo do
7. 𝑓 𝑖 7×54
sétimo decil 𝐾 = 7 : = = 37,8 (o sétimo decil pertence à quarta
10 10
classe).
2. 𝑓 𝑖
10
−𝐹𝑎𝑛𝑡 37,8−34
𝐷7 = 𝑙𝐷7 + . ℎ𝐷7 = 144 + . 8 = 146,3 cm
𝑓𝐷 7 13
4.3.7.2. Percentis 𝑫𝑲
Nos percentis, a série é dividida em 100 partes iguais
𝑃1 , 𝑃2 , 𝑃3 , … , 𝑃99 .
𝑃1 : é o primeiro percentil, corresponde à separação do primeiro 1% de
elementos da série.
𝑃50 : é o qüinquagésimo percentil, coincide com a mediana 𝑃50 = 𝑀𝑑 .
Para o cálculo dos percentis, utilizamos técnicas semelhantes às do cálculo
dos quartis e decis. Inicialmente, determina-se a classe que contém o valor a ser
calculado pela expressão:
𝐾 𝑓𝑖
𝐾 = 1,2,3, … ,99
100
Para a obtenção do percentil, utilizamos a fórmula:

𝐾 𝑓𝑖
𝑃𝐾 = 𝑙𝑃𝐾 + 100 . ℎ𝑃𝐾
𝑓𝑃𝐾
𝑙𝑃𝐾 = limite inferior da classe do percentil considerado;
𝐹𝑎𝑛𝑡 = freqüência acumulada da classe anterior à classe do percentil considerado;
ℎ𝑃𝐾 = amplitude do intervalo de classe do percentil considerado;
𝑓𝑃𝐾 = freqüência simples da classe do decil considerado.

Exemplo:
Na tabela do exemplo anterior, vamos calcular o 36º percentil.
36 𝑓𝑖 36×54
𝐾 = 36: = = 19,4 (o trigésimo sexto percentil pertence à terceira
100 100
classe).
36 𝑓 𝑖
100
−𝐹𝑎𝑛𝑡 19,4−18
𝑃36 = 𝑙𝑃36 + . ℎ𝑃36 = 136 + . 8 = 136,7 cm
𝑓𝑃 36 16
Exercício
Uma rede de hotéis tem um gasto salarial com seus funcionários de
acordo com a tabela abaixo.
Gasto salarial de uma rede de hotéis com seus funcionários
i Número de Número de Ponto médio
salários funcionários (𝒙𝒊 )
mínimos (𝒇𝒊 )
1 0⊢2 14 6
2 2⊢4 28 18
3 4 ⊢ 6 19 34
4 6⊢8 15 47
5 8 ⊢ 10 16 54
6 10 ⊢ 12 17
7 12 ⊢ 14 13
8 14 ⊢ 16 9
9 16 ⊢ 18 6
10 18 ⊢ 20 3
𝑓𝑖 =
Calcule:
a) Os quartis;
b) O 2º, 6º e o 9º decil;
c) O 18º, 29º, 58º, 72º e o 93º percentil.

UNIDADE V – MEDIDAS DE DISPERSÃO OU DE VARIABILIDADE
5.1. Introdução
A interpretação de dados estatísticos exige que se realize um número
maior de estudos, ale das medidas de posição. O estudo das médias, medianas,
moda, quartis e percentis são válidos, mas não suficientes para estudos
comparativos ou conclusões qualitativas.
As medidas de dispersão ou de variabilidade servem para verificar a
representatividade das medidas de posição.
Das medidas de dispersão ou de variabilidade estudamos:
 Amplitude total (já estudado na unidade II);
 Variância e desvio-padrão;
 Coeficiente de variação.
5.2. Variância (𝑺𝟐 ou 𝝈²)

A variância 𝑆 2 leva em consideração os valores extremos e os valores
intermediários, isto é, expressa melhor os resultados obtidos.
A variância relaciona os desvios em torno da média, ou, mais
especificamente, é a média aritmética dos quadrados dos desvios.
𝑥 −𝑥 2 𝑑2
𝑆2 = 𝑖
= 𝑖 (variância de uma população)
𝑛 𝑛
Sendo:
𝑆 2 = variância
𝑥 =valor da média aritmética
𝑑𝑖 = 𝑥𝑖 − 𝑥
𝑛= 𝑓𝑖
Observação:
Caso a variância represente uma descrição da amostra e não da população
(este tipo de ocorrência é mais comum na estatística), o denominador passa a
ser (𝑛 − 1) em vez de 𝑛. O motivo dessa modificação é porque melhora a
estimativa do parâmetro de população.
𝑥 𝑖 −𝑥 2 𝑑 𝑖2
𝑆2 = = (variância de uma amostra)
𝑛−1 𝑛−1
5.3. Desvio-Padrão (𝑺 ou 𝝈)
O desvio-padrão 𝑆 é a medida mais usada na comparação de diferenças
entre conjuntos de dados, por ter grande precisão. O desvio-padrão determina a
dispersão dos valores em relação à média.
O desvio-padrão é determinado pela fórmula:

𝑥 𝑖 −𝑥 2 𝑑 𝑖2
𝑆= = (desvio-padrão de uma população)
𝑛 𝑛
Da mesma forma que para a variância, caso o desvio-médio representar
uma descrição da amostra e não da população, o denominador passa a ser
(𝑛 − 1), logo:
𝑥 𝑖 −𝑥 2 𝑑 𝑖2
𝑆= = (desvio-padrão de uma amostra)
𝑛−1 𝑛−1
5.3.1. Fórmula Alternativa para o Cálculo do Desvio-Padrão

O valor médio em algumas séries resulta números decimais,
conseqüentemente, o cálculo do desvio-padrão pode-se estender numa
somatória do quadrado de números decimais. Com o objetivo de simplificar os
cálculos matemáticos, utilizamos uma fórmula alternativa para o cálculo do
desvio-padrão.
𝑥𝑖 𝑥𝑖 2
Como 𝑥 = e 𝑥𝑖 − 𝑥 2
= 𝑥𝑖2 − , então substituindo esses
𝑛 𝑛
𝑥 𝑖 −𝑥 2
valores em 𝑆 = , obtemos:
𝑛−1
𝑥𝑖 2
𝑥𝑖 − 𝑥 2 𝑥𝑖2 − 𝑥𝑖2 𝑥𝑖 2 𝑥𝑖2 𝑥𝑖
2
𝑆= = 𝑛 = − = −
𝑛−1 𝑛 𝑛 𝑛2 𝑛 𝑛
2
𝑥𝑖2 𝑥𝑖
∴𝑆= −
𝑛 𝑛
Propriedades do Desvio-Padrão
 Somando ou subtraindo um mesmo valor de todos os valores de uma
variável, o devio-padrão não se altera;
 Multiplicando (ou dividindo-se) todos os valores de uma variável por um
mesmo número (diferente de zero), o desvio-padrão fica multiplicado (ou
dividido) por esse número.
5.3.2. Desvio-Padrão para Dados Não Agrupados

Exemplo:
Durante determinada semana, os nove vendedores de uma agência de
turistas venderam as seguintes quantidades de passagens aéreas: 20; 25; 28; 31;
37; 42; 45; 49; 53. Calcule o valor do desvio-padrão utilizando:
a) A fórmula convencional;
b) A fórmula alternativa.
Solução:
a) Utilizando a fórmula convencional, temos:

20 + 25 + 28 + 31 + 37 + 42 + 45 + 49 + 53 330
𝑥= = = 36,67
9 9
9 2
𝑖=1 𝑥𝑖 − 𝑥
𝑆=
9
20 − 36,67 2 + 25 − 36,67 2 + … + 53 − 36,67 2 1038

= =
9 9
∴ 𝑆 = 10,74.
b) Montando a tabela de freqüência com os dados fornecidos, obtemos:

Distribuição da venda de passagens aéreas por nove vendedores de uma agência
de turismo
Vendedor Número de passagens 𝒙𝟐𝒊
vendidas (𝒙𝒊 )
1 20 400
2 25 625
3 28 784
4 31 961
5 37 1.369
6 42 1.764
7 45 2.025
8 49 2.401
9 53 2.809
330 13.138
9 2 9 2 2
𝑖=1 𝑥𝑖 𝑖=1 𝑥𝑖 13.138 330
∴𝑆= − = −
9 9 9 9
= 1459,78 − 36,67 2 = 1459,78 − 1344,44 = 10,74
5.3.3. Desvio-Padrão para Dados Agrupados Sem Intervalos de Classe

Para dados agrupados sem intervalos de classe, devemos levar em conta
as repetições, ou seja, as freqüências. O cálculo pode ser feito de duas formas
equivalentes:
𝑓 𝑖 𝑥 𝑖2 𝑓𝑖 𝑥 𝑖 2 𝑓 𝑖 𝑥 𝑖 −𝑥 2
𝑆= − ou 𝑆 =
𝑛 𝑛 𝑛

Se o desvio-padrão representar uma descrição da amostra e não da

população, o denominador passa a ser 𝑛 − 1 em vez de 𝑛.
Exemplo:
Em um encontro de estudantes, foi feito um levantamento sobre o
número de dias de permanência para 37 hóspedes, os resultados estão
apresentados na tabela abaixo.
Para o cálculo do desvio-padrão aplicando a fórmula
𝑓 𝑖 𝑥 𝑖2 𝑓𝑖 𝑥 𝑖 2
𝑆= − é conveniente inserir na tabela as colunas
𝑛 𝑛
contendo os produtos 𝑓𝑖 𝑥𝑖 e 𝑓𝑖 𝑥𝑖2 .
Número de dias de permanência num hotel para 37 hóspedes
Número de dias de Número de 𝒇𝒊 𝒙𝒊 𝒇𝒊 𝒙𝟐𝒊
permanência (𝒙𝒊 ) hóspedes
𝒇𝒊
2 3 6 12
4 6 24 96
6 4 24 144
8 2 16 128
10 7 70 700
12 5 60 720
14 4 56 784
16 6 96 1.536
𝑓𝑖 = 37 𝑓𝑖 𝑥𝑖 = 352 𝑓𝑖 𝑥𝑖2 = 4.120
8 2 8 2 2
𝑖=1 𝑓𝑖 𝑥𝑖 𝑖=1 𝑓𝑖 𝑥𝑖 4120 352 2
∴𝑆= − = − = 111,35 − 9,51
37 37 37 37
= 4,57
5.3.4. Desvio-Padrão para Dados Agrupados com Intervalos de Classe

No cálculo do desvio-padrão para dados agrupados com intervalos de
classe, considera-se o ponto médio do intervalo.
2
𝑓𝑖 𝑥𝑖2 𝑓𝑖 𝑥𝑖
𝑆= −
𝑛 𝑛
Para o cálculo do desvio-padrão aplicando a fórmula anterior, é
conveniente que a tabela tenha colunas contendo o valor médio do intervalo de
classe 𝑥𝑖 e o produto 𝑓𝑖 𝑥𝑖 e 𝑓𝑖 𝑥𝑖2 .

Exemplo:
Foi feita uma pesquisa entre as hospedagens e hotéis de uma cidade
praiana em que procurou-se apurar os valores praticados na cobrança de uma
diária (com direito ao café da manhã).
Valores da diária com café da manhã em algumas hospedagens e hotéis de uma
cidade praiana
I Valor da Hospedagen Ponto 𝒇𝒊 𝒙𝒊 𝒇𝒊 𝒙𝟐𝒊
diária s ou hotéis médio
(em R$) (𝒇𝒊 ) 𝒙𝒊
1 30 ⊢ 50 4 40 160 6400
2 50 ⊢ 70 8 60 480 28.800
3 70 ⊢ 90 5 80 400 32.000
4 90 ⊢ 110 7 100 700 70.000
5 110 ⊢ 130 3 120 360 43.200
6 130 ⊢ 150 5 140 700 98.000
𝑓𝑖 = 32 𝑓𝑖 𝑥𝑖 278.400
= 2.800
6 2 6 2 2
𝑖=1 𝑓𝑖 𝑥𝑖 𝑖=1 𝑓𝑖 𝑥𝑖 278.400 2.800 2
𝑆= − = − = 8.700 − 87,50
𝑛 𝑛 32 32
= 32,31
∴ 𝑆 = 32,31
5.4. Coeficiente de variação (CV)

O coeficiente de variação é a relação entre o desvio-padrão (𝑆) e a média
aritmética (𝑥 ), multiplicada por 100.
𝑆
𝐶𝑉 = × 100
𝑥
Utilizamos o coeficiente de variação na comparação do grau de
concentração em torno da média para séries distintas.
Exemplos:
1) Numa distribuição de valores, em que o valor médio é
𝑥 = 𝑅$ 450,00 e o desvio-padrão é 𝑆 = 𝑅$19,00, temos o coeficiente de
variação:
𝑆 19
𝐶𝑉 = × 100 = × 100 = 4,222
𝑥 450
∴ 𝐶𝑉 = 4,2%
O coeficiente de variação que caracteriza a dispersão dos dados em
termos relativos ao valor médio é de 4,2%.

2) Numa cidade A, a temperatura média do ano é 𝑇𝐴 = 27°𝐶 e o desvio-padrão

é 8°𝐶. Numa cidade B, a temperatura média do ano é 𝑇𝐴 = 24°𝐶 e desvio-
padrão é 6°𝐶. Qual cidade apresenta a temperatura mais homogênea: a cidade
A ou a cidade B.
8 6
𝐶𝑉𝐴 = × 100 = 29,6% e 𝐶𝑉𝐵 = × 100 = 25%
27 24
Observamos que a cidade B apresenta maior homogeneidade nos valores
de temperatura ao longo do ano.
5.5. Significado prático do desvio-padrão

Numa distribuição simétrica, a construção gráfica em forma de sino
corresponde a uma curva normal (ou curva de Gauss). Na curva simétrica os
valores de média, mediana e moda coincidem com o pico da curva.
𝑥 = 𝑀𝑑 = 𝑀𝑜
5.5.1. Zona de normalidade

É definida por um conjunto de valores (ou uma região) em torno da média
aritmética, contidos num intervalo de amplitude “2S” (duas vezes o desvio-
padrão), ou seja, −𝑆 (antes da média) e +𝑆 (depois da média). De acordo com
alguns estudos matemáticos, essa região engloba 68,26% dos valores da série.
68%
−𝑆 𝑥 +𝑆
Zona de normalidade (2S)

Por outro lado, se for considerado o intervalo de amplitude “4S” (quatro

vezes o desvio-padrão), abrange-se em torno de 95% dos elementos da série. O
intervalo de amplitude “6S” (seis vezes o desvio-padrão) abrange em torno de
100% da série.
Exemplo:
Um restaurante cobra o almoço de cada cliente mediante peso (por quilo)
da quantidade de alimento consumida. Foi observado, durante um mês, que as
quantidades de alimento consumidas são normalmente distribuídas. Se a média
consumida for 550g e o desvio-padrão 200g, calcule:
a) A amplitude do intervalo da zona de neutralidade;
b) A amplitude dos 95% centrais.
Solução:
a) Zona de normalidade : de 𝑥 − 𝑆 até 𝑥 + 𝑆 .
Sendo 𝑥 = 550ge 𝑆 = 200g, temos o intervalo:
𝑥 − 𝑆 = 550 − 200 = 350g
𝑥 + 𝑆 = 550 + 200 = 750g
A amplitude do intervalo da zona de normalidade é de 350g até 750g. Isso
significa que: 68% dos clientes do restaurante consomem entre 350g e 750g.
b) Amplitude dos 95% centrais: de 𝑥 − 2𝑆 até 𝑥 + 2𝑆 .
𝑥 − 2𝑆 = 550 − 2 × 200 = 550 − 400 = 150g
𝑥 + 2𝑆 = 550 + 2 × 200 = 500 + 400 = 900g
A amplitude dos 95% centrais é de 150g até 900g. Essa amplitude indica
que 95% dos clientes consomem entre 150g e 900g.
Exercícios
1) Complete a tabela, calcule o desvio-padrão e o coeficiente de variação das

séries com dados agrupados sem intervalo de classe.
Distribuição de freqüência
𝒙𝒊 𝒇𝒊 𝒇𝒊 𝒙𝒊 𝒇𝒊 𝒙𝟐𝒊 𝑭𝒊
110 2
140 4
160 5
190 8
𝑓𝑖 = 𝑓𝑖 𝑥𝑖 = 𝑓𝑖 𝑥𝑖2 =

2) Complete a tabela, calcule o desvio-padrão e o coeficiente de variação das

séries de dados agrupados com intervalos de classe.
Distribuição de freqüência
i Classes 𝒇𝒊 𝒙𝒊 𝒇𝒊 𝒙𝒊 𝒇𝒊 𝒙𝟐𝒊 𝑭𝒊
1 30 ⊢ 56 1
2 56 ⊢ 82 3
3 82 ⊢ 108 4
4 108 ⊢ 134 3
5 134 ⊢ 160 5
6 160 ⊢ 186 2
𝑓𝑖 = 𝑓𝑖 𝑥𝑖 = 𝑓𝑖 𝑥𝑖2 =
Observação: O estudo das medidas de assimetria e Curtose são feitos em um

curso mais aprofundado de estatística, por esse motivo a parte teórica desse
curso termina aqui.
Obrigado pela companhia!

Saiba que você não teve
Apenas mais um professor em sua vida,
Mas você tem agora um amigo,
Para todo sempre!
Até algum dia!Tchau...

REFERÊNCIAS BIBLIOGRÁFICAS
[1] SPIEGEL, Murray R. Estatística. Tradução de Pedro Consentino. São Paulo:

McGwaw-Hill do Brasil, 1977.
[2] ARA, Amilton Braio; MUSETTI, Ana Villares; SCHNEIDERMAN, Boris.

Introdução à Estatística. São Paulo: Edgard Blücher: Instituto Mauá de
Tecnologia, 2003.
[3] NAZARETH, Helenalda. Curso Básico de Estatística. São Paulo: Ática, 1995.
[4] CRESPO, Antonio A. Estatística Fácil. 18ª edição. São Paulo: Saraiva, 2002.
[5] FONSECA, J.S. da; MARTINS G. de A. Curso de Estatística. 3ª edição. São

Paulo: Atlas, 1982.
[6] AZEVEDO, A.G. de; CAMPOS, P.H.B. de. Estatística Básica. 5ª edição. Rio de
Janeiro: LTC, 1987.
[7] BARBETTA, Pedro Alberto. Estatística Aplicada à Ciências Sociais. 3ª edição.

Florianópolis: UFSC, 1999.

Estatística Aplicada À Educação (Definitivo) PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Estatística Aplicada À Educação (Definitivo) PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Estatística Aplicada À Educação (Definitivo) PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Estatística Aplicada à Educação

UNIDADE I – A ESTATÍSTICA E SEUS MÉTODOS

1.2 – Estatística e Métodos Estatísticos

Prof. Msc. Antonio Gomes Página 1

A coleta de dados vai obter informações sobre a realidade a ser estudada.

1.3 – População ou Universo Estatístico

Prof. Msc. Antonio Gomes Página 2

Exemplo: Queremos obter informações sobre a audiência do programa “Globo

1.4 – Números aproximados e arredondamento de dados

b) Quando o primeiro algarismo a ser abandonado no arredondamento é 6, 7, 8

c) Quando o primeiro algarismo a ser abandonado no arredondamento é 5, há

Prof. Msc. Antonio Gomes Página 3

1.5 – Cálculo de Porcentagem

Prof. Msc. Antonio Gomes Página 4

7) Escreva cada número com arredondamento para centésimos.

1.6.1 – Amostragem Aleatória Simples

Prof. Msc. Antonio Gomes Página 5

probabilidade de aparecer em determinada posição. Sempre que um bloco que

Agrupando-se em blocos de três algarismos, teremos os números:

1.6.2 – Amostragem Sistemática

Prof. Msc. Antonio Gomes Página 6

Logo as 12 crianças cujos nomes correspondem aos números sorteados

1.6.7 – Amostragem Estratificada Proporcional

Prof. Msc. Antonio Gomes Página 7

A primeira série A, com 20 alunos, tem 16,7% dos elementos da

Na última coluna está representada a quantidade de elementos de cada

Prof. Msc. Antonio Gomes Página 8

UNIDADE II - DISTRIBUIÇÃO DE FREQÜÊNCIA

Nessa tabela fica difícil estabelecer em torno de qual valor tendem a se

Prof. Msc. Antonio Gomes Página 9

2.2 – Distribuição de Freqüência

2.3 – Elementos de uma Distribuição de Freqüência

Prof. Msc. Antonio Gomes Página 10

Esse última tabela mostra a distribuição de freqüência simples. Caso os

Algumas dúvidas podem surgir em relação a alguns valores. Uma criança

2.3.2 – Limite Inferior e Superior

Prof. Msc. Antonio Gomes Página 11

2.3.3 – Amplitude de um Intervalo de Classe (𝒉𝒊 )

2.3.4 – Amplitude Total da Distribuição (∆𝑻)

2.3.5 – Amplitude Amostral (AA)

Na tabela de Faixa etária das crianças do acampamento X já organizada

2.3.6 – Ponto Médio de uma Classe (𝒙𝒊 )

2.3.7 – Freqüência Simples ou Absoluta (𝒇𝒊 )

A soma de todas as freqüências é 𝑛 = 𝑓1 + 𝑓2 + 𝑓3 + 𝑓4 + 𝑓5 + 𝑓6 , logo:

Prof. Msc. Antonio Gomes Página 13

Podemos representar a soma de freqüências pelo símbolo de somatória,

Distribuição em faixas etárias (das 60 crianças de um acampamento)

2.4 – Determinação do Número de Classes

Prof. Msc. Antonio Gomes Página 14

Sugestão para estabelecer o número de classes em função do número de dados

Além da regra de Sturges, existem outras fórmulas, mas também são

2.5 – Determinação da Amplitude do Intervalo de Classe (𝒉)

Prof. Msc. Antonio Gomes Página 15

Estatura de 50 adolescentes (em cm)

2.6 – Tipos de Freqüências

Prof. Msc. Antonio Gomes Página 16

2.6.2 – Freqüência Relativa 𝒇𝒓𝒊

2.6.3 – Freqüência Acumulada 𝑭𝒊

2.6.4 – Freqüência Acumulada Relativa (𝑭𝒓𝒊 )