CREDENCIADA JUNTO AO MEC PELA

PORTARIA N 3.445 DO DIA 19/11/2003

MATERIAL DIDTICO

ESTATSTICA BSICA

Impresso
e
Editorao

31 3667-2062
www.faved.com.br

SUMRIO

APRESENTAO ...................................................................................................... 4
UNIDADE 1 - UM POUCO DE HISTRIA .................................................................. 5
UNIDADE 2 NVEIS DE MENSURAO DE DADOS ............................................ 8
2.1.
2.2.
2.3.
2.4.
2.5.
2.6.
2.7.
2.8.
2.9.
2.10.
2.11.
2.12.
2.13.
2.14.
2.15.
2.16.

GRANDES REAS DE ESTUDO DA ESTATSTICA .................................... 8

MENSURAO DE DADOS ......................................................................... 8
UNIDADE EXPERIMENTAL OU UNIDADE DE OBSERVAO ................... 8
DADOS ......................................................................................................... 8
VARIVEL .................................................................................................... 8
POPULAO OU UNIVERSO ...................................................................... 9
PARMETRO ............................................................................................... 9
AMOSTRA .................................................................................................... 9
TIPOS DE VARIVEIS .................................................................................. 9
VARIVEIS QUANTITATIVAS ...................................................................... 9
VARIVEIS QUALITATIVAS ......................................................................... 9
NVEIS DE MENSURAO DE DADOS ..................................................... 10
NVEL NOMINAL......................................................................................... 10
NVEL ORDINAL ......................................................................................... 10
NVEL INTERVALAR .................................................................................. 11
NVEL ESCALA DE RAZO ........................................................................ 11

UNIDADE 3 DISTRIBUIO DE FREQUNCIAS ................................................ 12

3.1. O QUE ESTATSTICAS DESCRITIVAS .......................................................... 12
3.2. TABELAS DE FREQUNCIAS E GRFICOS .................................................... 12
3.3. TIPOS DE FREQUNCIAS (ABSOLUTA E RELATIVA) ........................................... 13
3.4. FREQUNCIA ABSOLUTA (I)........................................................................... 13
3.5. FREQUNCIA RELATIVA (RI) ........................................................................... 13
3.6. FREQUNCIA PERCENTUAL (PI) ..................................................................... 13
3.7. FREQUNCIA ACUMULADA ............................................................................. 13
3.8. DISTRIBUIO DE FREQUNCIAS COM INTERVALO DE CLASSE .............. 18
3.9. TIPOS DE AMPLITUDES ................................................................................... 20
3.10. AMPLITUDE DE CLASSE (HI) = L1 L1 = 45 41 = (4) ............................................ 20
3.11. AMPLITUDE TOTAL DA DISTRIBUIO (AT) = LMAX - LMIN = 65 41 = (24) ................... 20
3.12. AMPLITUDE AMOSTRAL (AA) OLHAR NO ROL = MAIOR DADO MENOR DADO = 62 41
=(21) .......................................................................................................................... 20
3.13. GRFICOS BARRAS....................................................................................... 21
3.14. GRFICOS DE SETORES (PIZZA) ................................................................. 23
3.15. DIAGRAMA LINEAR ........................................................................................ 24
3.16. HISTOGRAMA ................................................................................................. 25
3.17. DIAGRAMA DE DISPERSO ........................................................................... 25
3.18. DIAGRAMA DE RAMO-E-FOLHAS .................................................................. 26
3.19. BOX PLOT OU DESENHO ESQUEMTICO .................................................... 28
UNIDADE 4 MEDIDAS DE ASSIMETRIA E CURTOSE ........................................ 30
4.1. MEDIDAS DEASSIMETRIA ............................................................................... 30

4.2. ASSIMETRIA ..................................................................................................... 30

4.3. COEFICIENTE DE PEARSON ........................................................................... 32
4.4. CURTOSE .......................................................................................................... 33
4.5. COEFICIENTE DE CURTOSE ........................................................................... 33
UNIDADE 5 MEDIDAS DE TENDNCIA CENTRAL E DISPERSO ................... 35
5.1 MEDIDAS DE TENDNCIA CENTRAL................................................................ 36
5.2. MDIA: ............................................................................................................... 36
5.3. MODA: ................................................................................................................ 37
5.4. MEDIANA: .......................................................................................................... 37
5.5. MDIA ARITMTICA PONDERADA .................................................................. 39
5.6. MEDIDAS DE DISPERSO OU VARIABILIDADE .............................................. 40
5.7. AMPLITUDE TOTAL OU RANGE (R) ................................................................ 41
5.8. VARINCIA (S2) OU (2) ................................................................................... 41
5.9. DESVIO PADRO (S) OU () ........................................................................... 42
5.10. COEFICIENTE DE VARIAO (CV) ............................................................... 42
5.11. INTERVALO INTERQUARTLICO (IIQ) ........................................................... 42
UNIDADE 6 MEDIDAS SEPARATRIZES OU DE POSIO ................................ 44
6.1 QUARTIS (QK) ..................................................................................................... 44
6.2. DECIS (DK) ......................................................................................................... 45
6.3. PERCENTIS (PK) ................................................................................................ 45
UNIDADE 7 - INTRODUO PROBABILIDADE ................................................. 46
7.1. EXPERIMENTO ALEATRIO ............................................................................ 46
7.2. ESPAO AMOSTRAL ........................................................................................ 47
7.3. EVENTO ............................................................................................................. 47
7.4. PROBABILIDADE ............................................................................................... 47
7.5. PROPRIEDADES DOS ESTUDOS DE PROBABILIDADE ................................. 48
7.6. IMPOSSIBILIDADE OU EVENTO IMPOSSVEL ............................................... 48
7.7. CERTEZA OU EVENTO CERTO ............................................................................. 48
7.8. POSSIBILIDADE DE EVENTO COMPLEMENTAR = P () ................................ 48
7.9. PROBABILIDADE DE UNIO DE DOIS EVENTOS OU PROBABILIDADE DE
OCORRER (A) OU (B) ..................................................................................................... 49
7.10. PROBABILIDADE CONDICIONAL ................................................................... 49
7.11. INDEPENDNCIA DE EVENTOS ................................................................... 49
UNIDADE 8 - DISTRIBUIO NORMAL ................................................................. 55
8.1. CARACTERSTICA DA CURVA NORMAL: ........................................................ 56
REFERNCIAS ......................................................................................................... 63

APRESENTAO
Carssimo(a) aluno(a), quem est estudando estatstica pela primeira vez, imagina
uma complexa rede de frmulas matemticas associadas a nmeros, tabelas,
grficos, enfim, algo bem difcil e chato. A estatstica enquanto disciplina tende a ter
essa m reputao. Com a finalidade de orient-lo, em curso de ensino a distncia
(EaD), o propsito deste material condensar os principais tpicos de Estatstica
Bsica, de forma sinttica, objetiva e didtica. Durante a elaborao da apostila no
nos prendemos em demonstrar as diversas frmulas matemticas existentes, mas
em exemplificar suas aplicaes nos diversos contextos abordados. E, portanto,
prepar-lo para acompanhar as aulas web. Muito solicitada em concursos pblicos
como o ENEM, em desenvolvimento de pesquisa social e acadmica e melhoria de
processos econmicos e industriais, a disciplina Estatstica dever lhe dar
capacidade de utilizar os diversos mtodos e o raciocnio necessrio para a
interpretao e anlise de dados em pesquisas na rea a que se destina.

UNIDADE 1 - UM POUCO DE HISTRIA

De acordo com Farias, Soares & Csar (2013), a palavra Estatstica de
origem latina, originalmente status, traduzida como o estudo do Estado, ou seja,
uma srie de levantamentos (informaes) sobre a populao e a economia que
fossem de interesse do Estado. Outro termo associado produo de informaes e
dados sobre determinada populao censo, tambm de origem latina, censere,
que significa taxar.
Segundo Memria (2004), no tarefa fcil saber quando se originou a histria
de qualquer ramo do conhecimento, pois isso vai depender do conceito que fizermos
dele e que, naturalmente, evoluir no decorrer do tempo. Entretanto, a histria mostra
que contar e recensear; sempre foi uma preocupao em todas as culturas e este fato
acorre h milnios. A palavra em si, foi utilizada inicialmente pelo acadmico alemo
Gottfried Achenwall (1719-1772).
Alguns registros histricos:
os registros mais antigos datam de 5000 a.C., e fazem referncia aos registros
egpcios de presos de guerra;
a falta da mo de obra durante a construo das pirmides data de 3000 a.C.;
ainda no perodo 3000 a.C., os babilnios, chineses e egpcios usavam os
censos para definir a taxao de impostos;
em 2238 a.C., o Imperador da China Yao, ordenou que fosse feito o primeiro
censo com fins agrcolas e comerciais;
no Egito de 600 a.C., os povos egpcios tinham que declarar ao governo
anualmente a profisso e as suas fontes de rendimento, a falta com este
compromisso era punida com a pena de morte;

a Bblia considerada fonte de levantamentos estatsticos. Os livros do velho

testamento fazem referncia instruo dada a Moiss: de que fosse feito um
levantamento dos homens em Israel aptos para guerrear;
Lucas captulo 2:1-2 relata que o imperador Csar Augusto mandou uma
ordem para todos os povos do Imprio: todas as pessoas deviam se registrar
para que fosse feita uma contagem da populao;
Em 1085, Guilherme, O Conquistador, ordenou que se fizesse um levantamento
estatstico da Inglaterra, que deveria conter informaes sobre terras,
proprietrios, uso da terra, empregados e animais. Esse senso tambm servia
de base para a taxao de impostos. Esse grande levantamento gerou um
famoso livro intitulado Domesday Book. Alguns sugerem que por este motivo o
significado de Domesday seja dia do juzo final;
No sculo XVII, tambm na Inglaterra, John Graunt desenvolve a aritmtica
poltica, a partir das tbuas de mortalidade (grandes levantamentos sobre
nascimentos e mortalidade). Com essas anlises comearam os estudos sobre
diferenas biomtricas entre sexos, por exemplo, em que a percentagem de
nascidos do sexo masculino era ligeiramente maior que o sexo feminino. Em
1662, essa informao causou espanto;
ainda hoje, essa metodologia originada a partir das tbuas de mortalidade
utilizada pelas companhias de seguros;
na Enciclopdia Britnica, o verbete "STATISTICS" apareceu em 1797.

No cotidiano, o indivduo exposto a uma srie de medidas, e que por estar

to acostumado, raramente questiona sua natureza, sua fidedignidade e sua
validade. o caso, por exemplo, dos ndices de inflao, de analfabetismo, de
ndices de crescimento econmico, ou valor de mercado de um determinado imvel,
s para citar alguns mais comuns. Atravs delas, o indivduo tem uma representao
da realidade que o circunda e que expressam boa parte do sentimento que se tem
com relao ao que de fato ele vivencia. Baseados nessas medidas, muitos

indivduos tomam decises importantes em suas vidas como: um investimento, um

negcio, um projeto de vida, e o sucesso ou o fracasso dessas aes pode ser
crucialmente dependente das informaes que lhes so postas. Em vrios
momentos, o prprio indivduo constri algumas medidas que o orientam na vida.
o caso, por exemplo, de um restaurante ao qual ele frequentou algumas vezes e
sobre o qual guarda boas recordaes; subjetivamente, baseado na prpria
experincia, ele pode classificar, por exemplo, o estabelecimento como sendo
honesto uma representao de uma boa comida a um preo satisfatrio.
Internamente e qualitativamente, ele est construindo uma medida que o orienta em
uma escolha futura de acordo com as suas necessidades no momento. De fato, no
mundo contemporneo, no se pode prescindir das medidas.
De acordo com Barbetta (2006), de forma geral, o que queremos com a
estatstica produzir informao. Transformar dados (nmeros, perguntas ou
questionamentos de uma pessoa ou grupo de pessoas amostra) em informao,
que possa ser compartilhadas por todos. Qualquer pessoa, cientista ou no, cria ou
se faz perguntas sobre a natureza da realidade, o que chamamos de hipteses.
Quando pesquisamos algum fenmeno, fundamental testarmos essas hipteses,
desta forma, quando comprovamos estatisticamente uma hiptese, estamos
construindo um complexo suporte para outras pesquisas, produzindo um
encadeamento de conhecimentos, levando-nos a novas fronteiras do saber.

PRIMEIRA DEFINIO: A Estatstica uma cincia que se dedica

ao desenvolvimento e ao uso de mtodos para a coleta, resumo,
organizao, apresentao e anlise de dados. (Farias, Soares &
Csar, 2003).
SEGUNDA DEFINIO: Entretanto, para alguns estudiosos, pode
ser definida como o estudo da variabilidade.

UNIDADE 2 NVEIS DE MENSURAO DE DADOS

2.1.

GRANDES REAS DE ESTUDO DA ESTATSTICA

Amostragem e Planejamento de Experimentos: responsvel pela coleta de dados.

Estatstica Descritiva: organizao e apresentao de dados de forma sinttica.
Probabilidade: rea independente dentro da estatstica, base para se compreender
inferncia e que busca quantificar a incerteza dentro de determinada distribuio de
dados.
Estatstica Inferencial: tcnica utilizada para a tomada de deciso, tambm
conhecida como tcnica confirmatria. Empregada aonde existe incertezas e
variao de dados. Tambm pode ser definida como generalizao de dados para
um grupo maior (populao) quando apenas partes desses conjuntos (amostra)
sero estudadas.

2.2.

MENSURAO DE DADOS

2.3.

UNIDADE EXPERIMENTAL OU UNIDADE DE OBSERVAO

Pode ser definida como a menor unidade a fornecer informao. Essas

unidades podem ser pessoas, animais, plantas, objetos, fatos, perguntas em um

questionrio, entre outros. (CALLEGARI, J.S.M., 2006).

2.4.

DADOS
So as informaes, sejam elas nmeros ou no. Por exemplo: quando

dizemos que um homem de 25 anos est acima do peso, os dados so: ter 25 anos,
ser do sexo masculino e possuir IMC > 25 (sobrepeso).

2.5.

VARIVEL
Toda caracterstica que possa ser observada em uma unidade experimental,

por exemplo, a idade de uma pessoa em relao ao hbito de beber ou no, a cor
de um alimento quando exposto determinado agente agrotxico.

2.6.

POPULAO OU UNIVERSO
o conjunto de unidades experimentais que podem partilhar uma

determinada caracterstica, por exemplo, populao de homens com 60 anos ou

mais na cidade de Belo Horizonte.

2.7.

PARMETRO
So descries da populao. Por outro lado, estatstica uma descrio da

amostra. Grosso modo, usamos estatsticas amostrais como estimaes de

parmetros da populao. Por exemplo, tentamos estimar a mdia da populao
(parmetro) a partir da media amostral (estatstica descritiva). (DONCEY & REIDY,
2013).

2.8.

AMOSTRA
uma frao da populao e tem como objetivo representar a populao, por

exemplo, uma amostra de homens acima de 60 anos, praticantes de atividade fsica

no parque do Ibirapuera na cidade de So Paulo.

2.9.

TIPOS DE VARIVEIS
Existem dois grandes grupos de variveis (DADOS) e esta diviso define o

tipo de estudo que ser feito

2.10. VARIVEIS QUANTITATIVAS
So definidas quando o dado obtido um valor numrico, ou seja, que
expressam quantidade. Ex.: nmero de mortes, nmero de filhos, nmero de
casamentos em determinado ms do ano.

2.11. VARIVEIS QUALITATIVAS

Tambm so chamadas de variveis categricas ou atributos. So dados que
fornecem uma informao no numrica. Ex: masculino/feminino, sim ou no, 1
ou 2, conceitos (A,B,C,D e E), 1,2,3,4, e 5 lugar.

10

OBS (1): Cada um dos dois tipos de variveis subdividi-se em dois subgrupos.
Desta forma, na realidade existem quatro grandes grupos de variveis e esta
diviso define o tipo de estudo e o tipo de anlise estatstica que ser
realizado. Existem tcnicas estatsticas diferentes para cada nvel de
mensurao.

2.12. NVEIS DE MENSURAO DE DADOS

1. NOMINAL
2. ORDINAL
3. INTERVALAR
4. ESCALA DE RAZO

2.13. NVEL NOMINAL

o nvel mais simples de varivel, pode ser definida como aquela que
diferencia uma unidade de observao em categorias somente por meio de uma
denominao. As variveis nominais podem ser divididas em binomiais, binrias ou
dicotmicas.
Ex.: masculino/feminino, sim ou no, 1 ou 2, conceitos (A,B,C,D e E),
1,2,3,4, e 5 lugar.
CARACTERSTICA:

classes

so

mutuamente

excludente,

contagem

simples,

operaes de soma e adio no pode ser feitas. Apresentao apenas com tabelas de
frequncias e percentagem.

2.14. NVEL ORDINAL

Alm de poder ser divididas em categorias, essas categorias podem gerar
graus de intensidade, como os conceitos de uma nota escolar, ou as colocaes em
uma prova esportiva. A varivel ordinal pode ser arranjada segundo uma ordenao
(grandeza, preferncia, importncia, distncia, entre outras).
Ex.: masculino/feminino, sim ou no, 1 ou 2, conceitos (A,B,C,D e E),
1,2,3,4, e 5 lugar

11

CARACTERSTICA: 1-Classes so mutuamente excludentes, pode-se calcular o

coeficiente de correlao de Spearman e Kendall, operaes de soma e adio no
podem ser feitas, apresentao apenas com tabelas de frequncias e percentagem.

2.15. NVEL INTERVALAR

o terceiro nvel. Tambm a primeira que representa uma medida
propriamente dita, pode ser uma unidade de medida arbitrria, porm fixa. O zero
relativo muito convencional. O ponto zero no a origem verdadeira, mas tambm
representa um posto de posio. Ex.: as escalas termomtricas, bem como a
distncia entre dois traos contguos (chamados de graus).
CARACTERSTICA: pode-se calcular mdia e desvio padro, adio (nem sempre) e
subtrao podem ser feitas, em hiptese alguma, pode-se efetuar operaes de
multiplicao ou diviso, Apresentao apenas com tabelas de frequncias e
percentagem.

2.16. NVEL ESCALA DE RAZO

Nesta escala, no s podemos quantificar as diferenas entre as medies
como tambm diversas operaes matemticas. O ponto zero indica a origem
verdadeira, ou seja, a ausncia do atributo de observao.Ex.: Idade, salrio,
preo, volume de vendas.
CARACTERSTICA: todas as operaes matemticas so permitidas.

12

UNIDADE 3 DISTRIBUIO DE FREQUNCIAS

3.1. O QUE ESTATSTICAS DESCRITIVAS
Uma das primeiras tarefas a ser fazer a anlise das estatsticas descritivas da
amostra. Este procedimento fundamental para organizar e resumir algumas
informaes que voc coletou sobre a amostra estudada.
As informaes preliminares de uma estatstica descritiva permitem uma viso
geral das variveis estudadas, tambm servem de ponto de partida para a escolha
de modelos estatsticos mais complexos (robustos).
Organizar e resumir os dados permite que se faa uma reviso e correo nos
dados coletados na tentativa de eliminar possveis enganos na elaborao do
relatrio1.
Como voc j aprendeu a definir o tipo de varivel do seu estudo, os
procedimentos para a escolha da melhor tcnica descritiva seguem os mesmos
padres, ou seja, iremos do nvel mais simples de anlise ao mais complexo.

3.2. TABELAS DE FREQUNCIAS E GRFICOS

O agrupamento de dados em classes, de forma que se possa contabilizar o
nmero de ocorrncias em cada classe chamado de distribuio de frequncias.
O objetivo apresentar os dados de uma maneira mais concisa e que nos
permita extrair informao sobre seu comportamento. Serve tambm como uma
primeira anlise mais generalista e que permite visualizar a ocorrncia de dados
obscuros ou faltantes.
Porque utilizar tabelas e grficos? Ns utilizamos tabelas e grficos para
resumir dados. Vamos fazer uma pequena reviso:

Voc tem uma populao e quer extrair uma AMOSTRA;

Desta amostra voc ir estudar algumas caractersticas (VARIVEIS);

Ns temos dois tipos de variveis (QUANTITATIVAS e QUALITATIVAS);

Fonte: www.portalaction.com.br/estatcamp

13

As qualitativas so do tipo (NOMINAL ou ORDINAL) e as quantitativas se

dividem em (INTERVALAR ou ESCALA DE RAZO).
Bom, para cada tipo de varivel voc tem um tipo de tabela ou de grfico que

mais recomendado.
3.3. TIPOS DE FREQUNCIAS (Absoluta e relativa) 2
3.4. FREQUNCIA ABSOLUTA (i)
o nmero de observaes correspondente a cada classe. A frequncia
absoluta

geralmente,

chamada

apenas

de

frequncia.

Fonte:

www.portalaction.com.br/estatcamp
3.5. FREQUNCIA RELATIVA (ri)
o quociente entre a frequncia absoluta da Classe correspondente e a
soma das frequncias (total observado), isto ,

onde n representa o

nmero total de observaes. Fonte: www.portalaction.com.br/estatcamp

3.6. FREQUNCIA PERCENTUAL (pi)

obtida multiplicando a frequncia relativa por 100%.

3.7. FREQUNCIA ACUMULADA

o total acumulado (soma) de todas as classes anteriores at a classe
atual. Pode ser: frequncia acumulada absoluta (Fi), frequncia acumulada relativa
(Fri), ou frequncia acumulada percentual (Pi).

Referncia: www.portalaction.com.br/estatcamp

14

Alguns exemplos mais comuns de distribuies de frequncias:

Exemplo 1: Conceitos dos alunos na prova
Considere os seguintes conceitos de uma prova escolar abaixo3:
A

OBS: Que tipo de varivel essa? Sempre se faa essa pergunta!

uma varivel qualitativa do tipo ordinal.
ALGUMAS CARACTERSTICAS DE UMA TABELA:
Tabelas no se fecham nas laterais
Deve conter um ttulo, que de maneira rpida explique com qual varivel voc
est lidando, em seguida vem o quadro de informaes (frequncias) e, por
ultimo, a fonte, ou seja, de onde veio informao.
O total deve ser separado por uma linha, pois no faz parte da varivel.
Qualquer pessoa deve ser capaz de entender a tabela e as informaes que
ela contm.
Conceitos dos alunos em uma prova de matemtica
Tabela 01: Conceito dos alunos na prova final de lgebra.
CONCEITO
A
B
C
D
Total
Fonte: IBGE (2012).

QUANTIDADE
4
8
6
2
20

%
4/20 x 100 = 20
8/20 x 100 = 40
6/20 x 100 = 30
2/20 x 100 = 10
100%
= 100

Exemplo extrado da video aula da Profa. Giovana Oliveira Slva, Da Licenciatura em Matemtica (EaD) da
Universidade Federal da Bahia, 2012.

15

Exemplo 2: Idade de homens e mulheres funcionrios de uma metalrgica

20

22

24

25

25

26

28

21

23

24

25

26

27

28

21

23

24

25

26

27

28

22

23

24

25

26

27

29

22

23

24

25

26

27

29

30

OBS: A primeira tarefa a se fazer um ROL. (ROL definido como uma

amostra de dados numricos colocados em ordem crescente.).
Tabela 02: IDADE
Dados sobre
idades

Frequncia

Percentag

Percentagem

Percentagem

em

Valida

Acumulada

20,00

2,8

2,8

2,8

21,00

5,6

5,6

8,3

22,00

8,3

8,3

16,7

23,00

11,1

11,1

27,8

24,00

13,9

13,9

41,7

25,00

16,7

16,7

58,3

26,00

13,9

13,9

72,2

27,00

11,1

11,1

83,3

28,00

8,3

8,3

91,7

29,00

5,6

5,6

97,2

30,00

2,8

2,8

100,0

Exemplo 3: Quantidade de Homens e Mulheres no bairro

1

Legenda: 1 (masculino) e 2 (feminino),

16

TABELA 03: sexo

Dados sobre idades

Percentage

Percentage

Frequnc

Percentag

ia

em

Vlida

Acumulada

MASCULINO

13

36,1

36,1

36,1

FEMININO

23

63,9

63,9

100,0

Total

36

100,0

100,0

Exemplo 4: Raa dos estudantes que fizeram a prova do ENEM

1

TABELA 04: RAA

DADOS SOBRE
RAA

Frequnci
a

Percentag Percentagem Percentagem

em

Vlida

Acumulada

BRANCO

22,2

22,2

22,2

PRETO

19,4

19,4

41,7

PARDO

11,1

11,1

52,8

AMARELO

13,9

13,9

66,7

INDGENAS

25,0

25,0

91,7

OUTROS

8,3

8,3

100,0

36

100,0

100,0

Total

Legenda: 1 (BRANCO), 2 (PRETO), 3 (PARDO), 4 (AMARELO), 5 (INDGENAS), 6

(OUTROS)

17

OBS: Uma das vantagens poder visualizar dados faltantes ou valores extremados,
tais como, erros de digitao ou contagens.

SEXO

FREQUNCIA

FREQUNCI

ABSOLUTA

A RELATIVA

(i)

(ri)

Valor (0) dado faltante

,00

Valor (3) dado discrepante ou

digitado de forma errada,
uma vez que:
masculino = 1
feminino = 2

8,7

MASCULINO

13

28,3

FEMININO

23

50,0

3,00

13,0

Total

46

100,0

OBS: Voc tambm pode fazer uma DISTRIBUIO DE FREQUNCIA PONTUAL:

dados discretos.
A construo de uma tabela de distribuio de frequncia pontual a mesma
de uma tabela simples, onde se listam os diferentes valores observados da varivel
com suas frequncias absolutas, denotadas por (i) (o ndice i corresponde ao
nmero de linhas da Tabela) como mostrado na Tabela a seguir4.
Tabela 05: TABELA PARA DISTRIBUIO DE FREQNCIA PONTUAL
CONCEITO FREQUNCIA FREQUNCIA
EM UMA

(i)

RELATIVA

FREQUNCIA

PERCENTUAL

ACUMULADA

(ri)

PROVA

FREQUNCIA

0,05

0,1

10

15

0,25

25

40

0,4

40

80

0,15

15

95

0,05

100

Fonte: www.portalaction.com.br/estatcamp

18

3.8. DISTRIBUIO DE FREQUNCIAS COM INTERVALO DE CLASSE 5

Consideramos um tpico inteiramente particular dentro de distribuio de
frequncia, pois possvel fazer resumos mais complexos dos dados. Considere as
idades abaixo e a tabela depois.
Exemplo 6: Idades de um conjunto de dados
41

42

43

46

50

52

57

60

41

42

44

46

50

52

58

60

41

42

44

46

50

54

58

60

41

42

45

46

51

54

58

60

41

43

45

50

51

57

58

62

Tabela 06: Conceito dos alunos na prova final de lgebra no primeiro

semestre.

IDADE

FREQUNCIA

PERCENTAGEM

41

12,5

42

10

43

44

45

46

10

50

10

51

52

54

57

58

10

60

10

62

2,5

Total

40

100

Exemplo Extrado do Prof. Paulo Lima Carvalho. Distribuio de Frequncia com Intervalo de Classe
(parte 1 & 2).

19

Parece que esta tabela ficou um pouco longa e de difcil interpretao. Ser
possvel reduzir os dados ainda mais? claro! Podemos fazer um intervalo de
classe. Obseve a tabela a seguir.
Tabela 07: Conceito dos alunos na prova final de lgebra no primeiro
semestre.
I
Dados
Fi
Xi
1

41 I---- 45

13

43

45 I---- 49

47

49 I---- 53

51

53 I---- 57

55

57 I---- 61

10

59

61 I---I 65

69

Tabela 07: Conceito dos alunos na prova final de lgebra no primeiro

semestre6.
Frequncia
de cada classe

Classe

Dados

fi

Xi

41 I---- 45

13

43

45 I---- 49

47

49 I---- 53

51

53 I---- 57

55

57 I---- 61

10

59

61 I---I 65

69

Ponto mdio

Exemplo Extrado do Prof. Paulo Lima Carvalho. Distribuio de Frequncia com Intervalo de Classe
(parte 1 & 2).

20

ROL dos dados (nmero de dados do ROL = 40 dados)

41

42

43

46

50

52

57

60

41

42

44

46

50

52

58

60

41

42

44

46

50

54

58

60

41

42

45

46

51

54

58

60

41

43

45

50

51

57

58

62

COMO INTERPRETAR A TABELA?

1. (i) o nmero de classes em nosso exemplo, seis classes. Existe uma tcnica
para orientar o nmero de classes em relao ao nmero total da amostra.
2. (fi) a contagem de indivduos em cada classe.
3. (Xi) o ponto mdio da classe, ou seja, uma mdia aritmtica simples: 41+45/2 =
86/2 = 43.
4. O intervalo de classe em si (dados). O smbolo (41 I--- 45) significa que a classe
vai de (41) contendo o dado 41 at (45) excluindo o dado 45. A classe (61 I----I
62) significa que a classe vai de (61) contendo o dado 61 a (62) contendo o dado
62.
5. Amplitude de classe (hi) o valor do limite superior (45) menos o valor do limite
inferior (41), ou seja, 45-41=4. A subtrao de todas as amplitudes de todas as
classes desse exemplo vai ser sempre igual a (4). Veremos o porqu disto a
seguir.

3.9. TIPOS DE AMPLITUDES

3.10. Amplitude de classe (hi) = L1 l1 = 45 41 = (4)
3.11. Amplitude total da distribuio (AT) = Lmax - lmin = 65 41 = (24)
3.12. Amplitude amostral (AA) olhar no ROL = Maior dado Menor dado = 62 41
=(21)

21

DETERMINANDO O NMERO DE CLASSES E A AMPLITUDE DE CLASSE

Tabela 08: Tabela de STURGES
Tamanho da

Nmero de

amostra (n)

classes

3 I----I 5

6 I----I 11

12 I----I 22

23 I----I 46

47 I----I 90

91 I----I 181

182 I----I 362

Passo 1 = determinar o nmero de classes usando a tabela de Sturges.

Passo 2 = determinar a amplitude de classe usando a frmula a seguir = h (AA/K).
Onde k = ao nmero de classes.
h = 62 -41 / 6

h = 21 / 6

h = 3,5 (arredonda sempre para cima) = (4)

Obs: mesmo que de valores fracionados em 0,1 em diante, voc arredonda para
cima. Portanto, o intervalo de classe do ROL acima ser (41) + (4), ou seja, de 41 a
45, e assim por diante, (45) + (4) ou de 45 I-----49.

3.13. GRFICOS BARRAS

Outra forma de analisar seus dados atravs de grficos. O grfico de barras
mais adequado seria um grfico onde os retngulos correspondentes a cada nvel
de instruo teria a altura correspondente ao nmero de indivduos em cada classe
de raa investigado. Existem duas formas de fazer isso, uma gerar um grfico de
barras usando um

software

como o Excel, Action ou ainda o

SPSS.

Caractersticas: barras separadas e bases de mesmo tamanho. Apropriados para

representar as variveis: qualitativa nominal, ordinal e quantitativa discreta.

22

Tabela 09: Indicador de sobrepeso (IMC) de uma amostra de estudantes do 5

ano do ensino fundamental da rede pblica de Juiz de Fora MG/2013
IMC
BAIXO PESO

Frequncia

Percentagem

Percentagem
Vlida

Percentagem
Acumulada

7,5

7,5

7,5

NORMAL

10

10,8

10,8

18,3

SOBREPESO

40

43,0

43,0

61,3

OBESIDADE GRAU 1

26

28,0

28,0

89,2

OBESIDADE GRAU 2

4,3

4,3

93,5

OBESIDADE MORBIDA

6,5

6,5

100,0

93

100,0

100,0

Total
Fonte: Projeto Sade Avaliao Fsica

Outra opo o uso de barras transversais, muito comum em estudo sobre

consumo de bens e servios.

23

Grfico comparativo de fontes de informao

3.14. GRFICOS DE SETORES (PIZZA)

O grfico de pizza, tambm conhecido como grfico de setores ou grfico
circular um diagrama circular onde os valores de cada categoria estatstica
representada so proporcionais s respectivas frequncias. Este grfico pode vir
acompanhado de suas respectivas percentagens. utilizado para dados qualitativos
nominais OBS: Apropriados para representar as variveis: qualitativa nominal e
ordinal.
Tabela 10: Indicador de raa de uma amostra de estudantes do 5 ano do
ensino fundamental da rede pblica de Juiz de Fora MG/2013
IMC
BRANCO
PRETO
PARDO
AMARELO
INDIGNA
NO SOUBE DECLARAR
Total
Fonte: Projeto Sade Avaliao Fsica

Frequncia
9

Percentagem
25,0

22,2

19,4

13,9

8,3

11,2

36

100,0

24

3.15. DIAGRAMA LINEAR

25

3.16. HISTOGRAMA
Adequado para representar uma varivel quantitativa contnua.

Bars show counts

Count

20 ,0 0

22 ,5 0

25 ,0 0

27 ,5 0

30 ,0 0

IDADE2

3.17. DIAGRAMA DE DISPERSO

Adequado para representar uma varivel que tenha comportamento linear.

26

3.18. DIAGRAMA DE RAMO-E-FOLHAS

De acordo com Guedes & Col.7 (2005), o diagrama Ramo-e-Folhas, criado por
John Tukey, um procedimento utilizado para armazenar os dados sem perda de
informao. utilizado para se ter uma ideia visual da distribuio dos dados. Cada
valor observado, xi, da varivel X, deve consistir de no mnimo dois dgitos e a
varivel pode ser tanto quantitativa discreta como contnua.
Para constru-lo, divide-se cada nmero em duas partes. A primeira
denominada ramo e a segunda, folhas. O ramo consistir de um ou mais dgitos
iniciais se o valor da varivel for um nmero inteiro e do nmero inteiro, se o valor da
varivel for um nmero com decimais. Nas folhas, colocam-se os dgitos restantes
se o valor observado for nmero inteiro, ou os decimais, caso contrrio. Usaremos
essa distribuio de idade para montar o primeiro grfico de Ramo-e-Folhas

Dados sobre idades

Frequncia

Percentagem

Percentagem

Percentagem

Vlida

Acumulada

20,00

2,8

2,8

2,8

21,00

5,6

5,6

8,3

22,00

8,3

8,3

16,7

23,00

11,1

11,1

27,8

24,00

13,9

13,9

41,7

25,00

16,7

16,7

58,3

26,00

13,9

13,9

72,2

27,00

11,1

11,1

83,3

28,00

8,3

8,3

91,7

29,00

5,6

5,6

97,2

30,00

2,8

2,8

100,0

Fonte: Dr Terezinha Aparecida Guedes Msc. Ana Beatriz Tozzo Martins, Msc. Cldina Regina
Lonardan Acorsi Msc. Vanderly Janeiro. Projeto de Ensino Aprender Fazendo Estatstica.

27

Frequency
1,00
2,00
3,00
4,00
5,00
6,00
5,00
4,00
3,00
2,00
1,00

Stem & Leaf

20 .
21 .
22 .
23 .
24 .
25 .
26 .
27 .
28 .
29 .
30 .

0
00
000
0000
00000
000000
00000
0000
000
00
0

Exemplo de leitura do grfico: Ramo (primeira parte do dgito), folhas (segunda

parte do digito) e frequncia (o nmero de dados), ou seja:
Exemplo do segundo grfico (sem diviso de ramo)
18 18 19
20 20 20 20 20 20 20 21 21 22 23 24 25 25 26 29
35 37

28

3.19. BOX PLOT OU DESENHO ESQUEMTICO

O grfico Box Plot8 (ou desenho esquemtico) uma anlise grfica que utiliza
cinco medidas estatsticas: valor mnimo, valor mximo, mediana, primeiro e terceiro
quartil da varivel quantitativa.
Este conjunto de medidas oferece a ideia da posio, disperso, assimetria,
caudas e dados discrepantes. A posio central dada pela mediana e a disperso
pelo desvio interquartlico dq= Q3 - Q2. As posies relativas de Q1, Q2 e Q3 do
uma noo da assimetria da distribuio.
Os comprimentos das caudas so dados pelas linhas que vo do retngulo aos
valores atpicos. Segundo Triola (2004), um outlier ou ponto discrepante um valor
que se localiza distante de quase todos os outros pontos da distribuio. distncia
a partir da qual se considera um valor como discrepante aquela que supera 1,5dq.
De maneira geral, so considerados outliers todos os valores inferiores Li= Q1-1,5dq
ou os superiores a Ls=Q3+1,5dq.
Usaremos essa distribuio de idade para montar o Box Plot

Dados sobre
idades
20,00
21,00
22,00
23,00
24,00
25,00
26,00
27,00
28,00
29,00
30,00

88

Frequncia
1
2
3
4
5
6
5
4
3
2
1

Percentag
em
2,8
5,6
8,3
11,1
13,9
16,7
13,9
11,1
8,3
5,6
2,8

Percentagem
Vlida
2,8
5,6
8,3
11,1
13,9
16,7
13,9
11,1
8,3
5,6
2,8

Percentagem
Acumulada
2,8
8,3
16,7
27,8
41,7
58,3
72,2
83,3
91,7
97,2
100,0

Fonte: Dr Terezinha Aparecida Guedes Msc. Ana Beatriz Tozzo Martins, Msc. Cldina Regina
Lonardan Acorsi Msc. Vanderly Janeiro. Projeto de Ensino Aprender Fazendo Estatstica.

29

37

OUT LIER

32,50

30,00

27,50

3 QUARTIL
MEDIANA

25,00

1 QUARTIL
22,50

20,00
IDADE

30

UNIDADE 4 MEDIDAS DE ASSIMETRIA E CURTOSE

4.1. MEDIDAS DEASSIMETRIA9
Para finalizar o estudo sobre estatsticas descritivas devemos estudar as
medidas de assimetria e curtose. Estas medidas completam as medidas que voc
estudar no captulo seguinte as medidas de posio e de disperso o conjunto
destas medidas proporcionam a descrio e compreenso completas da distribuio
de frequncia estudada. J foi dito que as distribuies de frequncias diferem
quanto ao valor mdio, quanto disperso dos valores e tambm quanto forma.
As formas em que se apresenta uma distribuio podem ser caracterizadas quanto
ao grau de deformao ou assimetria e o grau de achatamento ou afilamento da
curva de frequncias e do Histograma.

4.2. ASSIMETRIA
Denomina-se assimetria o grau de afastamento de uma distribuio em relao
ao eixo de simetria. Uma distribuio simtrica apresenta igualdade entre as
medidas mdia, moda e mediana. Caso contrrio, a distribuio denominada
assimtrica. Os trs principais tipos de assimetria10:

Fonte: Lenira Silva Costa, 2014. In: http://www.ucdb.br/docentes/download.hph?Dir=arquivos&File=126087.doc

Fonte: PROF. Carlos Alexandre Corra
http://aprendamatematica.com/site/estatistica/questao-resolvida-sobre-assimetria-tcu93/
10

31

Histograma com sobreposio da curva normal11:

ABRAL, Natalina Maria Tinco e LIMA, Lilianne Maia. Comportamento hidrogeoqumico das
guas do aqufero Barreiras nos bairros centrais de Belm, Par . Bol. Mus. Para. Emilio
Goeldi Cienc. Nat. [online]. 2006, vol.1, n.1, pp. 149-166. ISSN 1981-8114.
11

32

Algumas frmulas para o clculo do coeficiente de assimetria, dentre elas, so

teis:
4.3. COEFICIENTE DE PEARSON

AS

x - x mo
s

AS = coeficiente de variao

x=

mdia da distribuio

x mo = moda da distribuio
S =

desvio padro da distribuio

Se:

AS = 0, diz-se que a distribuio simtrica.

AS > 0, diz-se que a distribuio assimtrica positiva ou direita.

AS < 0, diz-se que a distribuio assimtrica negativa ou esquerda.

O coeficiente de Assimetria de Pearson permite compararmos duas ou mais

distribuies diferentes e avaliar qual delas mais assimtrica. Quanto maior o
coeficiente de Assimetria de Pearson, mais assimtrica a curva:

Assimetria fraca se: 0 < |AS| < 0,15

Assimetria moderada se: 0,15 < |AS| < 1

Assimetria forte se: |AS| >1

Considere os seguintes resultados relativos a trs distribuies de frequncia:

Distribuies

Mdia

Moda

Mediana

30

40

32

38

26

34

43

43

43

33

Determine o tipo de assimetria de cada uma delas:

distribuio A: 40 > 32 > 30 Xmo > Xmd > X Distribuio Assimtrica
Direita;
distribuio B: 26 < 34 < 38 Xmo < Xmd < X Distribuio Assimtrica
Esquerda;
distribuio A: 40 = 32 = 30 Xmo = Xmd = X Distribuio Simtrica.

4.4. CURTOSE
Denominamos curtose o grau de achatamento (ou afilamento) de uma
distribuio em relao a uma distribuio padro (chamada curva normal padro).
De acordo com o grau da curtose, as curvas de frequncia podem se classificar
em trs tipos:

mesocrtica a curva chamada de curva normal padro;

leptocrtica a curva que se apresenta mais fechada (ou mais afilada);

platicrtica a curva mais aberta (ou mais achatada).

4.5. COEFICIENTE DE CURTOSE

Q3 Q1
C
2(P90 P10 )

C = coeficiente de curtose Q1 = primeiro quartil

Q3 = terceiro quartil P10 = dcimo percentil

P90 = nonagsimo percentil

Uma curva normal apresenta um coeficiente de curtose de valor C = 0,263,
assim podemos estabelecer comparaes entre as diversas curvas e classific-las.

C = 0,263 corresponde curva mesocrtica;

C < 0,263 corresponde curva leptocrtica;

C > 0,263 corresponde curva platicrtica.

34

Considere os seguintes resultados relativos a trs distribuies de frequncia:

Distribuies

Q1

Q3

P10

P90

15

25

30

45

26

49

18

25

Determine o coeficiente de curtose e classifique a distribuio.

CA

Q3 Q1
15 3
= 0,261 corresponde curva leptocrtica;

2(P90 P10 )
2(25 2 )

CB

Q3 Q1
45 30
= 0,326 corresponde curva platicrtica;

2(P90 P10 )
2(49 26 )

CA

Q3 Q1
18 4
= 0,304 corresponde curva platicrtica.;

2(P90 P10 )
2(25 - 2 )

35

UNIDADE 5 MEDIDAS DE TENDNCIA CENTRAL E

DISPERSO
As principais medidas so:
MEDIDAS DE TENDNCIA CENTRAL OU DE POSIO: so medidas que nos
conduzem a um valor central ou prximo do central de um conjunto de dados de
uma amostra. Tambm pode ser definido como o valor que ir representar a amostra
(valor representativo).

1. MDIA ARITMTICA
2. MODA
3. MEDIANA
4. MDIA ARITMTICA PONDERADA

MEDIDAS DE DISPERSO: as medidas de disperso medem o grau de

irregularidade dos valores, ou seja, o quanto esses valores esto se afastando do
valor central (valor representativo obtido na tendncia central).

AMPLITUDE TOTAL OU RANGE

VARINCIA
DESVIO PADRO
COEFICIENTE DE VARIAO
INTERVALO INTERQUARTLICO
De forma generalista, quase todos os testes estatsticos se baseiam em
comparar uma dessas dez medidas que veremos a seguir. Na prtica, empresas
usam essas medidas como referncia para medir lucro ou prejuzo. Elas aparecem
tambm em concursos pblicos, na atualidade, o ENEM, por exemplo, cobra muito
essas medidas.

36

5.1 MEDIDAS DE TENDNCIA CENTRAL12

Vamos considerar a seguinte base de dados:

Exemplo 1
Amostra numrica 9;

3;

5;

3;

2;

9;

9;

20;

12;

Exemplo 1
ROL da amostra

2;

3;

3;

5;

9;

9;

9;

12;

20;

Obs.: A primeira tarefa a se fazer um ROL. (ROL definido como uma amostra de
dados numricos colocados em ordem crescente.).

5.2. MDIA:
Podemos definir assim: a mdia aritmtica de (n) nmeros o quociente
da diviso da soma desses nmeros por (n), sendo (n) igual ao total de
elementos.
Vantagens: Valor mais utilizado pelos estudos; testes estatsticos mais robustos
comparam mdias; medida de fcil compreenso.
Desvantagens: influenciada por valores extremos na distribuio de dados;
nem sempre possvel utiliz-la.

Frmula matemtica (duas formas clssicas de representao da mdia):

12

Exemplo extrado de Prof. Daniel. www.avagaeminha.com.br

37

EXERCCIO 1: Vamos calcular a mdia do exemplo 1

MDIA = Ma = 9 + 3 + 5 + 3 + 2 + 9 + 9 + 20 + 12 = 72 = Ma = 8
9
9
5.3. MODA:
Por definio moda o valor que mais se repete, podemos ter mais de um
valor de moda. Ou a definio clssica: uma ou mais classes apresentam a mesma
frequncia mxima. Esse o conceito de moda.

EXERCCIO 2: Vamos achar o valor da moda do exemplo 1

MODA = 2; 3; 3; 5; 9; 9; 9; 12; 20; = valor mais frequente = 9
MODA = 2; 3; 3; 3; 5; 9; 9; 9; 12; 20; = valores mais frequentes = 3 e 9
OBS: Neste segundo exemplo temos duas modas

5.4. MEDIANA:
Se levarmos em considerao uma distribuio de dados de (x1; x2; (...) xn)
em um conjunto de (n) observaes, e seja x(i); i = 1; (...) n. O conjunto das
observaes ordenadas, de modo que X(1) X(2) (...) X(n). Portanto, a mediana ser
definida como o valor tal que 50% das observaes so menores e 50% so
maiores que ela. Existem duas regras clssicas, uma para distribuies mpares e
outra para distribuies pares.
Frmula matemtica:

38

Vamos considerar o exemplo nmero 1, que segue abaixo.

Amostra de nmeros:

9;

3;

5;

3;

2;

9;

9;

20;

12;

ROL da amostra:

2;

3;

3;

5;

9;

9;

9;

12;

20;

Se voc no fizer o ROL, a mediana seria o nmero (2), correto? Errado!

necessrio ordenar (ROL) de forma crescente para se chegar ao correto valor da
mediana, sendo assim, ns temos (2;3;3;5) de um lado, (9) no centro e (9;9;12;20)
do outro lado. A mediana o segundo valor 9, para distribuies mpares. Agora,
imaginemos uma distribuio par.
Exemplo 1
ROL da amostra

2;

3;

3;

5;

5;

9;

9;

9;

12;

20;

Em distribuies pares necessrio fazer a mdia aritmtica dos dois valores

centrais, neste caso 5 e 9.
Ma = 5 + 9 = Mediana = 7
2
Obs: A mediana tambm chamada de Q2
Outro exemplo o de uso da mediana em concursos pblicos, note a tabela
abaixo:
Nota na Prova

Frequncia

39

Pergunta-se: qual a mediana das notas? Se voc olhar apenas para o quadro ir
dizer que (6), entretanto, est errado. Devemos olhar a frequncia tambm, e, para
isso, o ideal fazer um ROL. Por exemplo, a nota (4) aparece 6 vezes. Ento o ROL
dever ser assim:
Nota: 4; 4; 4; 4; 4; 4; 5; 5; 6; 6; 8; 8; 8; 8; 8; 9;.
Temos uma srie de dados par, ento, devemos calcular a mdia aritmtica
dos dois nmeros centrais que ( 5 e 6),
ou seja, 5+6 = Mediana (5,5)
2
5.5. MDIA ARITMTICA PONDERADA
A mdia aritmtica ponderada de nmeros X1; X2 (...) xn com pesos P1; P2 (...)
Pn definida como:
Frmula matemtica:

Tipo de pea

Defeito

12

20

Pega cada valor e multiplica pela sua importncia:

Ma = 5x1 + 12x2 + 20x3 + 4x4 + 2x5 + 6x1 = 5+24+60+16+10+6 = 121 = 2,75
5+12+20+4+2+1

44

44

40

ESQUEMA DAS PRINCIPAIS MEDIDAS DE TEDNCIA CENTRAL

5.6. MEDIDAS DE DISPERSO OU VARIABILIDADE

Chamamos de disperso ou variabilidade, a maior ou menor diversificao dos
valores de uma varivel em torno de um valor de tendncia central tomado como
ponto de comparao. Analisando os conjuntos de dados acima, podemos dizer que
a srie 3 apresenta disperso ou variabilidade nula (todos os valores iguais entre si)
e que o conjunto 2 apresenta disperso ou variabilidade menor que o conjunto 1.
Para justificar esta ltima afirmao, basta apenas observarmos os valores extremos
das duas sries.
Para qualificar os valores de uma dada varivel, ressaltando a maior ou menor
disperso (ou variabilidade) entre esses valores e uma respectiva medida de
posio, a Estatstica recorre s MEDIDAS DE DISPERSO ou de VARIABILIDADE.
PRINCIPAIS MEDIDAS DE DISPERSO

AMPLITUDE TOTAL OU RANGE

VARINCIA

DESVIO PADRO

COEFICIENTE DE VARIAO

INTERVALO INTERQUARTLICO

41

5.7. AMPLITUDE TOTAL OU RANGE (R)

a diferena entre o maior e o menor valor de um conjunto de dados. Fcil de
calcular, a amplitude tem a desvantagem de levar em considerao apenas os dois
valores extremos, desprezando todos os outros. uma medida absoluta (carrega
consigo a unidade da varivel).
AMPLITUDE TOTAL (AT) OU RANGE (R) = Xmx - Xmn

Nas sries acima temos: R1=(35-1)=34;

R2=(14-12)=2;

R3=(13-13)=0

5.8. VARINCIA (S2) OU (2)

VARINCIA uma mdia aritmtica calculada a partir dos quadrados dos desvios (ou
diferenas) entre os valores dos elementos da srie e sua prpria mdia. Logo, o
clculo da VARINCIA requer primeiramente o clculo da MDIA.
A VARINCIA uma medida que tem pouca utilidade como estatstica descritiva,
porm extremamente importante na inferncia estatstica e em combinaes de
amostras: ela tem a desvantagem de ser expressa em unidades da varivel ao
quadrado. A VARINCIA uma medida absoluta.
Quando a srie de dados representa uma AMOSTRA, a VARINCIA denotada por s2,
e quando provm de uma POPULAO, a VARINCIA denotada por 2 (=sigma
minsculo, caractere do alfabeto grego, equivalente ao s minsculo no alfabeto
arbico). Observe que h uma diferena no mtodo de clculo das duas VARINCIAS:
quando se trata de uma POPULAO, o denominador da equao de 2 representa a
quantidade total de elementos na populao (N), enquanto no caso de uma
AMOSTRA, o denominador da equao de s2 o total de elementos na amostra
menos 1 (n-1).

42

FORMULAO MATEMTICA:
VARINCIA POPULACIONAL 2

VARINCIA AMOSTRAL s2
n

s2

( x i x)2
i1

(n 1)

( x i x) 2
i1

5.9. DESVIO PADRO (S) OU ()

O DESVIO PADRO a raiz quadrada positiva da VARINCIA. O DESVIO PADRO,
definido como a raiz quadrada da VARINCIA, contorna a dificuldade de interpretao
da Varincia devida sua unidade de medida ser expressa pela unidade da varivel
elevada ao quadrado. O DESVIO PADRO expresso na mesma unidade de medida
da VARIVEL em estudo e, por isso, mesmo se enquadra como uma medida absoluta.
DESVIO PADRO AMOSTRAL s

DESVIO PADRO POPULACIONAL

s 2 s2

2 2

5.10. COEFICIENTE DE VARIAO (CV)

O COEFICIENTE

DE

VARIAO a razo entre o DESVIO PADRO e a MDIA

ARITMTICA, e geralmente expresso em porcentagem. Trata-se de um nmero puro

(sem unidade de medida), sendo, portanto, uma medida relativa. A grande utilidade
do COEFICIENTE DE VARIAO permitir a comparao de variabilidade de diferentes
conjuntos de dados.

Coeficiente de Variao uma porcentagem cujo clculo

resulta da comparao entre o Desvio Padro e a Mdia Aritmtica.

CVa

100 ou CVp 100

x

5.11. INTERVALO INTERQUARTLICO (IIQ)

O PRIMEIRO QUARTIL (Q1), a MEDIANA (Md ou Q2) e o TERCEIRO QUARTIL (Q3)
avaliam a forma da parte central (e, portanto, a variabilidade) de uma distribuio de

43

frequncias. O INTERVALO INTERQUARTLICO (ou simplesmente INTERVALO QUARTLICO)

corresponde diferena entre o 3 quartil (Q3 = 75%) e o 1 quartil (Q1 = 25%).
anlogo AMPLITUDE TOTAL ou RANGE, que contm a variao de 100% dos dados,
enquanto o IIQ contm a variao dos 50% elementos centrais. Suas caractersticas
mais importantes so:
medida simples e fcil de ser calculada;
mede a distribuio da metade central dos dados, em torno da mediana;
uma medida resistente, pois no afetada pelos extremos;
no suficiente para avaliar a variabilidade, pois despreza 50% dos dados (os
extremos).
O INTERVALO INTERQUARTLICO utilizado na determinao de outliers (dados
suspeitos) de uma amostra. Normalmente, considera-se um dado como suspeito,
quando seu valor se afasta mais de 1,5 a 3 vezes o valor do IIQ, abaixo de Q1 ou

44

UNIDADE 6 MEDIDAS SEPARATRIZES OU DE POSIO

Muitas vezes torna-se necessrio conhecermos outras medidas, alm das de
Tendncia Central. Assim, nesta Unidade estaremos estudando medidas de posio
chamadas Separatrizes: Mediana, quartis, decis e percentis.
Mediana uma medida de posio que simultaneamente, medida de
tendncia central e medida separatriz. Por esse motivo, a mediana foi estudada na
Unidade VI, assim passaremos ao estudo do quartis, posteriormente do decis e
percentis.
J estudamos que a mediana separa a srie em duas partes iguais, e que cada
parte contm o mesmo nmero de elementos. Contudo, uma mesma srie pode ser
dividida em duas ou mais partes que contenham a mesma quantidade de elementos.
O nome da medida de posio separatriz ser de acordo com a quantidade de
partes em que dividida a srie.

1. Mediana: divide a srie em duas partes iguais (Xmd).

2. Quartis: divide a srie em quatro partes iguais (Q1, Q2, Q3).
3. Decis: divide a srie em 10 partes iguais (D1, D2, D3, D4, D5, D6, D7, D8, D9).
4. Percentis: divide a srie em 100 partes iguais (P1, P2, P3, (...) P99).
6.1 QUARTIS (QK)
Nos quartis, a srie dividida em quatro partes iguais. Os elementos
separatrizes da serie so Q1, Q2, e Q3.
25%

Q1

50%

Q2

75%

Q3

Q1: o primeiro quartil, corresponde separao dos primeiros 25% de

elementos da serie.
Q2: o segundo quartil, coincide com a mediana (Q2 = Md).
Q3: o terceiro quartil, corresponde separao dos ltimos 25% de
elementos da srie, ou seja, os 75% dos elementos da srie.

45

Para o clculo dos quartis, utilizam-se tcnicas semelhantes quelas do clculo

da mediana. Consequentemente, podem-se utilizar as mesmas frmulas do calculo
da mediana, levando em conta que onde houver a expresso

fi

ser substituda

por

K fi

, sendo K o nmero da ordem do quartil, em que K =1 corresponde ao

primeiro quartil; K = 2 corresponde ao segundo quartil e K = 3 ao terceiro quartil.

6.2. DECIS (DK)

Nos decis, a srie dividida em 10 partes iguais (D1, D2, D3, (...) D9).
10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

D1

D2 D3 D4 D5

D6 D7 D8

D9

D1: o primeiro decil, corresponde separao dos primeiros 10 % de

elementos da srie. D5: o quinto decil, coincide com a mediana (D5 = Md).
D9: o nono decil, corresponde separao dos ltimos 10% elementos da
srie.

6.3. PERCENTIS (PK)

Nos percentis, a srie divida em 100 partes iguais (P1, P2, P3, (...) P99).
P1: o primeiro percentil, corresponde separao do primeiro 1% de
elementos da srie.
P50: o quinquagsimo percentil, coincide com a mediana (P50 = D5 = Q2 = Md).
Para o clculo dos percentis, utilizamos tcnicas semelhantes as do clculo
dos quartis e decis. Inicialmente, determina-se a classe que contm o valor percentil
a ser calculado pela expresso:
K fi
100

(K = 1; 2; 3;...; 98; 99)

46

UNIDADE 7 - INTRODUO PROBABILIDADE13

Os estudos de probabilidade sugiram do sculo XVII por causa dos jogos de
azar. O primeiro relato, mais concreto de que se tem notcia data de 1477 e faz
referncia Divina Comdia escrita por Dante. No livro h relatos de resultados de
jogos com trs dados. Ao longo da histria, vrios matemticos de renome
contriburam para o desenvolvimento da teoria das probabilidades:

Blaise Pascal (1623-1662); Pierre de Fermat (10601-1665); Huygens

(1629-1695); Isaac Newton (1642-1727); Jacob Bernoulli (1702-1761);
Bayes (1702-1761); Kolmogoroff (1903-?).

Algumas das principais teorias probabilsticas:

Teoria Experimentalista (desenvolvida por Bernoulli); Teoria Clssica

(Desenvolvida por Laplace); Teoria Frequencialista (Desenvolvida por
Ellis, Veen e R. Von Mises);

Teoria Axiomtica (desenvolvida por

Kolmogoroff).
Observe as seguintes afirmaes:
PROVVEL que eu v no
cinema amanh

PROVVEL que Ado e Eva

tenham existido

Nas duas afirmaes esto presentes as ideias de:

1. INCERTEZA
2. GRAU DE CONFIANA
Alguns conceitos importantes:
7.1. EXPERIMENTO ALEATRIO
aquele experimento que se repetido um nmero (x) de vezes, nas mesmas
condies, ir produzir um nmero (x) de resultados que ns no conseguimos
prever.

13

Exemplos extrados de Prof. Allan Silva Ferreira. In: https://www.youtube.com/watch?v=49Jmbx-yDQI

47

7.2. ESPAO AMOSTRAL

representado pela letra grega . So todas as possibilidades de
ocorrncias (resultados) possveis de um experimento aleatrio. Exemplo: se eu
jogar um dado de seis faces, posso esperar qual resultado? Qualquer uma das seis
faces: 1, 2, 3, 4, 5, ou 6.

7.3. EVENTO
Qualquer subconjunto do espao amostral. Exemplo: se eu jogar o dado com
seis faces e quiser somente os resultados pares, quanto resultados eu devo
esperar? Trs! 2,4 ou 6.

7.4. PROBABILIDADE
o nmero que resulta da diviso do nmero de casos favorveis a um evento
pelo nmero total de casos possveis.
Dito de outra forma, dizemos que probabilidade, ou chance, de ocorrer A
dada por:

Nmero de casos favorveis ao evento A

P (A) = _______________________________________
Nmero de casos possveis
Ou

P (A) =

N (a)
_________
N ()

48

7.5. PROPRIEDADES DOS ESTUDOS DE PROBABILIDADE

7.6. IMPOSSIBILIDADE OU EVENTO IMPOSSVEL

P () = 0

Probabilidade de jogar
um dados de seis faces e

___________0_______ = __0_ = 0
1+2+3+4+5+6 (6 faces)
6

sair = a face (7)

7.7. CERTEZA ou Evento Certo

Seja A um evento qualquer de temos que:

ENTO: Nunca teremos resultados de probabilidade negativos, fracionados ou

extremos, por exemplo, 200%.

0 P(A) 1
7.8. POSSIBILIDADE DE EVENTO COMPLEMENTAR = P ()

ENTO: o que falta ao (A) para completar o espao amostral.

P () = 1 (PA)

Exemplo: em uma sala de aula eu tenho (10 meninas e 20 meninos), qual a

probabilidade de eu tirar uma menina?

Seria:

e quanto falta para completar o espao amostra?

1
____

2
____

49

7.9.

PROBABILIDADE DE UNIO DE DOIS EVENTOS ou probabilidade de

ocorrer (a) ou (b)

PAuB
ENTO:

P (A u B) = P(A) + P(B) P (A B)

7.10. PROBABILIDADE CONDICIONAL

P (A\B)
ENTO:

P (A\B) = P (A B)
_________
P(B)

INTERPRETANDO A FRMULA: a probabilidade de ocorrer (a) sabendo que o

evento (B) j ocorreu.

7.11. INDEPENDNCIA DE EVENTOS

ENTO: O evento (A) e o evento (B) so independentes se, e somente se:

P (A) = P (A\ B)

DESTA FORMA TEMOS A REGRA DA MULTIPLICAO

P (A B) = P (A) x P ( B)

50

EXEMPLO 01: Digamos que voc tenha uma moeda no viciada, o lado do
nmero se chama CARA e o lado do braso se chama COROA. QUAL A
PROBABILIDADE DE SAIR CARACASO EU JOGUE A MOEDA?

(PROBABILIDADE DE SAIR =
CARA)

(Nmero de vezes que o evento

carapode sair numa jogada)
_____________________________
(Nmero total de casos possveis)

1. Quantas so as caras = 1
2. Qual o nmero total de casos possveis? = (2) 1 carae 1 coroa
1
(PROBABILIDADE DE SAIR =
CARA)

____ = 0,5 ou 50%

2

EXEMPLO 02: Digamos que voc tenha um DADO no viciado, um dado tem 6
faces (1,2,3,4,5 e 6). Qual a probabilidade de voc tirar em uma nica jogada um
mltiplo de (3)?

As nicas opes que voc tem so: 3 e 5

3 + 5 (2faces)
PROBABILIDADE DE SAIR =
3 ou 5

___________________ = ____ = ___ = 0,333

1+2+3+4+5+6 (6faces)

EXEMPLO 03: Digamos que voc tenha um DADO no viciado. Qual a

probabilidade de voc tirar em uma nica jogada UMA FACE MPAR?

51

As nicas opes que voc tem so: 1 OU 3 OU 5

1+ 3 + 5 (3 faces)
Probabilidade de sair =
1 ou 3 ou 5

___________________ = ____ = ___ = 0,5 = 50%

1+2+3+4+5+6 (6 faces)

Frmula dos problemas acima:

P (X) =

f
_____
p

onde: P(X) = probabilidade de ocorrer o evento (X)

f = Nmero de casos favorveis ocorrncia de (X)
p= Nmero de casos possveis

VAMOS EXAMINAR A REGRA DA ADIO

No ltimo exemplo voc queria jogar um dado com seis faces e tirar um
nmero mpar, ou seja, (1 ou 3 ou 5):
DESTA FORMA:
P (1) =

1
1
---------------------- = -----1+2=3=4=5=6

OU
P (1) =

3
1
---------------------- = -----1+2=3=4=5=6

OU
P (1) =

5
1
---------------------- = -----1+2=3=4=5=6

ENTO:
1
1
1
3
1
P (x) = ___ + ___ + ___ = ____ = _____
6

52

VAMOS DIFICULTAR:
EXEMPLO 04: Se eu jogar dois dados ao mesmo tempo, qual a probabilidade de:
1. A soma dar 9? A soma dar um nmero par?
Exemplo nmero1: A soma dar (9)

DADO 1 } 1 2 3 4 5 6
DADO 2 -} 1 2 3 4 5 6
QUAIS AS COMBINAES POSSVEIS
5+4=9
4+5=9
3+6=9
6+3=9
Ento:
P(X= soma 9) = 4_ = 1_ = 0,111 ou 11,1%
36 9
4/4=1 e 36/4 =9

Exemplo nmero 2: A soma dar um nmero par

DADO 1 } 1 2 3 4 5 6

DADO 2 -} 1 2 3 4 5 6

QUAIS AS COMBINAES POSSVEIS

1+1=2
1+5=6
2+4=6
4+2=6
6 + 6 = 12
3+1=4
2+2=4
1+3=4
1+5=6

1+3=4
2+2=4
3+1=4
5+1=6
1+1=2
5+1=6
4+2=6
2+4=6
6 + 6 = 12

Total de jogadas possveis = 18

Ento:
P(X= soma dar um nmero par) = 18_ = 1_ = 0,5 ou 50,0 %
36
2
18/18=1 e 18/36 =2
OBSERVAO: A ordem dos dados importa, eu posso jogar dado 1(e tirar 1) e dados 2 (e tirar
1), agora eu jogo dado 2 (e tiro 1 novamente) e jogo dados 1 ( e tiro novamente 1).

53

VAMOS DIFICULTAR AINDA MAIS:

EXEMPLO 05: Em uma urna eu tenho 4 bolas brancas e 6 bolas vermelhas,

totalizando 10 bolas. Vamos sortear duas bolas em momentos diferentes, sempre
fazendo a reposio das bolas. Qual a probabilidade de eu extrair uma amostra de
tamanho 2 na seguinte ordem: bola branca e bola vermelha?
VAMOS CONSIDERAR AGORA SORTEIOS INDEPENDENTES COM REPOSIO

P (branca) = 4_
10
P (vermelha) = 6_
10
ENTO, SEGUNDO A REGRA DA MULTIPLICAO

P(B) x (V) = 4_ x 6_ = 24_ = 6_ = 0,24 = 24%

10 10
100 25

EXEMPLO 05: Em uma urna eu tenho 4 bolas brancas e 6 bolas vermelhas,

totalizando 10 bolas. Vamos sortear duas bolas em momentos diferentes, sempre
fazendo a reposio das bolas. Qual a probabilidade de eu extrair uma amostra de
tamanho 2 na seguinte ordem: (bola branca e bola vermelha) (bola vermelha e bola
branca)?

ENTO EU QUERO:

P [(B e V) ou (V e B)] = P(B e V) + P (V e B)

ENTO, SEGUINDO A REGRA DA MULTIPLICAO E ADIO

P [(B e V) ou (V e B)] = P(B e V) + P (V e B) = 24_ + 24_ = 48_ = 12_= 0,48 = 48,0%

100 100
100 25

54

VAMOS EXAMNAR AGORA COMO SERIA SEM A REPOSIO DA PRIMEIRA

BOLA.

EXEMPLO 06: Probabilidade de sair a bola (branca), dado que antes saiu a bola
(vermelha), e probabilidade de sair a bola (vermelha), dado que antes j saiu a bola
(branca).

1 sorteio da primeira
bola

P (B) = 4_
10

3 porque j saiu a
branca

2 sorteio da segunda
bola

P (B) = 3_
9

P (V) = 6_
9

Total da urna
10-1=9

b
P (V) = 6_
10

P (B) = 4_
9

P (V) = 5_
9

5 porque j saiu a
vermelha

ENTO:

SE A ORDEM DAS BOLAS NO TIVER IMPORTNCIA

P [(B e V) ou (V e B)] = P(B e V) + P (V e B) = P(B) x P(V) + P(V) x P(B) =

4_ x 6_ + 6_ x 4_ = + 24_ + 24_ = 48 = 1__ = 0,533 = 53,3%
10
9
10
9
90
90
90 1,875

55

UNIDADE 8 - DISTRIBUIO NORMAL14

A distribuio normal conhecida tambm como distribuio gaussiana uma
das mais importantes distribuies de probabilidade. Sua importncia se deve a
vrios fatores, entre eles podemos citar o teorema central do limite, o qual um
resultado fundamental em aplicaes prticas e tericas, pois ele garante que,
mesmo que os dados no sejam distribudos segundo uma normal, a mdia dos
dados converge para uma distribuio normal conforme o nmero de dados
aumentar.
uma distribuio de varivel aleatria contnua.
Notao: Seja X uma varivel aleatria contnua tal que X tem distribuio normal
com mdia () e varincia.

Notar que: (mdia

e desvio padro ) populacionais. (

) mdia amostral, e (S)

desvio padro amostral). CURVA NORMAL PADRO:

14

Exemplos extrados de Prof. Allan Silva Ferreira. In: https://www.youtube.com/watch?v=yhfODPGaMmY

56

8.1. CARACTERSTICA DA CURVA NORMAL:

1. simtrica com relao perpendicular do ponto (X) que coincidem com a
mdia aritmtica.
2. Parmetros de uma distribuio normal so indicadores populacionais.
3. Para achar a rea sob a curva normal devemos conhecer dois valores
numricos, a mdia
4. Para cada valor de

e o desvio padro
e/ou

temos uma curva de distribuio de probabilidade.

Porm, para se calcular reas especficas, faz-se uso de uma distribuio

particular:

"distribuio

normal

padronizada",

tambm

de Standartizada ou reduzida, o qual a distribuio normal com

obter tal distribuio, isto , quando se tem uma varivel
com mdia

diferente de

. Para

com distribuio normal

(zero) e/ou desvio padro

devemos reduzi-la a uma varivel

chamada

diferente de (um),

, efetuando o seguinte clculo.

Assim, a distribuio passa a ter mdia

e desvio padro

da distribuio ser simtrica em relao mdia

. Pelo fato

, a rea direita igual a rea

esquerda de . Por ser uma distribuio muito usada, existem tabelas a qual
encontramos a resoluo de suas integrais. Assim, a tabela fornece reas acima de
valores no negativos que vo desde

at

A rea sob a curva que me d o

conceito de probabilidade

57

Para calcular uma rea de determinada curva, basta calcular a integral definida
com os limites preestabelecidos, ou seja, estipulados em um problema. Entretanto,
um pesquisador conseguiu distribuir essas probabilidades em uma tabela. Para isso,
ele mapeou a distribuio normal atravs de uma transformao. Ele padronizou a
curva, ou seja, transformou a mdia da distribuio para zero (0), ou seja, ele
converteu a varivel (X) em uma varivel (Z) e mapeou todas as reas abaixo da
curva.
O pesquisador mapeou toda essa
rea, do zero (0) at o limite da
curva.

CARACTERSTICA FUNDAMENTAL DA NORMAL PADRO:

1. MDIA (

2. DESVIO PADRO (

.)

VAMOS PRTICA
EXEMPLO: suponha que o tempo necessrio para a realizao de um atendimento
na fila de um banco seja normalmente distribudo, com mdia de (8 min.) e desvio
padro de (2 min). qual a probabilidade de que um atendimento dure?

1.

Probabilidade de um atendimento durar menos de 5 minutos?

OBS.: 1.No problema, ele j disse que o TEMPO distribudo normalmente.

2.Portanto, ele tem que fornecer os parmetros da distribuio, neste caso, 2
3.Parmetros (a mdia

e o desvio padro

.)

58

PARMETROS: X ~ N (

.)

X~N(8,

2 )

SEMPRE FAA O DESENHO DA CURVA

1 PASSO: vamos transformar uma
curva normal, em uma curva (z) com
mdia (0) e desvio padro (1).
2 PASSO: lembrar que toda a rea
direita da mdia corresponde a 50%.
Entretanto, a tabela s fornece a rea
de (0) a (z).

3 PASSO: isso significa que voc vai

achar a rea que est marcada em
verde.
4 PASSO: mas voc quer a
probabilidade da rea em vermelho, ou,
a esquerda de (z), ou seja, a
probabilidade do atendimento durar <
de 5 min.

59

ENTO: P ( X < 5) = 50% - ?

Z=

x-

Z=58
2

Z (tabelado)= 0, 4332

Z = -1,50

ou z = 43,32%

logo

Z = 50% - 43,32% = 6,67%

A probabilidade que um atendimento dure menos de 5 min. de 6,67%

2. Probabilidade de um atendimento durar mais de 10 minutos?
1 PASSO: vamos transformar uma
curva normal, em uma curva (z) com
mdia (0) e desvio padro (1).
2 PASSO: lembrar que toda a rea
direita da mdia corresponde a 50%.
Entretanto, a tabela s fornece a rea
de (0) a (z).

3 PASSO: isso significa que voc vai

achar a rea que est marcada em
verde.
4 PASSO: mas voc quer a
probabilidade da rea em vermelho, ou,
a esquerda de (z), ou seja, a
probabilidade do atendimento durar <
de 10 min.

60

ENTO: P ( X > 10 min.) = 50% - ?

Z=

x-

Z = 10 8
2

Z (tabelado)= 0, 3413

Z = 1,00

ou z = 34,13%

logo

Z = 50% - 34,13% = 15,87%

A probabilidade que um atendimento dure mais de 10 min. de 15,87%

3. Probabilidade de um atendimento ser realizado entre 7 min. e 9 min.
1 PASSO: vamos transformar uma
curva normal, em uma curva (z) com
mdia (0) e desvio padro (1).
2 PASSO: lembrar que agora ns
queremos a rea sob a curva de (z1 a
z2).
3 PASSO: isso significa que voc vai
achar a rea que est marcada em
verde.
4 PASSO: agora voc quer a
probabilidade da rea em (verde), no
mais em vermelho, ou seja, a
probabilidade de um atendimento
ocorrer entre 7 min. e 9 min.

? ?

5 PASSO: Ento voc ter que

calcular o (z1) e depois o (z2) e somlos.

19,15%

19,15%

61

ENTO:

Z1 =

x-

Z1 = 7 8

Z = -0,50

x-

Z1 = 9 8
Z = 0,50
2
A probabilidade que um atendimento dure mais de 10 min. de 15,87%
Z2 =

Desta forma, voc vai olhar na tabela apenas uma vez.

Z (tabelado para 0,50)= 0, 1915

ou z = 19,15%

logo P (7 < X < 9) = P (19,15% + 19,15%) = P=38,3%

A probabilidade que um atendimento dure entre 7 min.e 9 min. de 38,3%

62

63

REFERNCIAS
ABRAL,

Natalina

Maria

Tinco

LIMA,

Lilianne

Maia. Comportamento

hidrogeoqumico das guas do aqufero Barreiras nos bairros centrais de Belm,

Par . Bol. Mus. Para. Emilio Goeldi Cienc. Nat. [online]. 2006, vol.1, n.1, pp. 149166. ISSN 1981-8114.
BARBETTA, Pedro Alberto. Estatstica aplicada s cincias sociais/ Pedro Alberto
Barbetta. 6 Ed. Florianpolis: Ed. Da UFSC, 2006. 315p. : iL.(srie didtica)
CALLEGARI JACQUES,S.M. Bioestatstica: princpios e aplicaes Porto Alegre:
Artmed, 2003.
CARVALHO, Paulo Lima. Distribuio de Frequncia com Intervalo de Classe (parte
1), 2014. In: https://www.youtube.com/watch?v=SFWw6PiMxRw
CARVALHO, Paulo Lima. Distribuio de Frequncia com Intervalo de Classe (parte 2),
2014. In: https://www.youtube.com/watch?v=SymwdfpymbM

CARVALHO, Paulo Lima. Tipos de Distribuio de Frequncia - Estatstica, 2014. In:

https://www.youtube.com/watch?v=cngY5cJEsGQ
CORREA,

Carlos

Alexandre.

Aprenda

Matemtica,

2014.

IN:

http://aprendamatematica.com/site/estatistica/questao-resolvida-sobre-assimetriatcu93/

COSTA, Lenira Silva. Medias de Assimetria e Curtose, Ucdb, 2014. In:

http://www.ucdb.br/docentes/download.hph?Dir=arquivos&File=126087.doc
DANCEY, C.P.& REIDY, J. Estatstica sem matemtica para psicologia; 5 Ed.
Porto Alegre: Penso, 2013. 608p : i:. ; 25cm
DANIEL, PROF. ESTATSTICA PARA O ENEM, medidas de tendncia central,
SITE:

www.avagaeminha.com.br

https://www.youtube.com/watch?v=OUb_YmrEugU

IN:

64

DANIEL, PROF. ESTATSTICA PARA O ENEM medidas de disperso, SITE:

www.avagaeminha.com.br IN: https://www.youtube.com/watch?v=rNIEwtT8lbA]
DISTRIBUIO

NORMAL.

IN:

http://www.portalaction.com.br/content/62-

distribui%C3%A7%C3%A3o-normal
FARIAS A., SOARES, J. & CSAR, C.Introduo Estatstica. Rio de Janeiro: Ed.
LTC, 2003.
GUEDES, Terezinha Aparecida Guedes, MARTINS, Ana Beatriz Tozzo, ACORSI,
Cldina Regina Lonardan & JANEIRO, Vanderly. Projeto de Ensino Aprender
Fazendo Estatstica.

ISHIKAWA, E.C.M & Col. Mapas conceituais como estratgia facilitadora para o
ensino de estatstica bsica. ESPACIOS, Vol. 36 (N 02) A0 2015. P-13 in:
http://www.revistaespacios.com/a15v36n02/15360213.html

Memria, Jos Maria Pompeu. Breve histria da estatstica / Jos Maria Pompeu
Memria. Braslia, DF: Embrapa Informao Tecnolgica, 2004.
OLIVEIRA, Slvia Corra and VON SPERLING, Marcos. Anlise da confiabilidade
de estaes de tratamento de esgotos. Eng. Sanit. Ambient. [online]. 2007, vol.12,
n.4, pp. 389-398. ISSN 1413-4152.
SILVA, Giovana Oliveira. Licenciatura em Matemtica (EaD) da Universidade
Federal da Bahia, 2012. Vdeo aula
WALQUIRIA, Torezani. Apostila de Estatstica 01. Faculdade UNIVILA/Curso de
Administrao. Vila Velha, 2004. p.1-59