População, Amostra, Censo e Sondagem

População – é um conjunto de indivíduos ou objectos que apresentam pelo menos uma característica em
comum. A população pode finita ou infinita. Na prática, quando uma população é finita, com um número
grande de elementos, considera-se população infinita.

Amostra – Considerando-se a impossibilidade, na maioria das vezes, do tratamento de todos elementos

da população, retira-se uma parte da população (amostra).

Censo – Se todos os elementos da população é observada diz-se que se fez um levantamento exaustivo,
ou recenseamento, ou apenas censo.

Sondagem – um estudo estatístico feito a partir de uma amostra, chama-se sondagem ou amostragem

Carácteres Estatísticos

Chama-se carácter ou variável estatística a propriedade que vai ser estudado.

Entre caracteres estatísticos temos:

- Carácteres quantitativos ou variáveis quantitativas – são os que podem medir ou referenciar usando
números.

A variável é discreta se o número de valores diferentes que pode tomar é finito.

Exemplo: número de irmãos, número de golos, etc.

A variável é contínua se pode assumir teoricamente qualquer valor em certo intervalo da recta real,

Exemplo: altura, peso, etc

- Carácteres qualitativos – são os que não se podem medir ou referenciar numericamente.

Exemplo: A cor dos olhos, sexo, etc.

 Organização de dados e frequência

Dados brutos e rol de uma amostra

Dados brutos

O conjunto de dados numéricos obtidos após a crítica dos valores colectados constitui-se no dados brutos,
assim: 24, 23, 22, 28, 34, 35, 21, 23, 33, 34, 21, 25, 36, 26, 22, 30, 32, 25, 26, 33, 34 , 21, 31, 25, 31, 26,
25, 35, 33, 33, 31 são exemplos de dados brutos. (idades dos estudantes de um turma).

Rol

É o arranjo dos dados brutos em ordem crescente ou decrescente. 21, 21, 21, 22, 22, 23, 23, 24, 25, 25,
25, 25, 26, 26, 26, 28, 30, 31, 31, 32, 33, 33, 33, 34, 34, 34, 35, 35, 36.

Amplitude Total (At) ou Ranger (R)

É a diferença entre o maior e o menor valor observados. 36 -21=15

Frequência absoluta (fi)

Frequência absoluta do valor xi é o número de vezes que o elemento xi aparece na amostra, ou é o número
de elementos pertencentes a uma classe.

Exemplo: No exemplo anterior, 3 é a frequência absoluta do valor 21 ou f(21)=3.

A soma de todas as frequências absolutas é igual a população.

∑ f i=N
i=1
Frequência relativa (fr)

Frequência relativa de um valor xi é o quociente entre a frequência absoluta desse valor eo número total
da população. Representa-se por:

fi fr
f r= onde 0 ≤ f r ≤1 ou f r= .100 %
N N

3 3.100
Exemplo: f r ( 26 )= =0,3 ou f r ( 26 )= =10 %
30 30

A soma de todas frequências relativas é igual a unidade ou a 100%.

n
fi n
∑ =∑ f =1
i=1 N i=1 r

Dados agrupados em classe

Quando a variável é contínua ou quando o número de valores observados é grande, é conveniente fazer o
seu agrupamento em classes.

O número de classes (k)

Não há uma fórmula exacta para o cálculo no número de classes. Temos duas sugestões:

a) k =5 para N ≤ 25 e k ≅ √ N para N > 25

b) Fórmula de Sturges k ≅1+3,22. lgN onde N é o tamanho da amostra .

Amplitude da classe (h)

R
h= O número de classes (k) assim como a amplitude das classes (h), deve ser aproximado para o
k
maior inteiro.

Assim se k ≅ 6,4 usa-se k ≅7 ou se h ≅ 1,7 usa-se h ≅ 2.

Limites das classes

Existem diversas formas de expressar os limites das classes: ¿etc.

Ponto médio da classe

É a média aritmética entre o limite inferior e superior da classe.

Medidas de posição (dados não agrupados)

Apesar das tabelas estatística se das representações gráficas nos darem uma ideia clara da distribuição de
frequências da variável estudada, torna-se necessária simplificar ainda mais o conjunto de dados, de
forma a caracterizar a distribuição por um número reduzido de medidas (parâmetros) que evidenciem o
que demais significativo existe no conjunto.

Estes parâmetros podem agrupar-se em dois grupos:

a) Medidas de posição ou de localização ou ainda de tendência central;

b) Medidas de dispersão ou de variabilidade;

Medida de tendência central – Media, Moda e Mediana.

Medida de separação (ou medida de ordem) –os quartis e decís.

Média Aritmética ( X́ )
Dados não agrupados

Chama-se média aritmética de um conjunto de valores X1,X2,X3…,Xn, ao quociente que se obtêm

da soma de todos os valores pelo efectivo no total N.

X 1+ X 2+ X 3+ …+ X n
X́ =
N

3+ 7+8+12+15
A média aritmética simples de valores 3,7,8,12,15, é: X́ = =9
5
 Média ponderada
Se x é uma variável discreta que toma os valores x1, x2, x3, …, xn com as frequência absolutas f1,
f2, f3,…,fn respectivamente, a media ponderada será por:
n
xi . f i
x 1 . f 1 + x 2 . f 2 + x 3 . f 3 +…+ x n . f n ∑i=1
X́ = =
N N

Exemplo: Determine a média na seguinte distribuição:

xi 1 2 3 4
fi 1 3 5 2

Uma maneira mais pratica de calcular é compor a tabela seguinte:

xi fi Xi.fi
1 1 1
2 3 6
3 5 15
4 2 8
Total N=11 30

X́ =
∑ X i. f i = 30 =2,72
N 11

Mediana¿
A mediana é a medida de posição que divide a série estatística em duas partes iguais, ou seja, é o
valor da variável estatística precedida por 50% das observações.

Para a sua determinação é necessário que os dados estejam ordenados

 Moda (Mo)

Chama-se Moda (ou valor modal) da distribuição de frequências ao valor da variável que
corresponde a maior frequência.

Dados agrupados em classes

Média ( X́ ) – Quando se trata de uma variável contínua, já agrupada em classes, a média
aritmética obtém-se substituindo a variável de cada classe pela marca respectiva.

Exemplo: Determine a média da seguinte distribuição:

Peso em Kg No de pessoas (fi) fac Ponto Médio (xi) xi . f i

¿ 11 11 42 462
¿ 23 34 46 1058
¿ 20 54 50 1000
¿ 10 64 54 540
¿ 8 72 58 464
Total 72 - - 3524

X́ =
∑ xi . f i = 3524 =48,9 Kg
N 72

~
Mediana( X )

Para o cálculo da mediana aplica-se a seguinte fórmula:

N
−f ac
~ 2
X =linf + .h
fi

Onde: l inf é o limite inferior da classe mediana;

N é o total do efectivo da distribuição;

fac é a frequência acumulada até a classe anterior à classe mediana;

fi é a frequência absoluta da classe mediana;

h é a amplitude da classe.
Usando os dados do exemplo anterior podemos calcular a mediana:

N 72
−f ac −34
~ 2 2 4
X =linf + . h=48+ .4=48+ =48+0,4=48,8
fi 20 10

Moda (Mo)

Se a variável (xi) é contínua e todos os dados estão agrupados em classes, da-se o nome de classe modal à
classe de maior frequência.

Neste caso, o cálculo da moda em classe será pela fórmula:

∆1
M o=l inf + .h
∆1 +∆ 2

Onde:

l inf é o limite inferior da classe modal;

∆ 1 é a diferença entre a frequência absoluta da classe modal e a frequência absoluta da classe anterior;

∆ 2 é a diferença entre a frequência absoluta da classe modal e a frequência absoluta da classe posterior;

Usando os dados do exemplo anterior podemos calcular a moda:

∆1 ( 23−11 ) 48
M o=l inf + . h=44+ .4=44+ =44 +3,2=47,2
∆1 +∆ 2 ( 23−11 )+ ( 23−20 ) 15

Importância de cada uma das medidas de tendência central

As três medidas de tendência central média, moda e mediana, pretendem localizar os valores em torno
dos quais os dados se agrupam.

Média
- É uma medida de precisão, cuja definição e propriedades são tratadas por meios algébricos e que
intervém em cálculos estatísticos avançados.

- É uma medida complexa, isto é, faz intervir todos os dados, pelo que é muito sensível a qualquer
alteração de um ou mais valores.

O seu valor não pertence, geralmente ao conjunto inicial de dados (pode não ter existência real).

Mediana

- Permite situar um individuo na metade inferior ou superior da população quanto ao carácter em estudo;

- É um parâmetro “robusto” não afectado por flutuações dos externos é uma medida de posição;

- Usa-se em geral quando as distribuições são muito assimétricas, ou seja, desequilibradas nos externos.

Moda

- Indica imediatamente o valor ou a modalidade de maior efectivo ou frequência. É especialmente

importante em estudos de mercado.

- É a medida mais fácil e rápida de observar. Mas, com dados agrupados, seu cálculo é mais trabalhoso.

- Aplica-se tanto a caracteres quantitativos como qualitativos.

Posições relativas entre a média aritmética, mediana e moda

Para curvas de distribuições de frequências unimodais com um grande número de observações verificam-
se as seguintes relações:

a) Distribuição simétrica: X́ =M e =M o

b) Distribuição com assimetria positiva: X́ > M e > M o

c) Distribuição com assimetria negativa: X́ < M e < M o

Karl Pearson desenvolveu uma fórmula empírica da relação entre as três medidas de localização, a média
(ponto de equilíbrio), a moda (ponto de máxima frequência) e a mediana (ponto do meio).
X́ −M o=3. ( X́ −M e )

Outras medidas de localização – quartís, décis e percentis

Quartís – enquanto que a mediana divide um conjunto de dados estatísticos ordenados em duas partes
iguais, os quartís dividem-no em quatro. São por isso, em número de três e representam-se
respectivamente por Q1, Q2 e Q3.

O segundo quartil correspondem a mediana, ou seja, Q 2=Me. Para a determinação dos quartís, teremos que
atender ao tipo de distribuição apresentada.

Para o cálculo de quartís usa-se as seguinte fórmula:

¿ −F
ac
4
Qi=l inf + .h
fi

Onde:

l inf – Limite inferior da classe onde existe o quartíl

i – É a ordem do quartíl

F ac – Frequência acumulada até a classe anterior onde existe o quartíl

f i – Frequência absoluta da classe onde existe o quartíl

h - Amplitude da classe

Medidas de dispersão ou de Variabilidade

 As medidas de tendência central estudadas reduzem a série de dados a um só valor típico(média,
mediana e moda).

O valor central mais usado é o valor médio, que contudo, nem sempre dá uma ideia suficiente da série
estatística.

Exemplo:

As notas de dois estudante da 10a classe no 1o trimestre são as seguintes:

X 9; 9,6; 10,6; 10,8; 11; 11,1; 11,4; 11,6; 12;13

Y 5; 6,4; 8; 9; 10,6; 12; 12,2; 14,2; 15,6; 17

Calculando a média nota-se que os dois estudantes têm o mesmo valor médio , isto é , X́=11.

Mas a distribuição dos valores é muito diferente. Os valores de Y são muito disperso, enquanto que os de
X são mais concentrados. Assim, a média é mais representativa para X do que para Y .

É necessário completar o estudo de uma distribuição com outras medidas que permitem determinar o grau
de dispersão dos dados em torno dos valores central.

As medidas de dispersão mais usadas são: Amplitude total, desvio quartilico, desvio médio, variância e
desvio padrão.

Amplitude total (ranger) – é a diferença entre o valor máximo e mínimo. R=V máx−V min

Interquartil – é a diferença entre o 3o e o 1o quartil, isto é, Q 3−Q 1

Q3−Q1
Semi amplitude quartilica – é a metade do interquartil.
2

Q3−Q 1
Desvio quartílico relativo Q=
Q2

Desvio de xi em relação a média X́ é a diferenca entre os valores observados e o valor médio’

d= xi − X́

Chama-se desvio médio de uma distribuição (Dx) a média aritmética dos valores absolutos dos desvios
em relação a média.
 n

∑|x i− X́|. f i
D (x)= i=1
N

Chama-se variância, a média aritmética dos quadradosdos desvios em relação a média aritmética.
n
2
∑ ( x i− X́ ) . f i
V ( x )= i=1
N

Nota: a variância é tanto maior quanto maior for a dispersão.

A representatividade dos valores centrais diminui quando a variância aumenta.

Chama-se desvio padrão, a raiz quadrada da variância.

√
2
∑ ( x i− X́ ) . f i
i=1
σ =√ V ( x) ou σ=
N

Importância do desvio padrão

- O desvio padrão informa sobre dispersão, isto é, sobre o afastamento dos dados em relação a média.

- O intervalo ¿ X́ −σ , X́ +σ ¿ contem sempre mais de 50% dos dados; isto significa que mais de metade
dos dados se situam a uma distancia da média que é inferior a um desvio padrão.

Coeficiente de variação ou de dispersão

O coeficiente de variação Cv, é uma medida de dispersão útil para a comparação em termos relativos, do

σ σ
grau de concentração em torno da média de séries distintas, e é dado por: C v = ouC v = .100 %
X́ X́
Diz-se que a distribuição possui pequena variabilidade (dispersão) quando o coeficiente der até 15%;
média dispersão quando estiver entre acima de 15% até 30% e grande dispersão se estiver acima de 30%,
isto é,:

- Baixa dispersão: <15%;

- Média dispersão: 15%< Cv< 30%;

- Alta dispersão: > 30%.

Assimetria de uma distribuição e seus coeficientes

Chama-se assimetria, ao grau de desvio ou afastamento de uma curva de distribuição de frequências em

relação à recta de simetria da distribuição normal.

Uma curva de distribuição, tem assimetria positiva quando ela está desviada esquerda, caso contrario a
assimetria é negativa. Se a curva não está desviada nem a esquerda nem a direita, então acurva é
simétrica, e diz-se que temos uma distribuição normal.

Assim, quanto a assimetria, as curvas de distribuição podem ser:

a) Distribuição simétrica: X́ =M e =M o

b) Distribuição com assimetria positiva: X́ > M e > M o ou X́ > M o

c) Distribuição com assimetria negativa: X́ < M e < M o ou X́ < M o

Para avaliar o grau de assimetria ou deformação são utilizados os coeficientes de assimetria de

Pearson. O primeiro e segundo coeficientes de assimetria de Pearson são:

1
X́−M o 3. ( X́ −M e ) ∑ ( x i− X́ )3
e 1= ; e2 = ou n
σ σ C Ass=
σ3

Calculados os coeficientes resta apenas conhecer o sinal de e .

a) Se e <0 temos assimetria negativa.
b) Se e=0 temos uma curva simétrica.
c) Se e >0 temos assimetria positiva.