ESTATSTICA

Unidade II
3 MEDIDAS OU PARMETROS ESTATSTICOS

O estudo que zemos anteriormente diz respeito ao

agrupamento de dados coletados e representao grca de
alguns deles. Cumpre agora estudarmos as medidas estatsticas.
Esses valores nos daro a imagem sintetizada do comportamento
5 de uma amostra, permitindo que com relativamente poucas
informaes possamos chegar a concluses sobre esta amostra
estudada.
Existem basicamente dois grandes grupos de medidas
estatsticas. O primeiro grupo formado pelas medidas de
10 tendncia central, tambm chamadas de medidas de posio,
que informam a magnitude da amostra estudada. Essas medidas
nos do uma viso global da amostra sem se ater s caractersticas
individuais de seus elementos.
No entanto, como necessrio que tenhamos ideia das
15 variaes dos elementos da amostra em torno de suas medidas
centrais, iremos estudar, no mdulo 2, o segundo grupo de
medidas estatsticas: as medidas de disperso, tambm
chamadas de medidas de variabilidade.
Medidas de posio
20

Objetivos do mdulo

As medidas de posio ou medidas de tendncia central, como

o prprio nome indica, preocupam-se com denir uma posio
central da amostra, ou seja, um valor que seja representativo do
que tpico da amostra. Iremos trabalhar com as trs principais
25 medidas deste tipo: a mdia, a mediana e a moda.

39

Unidade II
3.1 Mdia

De todas as medidas de posio, a mdia , seguramente,

a mais usada. So chamadas de mdias simples quando a
frequncia dos diversos valores igual a 1, ou seja, cada valor
aparece uma nica vez na amostra, ou de mdias ponderadas,
5 quando os dados so dotados de certa frequncia.
Existem vrios mtodos diferentes para se calcular as mdias.
Iremos nos preocupar com a principal delas, a mdia aritmtica.
As demais (geomtrica, quadrtica e harmnica), alm de serem
muito menos utilizadas, seguem os mesmos princpios da mdia
10 aritmtica, apenas com a utilizao de operaes matemticas
diferentes.
A mdia aritmtica o resultado da soma dos valores de
todos os elementos dividido pelo nmero total de elementos, ou
seja, pela frequncia total. Em outras palavras, se tivermos um
15 conjunto de valores S ={ x1, x2, x3,xn}, a mdia aritmtica
deste conjunto ser calculada atravs das frmulas:
X=

x1 + x2 + x 3 + .... + xn
N

Ou
x i
N
Onde: X a mdia aritmtica; x1, x2, etc. os diversos valores;
20
e N, a quantidade total de elementos da amostra.
X=

Exemplo 1
Calcular a mdia aritmtica dos valores abaixo relacionados:
S={2;5;7;9;10;12;16;18}. Observe que so 8 elementos de
diferentes
valores, portanto:
25
X=

40

x i
2 + 5 + 7 + 9 + 10 + 12 + 16 + 18
X = 9, 9
X=
N
8

ESTATSTICA
Caso os valores sejam repetidos na amostra, ou seja, se eles
tiverem uma frequncia diferente de 1 ( x1 com f1; x2 com f2
e assim por diante), ento a frmula para o clculo da mdia
aritmtica ser:
5

X=

xifi
fi

Este ltimo conceito dene a mdia ponderada, sendo

que, eventualmente, as frequncias podem ser substitudas por
pesos que conferem a importncia diferenciada de cada valor.
O exemplo a seguir mostra o clculo para dados no
10 agrupados em classe.
Exemplo 2
Calcular a mdia aritmtica dos valores abaixo relacionados:
Como no exemplo anterior, o clculo da mdia aritmtica
consiste na soma de todos os valores dividida pela quantidade
15 total de elementos. Note, porm, que cada um dos valores
da tabela aparece certo nmero de vezes, diferente de 1; por
exemplo, o valor 25 aparece 37 vezes, portanto, precisamos
somar 25 com ele mesmo 37 vezes ou, de maneira mais direta,
precisamos multiplicar 25 por 37. A coluna C mostra todos os
20 clculos deste tipo. Quando somamos essa coluna, obtemos o
valor 9.491, que corresponde soma de todos os elementos da
amostra (193 elementos). Assim, a mdia :

X=

C=AxB

Valor

Frequncia
Simples

Valor x
Frequncia

xi

xi.

25

37

925

42

28

1176

57

54

3078

62

62

3844

39

12

468

ft

193

9491

xifi
9491
X=
X = 49, 2
fi
193

41

Unidade II
No caso de dados agrupados em classes, o processo de
clculo idntico ao anterior, com a diferena de que o valor a
ser usado o ponto mdio de classe (lembre que j denimos
esse valor no mdulo anterior):
5

xi=pmi
O exemplo a seguir mostra-nos, passo a passo, o clculo da
mdia aritmtica ponderada para dados agrupados por classes:
Exemplo 3

Dada a tabela de frequncias abaixo, calcular a mdia

10 aritmtica:
A

Classe

E=(C+D)/2

F=DxE

Frequncia
simples

Ponto
mdio de
classe

Frequncia
x Ponto
mdio

ls

pmi

x pmi

Limites de classe
li

1,0

3,0

|-------

414,0

14

208,5

2.919,0

2,0

414,0

|-------

825,0

19

619,5

11.770,5

3,0

825,0

|-------

1.236,0

41

1.030,5

42.250,5

4,0

1.236,0

|-------

1.647,0

53

1.441,5

76.399,5

5,0

1.647,0

|-------

2.058,0

32

1.852,5

59.280,0

6,0

2.058,0

|-------

2.469,0

27

2.263,5

61.114,5

7,0

2.469,0

|-------

2.880,0

20

2.674,5

53.490,0

8,0

2.880,0

|-------

3.291,0

11

3.085,5

33.940,5

9,0

3.291,0

|------|

3.702,0

3.496,5

27.972,0

225

369.136,5

ft

A tabela acima apresenta os valores e clculos necessrios

para se determinar a mdia aritmtica para uma amostra que
estivermos descrevendo.
As reas sombreadas da tabela mostram os clculos
15 necessrios para a obteno da mdia aritmtica.

42

ESTATSTICA
O uso de uma tabela para estes clculos facilita as operaes de
clculo, bem como so mais facilmente trabalhadas em computador.
Note que acima ns somamos os valores de todos os
elementos da amostra, cando na seguinte situao: o valor da
5 soma dos 225 elementos da amostra 369136,5, portanto, a
mdia aritmtica ser de:
X=

xifi
369136, 5
X=
X = 1640, 61
225
fi

importante observar as seguintes propriedades das mdias

aritmticas:
10

15

a soma algbrica dos afastamentos (ou desvios ou resduos)

de um conjunto de nmeros tomados em relao mdia
nula;
se multiplicarmos ou dividirmos todas as informaes por
uma constante, a mdia aritmtica car multiplicada ou
dividida por essa constante;
somando-se ou subtraindo-se uma constante a todos os
valores de um conjunto de informaes, a mdia aritmtica
car somada ou subtrada dessa constante;

20

a soma dos quadrados dos desvios tomados em relao

mdia aritmtica mnima.
3.2 Mediana

Conceitualmente, denimos mediana como o valor, dentro

de um conjunto de valores ordenados, que divide exatamente
esse conjunto em duas metades, com 50% dos valores superiores
mediana e 50% inferiores. Evidentemente que essa denio
25 precisa se adaptar ao nmero N de elementos da amostra:
caso N seja um nmero mpar, a mediana ser o valor do
elemento central (chamado de elemento mediano);

43

Unidade II
caso N seja um nmero par, a mediana ser a mdia
aritmtica simples dos dois elementos centrais (o elemento
mediano passa a ser um elemento terico intermedirio).
Veja no exemplo abaixo:
5 Exemplo 1
Dados os dois conjuntos de notas abaixo, de alunos de
estatstica, calcule a mediana:
Grupo A = {6,2; 4,2; 8,7; 6,4; 2,8; 9,1; 5,0; 3,9; 7,1}
Para calcular a mediana, necessrio ordenar os dados em
10 ordem crescente:
{2,8; 3,9; 4,2; 5,0; 6,2; 6,4; 7,1; 8,7; 9,1}
Como o nmero de elementos impar (N = 9), a mediana
ser o valor do elemento central (o 5 elemento), ou seja, o valor
da mediana ser 6,2.
15

Poderamos dar uma roupagem mais matemtica ao clculo

utilizando as frmulas abaixo, onde Eme o elemento mediano,
e Me, a mediana:
Eme =

9 +1
N +1
=> Eme =
=> Eme = 5
2
2

O valor do 5 elemento a mediana:

20

Me = 6,2
Grupo B = { 8,4; 6,3; 9,2; 4,9; 6,5; 8,0}, ordenando {4,9; 6,3;
6,5; 8,0; 8,4; 9,2}
Eme =

44

N +1
6 +1
=> Eme =
=> Eme = 3, 5
2
2

ESTATSTICA
Evidentemente, no existe um elemento 3,5. A mediana ser
a mdia aritmtica entre o valor dos 3 e 4 elementos:
Me =

x3 + x4
6, 5 + 8, 0
=> Me =
=> Me = 7, 25
2
2

Clculo semelhante se far quando trabalhamos com

5 dados agrupados, seja em classes ou no. Primeiro, veremos
quando os dados no forem agrupados em classe. Nesse
caso, o procedimento semelhante ao feito no exemplo 1,
com a diferena de que precisaremos calcular a frequncia
acumulada crescente para permitir localizarmos o elemento
10 mediano. O exemplo 2 mostra o clculo em duas situaes
diferentes.
Exemplo 2
Calcular a mediana para os dados relacionados abaixo,
relativos ao nmero de lhos por famlia moradora em
15 determinada cidade.
Cidade A
Nmero de
lhos por
famlia

Quantidade de
famlias na cidade

Frequncia
acumulada
crescente

Valor

Frequncia simples

xi

fi

fac

15

15

18

33

12

45

53

58

61

62

Mais do que 6

63

Soma

63

45

Unidade II
Perceba que o nmero de elementos (N = 63) mpar; logo,
o elemento mediano ser o 32:
Eme =

63 + 1
= Eme = 32
2

O 32 elemento tem o valor 18, isso porque, com os valores

5 ordenados, os 15 primeiros referem-se a famlias com 0 lhos;
do 16 ao 33, os valores referem-se a famlias com 1 lho, e
assim por diante. Logo, a mediana ser:
Me = 18
Portanto, podemos armar que 50% das famlias tm um
10 lho ou menos, e 50% das famlias tm um lho ou mais.
Observe agora esta outra bservao de frequncias relativa
cidade B
Cidade B
Nmero de
lhos por
famlia

Quantidade de
famlias na cidade

Frequncia
acumulada
crescente

Valor

Frequncia simples

xi

fi

fac

15

15

21

36

16

52

61

67

71

72

Mais do que 6

72

Soma

72

Perceba que o nmero de elementos (N = 72) par; logo, o

elemento mediano seria o 36,5, que, evidentemente, no existe.
Eme =

46

72 + 1
= Eme = 36, 5
2

ESTATSTICA
O 36 elemento tem o valor 1, e o 37, o valor o valor 2,
portanto, o 36,5 seria um valor mdio entre esses dois valores,
ou seja, a mediana ser:
Eme =
5

1+ 2
= Eme = 1, 5
2

Portanto, podemos armar que 50% das famlias tm menos

de 1,5 lho, e 50% das famlias tem mais de 1,5 lho.

O clculo da mediana, quando lidamos com dados

agrupados em classes, mais trabalhoso porque conseguimos
determinar o elemento mediano e a classe da qual o elemento
10 faz parte, mas no o valor exato da mediana. A maneira de
contornarmos esse inconveniente utilizando os conceitos de
interpolao.
Interpolar significa achar, dentro de uma faixa de
valores, aquele valor que melhor corresponde s condies
15 estabelecidas. No caso do clculo da mediana, o processo
de interpolao gera a seguinte frmula, que sempre iremos
usar:
Eme fac ant
Me = liMe +
x h
f
Me

Onde:
20

Me = Mediana
liMe= Limite inferior da classe que contm o elemento
mediano (classe mediana)
Eme = Elemento mediano

Fac ant = Frequncia acumulada crescente at a classe anterior

25 classe mediana

47

Unidade II
fMe = Frequncia da classe mediana
h = Amplitude da classe mediana
O exemplo 3, a seguir, demonstra o clculo da mediana para
uma distribuio de vendas em R$ agrupadas por classe.
5 Exemplo 3
Calcular a mediana para a tabela abaixo que apresenta a
distribuio de vendas de determinada empresa.
Vendas mensais em R$

Classes
nmero

Valor
li

Quantidade Frequncia
de meses acumulada
Frequncia crescente

ls

fi

fac

R$ 50.000,00

|----

R$ 80.000,00

12

12

R$ 80.000,00

|----

R$ 110.000,00

18

30

R$ 110.000,00

|----

R$ 140.000,00

27

57

R$ 140.000,00

|----

R$ 170.000,00

26

83

R$ 170.000,00

|----

R$ 200.000,00

21

104

R$ 200.000,00

|----

R$ 230.000,00

18

122

R$ 230.000,00

|----

R$ 260.000,00

12

134

R$ 260.000,00

|---|

R$ 290.000,00

143

Total

143

O elemento mediano dado por:

Eme =
10

143 + 1
=> Eme = 72
2

O 72 elemento est na 4 classe, que chamamos de classe

mediana, ou seja, a mediana um valor entre R$ 140.000,00
e R$ 170.000,00. Obteremos o resultado usando a frmula da
interpolao:
Eme fac ant
72 57
Me = liMe +
x 30.000 => Me = 157.307, 69
x h = 140.000 +
fMe
26

48

ESTATSTICA
Portanto, podemos armar que 50% das vendas mensais
dessa empresa esto acima de R$ 157.307,69, e 50%, abaixo
deste mesmo valor.
3.3 Moda

O conceito de moda mais simples entre as medidas

5 estatsticas. simplesmente o valor que mais vezes se repete
numa distribuio de frequncias, ou seja, aquele dotado de
maior frequncia.
O clculo da moda para dados isolados ou para dados no
agrupados em classes imediato, decorre de simples observao,
10 como mostra o exemplo 1; j para dados agrupados necessitados,
adotam-se algumas recomendaes feitas por estatsticos
renomados. No exemplo 2, apresentamos um clculo deste
ltimo tipo de distribuio.
Exemplo 1
15

Calcular a moda para os conjuntos de dados mostrados

abaixo, referentes ao consumo de rolamentos (em unidades) em
vrias linhas de produo.
Linha A: {21; 22; 24; 24; 25; 25; 25; 27; 28)
A moda, evidentemente, : Mo=25.

20

Linha B: {8; 8; 9; 9; 9; 9; 10; 11; 11; 11; 11; 12; 12; 12}
Neste conjunto, temos duas modas: Mo=9 e Mo=11.
Chamamos de amostra multimodal.
Linha C: {15; 18; 25; 32; 43; 50; 61}

No existe um valor que se repita mais de uma vez. Temos

25 uma amostra sem moda, ou seja, amodal.

49

Unidade II
Linha D
Quantidade
de rolamentos
consumidos

Nmero de vezes
em que ocorreu
o consumo

xi

fi

Valor

Frequncia

18

10

25

12

32

13

45

15

28

16

21

17

12

21

A moda o valor de maior frequncia, portanto, para a linha

D, teramos Mo=13.
Exemplo 2
Calcular a moda para a distribuio de rendas familiares
5 apresentada no quadro abaixo:
Classes
nmero

Rendas familiares mensais em R$

Quantidade de
meses

Valor

Frequncia

li

fi

R$ 650,00

|----

R$ 1.100,00

16

R$ 1.100,00

|----

R$ 1.550,00

21

R$ 1.550,00

|----

R$ 2.000,00

28

R$ 2.000,00

|----

R$ 2.450,00

31

R$ 2.450,00

|----

R$ 2.900,00

18

R$ 2.900,00

|----

R$ 3.350,00

16

R$ 3.350,00

|----

R$ 3.800,00

Total

50

ls

12
142

ESTATSTICA
Voc pode notar que os valores se repetem mais na classe
4 (a frequncia a maior de todas); logo, a moda deve ser um
valor entre R$ 2.000,00 e R4 2.450,00. Mas exatamente qual
o valor da moda?
5

Normalmente, esse clculo poder ser feito por trs

recomendaes diferentes: as frmulas de Czuber, King e
Pearson, que utilizaremos a seguir.
Recomendao de Czuber

Para utilizarmos a recomendao de Czuber, devemos

10 inicialmente localizar a classe que tem maior frequncia, a
chamada classe modal. No nosso exemplo, essa classe a de
nmero 4, como j falamos. Em seguida, aplicamos a seguinte
frmula:

(fMo fant )
Mo = liMo +
x h
(fMo fant ) + (fMo fpost )
15

Onde:
Mo = Moda
liMo = Limite inferior da classe modal
fMo = Frequncia da classe modal

fant = Frequncia da classe imediatamente anterior classe

20 modal
fpost = Frequncia da classe imediatamente posterior classe
modal
h = Amplitude da classe modal

51

Unidade II
No nosso exemplo, caria:

( 31 28)
Mo = 2.000 +
x 450 => Mo = R$ 2.103, 85
( 31 28 ) + ( 31 18 )
Recomendao de King
Para utilizarmos a recomendao de King, devemos
5 inicialmente localizar a classe que tem maior frequncia, a
chamada classe modal. No nosso exemplo, essa classe a de
nmero 4, como j falamos. Em seguida, aplicamos a seguinte
frmula:
fpost
Mo = liMo +
x h
fant + fpost
10

Onde:
Mo = Moda
liMo = Limite inferior da classe modal
fant = Frequncia da classe imediatamente anterior classe
modal

15

fpost = Frequncia da classe imediatamente posterior classe

modal
h = Amplitude da classe modal
No nosso exemplo, caria:
18
Mo = 2.000 +
x 450 => Mo = R$ 2.176, 09
28 + 18

52

ESTATSTICA
Recomendao de Pearson
No caso de Pearson, a recomendao parte de conceito
diferente das anteriores. Baseia-se no uso da mdia e da
mediana:
5

Mo=3 x Me 2 x X
Onde:
Mo = Moda
Me = Mediana
X = Mdia

10

No nosso exemplo, teramos:

Me = R$ 2.094,36
X = R$ 2.123,59
Logo, a moda seria:
Mo=3 x 2.094,36 2 x 2.123,59 => Mo=R$ 2.035,88

15

Perceba que cada recomendao resultou em valor

diferente. Isso ocorre porque so recomendaes que partem
de consideraes diferentes. A experincia nos ensina qual a
melhor recomendao a se utilizar em cada caso prtico.

O uso de cada uma das medidas de disperso depende da

20 situao prtica que se apresenta. Adriano Leal Bruni, em sua
obra Estatstica aplicada gesto empresarial, apresenta uma
srie de vantagens e desvantagens de cada uma delas, as quais
podem ser resumidas no quadro a seguir:

53

Unidade II
Medida de
posio

Mdia

Vantagens

Desvantagens

de fcil compreenso,
podendo ser calculada
diretamente usando-se
calculadoras apropriadas.

afetada por valores extremos

da srie, no representando
com preciso a distribuio
em que esses valores ocorrem
com frequncia acentuada.

Depende de todos os valores

da distribuio, usando todos
os dados disponveis.

necessrio conhecer todos

os valores da distribuio.

Evidencia bastante
estabilidade de amostra para
amostra.

A mdia no tem,
necessariamente, existncia
real.

Possibilita a manipulao de
dados, com clculo de mdias
combinadas.

Pode ser obtida uma mdia de

nmero fracionrio inexistente,
por exemplo, 6,7 alunos.

Pode ser facilmente includa

em equaes matemticas.
Mesmo que alguns valores da
srie sejam modicados, ela
pode manter-se inalterada.

Mediana

Se for determinada a mediana

dos grupos separados, no
ser encontrada a mediana do
grupo.

Os valores extremos no
interferem no seu resultado;
por isso indicada quando
existem valores discrepantes.
Mesmo que os valores mais
altos ou mais baixos da srie
no estejam denidos, ela
pode ser determinada.
Pode ser utilizada para dados
que tm a possibilidade de ser
ordenados.
Caso algum valor da srie
seja modicado, no
necessariamente a moda
alterar.

A moda tem que ter

necessariamente um valor
real, j que ela representada
por algum valor da srie.

Os valores extremos no
interferem no seu resultado

Quando utilizada para

calcular distribuies de
classe aberta, no pode
ser determinada a moda
empregando algum
procedimento aritmtico
elementar.

Moda

Pode ser calculada em

distribuies que possuam
classe indeterminada.

54

ESTATSTICA
4 MEDIDAS DE DISPERSO

Objetivos
As medidas de disperso completam a informao
contida nas medidas de posio, revelando o afastamento
ou desvio dos elementos do valor central. Quanto menor
5 for a disperso de uma amostra, maior ser a qualidade da
informao contida na medida de posio, ou, em outras
palavras, menor a margem de erro que ser assumido
considerando a medida de posio como representante de
toda a amostra.
10

Existem basicamente dois grandes grupos de medidas de

disperso:
medidas de disperso absolutas: levam em conta a
disperso propriamente dita;

15

medidas de disperso relativas: levam em conta

simultaneamente uma medida de posio e a medida
de disperso correspondente. So teis para efetuarmos
comparaes entre amostras.
O objetivo deste captulo tomarmos contato com ambos
os grupos.
4.1 Medidas de disperso absolutas

4.1.1 Amplitude total

20

A amplitude total (At) j nossa conhecida e a mais

elementar das medidas de disperso. extremamente fcil de
ser calculada, mas de difcil interpretao, em especial quando
os dados extremos so muito grandes ou muito pequenos. So
mais utilizadas, portanto, quando as distribuies apresentam
25 certa homogeneidade.

55

Unidade II
Por exemplo, suponha que tenhamos as valorizaes mensais
das aes de duas diferentes empresas A e B, com os seguintes
valores (em porcentagem):
Empresa A = {21,5; 18,0; 26,3; 32,4; 45,1; 18,6; 37,6}.
5

Empresa B = {15,3; 19,7; 23,9; 16,7; 25,9; 14,6; 18,9; 25,8}.

As amplitudes seriam, respectivamente, de 45,1 18,0 =

27,1% para as aes da empresa A e de 25,9 14,6 = 11,3% para
a empresa B. Em outras palavras, as variaes mximas seriam
de 27,1% para as aes da empresa A e de 11,3% para a empresa
10 B. Logo, o risco de oscilao maior para a empresa A do que
para a empresa B.
4.1.2 Desvio mdio
denido como a mdia aritmtica do mdulo1 dos desvios
dos elementos em relao mdia dos mesmos. Entende-se por
desvio a diferena entre o valor de um elemento da amostra
15 para a mdia dessa mesma amostra:
di=xi X
Portanto, o desvio mdio ser dado pela frmula:
n

di
dm = i=1
N

O exemplo abaixo deixar mais claro esse processo.

20 Exemplo 1
Calcular o desvio mdio da amostra {18; 21; 22; 27; 28; 29;
32; 37}.
Dene-se mdulo ou valor de um nmero a distncia deste nmero
para zero, independentemente do sinal, ou seja, mdulo de um nmero
positivo e mdulo de um nmero negativo o seu simtrico, isto , o mesmo
nmero positivo. Para efeito do clculo do desvio mdio, consideramos o
nmero sempre positivo, seja qual for seu sinal.
1

56

ESTATSTICA
O primeiro passo ser calcular a mdia aritmtica desses
valores e, em seguida, os desvios de cada um dos valores. Depois,
somaremos o mdulo desses valores dividindo-os pelo nmero
total de elementos da amostra. O quadro abaixo mostra passo a
5 passo esses clculos:
Ordem dos
elementos

Valores

Desvios

Mdulo
dos desvios
_
|di=xi X |

18

18 - 27

= -9

21

21 - 27

= -6

22

22 - 27

= -5

27

27 - 27

28

28 - 27

29

29 - 27

33

33 - 27

38

38 - 27

= 11

11

Soma
_
Mdia ( X )

216

40

216/8=27

Desvio mdio (dm)

40/8 = 5

_
di=xi X

Observe que a soma dos desvios zero, o que evidente.

O prprio conceito de mdia (valor equidistante de todos os
elementos da amostra) nos conduz a isso. O conceito de desvio
mdio s tem sentido quando utilizamos o mdulo dos desvios.
10 Para car mais claro, veja abaixo os clculos feitos, utilizando-se
das frmulas informadas:
Clculo da mdia:
X=

x i
216
X=
X = 27
N
8

Clculo do desvio mdio:

n

15

di
dm = i=1
N

=> dm =

40
=> dm = 5
8

57

Unidade II
Quando trabalhamos com dados agrupados em classes
ou no, utilizamos exatamente o mesmo processo de clculo,
evidentemente que com alteraes nas frmulas de clculos,
introduzindo-se o conceito de frequncia simples, como se
5 mostra a seguir:
n

di x fi
dm = i=1n
i=1fi
Observar que para dados agrupados em classes o clculo dos
desvios dado por:
di = pmi - X
10

Os exemplos a seguir demonstram esses clculos.

Exemplo 2
Calcular o desvio mdio da amostra de distribuio abaixo,
relativa ao nmero de acidentes dirios numa estrada federal.
Distribuio de acidentes por dia - estrada X
Nmero de
acidentes
dirios

58

Dias
Valor x
pesquisados Frequncia

Desvios

Mdulo
dos
desvios

Mdulo
dos
desvios x
Frequncia

Valor

Frequncia

xi

fi

xi.

12

-3,6

3,6

43,5

15

15

-2,6

2,6

39,4

28

56

-1,6

1,6

45,6

23

92

0,4

0,4

8,6

19

95

1,4

1,4

26,1

48

2,4

2,4

19,0

48

4,4

4,4

26,2

10

40

6,4

6,4

25,5

11

22

7,4

7,4

14,7

12

12

8,4

8,4

8,4

Somas

118

428

Mdia

3,6

_
_
di=xi X |di=xi X |

|di| x fi

257,0
Desvio mdio

2,2

ESTATSTICA
n

di x fi => dm = 257 => dm = 2, 2

dm = i=1n
118
i=1fi
Exemplo 3
Calcular o desvio mdio da amostra de distribuio abaixo,
relativa ao tempo de mo de obra gasto com a manuteno dos
avies de uma empresa area.
Distribuio das horas de manuteno - aero X
Classes

Limites de
classes

li

Pontos
mdios
de
classe

Manutenes
pesquisadas

Valor x
Frequncia

Desvios

Mdulo dos
desvios

Mdulo dos
desvios x
Frequncia

Valor

Frequncia

ls

pmi

fi

pmi.

_
di=xi X

_
|di=xi X |

|di| x fi

|---

1,5

26

39

-4,1

4,1

106,0

|---

4,5

20

90

-1,1

1,1

21,5

|---

7,5

16

120

1,9

1,9

30,8

|--- 12

10,5

10

105

4,9

4,9

49,2

12

|--|

13,5

81

7,9

7,9

47,5

Somas

78

435

Mdia

5,6

15

255,1
Desvio Mdio

3,3

di x fi => dm = 255,1 => dm = 3, 3

dm = i=1n
78
i=1fi
4.1.3 Varincia

A denio de desvio mdio leva em considerao os desvios

dos elementos tomados a 1 potncia. Matematicamente,
demonstra-se que os efeitos de desvio so mais bemrepresentados quando tomados ao quadrado. Essa considerao
10 nos leva denio das duas mais importantes medidas de

59

Unidade II
variabilidade absolutas: a varincia e o desvio padro que
veremos em seguida.
A varincia o somatrio dos desvios tomados ao quadrado,
ou seja, basicamente a mesma denio do desvio mdio,
5 alterando-se apenas a potncia dos desvios:2
n

d2

2
i=1 i
S =
N 1

No caso em que estivermos trabalhando com dados

agrupados, a forma, naturalmente, dever incluir o conceito de
frequncia simples, ou seja:
n

10

d2 x fi

2
i=1 i
S =
n
i=1 fi 1
Os exemplos de 1 a 3 no prximo item mostram o clculo da
varincia nos vrios casos possveis.
4.1.4 Desvio padro

O clculo ou a anlise da varincia tem um grande

inconveniente prtico: ela apresenta unidades ao quadrado
15 em relao medida de tendncia central. Por exemplo,
suponha que queremos descrever uma amostra de salrios
de uma empresa. Poderamos afirmar que o salrio mdio da
empresa de 1.340 reais, e a varincia, de 11.025 reais ao
quadrado.
20

Observe a estranheza que causa a unidade: reais ao

quadrado. Sem falar do nmero extravagante que resultou
dos clculos. Para contornar esse problema, dene-se a mais
utilizada das medidas de variabilidade: o desvio padro.
Observe tambm uma alterao no denominador da frmula; ao
invs de N, N-1. Essa alterao importante quando tratarmos dos assuntos
relativos estimao estatstica (em Estatstica para Administradores). A
rigor, utilizaremos a frmula acima para amostras e a mesma frmula com
denominador igual a N para populaes.
2

60

ESTATSTICA
Conceitualmente, o desvio padro a raiz quadrada da
varincia e simbolizado pela letra S maiscula. Dessa forma,
calculado pelas frmulas
n

S=
5

i=1di2
N 1

para dados isolados e

n

S=

i=1di2 x fi
n
i=1fi 1

para dados agrupados em classes ou no.

Nos exemplos de 1 a 3 a seguir, so calculados os valores
do desvio padro e da varincia, de maneira semelhante ao
10 que foi feito anteriormente para o desvio mdio. Observe
que o clculo segue os seguintes passos em ambos os
casos:
1. Calcular a mdia da distribuio.
2. Calcular os desvios de cada elemento.
15

3. Calcular o quadrado dos desvios.

4. Somar o quadrado dos desvios (usando o conceito de
frequncia caso sejam dados agrupados).
5. Dividir a soma obtida pelo nmero de elementos menos 1,
obtendo-se a varincia.

20

6. Extrair a raiz quadrada, obtendo-se o desvio padro.

61

Unidade II
Exemplo 1
Calcular a mdia e o desvio padro da amostra {18; 21; 22;
27; 28; 29; 32; 37}.
Ordem dos
elementos

Valores

18

Desvios ao
quadrado

Desvios
_
di=xi X

xi

di2

18 - 27

= -9

81

21

21 - 27

= -6

36

22

22 - 27

= -5

25

27

27 - 27

28

28 - 27

29

29 - 27

33

33 - 27

36

38

38 - 27

= 11

121

Soma

216

_
Mdia ( X )

216/8=27

304

Varincia

304/7 = 43,4

Desvio padro

6,6

Clculo da mdia:
5

X=

x i
216
X=
X = 27
N
8

Clculo da varincia:
n

d2
304

i=1 i
=
=> S2 =
=> S2 = 43, 4
N 1

8 1

Clculo do desvio padro:

n

S =

62

i=1di2
N 1

=> S =

304
=> S = 43, 4 => S = 6, 6
8 1

ESTATSTICA
Exemplo 2
Calcular a varincia e o desvio padro da amostra de
distribuio abaixo, relativa ao nmero de acidentes dirios
numa estrada federal.
Distribuio de acidentes por dia - Estrada X
Dias
Nmero de
acidentes pesquisados
dirios

Valor x
Frequncia

Desvios

Quadrado Quadrado
dos
dos desvios
desvios
x
Frequncia

Valor

Frequncia

xi

fi

xi.

_
di=xi X

di2

di2 x fi

12

-3,6

13,2

157,9

15

15

-2,6

6,9

103,5

28

56

-1,6

2,6

74,1

23

92

0,4

0,1

3,2

19

95

1,4

1,9

35,8

48

2,4

5,6

45,0

48

4,4

19,1

114,7

10

40

6,4

40,6

162,5

11

22

7,4

54,4

108,7

12

12

8,4

70,1

70,1

Somas

118

428

Mdia

3,6

875,6
Varincia

7,5

Desvio Mdio

2,7

Clculo da varincia:
n

d2 x fi

i=1 i
=
n
i=1fi 1

=> S2 =

875, 6
= S2 = 7, 5
118 1

Clculo do desvio padro:

i=1di2 x fi
n
i=1fi 1
n

S=

=> S =

875, 6
=> S = 7, 5 => S = 2, 7
118 1

63

Unidade II
Exemplo 3
Calcular o desvio padro da amostra de distribuio abaixo,
relativa ao tempo de mo de obra gasto com a manuteno dos
avies de uma empresa area.
Distribuio das horas de manuteno - Aero X
Classes

Limites de
classes

li

Pontos
mdios de
classe

Manutenes
Valor x
pesquisadas Frequncia

Desvios

Quadrado
dos desvios

Quadrado
dos desvios x
Frequncia

Valor

Frequncia

ls

pmi

fi

pmi.

_
di=xi X

di2

di2 x fi

|---

1,5

26

39

-4,1

16,6

432,2

|---

4,5

20

90

-1,1

1,2

23,2

|---

7,5

16

120

1,9

3,7

59,2

|--- 12

10,5

10

105

4,9

24,2

242,4

12 |--| 15

13,5

81

7,9

62,8

376,7

Somas

78

435

Mdia

5,6

1133,5
Varincia

14,7

Desvio Padro

3,8

Clculo da varincia:
n

d2 x fi

2 1133, 5
i=1 i
=
=
=> S2 = 14, 7
=>
S
n
78 1
i=1 fi 1

Clculo do desvio padro:

n

S=

i=1di2 x fi
n
i=1 fi 1

=> S =

1133, 5
=> S = 14, 7 => S = 3, 8
78 1

O desvio padro a mais utilizada medida de disperso,

10 e, quando relacionada com a mdia, informa a quantidade de
elementos da amostra ou da populao que se situam em torno
da mdia.

64

ESTATSTICA
O mais comum, na estatstica, que essa relao entre
mdia e desvio padro seja feita pela chamada distribuio
normal, qual ns voltaremos na disciplina de Estatstica para
Administradores. Nessa relao, vlida na maior parte dos casos
5 prticos, seguem-se os seguintes intervalos:
1. Entre a mdia mais uma vez o desvio padro e a mdia
menos uma vez o desvio padro, esto contidos 68% dos
elementos da amostra ou da populao.
10

2. Entre a mdia mais duas vezes o desvio padro e a mdia

menos duas vezes o desvio padro, esto contidos 85%
dos elementos da amostra ou da populao.
3. Entre a mdia mais trs vezes o desvio padro e a mdia
menos trs vezes o desvio padro, esto contidos 99,74%
dos elementos da amostra ou da populao.

15

4. Entre a mdia mais quatro vezes o desvio padro e a mdia

menos quatro vezes o desvio padro, esto contidos 100%
dos elementos da amostra ou da populao.

Exemplo: um estudo estatstico com 4.850 alunos de

Administrao da Produo de uma universidade mostrou
20 que a nota final mdia deles foi de 5,3 com desvio padro
de 1,2. Quantos alunos tiveram mdias finais entre 4,1 e
6,5?
Observe que as notas 4,1 e 6,5 correspondem exatamente
mdia menos um desvio padro (5,3 1,2 = 4,1) e mdia mais
25 um desvio padro (5,3 + 1,2 = 6,5). Portanto, 68% dos alunos
esto contidos nesse intervalo, ou seja: 68% de 4.850 so 3.280
alunos.
Podemos, portanto, armar que 3.280 alunos tiveram notas
entre 4,1 e 6,5.

65

Unidade II
4.2 Medidas de disperso relativas

A maneira mais comum de se informar de maneira sinttica

(resumida) dados quantitativos atravs de uma medida de
posio (mdia, mediana ou moda) em conjunto com uma
medida de disperso absoluta (desvio mdio, varincia ou desvio
5 padro). O mais comum o par de informaes: mdia - desvio
padro.
Frequentemente, no entanto, interessante utilizar as
chamadas medidas de disperso relativas, que analisam
simultaneamente uma medida de posio e a medida de
10 disperso correspondente. So especialmente interessantes
essas medidas quando fazemos comparaes entre amostras
diferentes.
A rigor, podemos obter essas medidas, costumeiramente
chamadas de coecientes de variao, dividindo uma medida
15 de disperso por uma medida de posio; no entanto, as mais
comuns so:
1. Coeciente de variao de Pearson: diviso do desvio
padro pela mdia:
Cvp =
20

S
S
ou Cvp = 100
X
X

2. Coeciente de variao de Thorndike: diviso do desvio

padro pela mediana:
Cvp =

S
S
ou Cvp =
100
Me
Me

O exemplo a seguir mostra uma aplicao dos coecientes

de variao, num caso de ordem prtica.

66

ESTATSTICA
Um especialista estudou, estatisticamente, dois tipos de
investimentos, chegando s concluses do quadro abaixo. Qual
o investimento que apresenta menor risco?3
Estatsticas

Retorno
esperado
Desvio padro

Aplicaes
X

Observaes

12% 20%

O especialista teria chegado a essas

concluses atravs de um estudo estatstico
no qual pesquisou e resumiu os retornos
ocorridos no passado, conforme vimos no
item 3.1

9%

Analogamente, o especialista teria calculado o

devio padro conforme vimos no item 4.1.4

10%

Observe que se o especialista comparasse as aplicaes

5 somente com base em seus desvios padres, ele preferiria
a aplicao X, uma vez que essa aplicao tem um desvio
padro menor que Y (9% versus 10%). Essa comparao
seria baseada no fato de que, sendo mais homognea
a aplicao A, daria menos sustos. No entanto, se ele
10 calculasse e comparasse os coeficientes de variao,
chegaria a concluses diferentes:
Aplicaes

Estatsticas

Retorno esperado

12%

20%

Desvio padro

9%

10%

Coeciente de variao
de Pearson

75%

50%

Cvpa =

9
x 100=>Cvpa = 75%
12

Cvpb =

10
x 100=>Cvpb = 50%
20

Adaptado de GITMAN, Lawrence J. Princpios de administrao

nanceira. So Paulo: Harbra, 2003.
3

67

Unidade II
A comparao dos coecientes de variao das aplicaes
mostra que o especialista estaria cometendo um erro srio
se escolhesse a aplicao X em vez de a aplicao Y, j que a
disperso relativa, ou risco, das aplicaes, conforme reetida
5 no coeciente de variao, menor para o ativo Y do que para
o X (50% versus 75%). Evidentemente, o uso do coeciente de
variao para comparar o risco da aplicao melhor porque
este tambm considera o tamanho relativo, ou retorno esperado,
das aplicaes.
4.3 Relaes grcas entre as medidas
estatsticas

10

Nos estudos e anlises estatsticos, interessante e

importante visualizar as informaes contidas nos dados
atravs do uso dos diversos grcos, assunto esse de que
tratamos no mdulo 2.

Quando utilizamos os histogramas, facilmente

15 perceptvel que as frequncias dos valores mais centrais
tendem a ser maiores que as dos valores extremos. Esse
comportamento nos permitir concluses importantes no
captulo da estatstica indutiva, porque, via de regra, ocorre
de modo repetitivo.
20

Observaes do padro de comportamento das distribuies

mostram que grande parte delas tende a se apresentar da
maneira conhecida como distribuio normal.

A figura 1 mostra o comportamento estatstico de uma

distribuio de frequncias relativa aos pesos de um grupo
25 de pessoas qualquer. Observe que os pesos prximos da
mdia tm maior frequncia, e o longe da mdia, menor.
Observe tambm a curva que se forma pela distribuio das
colunas.

68

ESTATSTICA

Figura 1 - Pesos corporais

40
35

Frequncia simples

30
25
20
15
10
5
0
30

35

40

45

50

55

60

65

70

75

80

85

90

95

100

105

Peso em quilos

No curso de Estatstica para Administradores, iremos

retornar ao assunto, quando diremos, por exemplo, que pouco
provvel uma pessoa adulta ter peso acima de 100 kg ou abaixo
de 35 kg, e utilizaremos essa curva para determinar qual essa
5 probabilidade, se houver.
Por ora, iremos nos preocupar com a variao de formatos
desse tipo de curva, chamada de curva normal, ou curva de
Gauss ou, ainda, de curva do sino. Em teoria, espera-se que essa
curva tenha comportamento mostrado nas curvas desenhadas
10 em linha contnua nas guras 2 e 3.
Mas na prtica ocorrem deformaes nessas curvas,
demonstradas nas curvas pontilhadas das mesmas guras. Essas
deformaes so chamadas, respectivamente, de assimetria
(gura 2) e curtose (gura 3).

69

Unidade II
Figura 2 - Assimetria

Frequncia simples

Simtrica

Assimtrica positiva

Assimtrica negativa

Mdia

Varivel

Figura 3 - Curtose

Frequncia simples

Curva leptocrtica

Curva mesocrtica

Curva platicrtica

Mdia

Varivel

4.3.1 Assimetria
A assimetria mede o quanto a distribuio se afasta da
mdia. Esse afastamento pode ocorrer para a direita ou para
a esquerda, gerando, respectivamente, as assimetrias positiva e
negativa.
5

O grau de assimetria dado, frequentemente, pelo chamado

1 coeciente de Pearson:4
As =
4

Pearson.

70

X Me
S

Existem outras medidas de assimetria, alm do 1 coeciente de

ESTATSTICA
Onde:

As = Coeciente de assimetria
X = Mdia
Me = Mediana
S = Desvio padro
Caso:
As = 0, a distribuio simtrica.
As > 0, a distribuio assimtrica positiva ou direita.
As < 0, a distribuio assimtrica negativa ou esquerda.

10

Por esse critrio, costuma-se classicar as distribuies da

seguinte maneira:
Caso As <-1: assimtrica negativa forte.
Caso -1 < As < 0: assimtrica negativa fraca.
Caso As = 0: simtrica.

15

Caso 0 < As < 1: assimtrica positiva fraca.

Caso As > 1: assimtrica positiva forte.
4.3.2 Curtose

A curtose mede o quanto a distribuio se alonga ou se

achata em relao curva terica. A curva terica chamada
de mesocrtica; as mais alongadas, de leptocrtica, e as mais
20 achatadas, de platicrtica
O grau de curtose dado, frequentemente, pelo coeciente:5

di4 x fi
fi 3
k=
S4

Existem outros coecientes de curtose alm do apresentado aqui.

71

Unidade II
Onde:
K = Coeciente de curtose
di = Desvios
fi = Desvio Padro
Caso:

K = 0, a distribuio mesocrtica.
K > 0, a distribuio leptocrtica.
K < 0, a distribuio platicrtica.
Exemplo:
10

O exemplo a seguir demonstra o clculo da assimetria e da

curtose de uma distribuio referente ao consumo de energia
eltrica entre 1.245 famlias de determinada regio.

Observando os clculos da prxima pgina, notamos que a

distribuio (e a curva dela decorrente) assimtrica negativa
15 fraca, ou seja, ligeiramente deslocada para a esquerda e que
platicrtica, ou seja, achatada. A curva teria a aparncia
aproximada abaixo (a curva pontilhada a do exerccio; a cheia,
a padro):

Frequncia simples

Figura 4 - Assimetria e curtose

Mdia

72

Varivel

|---|

150

200

250

300

350

400

450

10

Somatrios

|----

100

|----

|----

|----

|----

|----

|----

|----

50

|----

li

Valor

Classes
nmero

500

450

400

350

300

250

200

150

100

50

ls

1.245

53

56

63

84

280

175

164

112

100

158

fi

Frequncia

Consumo mensal Nmero de

por familia
famlias

475

425

375

325

275

225

175

125

75

25

pmi

Pontos
mdios
de
classe

1.245

1.192

1.136

1.073

989

709

534

370

258

158

fac

270.425

25.175

23.800

23.625

27.300

77.000

39.375

28.700

14.000

7.500

3.950

pmi x fi

Frequncia
Pontos
acumulada mdios x
crescente Frequncias

258

208

158

108

58

-42

-92

-142

-192

_
di=xi X

Desvios

66.456

43.177

24.898

11.619

3.340

61

1.782

8.502

20.223

36.944

di2

18.534.426

3.522.183

2.417.921

1.568.577

975.991

935.149

10.623

292.180

952.277

2.022.335

5.837.189

di2 x fi

Desvios
Desvio ao
ao
quadrado x
quadrado Frequncias

4.416.437.760

1.864.267.846

619.912.976

134.999.655

11.154.389

3.685

3.174.048

72.291.984

408.984.000

1.364.876.602

di4

Desvios
a quarta
potncia

657.154.712.129

234.071.201.262

104.398.999.377

39.054.517.468

11.339.970.993

3.123.228.929

644.833

520.543.855

8.096.702.259

40.898.400.046

215.650.503.107

di4 x fi

Desvios a
quarta potncia
x Frequncias

ESTATSTICA

73

Unidade II
Clculo da mdia:
X=

xifi => X = 270.425 => X = 217, 2

1.245
fi

Clculo do desvio padro:

n

S=
5

i=1 di2 x fi
n
i=1 fi 1

=> S =

18.534.426
=> S = 14.899 => S = 122,1
1.245 1

Clculo da mediana:
- elemento mediano:
Eme =

N +1
1.245 + 1
=> Eme =
=> Eme = 623
2
2

- mediana:
Eme -fac ant
623-534
Me=liMe +
x 50=>Me=225,4
x h=200+
175
fMe

10

Clculo da assimetria:
As =

217, 2 225, 4
X Me
=> As =
=> As = 0, 067
S
122,1

Clculo da curtose:

di4 x fi
657.154.712.129
f
i 3 => K =
1245
K=
3 => K = 0, 625
S4

74

(122,1)4

ESTATSTICA
Referncias bibliogrcas
ANDERSON, D. R.; SWEENEY, D. J.; WILLIAMS, T. A. Estatstica
aplicada administrao e economia. 2. ed. So Paulo:
Thomson Learning, 2007.
BRUNI, Adriano B. Estatstica aplicada gesto empresarial.
So Paulo: Atlas, 2007.
BUSSAB, W. O.; MORETIN, P. A. Estatstica bsica. 3. ed. So
Paulo: Atual, 1986.
COSTA NETO, P. L. O. Estatstica. So Paulo: Edgard Blcher,
1979.
COSTA NETO, P. L. O.; CYMBALISTA, M. Probabilidades. So
Paulo: Edgard Blcher, 1974.
DOWNING, D.; CLARK, J. Estatstica aplicada. 1. ed. So Paulo:
Saraiva, 1998.
FONSECA, J. S.; MARTINS, G. A.; TOLETO, G. L. Estatstica
aplicada. So Paulo: Atlas, 1995.
GUERRA, M.; GUERRA, M. J.; DONAIRE, D. Estatstica aplicada.
So Paulo: Cincia e Tecnologia, 1991.
KAZMIER, L. J. Estatstica aplicada economia e administrao.
So Paulo: Makron Books, 1982.
KUNE, H. Mtodos estatsticos para a melhoria da qualidade.
So Paulo: Gente, 1993.
LAPPONI, J. A. Estatstica usando Excel. 4. ed. Rio de Janeiro:
Elsevier, 2005.

75

Unidade II
MEDEIROS, E.; MEDEIROS, E.; GONALVES, V.; MUROLO, A.
C. Estatstica para os cursos de economia, administrao e
cincias contbeis. 2. ed. v. 1 e 2. So Paulo: Atlas, 1997.
__________. Tabelas de estatstica para os cursos de
economia, administrao e cincias contbeis. 2. ed. So Paulo:
Atlas, 1999.
MEYER, P. L. Probabilidade aplicaes estatstica. 1. ed. Rio
de Janeiro: Livros Tcnicos e Cientcos, 1976.
MILONE, G.; ANGELINI, F. Estatstica aplicada. So Paulo: Atlas,
1995.
MOORE, D. A estatstica bsica e sua prtica. 1. ed. Rio de
Janeiro: LTC, 2000.
MOORE, D; McCABE, G. P.; DUCKWORTH, W. M.; SCLOVE, S. L. A
prtica da estatstica empresarial. Como usar dados para tomar
decises. Rio de Janeiro: LTC, 2006.
SPIEGEl, M. R. Estatstica. So Paulo: Makron Books, 1993.
STEVENSON, W. J. Estatstica aplicada administrao. So
Paulo: Habra, 1981.
TRIOLA, M. F. Introduo estatstica. Rio de Janeiro: LTC, 2005.
WITTE, R. S.; WITTE, J. S. Estatstica. 7. ed. Rio de Janeiro: LTC,
2005.

76