Bioestatística em Educação Física

GRUPO
Educação a Distância
Caderno de Estudos
BIOESTATÍSTICA EM EDUCAÇÃO
FÍSICA
Prof.ª Ma. Grazielle Jenske
UNIASSELVI
2016
NEAD
CENTRO UNIVERSITÁRIO
LEONARDO DA VINCI
Rodovia BR 470, Km 71, nº 1.040, Bairro Benedito
89130-000 - INDAIAL/SC
www.uniasselvi.com.br
Copyright  UNIASSELVI 2016
Elaboração:
Revisão, Diagramação e Produção:

Centro Universitário Leonardo da Vinci - UNIASSELVI
Ficha catalográfica elaborada na fonte pela Biblioteca Dante Alighieri

UNIASSELVI – Indaial.
519.5024574
J51b Jenske; Grazielle
Bioestatística em educação física / Grazielle Jenske :
UNIASSELVI, 2016.
181 p. : il
ISBN 978-85-515-0018-7
1. Bioestatística.
I. Centro Universitário Leonardo da Vinci
APRESENTAÇÃO
Prezado acadêmico! Bem-vindo à disciplina de Bioestatística em Educação Física. A

estatística é um ramo da matemática que surgiu como Ciência a serviço do Estado, sendo esta
tão antiga quanto a própria matemática.
Ao falarmos em estatística, logo pensamos em dados numéricos ordenados e

sistematizados, pois estamos acostumados com essa ideia cada vez mais popularmente
difundida. Porém, quando tratamos da área do conhecimento específico em Ciências Biológicas,
verificamos que a bioestatística é uma importante ferramenta científica, porque utiliza os métodos
para coletar os dados biológicos, passando pela classificação, síntese, correção e análise
desses dados. Então, a partir disso, é possível inferir sobre as análises e tomar decisões.
Desta forma, a bioestatística é uma tentativa de aplicar regras matemáticas a uma ciência
experimental. Para utilizar essa ferramenta, precisamos nos basear em suposições, que são a
base de todo o procedimento, e serão estudadas com necessário número de detalhes com os
quais devemos ter prudência para tomarmos a decisão correta. Nesta perspectiva, surge este
caderno de estudos, que tem como propósito principal contribuir para esclarecer e minimizar
as dificuldades existentes entre os diversos domínios deste conhecimento.
Este caderno de estudos está dividido em três unidades que contemplam partes
importantes da Bioestatística em Educação Física, como: fases do método estatístico,
agrupamento de dados, estudo das medidas de tendência central e de dispersão, estudo
das medidas de correlação, análise de tabelas e gráficos, testes de hipóteses, bem como a
aplicação destes conteúdos.
Na primeira unidade serão apresentados os conceitos iniciais para a aprendizagem

da própria Estatística, assim como definições e maneiras para organizar e apresentar dados
estatísticos, de modo que os objetivos para a utilização desses métodos sejam alcançados,
pois ao organizar dados coletados por meio de pesquisa, observação ou experimentos, tem-se
a intenção de comunicá-los de maneira coerente e assim facilitar uma interpretação fidedigna
dos dados.
Na unidade seguinte, trataremos sobre as medidas de posição, elas representam uma

série de dados, orientando quanto à posição da distribuição com relação ao eixo horizontal.
Dentre as várias medidas de posição, descreveremos a média, a moda, a mediana, o desvio
padrão e o coeficiente de variação.
Por fim, na terceira unidade, conheceremos as funcionalidades dos testes estatísticos

aplicados à Educação Física. Estes testes são utilizados em situações em que se faz necessário
e útil estabelecer relações entre duas ou mais medidas.
BIOESTATÍSTICA EM EDUCAÇÃO FÍSICA iii

Queremos aqui lembrar, que este material traz um curso introdutório da Bioestatística
em Educação Física. Você deve se sentir curioso e instigado a pesquisar outros materiais para
ampliar e complementar seu aprendizado. Durante o texto, deixamos algumas sugestões e
outras podem ser verificadas nas referências bibliográficas.
Você, acadêmico, deve saber que além da curiosidade, existem outros fatores
importantes para um bom desempenho: a disciplina, a organização e um horário de estudos
predefinido são essenciais para que se obtenha sucesso nesta trajetória.
Esperamos que, ao término deste estudo, você tenha aprimorado os conhecimentos

sobre a Bioestatística, nos seus conceitos e definições, pois a melhoria constante deve ser o
objetivo de todo acadêmico. Desta forma, esta disciplina pretende oportunizar a compreensão
da construção dos conhecimentos aqui trabalhados e servir de subsídio para as disciplinas
subsequentes.
Bons estudos!
UNI
Oi! Eu sou o UNI, você já me conhece das outras disciplinas.
Estarei com você ao longo deste caderno. Acompanharei os seus
estudos e, sempre que precisar, farei algumas observações.
Desejo a você excelentes estudos!
UNI
BIOESTATÍSTICA EM EDUCAÇÃO FÍSICA iv

BIOESTATÍSTICA EM EDUCAÇÃO FÍSICA v
BIOESTATÍSTICA EM EDUCAÇÃO FÍSICA vi
SUMÁRIO
UNIDADE 1 - CONCEITOS BÁSICOS DA ESTATÍSTICA.................................................. 1
TÓPICO 1 - O MÉTODO ESTATÍSTICO.............................................................................. 3

1 INTRODUÇÃO.................................................................................................................. 3
2 CONCEITO DE ESTATÍSTICA.......................................................................................... 4
3 GRANDES ÁREAS DA ESTATÍSTICA............................................................................. 4
4 O MÉTODO ESTATÍSTICO............................................................................................... 6
4.1 MÉTODO EXPERIMENTAL........................................................................................... 6
4.2 MÉTODO ESTATÍSTICO................................................................................................ 7
5 FASES DO MÉTODO ESTATÍSTICO............................................................................... 7
5.1 DEFINIÇÃO DO PROBLEMA......................................................................................... 7
5.2 PLANEJAMENTO........................................................................................................... 8
5.3 COLETA DE DADOS...................................................................................................... 8
5.4 CRÍTICA DOS DADOS................................................................................................... 9
5.5 ORGANIZAÇÃO DOS DADOS...................................................................................... 9
5.6 ANÁLISE DOS RESULTADOS..................................................................................... 10
6 TERMOS BÁSICOS........................................................................................................ 10
6.1 POPULAÇÃO............................................................................................................... 10
6.2 AMOSTRA.....................................................................................................................11
6.3 AMOSTRAGEM............................................................................................................ 14
6.3.1 Amostragem probabilística........................................................................................ 14
6.3.2 Amostragem não probabilística................................................................................. 17
6.4 TAMANHO DE UMA AMOSTRA................................................................................... 18
RESUMO DO TÓPICO 1.................................................................................................... 22
AUTOATIVIDADE.............................................................................................................. 23
TÓPICO 2 - ARREDONDAMENTO, FRAÇÃO E PORCENTAGEM................................. 25

1 INTRODUÇÃO................................................................................................................ 25
2 ARREDONDAMENTO DE NÚMEROS........................................................................... 25
2.1 REGRAS DE ARREDONDAMENTO............................................................................ 27
3 FRAÇÕES....................................................................................................................... 28
3.1 TRANSFORMAÇÕES.................................................................................................. 29
3.2 OPERAÇÕES............................................................................................................... 33
4 PORCENTAGENS.......................................................................................................... 41
RESUMO DO TÓPICO 2.................................................................................................... 45
AUTOATIVIDADE.............................................................................................................. 46
TÓPICO 3 - AGRUPAMENTO DE DADOS....................................................................... 49

1 INTRODUÇÃO................................................................................................................ 49
2 VARIÁVEIS ESTATÍSTICAS........................................................................................... 49
2.1 VARIÁVEIS QUALITATIVAS......................................................................................... 50
BIOESTATÍSTICA EM EDUCAÇÃO FÍSICA vii

2.2 VARIÁVEIS QUANTITATIVAS...................................................................................... 50
3 AGRUPAMENTO DE DADOS........................................................................................ 52
3.1 DADOS BRUTOS......................................................................................................... 53
3.2 ROL.............................................................................................................................. 53
3.3 AGRUPAMENTO SIMPLES OU DISTRIBUIÇÃO DE FREQUÊNCIA SEM
INTERVALOS DE CLASSE.......................................................................................... 54
3.4 AGRUPAMENTO POR FAIXA DE VALOR OU DISTRIBUIÇÃO DE FREQUÊNCIA
COM INTERVALOS DE CLASSE................................................................................ 56
RESUMO DO TÓPICO 3.................................................................................................... 62
AUTOATIVIDADE.............................................................................................................. 63
UNIDADE 2 - MEDIDAS DE POSIÇÃO............................................................................. 67
TÓPICO 1 - MEDIDAS DE TENDÊNCIA CENTRAL......................................................... 69

1 INTRODUÇÃO................................................................................................................ 69
2 MÉDIA ARITMÉTICA...................................................................................................... 70
2.1 MÉDIA ARITMÉTICA PARA DADOS NÃO AGRUPADOS........................................... 70
2.2 MÉDIA ARITMÉTICA PARA DADOS AGRUPADOS EM DISTRIBUIÇÃO DE
FREQUÊNCIA SEM INTERVALO DE CLASSE........................................................... 72
FREQUÊNCIA COM INTERVALO DE CLASSE.......................................................... 79
3 MODA.............................................................................................................................. 82
3.1 DADOS NÃO AGRUPADOS........................................................................................ 82
3.2 DADOS AGRUPADOS EM DISTRIBUIÇÃO DE FREQUÊNCIA SEM INTERVALO
DE CLASSES............................................................................................................... 83
3.3 DADOS AGRUPADOS EM DISTRIBUIÇÃO DE FREQUÊNCIA COM INTERVALO
DE CLASSES............................................................................................................... 83
4 MEDIANA........................................................................................................................ 86
4.1 DADOS NÃO AGRUPADOS........................................................................................ 86
4.2 DADOS AGRUPADOS EM DISTRIBUIÇÃO DE FREQUÊNCIA SEM INTERVALO
DE CLASSES............................................................................................................... 88
4.3 DADOS AGRUPADOS EM DISTRIBUIÇÃO DE FREQUÊNCIA COM INTERVALO
DE CLASSES............................................................................................................... 90
RESUMO DO TÓPICO 1.................................................................................................... 93
AUTOATIVIDADE.............................................................................................................. 95
TÓPICO 2 - MEDIDAS DE DISPERSÃO........................................................................... 97

1 INTRODUÇÃO................................................................................................................ 97
2 AMPLITUDE TOTAL....................................................................................................... 98
3 DESVIO PADRÃO........................................................................................................... 98
3.1 DESVIO PADRÃO AMOSTRAL E DESVIO PADRÃO POPULACIONAL..................... 99
3.2 CÁLCULO DO DESVIO PADRÃO................................................................................ 99
3.2.1 Dados não agrupados............................................................................................... 99
3.2.2 Dados agrupados em distribuição de frequência sem intervalo de classes............ 102
BIOESTATÍSTICA EM EDUCAÇÃO FÍSICA viii

3.2.3 Frequência de classes............................................................................................ 104
4 COEFICIENTE DE VARIAÇÃO.................................................................................... 107
RESUMO DO TÓPICO 2...................................................................................................110
AUTOATIVIDADE.............................................................................................................111
TÓPICO 3 - SÉRIES E GRÁFICOS ESTATÍSTICOS.......................................................113

1 INTRODUÇÃO...............................................................................................................113
2 SÉRIE ESTATÍSTICA.....................................................................................................113
2.1 TIPOS DE SÉRIES......................................................................................................117
2.1.1 Séries históricas, cronológicas ou temporais...........................................................117
2.1.2 Séries geográficas, espaciais, territoriais ou de localização....................................118
2.1.3 Séries específicas ou categóricas............................................................................119
2.1.4 Séries conjugadas................................................................................................... 121
3 GRÁFICO ESTATÍSTICO.............................................................................................. 121
3.1 GRÁFICOS EM LINHA OU CURVA........................................................................... 122
3.2 GRÁFICOS EM COLUNAS OU EM BARRAS........................................................... 124
3.3 GRÁFICO EM SETORES........................................................................................... 125
3.4 PICTOGRAMAS......................................................................................................... 126
RESUMO DO TÓPICO 3.................................................................................................. 128
AUTOATIVIDADE............................................................................................................ 129
AVALIAÇÃO..................................................................................................................... 130
UNIDADE 3 - INTRODUÇÃO AOS TESTES ESTATÍSTICOS........................................ 131
TÓPICO 1 - INTRODUÇÃO À PROBABILIDADE........................................................... 133

1 INTRODUÇÃO.............................................................................................................. 133
2 DISTRIBUIÇÃO NORMAL............................................................................................ 133
2.1 TABELA Z................................................................................................................... 134
RESUMO DO TÓPICO 1.................................................................................................. 140
AUTOATIVIDADE............................................................................................................ 141
TÓPICO 2 - TESTES DE HIPÓTESES............................................................................ 143

1 INTRODUÇÃO.............................................................................................................. 143
2 TESTES CLÁSSICOS.................................................................................................. 143
3 ERROS DO TIPO I E II................................................................................................ 146
3.1 ERRO DO TIPO I (α).................................................................................................. 147
3.2 ERRO DO TIPO II (β)................................................................................................. 147
4 EXEMPLOS DE TESTES DE HIPÓTESES.............................................................. 148
4.1 TESTE DE HIPÓTESES PARA A MÉDIA QUANDO O DESVIO PADRÃO
DA POPULAÇÃO É CONHECIDO............................................................................. 150
4.1.2 Teste de hipóteses para a média quando o desvio padrão
da população é desconhecido................................................................................ 154
4.2 TESTE DE HIPÓTESES PARA A VARIÂNCIA POPULACIONAL σ2......................... 155
4.3 TESTE DE HIPÓTESES PARA A PROPORÇÃO POPULACIONAL P...................... 157
BIOESTATÍSTICA EM EDUCAÇÃO FÍSICA ix

RESUMO DO TÓPICO 2.................................................................................................. 159
AUTOATIVIDADE............................................................................................................ 160
TÓPICO 3 - REGRESSÕES E CORRELAÇÕES............................................................ 163

1 INTRODUÇÃO.............................................................................................................. 163
2 DIAGRAMA DE DISPERSÃO....................................................................................... 163
3 CORRELAÇÃO DE PEARSON.................................................................................... 165
4 REGRESSÃO LINEAR SIMPLES................................................................................ 168
4.1 EQUAÇÃO LINEAR................................................................................................... 169
RESUMO DO TÓPICO 3.................................................................................................. 174
AUTOATIVIDADE............................................................................................................ 175
APÊNDICE A................................................................................................................... 177
APÊNDICE B................................................................................................................... 178
APÊNDICE C................................................................................................................... 179
AVALIAÇÃO..................................................................................................................... 180
REFERÊNCIAS................................................................................................................ 181
BIOESTATÍSTICA EM EDUCAÇÃO FÍSICA x

UNIDADE 1
CONCEITOS BÁSICOS DA
ESTATÍSTICA
OBJETIVOS DE APRENDIZAGEM
A partir desta unidade, você será capaz de:
 identificar
a terminologia, símbolos usuais e conhecimentos
básicos encontrados em bioestatística;
 descrever e interpretar informações do campo da Educação Física

sob o aspecto estatístico;
 compreender os procedimentos técnicos e de cálculos essenciais

ao trabalho estatístico quanto aos dados biológicos;
 utilizar
a linguagem bioestatística como instrumento de apoio na
execução de atividades do cotidiano.
B
I
O
E
PLANO DE ESTUDOS S
T
A
Esta unidade está dividida em três tópicos, em cada um deles T
você encontrará atividades que o auxiliarão a fixar os conhecimentos Í
S
abordados. T
I
C
A
TÓPICO 1 – O MÉTODO ESTATÍSTICO E
M
TÓPICO 2 – ARREDONDAMENTO, FRAÇÃO E
PORCENTAGEM E
D
TÓPICO 3 – AGRUPAMENTO DE DADOS U
C
A
Ç
Ã
O
F
Í
S
I
C
A
B
I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
UNIDADE 1
TÓPICO 1
O MÉTODO ESTATÍSTICO
1 INTRODUÇÃO
Os primeiros registros da Estatística datam de aproximadamente 3000 anos a.C.

na Babilônia, China e Egito. Essas civilizações já possuíam a necessidade de registrarem
numericamente questões de seu convívio social, ou seja, já realizavam uma espécie de censo.
Os censos estavam relacionados ao número de habitantes, registros de nascimento, de óbitos,
estimativas de riquezas, taxas cobradas pelos governos, entre outras. B
I
O
Esses processos, ao longo dos anos, foram ganhando mais importância, até que em
E
meados do século XVII o acadêmico alemão Gottfried Achenwall (1719-1772) acabou atribuindo S
T
à Estatística proporção científica. A Alemanha teve grande influência no desenvolvimento da
A
Estatística, visto que foi na Escola Alemã que foram feitas as primeiras tabelas mais complexas, T
representações gráficas e cálculos de probabilidades. Í
S
T
A partir daí a Estatística foi estabelecida com o propósito de ser um conjunto de métodos, I
C
a fim de sistematizar os processos de organização de dados que as sociedades necessitavam. A
As tabelas foram se aprimorando, os primeiros cálculos foram surgindo e a estatística como
E
conhecemos hoje foi sendo moldada. M
E
Nas últimas décadas, a Estatística tem se mostrado presente nas mais diversas áreas D
de conhecimento, como a Educação, a Engenharia, a Administração, as Ciências Contábeis, a U
C
Medicina, a Agronomia, a Educação Física, a Biologia, a Psicologia e muitas outras. Destacamos
A
ainda que a área da Educação Física que atua em diversas linhas de pesquisa (saúde, lazer, Ç
educação e esporte, entre outras), também utiliza o tratamento estatístico analítico para inferir Ã
O
sobre seus parâmetros.
F
Í
Acadêmico, nesta disciplina você terá a oportunidade de aprender sobre a área da S
matemática que mais desperta o interesse das pessoas. Seja na empresa, com suas metas, ou I
C
A
4 TÓPICO 1 UNIDADE 1
no período eleitoral, com a antecipação do possível candidato eleito, a estatística é a área da

matemática que mais atrai curiosidade. Acreditamos que seja o motivo pelo qual a Estatística
estar, de alguma forma, mais próxima do cotidiano das pessoas, pois nenhum dos métodos
estatísticos é restrito a qualquer campo de aplicação, mesmo que alguns problemas necessitem
de técnicas estatísticas mais sofisticadas, ou até mesmo a utilização de softwares devido à
quantidade de informações a serem estudadas.
Serão apresentados alguns dos conceitos iniciais para a aprendizagem da própria

Estatística, assim como definições e maneiras para organizar e apresentar dados estatísticos de
modo que os objetivos para a utilização desses métodos sejam alcançados, pois ao organizar
dados coletados por meio de pesquisa, observação ou experimentos tem-se a intenção de
comunicá-los de maneira coerente, e assim facilitar uma interpretação fidedigna dos dados.
2 CONCEITO DE ESTATÍSTICA
A Estatística é definida por Crespo (2002) como uma parte da Matemática Aplicada que
fornece métodos para coleta, organização, análise e interpretação de dados e para a utilização
dos mesmos na tomada de decisões.
B
I
O Aprofundamos essa definição e a conceituamos como sendo o estudo de um grupo
E
S de indivíduos, objetos ou de qualquer comportamento coletivo, através de métodos, onde
T interpretamos os resultados deste estudo através de valores numéricos.
A
T
Í São exemplos de aplicabilidade da Estatística:
S
T
I a) A média da idade dos alunos ingressantes no curso de Educação Física é de 23 anos.
C b) A taxa de conversão do site da Uniasselvi variou 5% no último mês.
A
c) Os profissionais da área de Educação Física tem uma renda mensal média variando
E entre R$ 1800,00 e R$ 2000,00.
M
E
D
U
C 3 GRANDES ÁREAS DA ESTATÍSTICA
A
Ç
Ã
A Estatística é uma parte da matemática aplicada que, por meio da coleta, organização,
O
descrição, análise e interpretação de dados auxilia na tomada de decisões futuras. Atualmente,
F a Estatística pode ser dividida em três áreas: Estatística Descritiva, Probabilidade e Inferência
Í
S Estatística.
I
C
A
UNIDADE 1 TÓPICO 1 5
A Estatística Descritiva é definida como um conjunto de técnicas utilizadas com a

intenção de descrever e resumir dados, de modo a possibilitar que sejam tiradas conclusões a
respeito de determinado fenômeno de interesse. Geralmente, a Estatística Descritiva é utilizada
em uma fase inicial da pesquisa, a partir do primeiro contato com os dados que ainda estão,
muitas vezes, desorganizados, tendo uma grande importância ao lidarmos com quantidades
expressivas de dados. Nesses casos, é necessária a utilização de algumas técnicas que
simplifiquem e representem a totalidade dos dados, como, por exemplo, a organização destes
em tabelas e gráficos.
A probabilidade lida com a incerteza, com a possibilidade de um evento ocorrer ao

acaso, como em jogos de dados ou de cartas, sorteio de uma pessoa que tem determinada
característica em um grupo de pessoas que tem e que não tem essa característica.
Por último, a inferência estatística é o estudo de técnicas que permite uma generalização
por meio de uma determinada quantidade de dados, que se aplicam ao total da população
envolvida.
Para ser possível a realização de uma inferência a respeito de determinada situação,

inicialmente temos que ter uma problemática bem estabelecida, por exemplo: a necessidade
de abrir uma academia em determinada região da cidade, e a opinião dos consumidores a
respeito de uma nova marca de produtos para a saúde, pesquisas eleitorais para direcionar B
I
as próximas atitudes da assessoria dos candidatos. O
E
S
Após definida a problemática, é possível iniciar a coleta de dados, sendo que esta deve T
ser muito bem planejada para que a análise não gere informações incorretas. A coleta de dados A
T
pode ser realizada de maneira direta ou indireta, como veremos adiante. Í
S
T
Após a coleta dos dados, é preciso observá-los com a intenção de verificar imperfeições I
e falhas, para que estas não causem erros no resultado. Frequentemente, acontecem falhas C
A
em pesquisas que realizam perguntas tendenciosas, ou seja, que tentam induzir a resposta do
entrevistado. Vejamos um exemplo de pergunta tendenciosa: fazer exercícios físicos frequentes E
M
é mais importante do que ter uma alimentação saudável? Talvez não percebamos, mas o modo
como essa pergunta é feita induz ao entrevistado que é importante fazer exercícios físicos e E
ter uma alimentação saudável, o que na opinião do entrevistado pode não ser verdade e ainda D
U
tentar nos conduzir a responder que é mais importante fazer exercícios físicos. C
A
Ç
Ao formularmos a pergunta que fornecerá os dados para a pesquisa temos que tomar Ã
alguns cuidados. Não se deve utilizar uma linguagem que possivelmente o entrevistado não O
compreende e também não devemos fazer questões que induzam a uma resposta, isso pode F
alterar os dados, o que levará a uma pesquisa que gerou um resultado falso. Í
S
I
C
A
Após organizar os dados, frequentemente os expomos por meio de tabelas, quadros

ou gráficos, o que facilita, caso seja necessária a aplicação de um cálculo estatístico.
Por meio da Estatística indutiva ou inferencial podemos tirar conclusões e realizar

previsões relativas ao total da população, mesmo que apenas parte desta tenha sido
entrevistada, ou seja, utilizou-se uma amostra, mas os resultados podem ser generalizados
para toda a população.
Este ciclo descreve as fases do método estatístico, que veremos de forma mais
aprofundada a seguir.
4 O MÉTODO ESTATÍSTICO
No grego, methodos significava caminho para se chegar a um fim. Atualmente, um

método consiste em um conjunto de etapas, ordenadamente dispostas, a serem vencidas:
• na investigação da verdade;
• no estudo de uma ciência;
B
I • ou para alcançar um determinado fim.
O
E
S Dos métodos científicos, vamos destacar o método experimental e o estatístico.
T
A
T
Í
S
T 4.1 MÉTODO EXPERIMENTAL
I
C
A As primeiras investigações foram realizadas na primeira metade do século XIX, por
Gustav Ferchner e conforme o próprio termo sugere este método, através da experimentação,
E
M consiste em limitar as áreas investigadas, mantendo constantes todas as causas, menos uma,
variando-a de modo que se possa descobrir suas implicações, caso existam.
E
D
U Este método tem um papel importante para o conhecimento do comportamento humano
C
A e animal. Um exemplo de aplicação do método experimental é na testagem da eficácia de um
Ç determinado medicamento, onde criam-se dois grupos, em que um grupo recebe a medicação
Ã
O em teste e o outro recebe placebo, ou seja, com as mesmas causas (perfil dos participantes,
hábitos, doenças preexistentes), no entanto, altera-se a composição da medicação.
F
Í
S
I
C
A
4.2 MÉTODO ESTATÍSTICO
Em situações em que não é possível manter as causas constantes, utilizamos o método

estatístico. O método estatístico considera todas as causas envolvidas no processo como
variável e procura determinar no resultado final e que influências cabem a cada uma delas.
Como exemplo, pode-se citar a viabilidade ou não da abertura de uma academia, a partir
de uma pesquisa de mercado. Pelo processo do método experimental, neste caso, poderia
ser custoso e inadequado.
A seguir, vamos detalhar cada uma das fases do método estatístico.
5 FASES DO MÉTODO ESTATÍSTICO
São seis as fases do método estatístico, a saber:

B
• Definição do problema. I
O
• Planejamento. E
• Coleta de dados. S
T
• Crítica dos dados. A
• Organização de dados. T
Í
• Análise dos resultados.
S
T
I
Adiante detalharemos cada uma delas.
C
A
E
M
5.1 DEFINIÇÃO DO PROBLEMA
E
D
U
Esta fase consiste na definição e formulação correta do problema a ser estudado. Outra C
parte importante desta fase é analisar outros estudos já realizados sobre a questão para traçar A
Ç
estratégias assertivas para a pesquisa. Ã
O
São sugestões de temas a tratar: F
Í
S
• Variação de altura, peso.
I
C
A
• Tratamento de dados relativos aos desempenhos dos alunos no salto em altura,

lançamento de pesos.
• Frequência de batimentos cardíacos.
• O tempo necessário para a realização de uma prova.
5.2 PLANEJAMENTO
Após a definição do problema, neste momento, ocorre o plano de como os processos

serão realizados. É nesta fase que se decide de qual forma serão obtidos os dados, quais
serão as variáveis abordadas, qual a população de interesse e o tipo de amostragem, termos
estes que detalharemos adiante.
5.3 COLETA DE DADOS
Após delimitar o problema de pesquisa e definir um plano de ação, é preciso pensar

B em como obter os dados. Para isso, existem duas maneiras: uma é usar dados já coletados
I
por outra pessoa (dados secundários), outra é coletar os próprios dados (dados primários).
O
E Isso caracteriza a coleta como indireta e direta, respectivamente.
S
T
A A coleta indireta é indicada quando há disponibilidade de dados secundários adequados,
T assim economiza-se a coleta dispendiosa de dados primários. No entanto, quando se usam
Í
S dados secundários, as definições, a finalidade, a cobertura, a frequência (quantas vezes), a
T temporalidade (atualidade), o nível de desagregação (os detalhes) e a exatidão (incluindo o
I
C tamanho da amostra e a tendenciosidade dos questionamentos feitos) podem ser inadequados
A aos objetivos propostos. Podemos fazer uso da coleta secundária ao utilizar, por exemplo, os
E
dados do censo, visto ser esta uma estatística oficial (que segue os critérios e fases do método
M estatístico).
E
D A coleta direta ocorre quando não há disponibilidade de dados primários, sendo
U necessário obter os dados diretamente da fonte. Um exemplo disso é quando uma indústria
C
A de medicamentos realiza uma pesquisa para saber a preferência dos consumidores pela sua
Ç marca.
Ã
O
A coleta direta de dados pode ser classificada com relação ao fator tempo, como:
F
Í
S a) Contínua (registro) - quando é feita continuamente, tal como a de nascimentos, óbitos,
I
C os registros da fiscalização eletrônica de velocidade etc.
A
b) Periódica - quando é feita em intervalos de tempo constantes, como os censos

demográficos, matrículas semestrais e/ou anuais dos estudantes etc.
c) Ocasional - quando feita ocasionalmente, a fim de atender a uma conjuntura ou uma

emergência, como no caso de epidemias, pesquisas eleitorais, avaliações etc.
5.4 CRÍTICA DOS DADOS
Realiza-se neste processo uma auditoria dos dados, em busca de possíveis falhas e
imperfeições ou dados a serem desconsiderados (repetições, omissões etc.), a fim de não
incorrer em erros que possam influir sensivelmente nos resultados.
A crítica dos dados pode ser de origem interna ou externa.
a) Crítica Interna: quando visa observar os elementos originais dos dados da coleta.
b) Crítica Externa: quando visa às causas dos erros por parte do informante, por distração
ou má interpretação das perguntas que lhe foram feitas.
B
I
Por exemplo, ao aplicar o questionário, temos que fazer uma crítica para verificar se O
E
as respostas obtidas condizem com a nossa necessidade (crítica interna), no caso de haver S
erros precisamos saber o motivo da ocorrência dos mesmos para futura correção, verificamos T
A
se o pesquisado estava desatento, ou se a questão foi mal interpretada etc. (crítica externa). T
Í
S
T
I
C
5.5 ORGANIZAÇÃO DOS DADOS A
E
Após os processos comentados anteriormente, necessitamos organizá-los, ou seja, M
realizar a soma e o processamento dos dados obtidos, bem como sua disposição mediante
E
critérios de classificação. Este resumo dos dados pode ser feito através de contagem e/ou D
agrupamento. A importância desta fase do método se encontra na facilidade posterior do U
C
entendimento das informações. A
Ç
Ã
Já os dados podem ser apresentados de duas formas, que não se excluem mutuamente: O
a apresentação tabular, que é uma apresentação numérica dos dados em linhas e colunas
F
distribuídas de modo ordenado, segundo regras práticas fixadas pelo Conselho Nacional de Í
Estatística; e a apresentação gráfica, que constitui uma apresentação geométrica, permitindo S
I
uma visão rápida e clara do fenômeno. C
A
5.6 ANÁLISE DOS RESULTADOS
Trata-se do principal objetivo da estatística, apurar resultados e interpretá-los. Está ligada

essencialmente ao cálculo de medidas e coeficientes, e sua finalidade principal é descrever o
fenômeno. Estes números, ao serem interpretados, irão traduzir informações importantes nas
tomadas de decisão acerca do experimento desejado.
Assim, completamos as fases do método estatístico.
FIGURA 1 - FASES DO MÉTODO ESTATÍSTICO
B
I
O
E
S
FONTE: A autora
T
A
T
Í
S
T 6 TERMOS BÁSICOS
I
C
A
Até aqui usamos diversos termos característicos da estatística e que irão nos
E acompanhar durante o estudo desta disciplina. Desta forma, faz-se necessário descrevê-los
M
com maior detalhamento. Assim, a seguir, apresentaremos os termos básicos da Estatística.
E
D
U
C
A
Ç
6.1 POPULAÇÃO
Ã
O
Definimos população (ou universo estatístico) o conjunto de todos os indivíduos ou a
F todos os objetos do grupo em que serão estudados a partir dos métodos estatísticos.
Í
S
I São exemplos de população:
C
A
a) SITUAÇÃO: Um professor quer saber a altura média dos acadêmicos do terceiro

semestre do curso de Educação Física da Uniasselvi.
POPULAÇÃO: Todos os acadêmicos do terceiro semestre do curso de Educação Física
da Uniasselvi.
b) SITUAÇÃO: Analisar os batimentos cardíacos de homens fumantes na faixa dos

35 a 40 anos, residentes em Indaial – Santa Catarina, quando expostos a atividades físicas.
POPULAÇÃO: Todos os homens fumantes na faixa dos 35 a 40 anos, residentes em
Indaial – Santa Catarina
c) SITUAÇÃO: O Conselho Federal de Educação Física está realizando um censo e

quer saber qual a área de intervenção dos profissionais habilitados em Educação Física.
POPULAÇÃO: Todos os profissionais habilitados em Educação Física no Brasil.
FIGURA 2 - POPULAÇÃO
B
I
O
E
S
FONTE: Adaptado de: <http://revistaepoca.globo.com/Revista/Epoca/
T
foto/0,,45290355,00.jpg>. Acesso em: 26 jun. 2016.
A
T
Í
Em situações em que o número de indivíduos ou elementos for muito grande,
S
inviabilizando estudar toda a população, utilizamos uma parte da população que denominamos T
de amostra. I
C
A
E
M
6.2 AMOSTRA
E
D
U
Amostra é um conjunto que está contido na população estatística. Em outras palavras, C
é uma parcela representativa da população a ser estudada. Por este fato, a amostra deve A
Ç
caracterizar a população através das mesmas configurações, porém em menor escala de Ã
quantidade de elementos a serem estudados. O
F
Certamente você já vivenciou uma situação semelhante à apresentada a seguir: Í
S
I
C
A
FIGURA 3 - SITUAÇÃO DE AMOSTRA
FONTE: Disponível em: <http://www.alea.pt/html/nocoes/img/cartoon2_2_3_2.gif>. Acesso em: 26 jun.

2016.
Ao criar uma amostra referente a uma população ganhamos em tempo e redução de

esforços para realizar os estudos solicitados. Veja os exemplos:
a) Foram entrevistados 400 acadêmicos de uma determinada instituição para saber

sua satisfação com os serviçõs oferecidos por ela.
Note que 400 acadêmicos são uma amostra do total de acadêmicos desta instituição.
B b) Uma empresa coletou 200 cartelas do medicamento X contidas em diversos lotes

I de produtos, para testar sua qualidade.
O
E
S Repare que 200 cartelas não é o conjunto de todas as cartelas de todos os lotes
T
A produzidos pela empresa. Logo, é uma amostra.
T
Í
S FIGURA 4 - DIFERENÇA ENTRE POPULAÇÃO E AMOSTRA
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I FONTE: Adaptado de: <http://revistaepoca.globo.com/Revista/Epoca/
C foto/0,,45290355,00.jpg>. Acesso em: 26 jun. 2016.
A
Desta forma, podemos destacar cinco principais razões que levam o pesquisador a
trabalhar com amostras:
a) Economia: Quanto maior a amostra, maior o custo de obtenção dos dados.

b) Tempo: Muitas vezes o fator tempo é determinante numa pesquisa. Por exemplo,
em uma pesquisa epidemiológica ou de “boca de urna”, não haveria tempo suficiente para se
abordar toda a população, mesmo havendo recursos financeiros disponíveis.
c) Confiabilidade dos Dados: Considerando o fator “fadiga” como elemento limitador
das potencialidades humanas. No caso de uma amostra, pode se dedicar mais atenção aos
casos individuais, evitando erros de mensuração e/ou processamento. Atente que geralmente é
mais eficiente estudar um grupo pequeno de forma intensiva do que estudar um grande grupo
de maneira superficial – quantidade versus qualidade.
d) Operacionalidade: É mais fácil realizar operações de pequena escala. Um dos maiores
problemas nos grandes censos é controlar os pesquisadores.
e) População inexistente: Dinossauros.
Em contrapartida, existem três razões fundamentais que não permitem ao pesquisador

optar por amostragem em determinadas pesquisas:
a) População Pequena: Sob o enfoque de amostragens aleatórias, se a população for

pequena, ou seja, inferior a 100 elementos, usar a técnica da amostragem significaria inserir B
I
uma margem de erro sem reduzir significativamente o tamanho da amostra. O
b) Característica de Fácil Mensuração: Mesmo que a população não seja tão pequena, E
S
quando a variável que se quer observar é de tão fácil de mensuração que não compensa investir T
num Plano de Amostragem. A
T
c) Necessidade de Alta Precisão: Quando o parâmetro for, por exemplo, o censo Í
demográfico de um país, esse parâmetro precisa ser avaliado com grande precisão pois é S
T
fundamental para o planejamento desse país. Nesse caso se pesquisa toda a população. No I
Brasil isso ocorre a cada dez anos e é desenvolvido pelo Instituto Brasileiro de Geografia e C
A
Estatística - IBGE -, certamente você ou seus familiares já participaram desta pesquisa.
E
M
ÇÃO!
ATEN E
D
U
C
Acadêmico, toda pesquisa por amostragem tem o risco de um
A
erro, esse erro é previsto e determinado, no caso de população
Ç
pequena, o número de indivíduos da amostra representa quase
Ã
toda a população. Mais adiante veremos como esse erro aparece
O
no cálculo do tamanho da amostra.
F
Í
S
Você deve estar se perguntando: Como uma amostra pode representar uma informação I
correta de um conjunto muito grande de dados? Por que, em uma eleição, cidades com altas C
A
populações são escolhidas apenas cerca de 2000 pessoas para darem suas intenções de voto
e assim prever o candidato eleito?
Dois fatores são fundamentais para que uma amostra represente uma população,
uma delas é o tipo de amostragem utilizada e o outro corresponde a determinados cálculos
estatísticos que devemos fazer para chegar a estas comprovações. Veremos isto de maneira
detalhada a seguir:
6.3 AMOSTRAGEM
Temos várias maneiras de extrair e utilizar amostras. No entanto, o método a ser utilizado
deve estar de acordo com os objetivos do estudo. Em primeiro lugar, temos de determinar a
população-alvo, isto é, se é composta por todos as pessoas que vivem numa área de influência,
os alunos da academia, ou só as mulheres, por exemplo.
Uma vez definida a população, temos que elaborar uma lista desses elementos. Por lista
entendemos a descrição de todos eles. Isso parece levantar alguns problemas, por exemplo:
como é que obtenho a lista de todos as pessoas da área de influência de uma academia?
B
I Ou: como é que obtenho a lista de todas as mulheres que praticam atividade física numa
O determinada cidade?
E
S
T Nestes casos, temos que dar resposta a esta situação mudando para um quadro
A
T de amostragem que seja compatível com a população a estudar. A dimensão da amostra é
Í importante, sobretudo se pretendermos realizar inferência estatística e probabilidades para as
S
T médias e proporções que viermos a encontrar. Mais adiante veremos como isso é possível.
I
C
A
Os passos seguintes serão a extração da amostra e a sua validação, isto é, a forma de
nos assegurarmos que ela é suficientemente representativa. Neste ponto você verificará os
E
principais métodos de amostragem, através de exemplos práticos. Numa ideia generalista, as
M
amostragens podem ser divididas em probabilísticas e não probabilísticas.
E
D
U
C
A
Ç 6.3.1 Amostragem probabilística
Ã
O
Neste tipo de amostragem, todos os elementos da população possuem probabilidade
F
Í de pertencer à amostra. Este é o conjunto de amostragem mais adequado para um estudo
S correto e imparcial da maioria dos casos.
I
C
A
Amostragem Aleatória
A amostragem aleatória ocorre quando nos métodos de escolha dos participantes da

amostra é realizado um sorteio aleatório, como o próprio nome sugere, em que todos os seus
elementos possuem a mesma probabilidade de pertencerem a esta amostra. Este sorteio pode
ser realizado por softwares específicos ou com tabelas de números aleatórios.
Exemplo: Imaginemos uma população com número de indivíduos igual a 30.000,

simbolicamente: N = 30.000. Desejamos coletar dela n = 3.000 elementos para uma amostra.
10
Ao realizar a amostragem aleatória, os elementos possuem probabilidade 100 (dez a
cada cem) de participarem da amostra. Os elementos da população são numerados de 1 a
30.000 e é realizado um sorteio para a definição dos participantes.
Este método mostra-se muito útil quando a população é pequena, quando existe uma
listagem disponível e, quando a dispersão geográfica não é um problema. Porém, não é
indicado quando há a necessidade de se possuir uma lista completa de todos os elementos da
população e apresenta um elevado custo para a obtenção de informação sobre os elementos
selecionados.
Amostragem Sistemática B
I
O
A amostragem sistemática é um processo de amostragem probabilístico não aleatório, E
S
ou seja, é um processo em que se selecionam os sujeitos a incluir na amostra utilizando um T
critério. Este tipo de amostragem é utilizado quando os elementos da amostra se encontram A
T
ordenados. Ele consiste em selecionar um ponto de partida aleatório e em seguida tomar cada Í
“n” elementos de uma lista. S
T
I
Exemplo: Para realizar uma amostragem sistemática em uma população de 500 C
A
profissionais habilitados em Educação física, inicialmente devemos numerá-los de 1 até 500.
Então realizamos um sorteio e, suponhamos que saiu o número 37, logo esse funcionário será o E
M
primeiro pesquisado. Após efetuar os cálculos (que aprenderemos posteriormente) verificamos
que uma boa amostra dessa população é formada por 25 indivíduos, então fazemos a divisão E
de 500 por 25, o que resulta 20. Esse 20 representa o “passo” que daremos para “escolher” D
U
outro profissional, como começamos no profissional de número 37, vamos somando de 20 em C
20 para determinar os outros pesquisados, nesse caso seriam os funcionários de números: A
Ç
57, 77, 97, ..., até determinar os 25 indivíduos da amostra. Neste exemplo, cada profissional Ã
O
25
possui probabilidade 500 de participar da amostra.
F
Í
S
I
C
A
Amostragem Estratificada
A amostragem estratificada é muito indicada para pesquisas em sua área, acadêmico

de Educação Física! Ela é indicada quando evidenciamos que existem diferenças significativas
entre subgrupos da população que pretendemos estudar. Esses subgrupos são denominados
de “estratos” e devem estar representados na amostra de forma proporcional ao seu “peso”
na população.
Para realizar a amostragem estratificada devemos iniciar por identificar esses subgrupos
significativos (estratos), depois calcular o peso relativo (%) de cada um dos estratos na
população (iremos relembrar estes cálculos no tópico a seguir) e, por fim, utilizar, em cada
um dos estratos, o procedimento de amostragem aleatória para determinar os sujeitos de
cada estrato que irão integrar a amostra na mesma proporção em que estão representados
na população.
IMPO
RTAN
TE!

É importante destacar que os estratos devem ser mutuamente
exclusivos, isto é, cada elemento da população apenas deve estar
B incluído num estrato e exaustivos, ou seja, nenhum elemento da
I população pode ficar fora de um estrato.
O
E
S
T Utilizar este processo antes do sorteio da amostra é fundamental, ao passo que esta
A
T
amostra deve ser representativa. Seria bastante estranho, por exemplo, numa população de 100
Í pessoas onde 80% são mulheres, criarmos uma amostra com 90% de homens. Com certeza
S
esta amostra não representaria “de forma justa” esta população.
T
I
C Exemplo: Em uma pesquisa sobre os benefícios do hábito de atividades físicas na vida
A
das pessoas que têm entre 20 e 40 anos de idade de uma determinada cidade, precisamos levar
E em consideração que existem diferenças significativas entre a população feminina e masculina.
M
Desta forma, é importante que a nossa amostra inclua um número de homens e de mulheres
E que fosse proporcionalmente igual ao que existe na população em estudo.
D
U
C Vamos supor que esta cidade possui uma população de N = 20.000 habitantes entre
A
Ç 20 e 40 anos e para uma análise acerca do benefício do hábito de atividades físicas desta
Ã população é necessária uma amostra de tamanho n = 500. Além disto, nos deparamos com
O
6.000 homens e 14.000 mulheres. Como devemos escolher de forma justa os elementos desta
F amostra?
Í
S
I Como já citamos anteriormente, para este caso, devemos ter mais elementos do estrato
C de mulheres, pois são maioria nesta cidade. Para realizar esta separação de forma “justa”
A
utilizaremos a proporcionalidade. Chamaremos de E1 o estrato dos homens e E2 o estrato

das mulheres. Assim:
n ( E1 ) 6000
• Para homens: E1 = = = 0, 3 = 30%
N 20000
n ( E2 )
• Para mulheres: E1 = =
14000
= 0, 7 = 70%
N 20000
Destes resultados, segue que 30% da amostra deve ser escolhida do grupo de homens
e 70% do grupo de mulheres.
ÇÃO!
ATEN
Veja, acadêmico, que a soma das porcentagens de todos os

estratos deve sempre fechar 100%, que representam o total da
população.
Posteriormente, devemos calcular em termos absolutos a quantidade real de elementos

componentes da amostra:
B
I
• Homens: n1 = n ⋅ 30% = 500 ⋅ 0, 3 = 150
O
E
• Mulheres: n2 = n ⋅ 70% = 500 ⋅ 0, 7 = 350 S
T
A
E assim, a amostra será composta por 150 homens e 350 mulheres, completando 150 T
Í
+ 350 = 500 participantes, conforme solicitado. S
T
I
C
A
6.3.2 Amostragem não probabilística E
M
Este tipo de amostragem é utilizado quando, no experimento desejado, é impossível E

D
encontrar as probabilidades para que os elementos participem da amostra ou são escolhidos pela
U
simplicidade de seu processo. Vejamos os principais casos de amostragem não probabilística. C
A
Ç
Inacessibilidade à População Ã
O
Utilizamos esta amostragem quando a população não é acessível em sua totalidade. F

Um exemplo dessa situação é quando se deseja encontrar uma característica importante de Í
S
todo o minério coletado em uma jazida. Por simplicidade e custo iremos coletar o minério I
existente na parte mais superficial, sendo que coletá-lo em profundidades maiores seria muito C
A
demorado e custoso.
Amostragem a Esmo (ou sem Norma)
Podemos utilizar este processo de amostragem ao passo que a população que

desejamos realizar o experimento seja bastante homogênea. Por exemplo, se desejamos
retirar uma amostra de tamanho n = 300 de uma população de N = 30.000 bolas de voleibol
de um mesmo lote, realizar uma amostragem aleatória seria o ideal, porém, demasiadamente
trabalhoso num contexto em que se necessitam resultados rápidos. Neste caso, realizando
uma amostragem a esmo, podemos selecionar as 300 primeiras bolas, sem talvez perder o
valor estatístico do processo.
Amostragem Intencional
A pessoa responsável pela amostra escolhe, a seu critério, os elementos da amostra,

por aferir os elementos que mais representam a população.
Deixamos claro aqui que este processo é bastante perigoso, por talvez permitir
manipulações e parcialidade em pesquisas importantes, por exemplo, pesquisas eleitorais.
Assim, fechamos os principais métodos de amostragem. É válido frisar que a amostragem

define a forma (método) com que a amostra é selecionada, de modo que faça uma representação
B fidedigna da população, conforme exemplifica a ilustração a seguir.
I
O
E FIGURA 5 - CICLO PARA DETERMINAR UMA AMOSTRA
S
T
A
T
Í
S
T
I
C
A
E
M FONTE: Adaptado de: <http://revistaepoca.globo.com/Revista/Epoca/foto/0,,45290355,00.
jpg>. Acesso em: 26 jun. 2016.
E
D
U
C
A
Ç 6.4 TAMANHO DE UMA AMOSTRA
Ã
O
Quando iniciamos este tópico fomos questionados sobre como conseguimos descobrir
F
Í qual deve ser a quantidade exata de elementos de uma amostra para que ela realmente
S represente a população estudada e que seus resultados possam gerar confiabilidade. Para
I
C tanto, deve-se seguir as quatro etapas descritas abaixo:
A
1
n0 =
E02
1a Etapa: Cálculo da Amostra Ideal:
N ⋅ n0
n=
N + n0
2a Etapa: Cálculo da Amostra Mínima:
n
3a Etapa: Cálculo do Estimador da Amostra: x =
N
4a Etapa: Aplicação do Estimador aos Estratos (cada categoria): ( estrato ) ⋅ x
Sendo:
N = Tamanho da População;
n = Tamanho da Amostra;
no = Tamanho da Amostra Ideal (primeira aproximação);
E0 = Erro Amostral Tolerável (admissível)
Ç ÃO!
ATEN
B
I
O
O erro amostral é tolerável na forma de coeficiente, ou seja:
E
7 34
7%
= = 0, 07 , ou ainda: 34=
% = 0, 34 . S
100 100 T
A
T
Í
Exemplo 1: Numa população de N = 30.000 elementos, qual deve ser o tamanho n da S
amostra ideal para que a pesquisa tenha erro inferiror a 4%? T
I
C
1 1
E0 4=
Resolução: Como = % 0, 04 temos: n0 = = = 625 A
( 0, 04 )
2
0, 0016
E
Que representa a amostra ideal para o caso. Incluindo agora o peso da população, M
vem: n = 625 ⋅ 30000 ≅ 613
625 + 30000 E
D
U
C
UNI A
Ç
Ã
Note que apesar do arredondamento para inteiro do número O
612,24489... ser 612, usamos 613. Para tamanho de amostra,
sempre arredondamos para cima, para garantirmos o tamanho F
mínimo da amostra e ficarmos abaixo do erro amostral admitido. Í
S
I
C
A
Sendo assim, a amostra para esta pesquisa deve ter 613 elementos para ter erro
inferior a 4%.
Exemplo 2: Planeja-se um levantamento por amostragem para avaliar diversas

características da população de estudantes da Instituição X. Estas características (parâmetros)
são especialmente: idade média, renda per capita, local de origem etc. Utilizando a tabela a
seguir, com dados referentes a 2016, qual deve ser o tamanho mínimo de uma amostra aleatória
simples, por curso (estratos), tal que possamos admitir que o risco de estarmos errados não
ultrapassem 5%?
TABELA 1 - MATRÍCULAS DOS CURSOS DE GRADUAÇÃO DA

INSTITUIÇÃO X EM 2016
CURSO ALUNOS AMOSTRA

Educação Física 870
Engenharia Civil 662
Direito 1 555
Finanças 245
Moda 529
Marketing 340
B Serviço Social 2 423
I
O TOTAL 6 624
E
S FONTE: A autora
T
A
T Para determinar o número de indivíduos de cada curso para fornecer a amostra,
Í seguimos as quatro etapas citadas anteriormente:
S
T
I 1ª etapa: cálculo da Amostra Ideal: (lembrete: E0 = Erro amostral = 5% = 0,05)
C 1 1 1 1
A n0 = = = = = 400 alunos
( E0 ) ( 0, 05) 0, 05 ⋅ 0, 05 0, 0025
2 2
E
2ª etapa: cálculo da Amostra Mínima: (Lembrete: N = população, ou seja, soma de todos
M
os alunos dos cursos = 6 624.)
E N ⋅ n0 6624 ⋅ 400 2649600
n= = = = 377, 221 ≅ 378 alunos
D N + n0 6624 + 400 7024
U
C 3ª etapa: cálculo do Estimador da Amostra:
A
Ç
Ã
O
F
Í
S
I
C 4ª etapa: aplicação do Estimador aos Estratos: ( estrato ) ⋅ x
A
IMPO
RTAN
T E!

Nesta etapa, deve-se multiplicar a quantidade de alunos de cada
curso pelo valor do estimador.
IMPO
RTAN
T E!

Os valores de cada turma foram arredondados em função de
ser uma variável discreta – pessoas – além disso, para garantir
o erro mínimo temos que arredondar sempre para cima, não
importando os dígitos decimais. B
I
O
E
TABELA 2 - MATRÍCULAS DOS CURSOS DE GRADUAÇÃO DA
S
INSTITUIÇÃO X EM 2016
T
CURSO ALUNOS AMOSTRA A
T
Educação Física 870 50 Í
S
Engenharia Civil 662 38 T
Direito 1 555 89 I
C
Finanças 245 14 A
Moda 529 31 E
Marketing 340 20 M
Serviço Social 2 423 139 E

D
TOTAL 6 624 381 U
FONTE: A autora C
A
Ç
Ã

UTU
ROS
! O
DOS F
ESTU
F
Í
No próximo tópico iremos recordar conceitos de arredondamento,
S
frações e porcentagens. Caso estejas com dificuldades para
I
compreender estes cálculos, avance para o Tópico 2 e depois retorne
C
para realizar estas autoatividades.
A
RESUMO DO TÓPICO 1
Neste tópico, vimos que:
• Um método de pesquisa pode ser experimental ou estatístico. O método estatístico é composto

por seis fases: definição do problema, planejamento, coleta de dados, crítica dos dados,
organização de dados e análise dos resultados. Sobre eles, devemos saber:
A coleta de dados pode ser direta ou indireta, sendo que a coleta direta pode ser
o
contínua, ocasional ou periódica.
A crítica dos dados pode ser externa ou interna.
o
A organização de dados nada mais é que um resumo dos dados e pode ser feito
o
através de contagem e/ou agrupamento. A importância desta fase do método se
encontra na facilidade posterior do entendimento das informações. Após realizado
esse “resumo”, os dados podem ser apresentados de duas formas: a apresentação
tabular e a apresentação gráfica.
B A análise dos resultados é o objetivo principal da estatística; consiste em apurar
o
I
resultados e interpretá-los.
O
E
S
• Quando, em uma pesquisa, decide-se analisar uma amostra, devemos recorrer aos métodos
T
A de amostragem. Estes métodos consistem no processo de seleção e escolha dos elementos de
T uma população para formar uma amostra que represente fidedignamente a população.
Í
S
T • Existem dois grandes grupos dentro da amostragem:
I
C
A Amostragem probabilística, que pode ser: amostragem aleatória, sistemática ou
o
E estratificada.
M Amostragem não probabilística: por inacessibilidade à população, a esmo (ou sem
o
E norma) ou intencional.
D
U
• Para obter uma amostra ideal, devemos seguir quatro etapas:
C
A
Ç 1
1a Etapa: Cálculo da Amostra Ideal: n0 =
Ã E02
O
N ⋅ n0
2a Etapa: Cálculo da Amostra Mínima: n =
F N + n0
Í
S n
3a Etapa: Cálculo do Estimador da Amostra: x =
I N
C
A 4a Etapa: Aplicação do Estimador aos Estratos (cada categoria): ( estrato ) ⋅ x

IDADE
ATIV
AUTO
Acadêmico, um dos princípios da Uniasselvi é “Não basta saber, é preciso saber fazer”.
Agora chegou a sua vez de colocar em prática os conceitos sobre matrizes, estudados
neste tópico.
1 A natação é uma atividade física praticada na água que surgiu na Grécia Antiga e é
amplamente praticada até os dias atuais, por ser considerada um dos esportes mais
benéficos ao corpo humano. Ao realizar um estudo sobre o tempo gasto, em segundos,
por 60 indivíduos, na modalidade dos 50 metros Crawl (também conhecido como nado
livre), registrou-se o tempo gasto por 16 desses atletas. Os resultados foram os seguintes:
22,1 23,5 23,0 22,2 21,6 23,7 23,1 22,4

21,6 22,2 21,8 21,9 22,0 22,3 21,9 23,3
Considerando estas informações, responda: Os dados coletados são suficientes para B

que a pesquisa tenha um erro amostral de 4%? Se não, qual deveria ser o tamanho I
O
desta amostra? E
S
T
a) ( ) Sim, os 16 atletas são suficientes para que a pesquisa apresente um erro amostral A
de 4%. T
Í
b) ( ) Não, será necessário registrar o tempo de 54 atletas. S
c) ( ) Não, será necessário registrar o tempo de 55 atletas. T
I
d) ( ) Não, será necessário registrar o tempo de 56 atletas.
C
A
2 O atletismo é um conjunto de atividades esportivas de corrida, saltos e arremessos.
E
A mais tradicional competição do atletismo é a corrida de pista e envolve várias provas, M
entre elas, a maratona. A maratona mais famosa no Brasil e na América Latina é a
E
Corrida Internacional de São Silvestre. Essa maratona é uma corrida de rua realizada D
anualmente na cidade de São Paulo, no dia 31 de dezembro. Ela foi criada em 1925, U
C
atualmente tem um percurso de 15 km. Apenas a partir de 1945 tivemos a participação A
de atletas de outros países e tornou-se uma corrida mista em 1975, quando começou Ç
Ã
a participação oficial das mulheres. O
Em 2015, a 91ª edição da Corrida de São Silvestre teve a participação de 30 mil pessoas
F
de 37 países, porém, apenas 23.268 corredores completaram a prova. Dos corredores
Í
que finalizaram a prova, tivemos, aproximadamente, 70% homens e 30% mulheres. S
I
C
A
Agora, suponha que você fará uma pesquisa por amostragem estratificada, levando
em conta um erro de, no máximo 5%, com as mulheres que completaram esta prova.
Qual deve ser o número mínimo de mulheres entrevistadas para a amostra?
a) ( ) O número mínimo de mulheres entrevistadas para a amostra deve ser de 119.

b) ( ) O número mínimo de mulheres entrevistadas para a amostra deve ser de 350.
c) ( ) O número mínimo de mulheres entrevistadas para a amostra deve ser de 1.164.
d) ( ) O número mínimo de mulheres entrevistadas para a amostra deve ser de 6.981.
B
I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
UNIDADE 1
TÓPICO 2
ARREDONDAMENTO, FRAÇÃO E
PORCENTAGEM
1 INTRODUÇÃO
No tópico anterior, tivemos uma noção geral de como planejar uma pesquisa através
do método estatístico. De agora em diante estudaremos ferramentas para poder efetivar cada
uma das seis etapas. Iniciaremos fornecendo os subsídios matemáticos necessários para que
você, acadêmico, possa compreender em plenitude os cálculos apresentados. Assim, neste
tópico, iremos rever como realizar o arredondamento, como operar com frações e como realizar B
os cálculos de porcentagem. I
O
E
S
T
A
2 ARREDONDAMENTO DE NÚMEROS T
Í
S
Diversas operações matemáticas resultam em números não inteiros, com várias casas T
I
decimais, ou seja, com vários dígitos após a vírgula. Quando um número desse tipo apresentar C
uma quantidade de casas decimais maior que a desejada, devemos realizar o arredondado do A
número baseado em regras específicas. E

M
Inicialmente, precisamos saber se o arredondamento desejado é por inteiro, decimal, E
centésimo, milésimo etc. D
U
C

A
TE! Ç
RTAN
IMPO Ã
O
Se o arredondamento for: F
• Inteiro, significa que não teremos casas após a vírgula. Í
• Decimal, significa que teremos uma única casa após a vírgula. S
• Centésimo, significa que teremos duas casas após a vírgula. I
• Milésimo, significa que teremos três casas após a vírgula. C
A
Para aplicar qualquer uma das regras, é necessário primeiramente definir o número
de casas a ser trabalhado após a vírgula, conforme acabamos de ver. A partir daí, devemos
identificar qual é o dígito remanescente e analisar os dígitos posteriores.
• Dígito remanescente é o algarismo da casa decimal a ser conservada.

• Dígitos posteriores são os algarismos que irão indicar se o arredondamento é “para
cima” ou “para baixo”.
Exemplo: Arredondar, para duas casas decimais, o número 7,4318976.

Veja:
O dígito remanescente indica a posição do decimal que ficará no número e os dígitos

posteriores serão arredondados (serão zeros). Todos esses dígitos formam a parte decimal
B
I a ser considerada. Para todo arredondamento, temos duas opções, uma “para cima” e outra
O “para baixo”, com relação à parte decimal a ser considerada. Nesse caso específico, teríamos:
E
S
T
A
T
Í
S
T
I
C
A
E
M IMPO
RTAN
TE!

E
D Há duas coisas a observar:
U • Somente uma das opções acima é a correta.
C • Os zeros à direita de um número decimal não precisam ser
A escritos.
Ç
Ã
O
Vejamos como determinar a forma correta de arredondamento.
F
Í
S
I
C
A
2.1 REGRAS DE ARREDONDAMENTO
Quando for necessário o arredondamento de dados, deve-se proceder de acordo com

a resolução número 886/66, da Fundação IBGE (1993), que orienta:
I- Quando o primeiro algarismo a ser abandonado for 0,1, 2, 3 ou 4, fica inalterado o

último algarismo a permanecer (dígito remanescente).
Exemplos:
a) 13,24 arredondado ao décimo mais próximo será 13,2.
b) 38,473 arredondado ao centésimo mais próximo será 38,47.
II- Quando o primeiro algarismo a ser abandonado for 6, 7, 8 ou 9, aumenta-se de uma

unidade o último algarismo a permanecer (dígito remanescente).
Exemplos:
b) 3,7 arredondado ao inteiro mais próximo será 4.
B
I
III- Quando o primeiro algarismo a ser abandonado for o 5 há duas situações a considerar: O
E
S
T
ÇÃO! A
ATEN T
Í
S
Acadêmico, tenha muita atenção nesta situação, pois a maioria T
dos erros cometidos na etapa de arredondamento de dados, I
ocorre aqui. C
A
E
(i) Se ao 5 seguir em qualquer casa um algarismo diferente de zero, aumenta-se uma M
unidade no algarismo a permanecer (dígito remanescente). E
D
U
Exemplos:
C
a) 7,352 arredondado ao centésimo mais próximo será 7,4. A
b) 45,6501 arredondado ao décimo mais próximo será 45,7. Ç
Ã
c) 106,250002 arredondado ao décimo mais próximo será 106,3. O
F
(ii) Se o 5 for o último algarismo ou se ao 5 só seguirem zeros, o último algarismo a ser Í
conservado (dígito remanescente) só será aumentado de uma unidade se for ímpar. No caso S
I
de ser par, fica inalterado o último algarismo a permanecer (dígito remanescente). C
A
Exemplos:
b) 56,65 arredondado ao décimo mais próximo será 56,6.
c) 56,7500 arredondado ao décimo mais próximo será 56,8.
d) 56,6500 arredondado ao décimo mais próximo será 56,6.
S!
DICA
Ao realizar cálculos em calculadoras científicas, você pode configurar

sua calculadora para que os resultados já apareçam da forma
arredondada para facilitar o processo.
As calculadoras mais comuns trabalham, normalmente, com 10
dígitos. Ao trabalhar com valores decimais, você configurará os
resultados utilizando a tecla MODE, que normalmente se encontra
na parte superior do teclado. Você deve pressionar esta tecla 3
vezes, até que no visor apareça:
Para que a máquina apresente os resultados como decimal aperte

1 para escolher “FIX”. Em seguida aparecerá “FIX 0 ~ 9?”. Neste
B momento, você escolhe a quantidade de casas decimais com que
I deseja realizar os arredondamentos. Simples assim! Por exemplo,
O caso você tenha escolhido Fixar em 2 casas: O valor 27,4768 irá
E aparecer como 27,48.
S
T
A
T
Í Além dos números decimais, também haverá em nossos cálculos números fracionários.
S Calma, não se desespere, a seguir iremos recordar os conceitos necessários para que tenhas
T
I segurança ao trabalhar com eles.
C
A
E
M
3 FRAÇÕES
E
D
U Ao se questionar sobre o motivo de revisar frações e porcentagem numa disciplina de
C estatística, basta nos remetermos aos cálculos das amostras estudados no tópico anterior, em
A
Ç que foram necessárias segmentações de seus participantes. Um exemplo disso é um caso em
Ã que apenas 1/4 (um quarto), ou 25%, de uma população de interesse é acessível para uma
O
pesquisa. Precisamos saber calcular qual é a quantidade exata dos elementos da população
F para depois obter a amostra.
Í
S
I
C
A
Obviamente, este caso citado acima é apenas um entre vários existentes em que iremos
precisar de um apoio das frações e percentuais para conseguir resolver problemas com os
quais podemos nos deparar.
Sendo assim, neste tópico, revisaremos as transformações entre frações e números

decimais, bem como as operações possíveis com esse conjunto de números e, em seguida,
veremos a aplicação disto nas porcentagens.
3.1 TRANSFORMAÇÕES
A seguir veremos como realizar a transformação de um número fracionário em um

número decimal e vice-versa.
IMPO
RTAN
TE!

Vamos lembrar, neste momento, o que uma fração representa.
Fração é uma palavra que vem do latim “fractus” e significa B
“partido”, “quebrado”, assim, podemos dizer que fração é a I
representação das partes iguais de um todo. Cada fração é O
formada por três elementos: o numerador (o número da parte de E
cima da fração), o traço (que serve para separar os dois valores e S
representa uma divisão) e, finalmente, o denominador (o número T
da parte de baixo). A
T
numerador
Í
denominador
S
T
O denominador representa quantas partes iguais estão contidas I
no todo (ou seja, em quantas partes algo foi dividido). E, o C
numerador representa a quantidade de partes consideradas de A
um todo (quantas partes do todo nós possuímos).
Por exemplo: E
M
1) 3
4
E
D
U
C
2) 9
+ + A
4 Ç
Ã
O
F
Í
S
I
C
A
Transformação de Número Fracionário em Número Decimal
Para transformar um número fracionário em número decimal basta dividir numerador

pelo denominador.
Exemplos:
B
I
O
E Esse traço sobre os dois últimos seis indicam que se trata se uma dízima periódica,
S isto é, que esse valor se repete infinitamente.
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O Transformação de Número Decimal em Número Fracionário
F
Í
Para transformar números decimais em um número fracionário, nós temos três diferentes
S situações. Atente-se para cada uma delas.
I
C
A
Situação 1: O número decimal é finito
Inicialmente, vamos observar a leitura de cada um dos seguintes números:
0,6 (lemos, seis décimos), ou seja, 6

.
10
75
0,75 (lemos, setenta e cinco centésimos), ou seja, 100
.
4,38 (lemos, quatro e trinta e oito centésimos), ou seja, .

438
100
0,129 (lemos, cento e vinte e nove milésimos), ou seja, .

129
1000
Verifique que:
6 75
0, 6 = 0, 75 =
10 100
Uma casa decimal – Um zero Duas casas decimais – Dois zeros
438 129
4, 38 = 0,129 =
100 1000
Duas casas decimais – Dois zeros Três casas decimais – Três zeros
B
I
Desta forma, o número de zeros colocados no denominador é igual ao número de casas O
E
após a vírgula. S
T
A
Situação 2: O número decimal é uma dízima periódica simples T
Í
S
Inicialmente, vamos recordar que uma dízima periódica é a parte decimal infinita (não T
tem fim). A dízima periódica é dita simples quando for composta apenas de um período que se I
C
repete igualmente, por exemplo: 0,22222...; 2,5656565656... Já a dízima periódica composta
A
é formada por algarismos que não fazem parte do período, por exemplo, 0,1555...; 2,354444...
Esta dízima será estudada na Situação 3. E
M
Esses números também podem ser escritos em forma de fração, mas apesar de serem E
D
números decimais na sua transformação, é preciso utilizar um processo diferente da Situação U
1. Acompanhe o raciocínio: C
A
Ç
Exemplo 1: Transformar 0,2222... em fração. Ã
O
Para isso, chamaremos a dízima de x: F

Í
x = 0,2222... (I)
S
I
C
A
O objetivo é eliminar as casas decimais. Para isso, andaremos com a vírgula para
a direita uma casa decimal, pois apenas o 2 que repete. Isso é o mesmo que multiplicar o
0,2222... por 10. Ficando assim:
10x = 2,2222... (II)
Temos duas equações (I) e (II). Iremos subtrair as duas: (II) – (I).
9
Como x = 0,2222.... , então 0,2222... é o mesmo que 2 . Se dividirmos 2 : 9 chegaremos
a 0,2222...
Exemplo 2: Transformar a dízima 0, 636363... em fração.
Repetindo o processo, temos: x = 0,636363... (I)
B Andando com a vírgula duas casas para a direita, pois o número que
I
O
repete nas casas decimais é o 63. Andar duas casas para a direita é o mesmo que multiplicar
E por 100.
S
100x = 63,636363...(II)
T
A
T Subtraindo as duas equações (II) e (I) encontradas:
Í
S
T
I
C
A
E
M
Como x = 0,636363... então 0,636363... é o mesmo que 99 .
63
E
D
U Acadêmico, note que na prática a quantidade de números nove colocados no
C
denominador é igual ao número de dígitos que o período possui. Isso se aplica quando a parte
A
Ç inteira for nula.
Ã
O
Quando tivermos 2, 777..., teremos que separar a parte inteira da decimal para
F transformar, fazendo 2 + 0,777..., o que resultará em 2 +
7
. Essa soma será estudada adiante.
Í 9
S
I Situação 3: O número decimal é uma dízima periódica composta.
C
A
O processo é semelhante ao da Situação 2. Acompanhe o raciocínio utilizado ao

transformar a dízima 2,35555... em fração.
x = 2,35555...
Como o 3 não faz parte da dízima, devemos multiplicar a equação por 10 para que o
número 3 passe para o outro lado deixando nas casas decimais apenas a dízima.
10x = 23,5555... (I)
Agora, multiplicamos a equação (I) por 10 novamente para que possamos ter um período
fazendo parte do lado inteiro.
10 . 10 . x = 235,5555...
100x = 235,5555... (II)
Subtraindo as equações (II) e (I), teremos:
212
Como x = 2,35555... então 2,35555... é o mesmo que 90
B
I
O
E
S
3.2 OPERAÇÕES T
A
T
Acadêmico, é imprescindível que tenhas domínio das operações relacionadas neste Í
S
subtópico. Elas fazem parte do seu cotidiano, da sua jornada acadêmica e profissional, por
T
este motivo é importante compreendê-las e não somente resolvê-las. I
C
A
Adição e Subtração de Frações
E
M
Só podemos somar ou subtrair frações que possuam o mesmo denominador.
E
D
U
ÇÃO! C
ATEN
A
Ç
Ã
Atente para a definição: só podemos somar ou subtrair frações O
que possuam o mesmo denominador. Esta definição permite que
você compreenda os artifícios utilizados adiante. F
Í
S
I
C
A
Exemplo 1:
1 3
+
5 5
Veja a representação geométrica.
Como ambos os “todos” estão divididos em cinco partes, podemos “transportar” as

quantidades, ficando com 4 das 5 partes do todo.
Assim,
1 3 4
+ =
5 5 5
Exemplo 2:
3 2
+
4 4
B
I
O
E
S
T
A
T
Í
S
T
I
C
A
Exemplo 3:
3 2
E −
M 4 4
E
D
U
C
A
Ç 3 2 1
Ã − =
4 4 4
O
F
Í
S
I
C
A
Assim, para somar ou subtrair frações que possuem o mesmo denominador, basta
manter o denominador e operar o numerador.
1 1
E se quisermos somar, + , como fazer?
2 3
Geometricamente, teremos:
1 1
Note que se “transportarmos” a quantidade 2
para o 3
, não irá caber. E, se
1 1
“transportarmos” a quantidade para o 2
irá sobrar espaço. Isso porque o todo está repartido
3
em quantidades diferentes e, pela definição, somente podemos somar e subtrair frações que
possuem o mesmo denominador, ou seja, que estejam repartidas em quantidades iguais.
Para podermos efetuar essa operação, devemos recorrer a frações equivalentes.

Frações equivalentes são frações que representam a mesma parte do todo. Por exemplo:
Veja a representação gráfica:

B
I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Acadêmico, observe que apesar do “todo” estar repartido em quantidades diferentes, Ã
O
a parte pintada corresponde à metade da figura (todo) em todas as frações. Por isso dizemos
que elas são frações equivalentes. F
Í
S
I
C
A
Quando as frações não possuem o mesmo denominador, devemos reduzi-las ao menor

denominador comum (ou mínimo múltiplo comum) e, em seguida somar ou subtrair as frações
equivalentes às frações dadas.
Veja que agora o todo está repartido em partes iguais e assim podemos realizar a adição.
1 1 3 2 5
+ = + =
2 3 6 6 6
Exemplo:
B
I
Frações equivalentes às frações dadas, com o mesmo denominador.
O
E
S
T Veja o denominador da fração 13 , que era 3 e aumentou para 15, ou seja, multiplicamos
A por 5. Para encontrarmos o numerador que vai manter a equivalência precisamos realizar a
T
Í mesma operação feita no denominador (multiplicar por 5), assim, 1 x 5 = 5.
S
T 1 5
I
= Frações equivalentes
3 15
C
A
O mesmo ocorre para a fração 4
, que tinha o denominador 5 e devido ao m.m.c.,
E 5
M precisamos de uma fração equivalente com denominador 15, assim multiplicamos por 3 o
denominador 5, logo, precisamos fazer a mesma coisa no denominador, 4 x 3 =12.
E
D
U 4 12
= Frações equivalentes
C 5 15
A
Ç
Ã
O
F
Í
S
I
C
A
S!
DICA
É comum que ao ter aprendido este conceito, seu professor tenha

ensinado que depois que você encontrou o m.m.c., basta dividir
pelo denominador e multiplicar pelo numerador. Claro que na
prática é a mesma coisa, mas cuidado para não interiorizar que
você pode realizar uma operação com o denominador e outra com o
numerador. Então a dica é pensar que você está sempre realizando
a mesma operação (multiplicação ou divisão) e que você faz para
o denominador, precisa ser repetido para o numerador da fração.
Como obter o mínimo múltiplo comum (m.m.c.) de dois ou mais denominadores?
Vamos achar os múltiplos comuns de 3 e 5:

Múltiplos de 3: 0, 3, 6, 9, 12, 15, 18, 21, 24, 27, 30, ...
Múltiplos de 5: 0, 5, 10, 15, 20, 25, 30, 35, 40, ...
Múltiplos comuns de 3 e 5: 0, 15, 30, 45, 60, ...
Dentre estes múltiplos, diferentes de zero, 15 é o menor deles. Chamamos o número

15 de mínimo múltiplo comum de 3 e 5.
B

I
O
T E!
IMPO
RTAN E
S
T
O menor múltiplo comum de dois ou mais números, diferente de A
zero, é chamado de mínimo múltiplo comum desses números. T
Usamos a abreviação m.m.c. Í
S
T
I
Relembraremos uma técnica chamada de “decomposição simultânea em fatores primos”. C
A
Nesta técnica decompomos ao mesmo tempo cada denominador em fatores primos. O produto
de todos os fatores primos que aparece nessa decomposição será o mínimo múltiplo comum. E
M
Número primo é um número que possui apenas 2 divisores (o número 1 e ele mesmo). E
São números primos: 2, 3, 5, 7, 11, 13, 17, 19, ... D
U
C
Utilizando essa técnica, observe como determinar o m.m.c. de 12, 8 e 6. A
Ç
Ã
O
F
Í
S
I
C
A
Vejamos como utilizar esse conceito para determinar as frações equivalentes e conseguir
resolver a adição e subtração de frações com denominadores diferentes, vamos a mais um
exemplo:
3 1 5
− +
10 2 6
Como os denominadores são diferentes, iniciamos determinando o m.m.c.
Sabemos que o novo denominador deve ser 30 para que possamos escrever frações
equivalentes, e assim obter frações de mesmo denominador para poder efetuar a adição e
B subtração.
I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A Multiplicação de Frações
Ç
Ã
O Basta multiplicar numerador por numerador e denominador por denominador.
F
Í Exemplos:
S
I
C
A
ÇÃO!
ATEN
Você não deve tirar o M.M.C., ou seja, não é necessário que as frações
tenham denominadores iguais.
Para ilustrar esse conceito de multiplicação, vamos recorrer à geometria, acompanhe

o procedimento.
Seja a multiplicação entre duas frações: 1 2

⋅
2 3
Iniciamos representando a primeira fração (se preferir é possível iniciar pela segunda,
visto que a ordem dos fatores não altera o produto).
B
I
Em seguida, subdividimos cada uma dessas partes em partes menores em quantidades O
iguais ao denominador da segunda fração, que neste caso é 3. E
S
T
A
T
Í
S
T
Agora, para cada parte pintada, tomamos a quantidade de subdivisões iguais ao I
numerador da segunda fração, que no caso é 2. C
A
E
M
E
D
Desta forma, o círculo original foi dividido em duas partes e depois cada parte subdividida U
em três, totalizando 6 subdivisões, destas 6, tomamos duas, ou seja: 2/6. C
A
Ç
Ã
O
F
Í
Assim, verificamos que:
1 2 2
⋅ =
2 3 3
S
I
FONTE: Adaptado de: <http://obaricentrodamente.blogspot.com.br/2012/07/aspectos-geometricos- C
para-multiplicacao.html>. Acesso em: 18 jun. 2016. A
Divisão de Frações
Mantenha a primeira fração e inverta a segunda passando a divisão para multiplicação.
Exemplos:
Este é o processo prático, mas você sabe por que mantemos a primeira fração e
invertemos a segunda passando a divisão para multiplicação?
Na verdade, quando fazemos isso, estamos omitindo uma passagem. O que se pretende
ao multiplicar numerador e denominador pelo inverso do denominador é obter um denominador
B igual a 1, para operar apenas com o numerador, facilitando o cálculo. Observe:
I
O
E
S
T
A
T
Í Vejamos também a forma geométrica da divisão entre frações, para isso, tomemos
S 1 1
T como exemplo a divisão ⋅
2 4
I
C
Iniciamos representando geometricamente ambas as frações.
A
E
M
E
D
U
C
A
Ç 1 1
Observe que a fração cabe duas vezes na fração , portanto, podemos dizer que:
Ã 1 1 4 2
O : = 2.
2 4
1 1 1 4 4
Pelo artifício do algoritmo, : = ⋅ = = 2.
F 2 4 2 2 2
Í
S
I
C
A

!
ROS
OS FUTU
ESTUD
A seguir, ampliaremos os conceitos aqui trabalhados, incluindo

as porcentagens.
4 PORCENTAGENS
Acadêmico, tenha em mente que para compreender o conceito de porcentagem devemos

verificá-la como sendo uma razão (representada por uma fração) cujo seu denominador é 100.
Note como podemos representar, por exemplo, o valor 75%:
75 3
75=
% = = 0, 75
100 4
Onde:
B
I
O
E
S
Neste estudo, você necessita entender muito bem como lidar com todos estes tipos de
T
representação de percentuais. A
T
Í
Por exemplo: Determine qual é o valor que representa 10% de 530. S
T
I
Veja, que o processo pode ser feito da seguinte forma: C
10 1 A
10% × 530 = × 530 = × 530 = 0,1× 530 = 53
100 10 E
M
Repare, que neste cálculo, utilizamos todas as suas formas de representação, a qual E
podemos recair, na forma mais simples, que é 0,1× 530 = 53 . A este valor 0,1, chamamos de D
U
fator de multiplicação percentual.
C
A
Ç
Em outras palavras, para conseguir resolver situações que envolvem percentuais, basta
Ã
descobrir qual é o fator de multiplicação percentual que necessitamos utilizar para alcançar o O
resultado esperado. Segue uma lista de situações em que podemos encontrá-los:
F
Í
1) Situação: 25% do valor 1240. S
I
C
A
Percentual: 25%
Fator de multiplicação: 0,25
Resultado: 0,25 x 1240 = 310
2) Situação: Acréscimo de 20% em R$ 3200.

Percentual: 100% + 20% = 120%
Resultado: 1,2 x 3200 = 3840
3) Situação: Desconto de 15% em R$ 1800.

Percentual: 100% - 15% = 85%
Resultado: 0,85 x 1800 = 1530
Note que os fatores de multiplicação são o resultado dos percentuais divididos por 100.
Outro ponto importante que podemos ressaltar é o fato de que os acréscimos e descontos são
sempre obtidos a partir de 100% (valor referência/todo).
Agora, para ilustrar como este processo, do fator multiplicativo, é muito eficaz nos
problemas envolvendo percentuais, iremos realizar uma série de exemplos em que o utilizamos
B como processo de resolução:
I
O
E Exemplos:
S
T
A 1) No curso de Educação Física há 900 alunos, 42% são rapazes. Calcule o número
T
Í de rapazes.
S
T
I Sabemos que 42% = 0,42, logo, basta realizar a multiplicação:
C 0,42 x 900 = 378 rapazes
A
E 2) Sobre um salário de R$ 2.380,00 são descontados 8% para o INSS. De quanto é o

M
total de desconto?
E
D Podemos realizar este cálculo de duas formas:
U
C I) 8% = 0,08
A Logo, o desconto é de 0,08 x 2 380 = R$ 190,40.
Ç
Ã II) O desconto de 8% é dado por: 100% - 8% = 92%
O Como 92% = 0,92, temos: 0,92 x 2 380 = R$ 349,60. E ainda R$ 2.380 – R$ 2.189,60
F = R$ 190,40.
Í
S
I
Outra situação importante é saber determinar o valor percentual a partir dos valores
C
A
envolvidos. Você com certeza já deve ter se deparado com alguma situação em que pode se
encontrar o valor percentual envolvido. Por exemplo:
a) Em uma turma, do total de 50 acadêmicos, 20 são do sexo feminino.

b) O dólar, que na semana passada era cotado em R$ 4,02, teve uma queda para R$
3,82.
Repare que nos casos acima, podemos desejar conhecer qual é o percentual de
funcionárias da empresa, ou qual foi a taxa de queda percentual do dólar na última semana.
Iremos demonstrar, a seguir, uma forma muito prática para esta determinação, em dois casos:
Caso 1: Onde o valor é parte do todo.
Para este caso, basta dividir o valor conhecido pelo valor total, onde no caso (a):
Obviamente, se a questão fosse a quantidade de funcionários do sexo masculino,

teríamos como resultado 100% - 40% = 60%.
Caso 2: Onde conhecemos o valor inicial e final de um processo. B

I
O
Note que em (b) conhecemos o valor inicial e final do dólar, naquela semana. Nestes E
S
casos, utilizaremos a seguinte fórmula: T
A
T
Í
S
Veja que para (b), temos: T
I
C
A
E
Que representa em uma queda de 4,975%. Onde, se o valor fosse (+), teríamos uma alta! M
E
Para finalizar, vejamos mais alguns exemplos: D
U
C
1) Numa turma de 30 acadêmicos faltaram 12 devido às fortes chuvas dos últimos dias. A
Ç
Qual a taxa de acadêmicos presentes?
Ã
O
Sabemos que se faltaram 12 acadêmicos, é porque os outros 18 estavam presentes.
F
Logo: Í
S
I
C
A
2) Uma medicação custa R$ 40,00 e é vendida por R$ 52,00. Qual é a taxa de lucro?
Conhecemos o valor inicial e final da medicação. Logo:
3) Comprei um par de óculos de sol por R$ 250,00 e vendi por R$ 200,00. De quanto
por cento foi o prejuízo?
Conhecemos o valor inicial e final dos óculos. Logo:
B
I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
RESUMO DO TÓPICO 2
Neste tópico, vimos:
Quando for necessário o arredondamento de dados, deve-se proceder de acordo com

a resolução número 886/66, da Fundação IBGE (1993), que orienta:
I- Quando o primeiro algarismo a ser abandonado for 0, 1, 2,3 ou 4, fica inalterado o

último algarismo a permanecer (dígito remanescente).
II- Quando o primeiro algarismo a ser abandonado for 6, 7,8 ou 9, aumenta-se de uma
unidade o último algarismo a permanecer (dígito remanescente).
III- Quando o primeiro algarismo a ser abandonado for o 5, há duas situações a
considerar:
– Se ao 5 seguir em qualquer casa um algarismo diferente de zero, aumenta-se uma

unidade no algarismo a permanecer (dígito remanescente).
– Se o 5 for o último algarismo ou se ao 5 só seguirem zeros, o último algarismo a ser B
conservado (dígito remanescente) só será aumentado de uma unidade se for ímpar. No caso I
O
de ser par, fica inalterado o último algarismo a permanecer (dígito remanescente). E
S
T
A transformação de um número fracionário em um número decimal e vice-versa. Na A
transformação de decimal para fracionário existem três situações, fique atento! T
Í
S
As quatro operações básicas da matemática envolvendo frações. Vale lembrar: T
I
C
o Só podemos somar ou subtrair frações que possuam o mesmo denominador. Para A
isso, basta manter o denominador e somar ou subtrair o numerador. Quando os denominadores
E
forem diferentes, precisamos buscar frações equivalentes. M
o Para multiplicar frações, basta multiplicar numerador por numerador e denominador
E
por denominador. D
o Para dividir frações, mantenha a primeira fração e inverta a segunda passando a U
C
divisão para multiplicação. A
Ç
Ã
Por fim, o conceito de porcentagem, onde devemos sempre verificá-la como sendo uma O
razão (representada por uma fração) cujo denominador é 100.
F
Í
S
I
C
A

ID ADE
ATIV
AUTO
Prezado acadêmico, chegou a hora de você testar seus conhecimentos sobre os

conteúdos de arredondamento, frações e porcentagens. Lápis e borracha em mãos e
boa atividade!
1 Em uma pesquisa sobre o tempo, em minutos, gasto por acadêmicos para resolver um
teste psicológico observou-se os dados listados abaixo. Para padronizar a quantidade de
casas após a vírgula dos resultados, faça o arredondamento de cada um dos números
abaixo para o décimo mais próximo:
• 23,40 =
• 234,7832 =
• 45,09 =
• 48,85002 =
B • 120,4500 =
I
O
E A resposta que apresenta os arredondamentos de forma correta é:
S
T
a) ( ) 23,4 – 234,8 – 45,1 – 48,9 – 120,4
A b) ( ) 23,4 – 234,8 – 45,0 – 48,9 – 120,5
T
c) ( ) 23,4 – 234,8 – 45,1 – 48,8 – 120,5
Í
S d) ( ) 23,4 – 234,8 – 45,1 – 48,8 – 120,4
T
I
C 2 Um profissional de Educação Física tem uma jornada semanal de trabalho de 30 horas.
A Devido ao acúmulo de atendimento personalizado na semana passada, ele precisou
E fazer 12 horas extras. A fração que corresponde a quanto ele trabalhou a mais do que
M o previsto é:
E
D a) ( ) 1/4.
U
C b) ( ) 1/5.
A c) ( ) 2/5.
Ç
d) ( ) 2/3.
Ã
O
3 Uma academia realizou compras de novas máquinas para uma de suas filiais no valor
F
Í de R$ 35.000,00, efetuando pagamento à vista e recebendo por isso um desconto de
S 7% no valor da nota fiscal. Qual o valor do desconto que recebeu esta empresa?
I
C
A
a) ( ) R$ 2.450,00
b) ( ) R$ 3.150,00
c) ( ) R$ 3.169,00
d) ( ) R$ 4.150,00
B
I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
B
I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
UNIDADE 1
TÓPICO 3
AGRUPAMENTO DE DADOS
1 INTRODUÇÃO
Uma das fases do método estatístico refere-se ao agrupamento de dados, que trata
de como organizar os dados de uma certa pesquisa e como realizar algumas considerações
a partir desta organização. A organização dos dados é uma das formas mais primitivas de se
ter um resultado com relação a uma pesquisa.
B
Todo fenômeno apresenta diversas variações que devem ser analisadas sob diversos I
O
aspectos, de modo que possamos compreendê-lo e agir sobre ele. Desta forma, antes de
E
tratarmos das formas de agrupamento de dados, este tópico também apresentará os tipos S
T
de variáveis com as quais nos deparamos ao estudar qualquer fenômeno e qual o melhor
A
tratamento a ser dado. T
Í
S
T
I
C
2 VARIÁVEIS ESTATÍSTICAS A
E
Variável estatística é o conjunto de resultados possíveis de um fenômeno quando são M
feitas sucessivas medidas. São as características que podem ser observadas (ou medidas) em E
cada elemento da população. Por exemplo, um estudo de análise biomecânica do movimento D
U
humano durante a realização de lançamento de dardos será realizado por um pesquisador,
C
e o problema básico que se coloca nesta pesquisa é definir quais variáveis irão participar do A
Ç
estudo. Nesse caso, podemos definir as variáveis como: idade, altura, peso, cor dos cabelos,
Ã
renda familiar, sexo etc. Notem a importância de definir bem as variáveis, pois é claro que a O
“cor do cabelo” não tem importância para a pesquisa em questão.
F
Í
Na maior parte das vezes, a escolha do método de análise ou descrição dos dados S
I
depende do tipo de variável (dados) considerada. Alguns conjuntos de dados (como alturas, C
A
pesos) consistem em números, enquanto outros são não numéricos (como sexo, cor do cabelo).
Para distinguir esses dois tipos de dados aplicam-se, respectivamente, as expressões dados
quantitativos e dados qualitativos.
Vamos entender melhor estes dois conceitos.
2.1 VARIÁVEIS QUALITATIVAS
Como o próprio nome sugere, estes dados representam objetos de estudo em que
a informação se refere a alguma qualidade, categoria, não se associando a números, mas,
sim, à classificação, por exemplo, o sexo de um indivíduo, que pode ser classificado como
masculino ou feminino.
Os dados qualitativos ainda podem ser subdivididos em:
Nominais: As opções de caracterização do objeto de estudo não possuem ordem

definida para que possam ser entendidas. Exemplo: Sexo (masculino, feminino), raça, cor de
pele (parda, branca, negra), evolução (morte ou sobrevivência), cor dos olhos (castanho, azul,
B
I verde) etc.
O
E
S Ordinais: As opções de caracterização do objeto de estudo necessitam de uma ordem
T para classificação. Exemplo: Escolaridade (analfabeto, educação infantil, ensino fundamental,
A
T ensino médio, universitário); classificação em um campeonato (1o lugar, 2o lugar, 3o lugar);
Í desempenho em uma prova (baixo, moderado e alto) etc.
S
T
I
C
A
2.2 VARIÁVEIS QUANTITATIVAS
E
M
As variáveis quantitativas representam características que são identificadas através de
E
D valores numéricos, ou seja, são aqueles que resultam de uma contagem ou de uma mensuração
U
e podem nos revelar qual é a intensidade da situação. Os dados quantitativos podem ser
C
A subdivididos em:
Ç
Ã
O Discretos: As variáveis quantitativas discretas são aquelas resultantes de contagens e
constituem um conjunto enumerável de valores, ou seja, é uma variável que só pode assumir
F
Í valores pertencentes ao conjunto dos números naturais (resultado de uma contagem). Exemplo:
S O número de filhos (0,1,2,3...); o número de alunos na turma (1,2,3...); o número de alunos
I
C de uma escola (500, 800, 110...); produção de peças; faltas dos funcionários; livros de uma
A biblioteca etc.
Contínuos: As variáveis quantitativas contínuas resultam de uma mensuração e podem

assumir qualquer valor (inteiro, fração etc.). Exemplo: o tempo; a temperatura; a estatura ou
a massa de um indivíduo etc.
Na ilustração a seguir, apresentamos um resumo sobre os tipos de variáveis:
FIGURA 6 - TIPOS DE VARIÁVEIS
B
I
O
FONTE: A autora E
S
T
Acadêmico, observe ainda que uma mesma população pode originar vários tipos de A
T
dados. Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
QUADRO 1 - COMPARAÇÕES ENTRE OS TIPOS DE VARIÁVEIS
Variável Variável Variável Variável

População quantitativa quantitativa qualitativa qualitativa
contínua discreta nominal ordinal
grau de
idade, peso, número de irmão, sexo, cor da pele, escolaridade,
Estudantes
alturas. número de faltas. descendência. desempenho
escolar.
número de defeitos, grau de

velocidade,
ano de fabricação, cores, marca, luxuosidade, grau
Automóveis massa,
unidades modelo. de satisfação do
aceleração.
fabricadas. cliente.
qualidade
número de ofertas, do produto,
preço (R$), cor, caro ou
Eletrodomésticos quantidades classificação no
peso, potência. barato, marca.
vendidas, selo de economia
procel.
FONTE: A autora
B Agora que já estudamos a estrutura do método de pesquisa estatístico e conhecemos

I
O
os tipos de variáveis possíveis chegou o momento de aprender a organizar esses dados de
E tal forma que facilite sua leitura e descrição.
S
T
A
T
Í
S 3 AGRUPAMENTO DE DADOS
T
I
C Caro acadêmico, você já deve ter observado que existem formas diferentes de apresentar
A
os dados de uma pesquisa. Em alguns momentos, os dados podem aparecer como uma simples
E “lista”, ou estarem em uma tabela que apresenta ou não uma distribuição de frequência. A
M
seguir, apresentaremos cada uma das possíveis formas de se apresentar os dados coletados
E em uma pesquisa.
D
U
C
A ÇÃO!
Ç ATEN
Ã
O
Fique atento à nomenclatura de cada forma de apresentar os
F dados, isto é, aprenda a relacionar o nome da organização
Í dos dados com sua forma visual. Isto é fundamental para que
S acompanhes a próxima unidade deste material, visto que iremos
I realizar inferências (cálculos) nestes dados e para cada forma de
C apresentação, o cálculo a ser realizado é diferente.
A
3.1 DADOS BRUTOS
Já vimos que toda pesquisa envolve coleta de dados, seja na forma quantitativa ou
qualitativa, que devem ser organizadas, analisadas, criando conclusões sobre uma determinada
pesquisa. Quando estes dados são coletados sem que haja qualquer tipo de organização,
dizemos que os dados se apresentam na forma bruta.
A forma bruta de dados é o primeiro contato que um pesquisador se depara após a

união de todos os dados registrados. É em cima destes dados que serão feitas possíveis
conclusões e verificações.
Exemplo: Ao realizar uma pesquisa em julho de 2016, com uma turma de 50 acadêmicos
do Curso de Educação Física da Faculdade X, sobre o tempo (em segundos) que levaram para
cumprir uma prova de resistência. Os dados a seguir demonstram o resultado bruto obtido:
61 65 43 53 55 51 58 55 59 56
52 53 62 49 68 51 50 67 62 64
53 56 48 50 61 44 64 53 54 55 B
I
48 54 57 41 54 71 57 53 46 48 O
E
55 46 57 54 48 63 49 55 52 51 S
T
A
Como podemos notar, fazer qualquer tipo de observação em dados apresentados T
Í
desta forma é algo demorado e cansativo. Por isso, é importante que os dados apresentados S
em uma pesquisa sejam organizados, pois existem análises estatísticas que só poderão ser T
I
realizadas se os dados estiverem realmente organizados, dando uma clareza visual para os C
resultados obtidos. A
E
M
E
3.2 ROL D
U
C
A organização de dados em ROL é a simples tarefa de colocar os dados quantitativos A
Ç
em ordem crescente ou decrescente, podendo ser por meio de uma tabela ou simplesmente Ã
um ao lado do outro. Esta simples forma de ordenação dos dados já aumenta a capacidade O
de informação do comportamento dos dados. F

Í
S
Exemplo: Utilizando os dados anteriores e ordenando-os em ROL, temos: I
C
A
41 43 44 46 46 48 48 48 48 49
49 50 50 51 51 51 52 52 53 53
53 53 53 54 54 54 54 55 55 55
55 55 56 56 57 57 57 58 59 61
61 62 62 63 64 64 65 67 68 71
ÇÃO!
ATEN
Para organizar os dados em uma planilha eletrônica, deve-se

digitar os dados apenas em uma coluna. Selecionar os dados
e clicar em DADOS – CLASSIFICAR – CRESCENTE – OK. Ou,
simplesmente no ícone crescente que aparece na Barra de
Menus.
Note que, neste exemplo, os dados foram alinhados de forma crescente. Poderiam
também estar na forma decrescente, mas foram organizados um ao lado do outro. No entanto,
poderíamos tê-los apresentados um embaixo do outro, criando colunas de organização.
B
I
Quando a quantidade de dados coletados não for muito grande, a organização em ROL
O é bastante útil. Por outro lado, para dados em quantidades grandes, esta forma de organizar
E
pode ser compreendida como ineficaz, pois analisar um grande número de dados em ordem
S
T numa tabela acaba confundindo em muitos casos a veracidade dos dados apresentados.
A
T
Í

!
S ROS
OS FUTU
T ESTUD
I
C
A Veremos nos próximos itens como proceder com este volume de
dados, através de agrupamentos simples ou por agrupamentos
E por faixa de valor. Estes agrupamentos também são conhecidos
M como distribuição de frequência.
E
D
U
C
A 3.3 AGRUPAMENTO SIMPLES OU DISTRIBUIÇÃO DE FREQUÊNCIA
Ç
SEM INTERVALOS DE CLASSE
Ã
O
A distribuição de frequência sem intervalos de classe ou agrupamento simples consiste
F
Í em juntar os dados que possuem valores iguais e transformar este aglomero de dados em uma
S tabela organizada por colunas (mais comum) ou linhas. Este agrupamento deve ser realizado
I
C após os dados estarem organizados em ROL, pois facilita a contagem.
A
Exemplo: Para colocar os dados do exemplo trabalhado anteriormente em uma

distribuição de frequência sem intervalo de classes, é necessário registrar a quantidade de
vezes que determinado tempo apareceu. Por exemplo, o tempo 41s apareceu uma vez, o tempo
43s apareceu também uma vez, o tempo 44s apareceu uma vez, o tempo 46s apareceu duas
vezes e assim por diante. Após realizar este registro, colocamos estas informações em uma
tabela, conforme mostramos a seguir:
TABELA 4 - TEMPO QUE OS ACADÊMICOS DO CURSO DE EDUCAÇÃO

FÍSICA DA FACULDADE X LEVARAM PARA CUMPRIR A PROVA DE
RESISTÊNCIA - JULHO - 2016
Tempo (em segundos) Número de acadêmicos

41 1
43 1
44 1
46 2
48 4
49 2
50 2
51 3
52 2 B
I
53 5 O
E
54 4
S
55 5 T
A
56 2 T
Í
57 3
S
58 1 T
I
59 1 C
61 2 A
62 2 E
M
63 1
64 2 E
D
65 1 U
C
67 1 A
68 1 Ç
Ã
71 1 O
Total 50 F
Í
FONTE: A autora S
I
C
A
Acadêmico, perceba como os 50 dados anteriores, listados um a um, foram reduzidos

e organizados de forma que nenhum dado foi perdido ou ocultado.
Ç ÃO!
ATEN
Observe que usamos a mesma relação de dados que estamos

usando desde o início deste tópico. Iniciamos com os dados
brutos, fizemos o ROL e agora a distribuição de frequência sem
intervalo de classes.
Podemos resumir que a distribuição de frequência sem intervalos de classe é a simples

condensação dos dados conforme as repetições de seus valores. Porém, note que para esta
situação razoável, esta distribuição de frequência é inconveniente, já que exige muito espaço.
Assim, podemos realizar um agrupamento com intervalos de classes.
3.4 AGRUPAMENTO POR FAIXA DE VALOR OU DISTRIBUIÇÃO DE

FREQUÊNCIA COM INTERVALOS DE CLASSE
B
I
Há casos em que a quantidade de dados diferentes, apresentados em uma pesquisa,
O
E é grande. Não havendo com isso, a possibilidade de agrupar muitos valores, deixando assim
S
a tabela extensa em quantidade de linhas, o que dificulta a visualização das informações.
T
A
T Os agrupamentos em classes são intervalos de valores que podem representar um
Í
S grupo de valores em uma única linha, com a proposta de diminuir a quantidade de linhas de
T uma tabela. Para tal, devemos realizar algumas observações e seguir alguns passos, os quais
I
C veremos agora.
A
E Método prático para a construção de uma distribuição de frequência com intervalos de

M classe:
E
D 1º Passo - Organize os dados brutos em um ROL.
U
2º Passo - Calcule a amplitude total da amostra (AA).
C
A
Ç Amplitude total da amostra: é a diferença entre o valor máximo e o valor mínimo da
Ã
O amostra (ROL). Onde AA = Xmax - Xmin.
F
Í 3º Passo - Calcule o número de classes através da “Regra de Sturges”.
S
I
C
A
Classe: são os intervalos de variação dos dados. É simbolizada por i e o número total
de classes simbolizada por k.
Regra de Sturges: i = 1 + 3,3.log n

Onde: i = o número de classes da distribuição de frequência.
Log n = logaritmo do número de elementos envolvidos.
IMPO
RTAN
TE!

Acadêmico, você precisará de uma calculadora científica para
determinar o logaritmo de um número. Na calculadora, deve-
se primeiro descobrir o log n, depois multiplicar por 3,3 e, por
último, somar 1.
Caro acadêmico, é importante que você tenha em mente que qualquer regra para
determinação do número de classes da tabela não nos leva a uma decisão final. O número de
classes vai depender de um julgamento pessoal, que deve estar ligado à natureza dos dados,
como, por exemplo, quando se está trabalhando com notas de alunos (de zero a dez), a regra
perde o seu verdadeiro objetivo, mesmo porque normalmente trabalha-se com amostras
B
superiores a 100 elementos. Neste caso, aplicando a regra de Sturges para uma amostra de
I
1200 elementos encontrar-se-ia 11 classes, o que se torna inviável. O
E
S
4º Passo - Decidido o número de classes, calcule então a amplitude do intervalo de T
classe (h). A
T
Í
A amplitude do intervalo de classe é sempre o número arredondado para cima, resultante S
T
da divisão entre a amplitude total da amostra (AA) e o número de classes (i) encontrada no I
cálculo da Regra de Sturges. C
A
E
M
E
D
U
C
Ç ÃO! A
ATEN
Ç
Ã
AA O
O símbolo > significa maior que, ou seja, a desigualdade h > i .
Significa que h é maior que a razão entre AA (amplitude total da F
amostra) e i (número de classes). Í
S
I
C
A
5º Passo: Montar a tabela com as classes. Colocamos inicialmente o menor valor da

amostra na parte inferior da primeira classe e na parte superior ela aumentada pela amplitude
da classe seguimos este raciocínio para as demais classes.
6º Passo: Contar as aparições. Finalizaremos a tabela com a distribuição da frequência

absoluta para cada classe. Basta contar o número de aparições em cada intervalo, não se
esquecendo que o intervalo à direita é aberto, ou seja, os valores que apresentarem este dado
devem pertencer à próxima classe.
Exemplo: Vamos seguir estes passos para a construção de uma tabela de distribuição
de frequência de classes com os dados já usados anteriormente.
1º Passo - Organize os dados brutos em um ROL.
Já temos essa etapa pronta:
41 43 44 46 46 48 48 48 48 49
49 50 50 51 51 51 52 52 53 53
53 53 53 54 54 54 54 55 55 55
B 55 55 56 56 57 57 57 58 59 61
I
O 61 62 62 63 64 64 65 67 68 71
E
S
T 2º Passo - Calcule a amplitude total da amostra (AA).
A
T
Í Vamos lembrar que a amplitude total da amostra é a diferença entre o valor máximo e
S
T o valor mínimo da amostra (ROL).
I AA = Xmax - Xmin.
C
A Para este exemplo, o valor máximo é 71 e o valor mínimo é 41. Logo:
AA = 71 – 41
E
AA = 30w
M
Registre isso! Amplitude total é 30!
E
D
U 3º Passo - Calcule o número de classes através da "Regra de Sturges".
C
A
Ç Regra de Sturges: i = 1 + 3,3.log n
Ã
O
Para o nosso exemplo, i é o número de classes da distribuição de frequência que
F queremos descobrir e n é o número de dados da nossa amostra, ou seja, n = 50. Portanto:
Í
S i = 1 + 3,3 ∙ log 50
I
C
A
Em uma calculadora científica, você consegue determinar que log 50 = 1,6990 (valor
arredondado).
i = 1 + 3,3 ∙ 1,6990
i = 1 + 5,6067 Lembre-se que em uma expressão
numérica devemos resolver primeiramente
i = 6,6067 a multiplicação e depois a adição.
Registre mais esta informação!
4º Passo - Decidido o número de classes, calcule então a amplitude do intervalo de

classe (h).
AA
h>
i
Substituindo os valores já determinados nesta fórmula, temos:
30
h>
6, 6067
h > 4, 5408
h = 5s
IMPO
RTAN
T E!
B
I
A amplitude do intervalo deve ser arredondado (sempre para cima), O
levando-se em consideração o número de casas após a vírgula dos E
dados brutos. S
T
A
T
5º Passo - Montar a tabela com as classes. Colocamos inicialmente o menor valor da Í
amostra na parte inferior da primeira classe e na parte superior ela aumentada pela amplitude S
T
da classe e seguir este raciocínio para as demais classes. Observe o exemplo: I
C
TEMPO QUE OS ACADÊMICOS DO CURSO DE EDUCAÇÃO FÍSICA A
DA FACULDADE X, LEVARAM PARA CUMPRIR A PROVA DE
RESISTÊNCIA - JULHO DE 2016 E
M
Tempo (em segundos)
E
41 ├ 46
D
46 ├ 51 U
C
51 ├ 56 A
56 ├ 61 Ç
Ã
61├ 66 O
66 ├ 71 F
71 ├ 76 Í
S
Total I
C
FONTE: Dados fictícios A
Acadêmico, preste atenção nas observações a seguir:
• Este símbolo ├ indica um intervalo, note que ele é fechado à esquerda, ou seja, inclui
o número e aberto à direita, ou seja, exclui o número.
• O intervalo representado por 41 ├ 46 compreende os tempos de 41 segundos até
antes de chegar aos 46 segundos, ou seja, quem fez 46 segundos não irá contar neste intervalo
e sim no próximo.
• Na terceira linha, onde temos o intervalo 51 ├ 56, há 19 acadêmicos que realizaram
a prova em 51, 52, 53 e 54 segundos.
• Se todos os dados fossem contemplados até o intervalo 66 ├ 71, não haveria
necessidade de ter mais uma classe.
6º Passo - Contar as aparições. Finalizaremos a tabela com a distribuição da frequência

absoluta para cada classe. Basta contar o número de aparições em cada intervalo, não se
esquecendo que o intervalo à direita é aberto, ou seja, os valores que apresentarem este valor
devem pertencer à próxima classe.
TEMPO QUE OS ACADÊMICOS DO CURSO DE EDUCAÇÃO FÍSICA

DA FACULDADE X, LEVARAM PARA CUMPRIR A PROVA DE
RESISTÊNCIA - JULHO DE 2016
Tempo (em segundos) Número de acadêmicos

B
I 41 ├ 46 3
O
E
46 ├ 51 10
S 51 ├ 56 19
T
A 56 ├ 61 7
T
61├ 66 8
Í
S 66 ├ 71 2
T
I 71 ├ 76 1
C
Total 50
A
FONTE: Dados fictícios
E
M
E assim, finalizamos o agrupamento de dados em uma distribuição de frequência com
E intervalos de classe.
D
U
C Desta tabela, ainda podemos destacar alguns termos:
A
Ç
Ã • Amplitude de cada classe: note que cada classe segue um padrão de valor
O
acrescentado para cada linha. No caso do nosso exemplo, podemos ver que a amplitude é de
F 5 segundos por classe. Exemplo: 46 – 5 = 41.
Í
• Amplitude da tabela: refere-se à diferença entre o menor e o maior valor apresentado
S
I nas classes que estão dispostas no primeiro valor da primeira classe e no último valor da sétima
C classe. Exemplo: 76 – 41 = 35, ou seja, a amplitude da tabela é de 35 segundos.
A
• Limites de cada classe: o limite de cada classe se refere aos extremos inferior e
superior de cada linha. Para a classe 41 46, o limite inferior (Li) é 41 e o limite superior (Ls)
é 46. O símbolo indica que à esquerda o intervalo é fechado e à esquerda é aberto. Isso
significa que o valor de 46 não pertence a essa classe e sim à segunda classe 46 51.
Ponto médio da classe: é o ponto que divide o intervalo de classe em duas partes
iguais. No exemplo anterior, em 41 ├ 46 o ponto médio xi = , ou seja, xi= Li + Ls .
2
Acadêmico, estes termos serão muito utilizados na próxima unidade, na qual

desenvolveremos cálculos a partir das organizações de dados que aprendemos aqui.
B
I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
RESUMO DO TÓPICO 3
Neste tópico, vimos que:
Acadêmico, neste tópico você estudou que as variáveis estatísticas podem ser
classificadas em qualitativas e quantitativas. As qualitativas ainda podem ser nominais ou
ordinais e as quantitativas podem ser discretas ou contínuas.
Estudou ainda, que podemos organizar os dados brutos de três formas:
- ROL: é a ordenação dos dados de forma crescente ou decrescente.

- Distribuição de frequência sem intervalo de classe: trata-se do agrupamento simples dos
dados que possuem valores iguais, transformando este aglomero de dados em uma tabela
organizada por colunas (mais comum) ou linhas.
- Distribuição de frequência com intervalo de classe: trata-se do agrupamento em classes,
em que os intervalos de valores possibilitam representar um grupo de valores em uma única
B linha, com a proposta de diminuir a quantidade de linhas de uma tabela. Para realizar esse
I tipo de agrupamento, deve-se seguir os passos a seguir:
O
E
S 1º Passo - organize os dados brutos em um ROL.
T
A 2º Passo - calcule a amplitude total da amostra (AA).
T
Í Em que AA = Xmax - Xmin.
S
T
I 3º Passo - calcule o número de classes através da “Regra de Sturges”.
C
Regra de Sturges: i = 1 + 3,3.log n
A
Em que: i = o número de classes da distribuição de frequência;
E Log n = logaritmo do número de elementos envolvidos.
M
4º Passo - decidido o número de classes, calcule, então, a amplitude do intervalo de classe (h).
E
D
U
C
A 5º Passo - elabore a tabela com as classes. Colocamos inicialmente o menor valor da amostra
Ç
Ã na parte inferior da primeira classe e na parte superior ela aumentada pela amplitude da classe,
O seguindo este raciocínio para as demais classes.
F 6º Passo - conte as aparições.
Í
S
I
C
A

IDADE
ATIV
AUTO
1 Nas aulas de Bioestatística em Educação Física estudamos que em uma pesquisa

estatística temos dois grupos de dados: os dados quantitativos e os dados qualitativos.
Responda qual das alternativas a seguir representa um dado qualitativo:
a) ( ) O volume em mililitros dos xampus produzidos pela Empresa A.

b) ( ) O comprimento em centímetros de placas de aço produzidas por uma máquina.
c) ( ) A altura em centímetros dos alunos de uma academia.
d) ( ) Grupo sanguíneo disponíveis no banco de sangue do hospital “Doação”.
2 Nas aulas de Bioestatística em Educação Física estudamos que em uma pesquisa

estatística, temos dois grupos de dados: os dados quantitativos e os dados qualitativos.
Responda qual das alternativas a seguir representa um dado quantitativo:
a) ( ) O volume, em mililitros de sucos fabricados pela empresa A. B

I
b) ( ) Qualidade das peças fabricadas pela máquina B. O
c) ( ) Sexo (feminino ou masculino) dos nascituros da maternidade X. E
S
d) ( ) Cor dos cabelos das modelos da agência Belle.
T
A
3 Uma das formas mais simples de organizar dados brutos é ordená-los em Rol. Com T
Í
relação a essa classificação, qual das alternativas a seguir apresenta uma organização S
em Rol. T
I
C
a) ( ) 3, 5, 12, 22, 18, 27, 33 A
b) ( ) 81, 67, 63, 57, 34, 21, 12 E

c) ( ) 9, 7, 3, 1, -5, -3, -1 M
d) ( ) - 1, 2, - 4, 5, 7, 9,12 E
D
U
4 Os dados a seguir apresentam o número de acertos de arremessos, realizados por 20
C
estudantes, durante um treino de basquetebol, sendo que cada estudante teve direito a 6 A
Ç
arremessos. Observe os dados e responda qual das alternativas apresenta a quantidade
Ã
de linhas de dados que uma tabela com agrupamento simples de dados deve conter: O
3 5 4 1 6 6 5 1 3 4 F
Í
4 6 1 1 3 4 5 6 4 4 S
I
C
A
a) ( ) 4
b) ( ) 5
c) ( ) 6
d) ( ) 7
B
I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
IAÇÃO
AVAL
Prezado acadêmico, agora que chegamos ao final da

Unidade 1, você deverá fazer a Avaliação referente a esta unidade.
B
I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
B
I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
UNIDADE 2
MEDIDAS DE POSIÇÃO
A partir desta unidade, você será capaz de:
 descrever e interpretar informações do campo da Educação Física

sob o aspecto estatístico;
 compreender os procedimentos técnicos e de cálculos essenciais

ao trabalho estatístico quanto aos dados biológicos;
 utilizar
a linguagem bioestatística como instrumento de apoio na
execução de atividades do cotidiano;
 analisar, descrever, organizar e interpretar informações sobre o

aspecto bioestatístico para a tomada de decisões;
 criar tabelas e gráficos que auxiliem na tomada de decisões, B

partindo de uma situação problema da Educação Física. I
O
E
S
T
PLANO DE ESTUDOS A
T
Esta unidade está dividida em três tópicos e em cada um deles Í
S
você encontrará atividades visando à compreensão dos conteúdos T
apresentados. I
C
A
E
TÓPICO 1 - MEDIDAS DE TENDÊNCIA CENTRAL M
TÓPICO 2 - MEDIDAS DE DISPERSÃO E

D
TÓPICO 3 - SÉRIES E GRÁFICOS ESTATÍSTICOS U
C
A
Ç
Ã
O
F
Í
S
I
C
A
B
I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
UNIDADE 2
TÓPICO 1
MEDIDAS DE TENDÊNCIA CENTRAL
1 INTRODUÇÃO
Na unidade anterior vimos que o estudo de distribuição de frequência permite descrever

os grupos dos valores dos dados de uma pesquisa. Desta forma, podem ser localizados onde
ocorrem em maior concentração de valores, ou seja, se a concentração se localiza no início,
no meio ou no final da distribuição, ou ainda, se há uma distribuição normal.
B
Para ressaltar as tendências características de cada distribuição é necessário introduzir I
O
conceitos que se expressem através de números, que permitam traduzir estas tendências.
E
Estes conceitos são denominados elementos típicos das medidas de posição, assunto desta S
T
unidade. As medidas de posição representam uma série de dados, orientando quanto à posição
A
da distribuição com relação ao centro. Dentre as várias medidas de posição, descreveremos T
neste tópico as Medidas de Tendência Central. Í
S
T
As Medidas de Tendência Central são números que indicam o valor médio de uma I
C
distribuição de frequência procurando reduzir todos os valores num só, e de preferência, tomam A
como mais representativo aquele que esteja no centro da distribuição. São três as medidas
E
de posição: M
E
• Média: medida de uniformização D
• Mediana: medida de posição U
C
• Moda: medida de concentração
A
Ç
Acadêmico, é importante você notar que cada grupo de dados está devidamente Ã
O
estabelecido na dependência do que está sendo verificado e que, desta forma, há três maneiras
diferentes de calcular essas medidas, que dependem de como os dados se encontram: dados F
Í
não estão agrupados, dados agrupados em distribuição de frequência sem intervalo de classe S
e dados agrupados em distribuição de frequência com intervalo de classe. I
C
A
2 MÉDIA ARITMÉTICA
É o elemento representativo da série mais usado, procura uniformizar os dados em

torno de um valor médio, por isto é também chamado de medida de uniformização. Há várias
situações em que a média aritmética deve ser utilizada, dando como resultado um único valor
que represente um “ajuste” de todos os outros valores. Operacionalmente, a média ( ) é o
quociente entre a soma de todos os valores (Σfi) pelo número total dos dados (n).
UNI
A letra grega Σ (sigma) é usada na matemática, como símbolo

de um somatório.
2.1 MÉDIA ARITMÉTICA PARA DADOS NÃO AGRUPADOS

B
I
O
E Essa média é calculada a partir da soma de todos os valores, dividindo-os pela
S quantidade de valores que foram somados. Podemos representar matematicamente a média
T
A aritmética pela seguinte expressão:
T
Í
S
T
I
C
A
Onde:
E
M
E
D
U
C
A Vejamos exemplos que demonstram em quais situações a média aritmética pode ser
Ç
Ã utilizada.
O
F Exemplo 1: O café é uma das bebidas favoritas da população brasileira e pesquisas

Í sobre seus benefícios e malefícios não param de surgir. Um treinador de futebol quer analisar a
S
I
relação entre o consumo de café e a energia concentrada nos treinos de seus jogadores. Para
C isso, foram anotados o consumo de café de quatro dos seus jogadores. O primeiro consumiu
A
em um dia 8 xícaras de café, o segundo 7, o terceiro 4 e o quarto 5 xícaras. Qual a média de

café consumido por esses jogadores?
FIGURA 7 - CAFÉ
FONTE: Disponível em: <http://crisarcangeli.com/users/jayknights/desktop/cris_

arcangeli/wp-content/uploads/2015/10/office-coffee.jpg>. Acesso em: 15
ago. 2016.
Resposta:
Os valores registrados pelo consumo de café nestes jogadores foram: 8, 7, 4 e 5. Com
isso, a média é representada por: B
I
O
E
S
T
A
O que implica que cada um dos quatro jogadores poderia tomar seis cafés que o T
Í
consumo seria o mesmo. Dizemos então que a média de consumo diário é de seis cafés por S
jogador, mesmo observando que nenhum dos quatro jogadores analisados tomou esta quantia. T
I
C
Exemplo 2: Um professor de Educação Física verificou que as notas da prova teórica A
sobre atletismo dos seis meninos da turma foram: 8,5; 5,0; 9,0; 3,5; 7,5 e 8,5. Com o intuito de
E
verificar como foi o desempenho geral destes meninos, o professor decidiu encontrar a média M
aritmética. Qual valor encontrou?
E
D
Resposta: U
C
Somando os valores das notas e dividindo pelas seis notas somadas: A
Ç
Ã
O
F
Í
A média aritmética destas notas é 7. S
I
C
A
Exemplo 3: Na Universidade em que Maria estuda, os professores utilizam a média

aritmética para calcular a média final obtida pelas notas parciais. A média mínima para que o
aluno seja aprovado é 7,0. Maria já tirou as seguintes notas na disciplina de Bioestatística em
Educação Física: 7,0; 4,5 e 8,0. Como a professora desta disciplina deseja fazer mais uma
prova, qual deverá ser a nota mínima que Maria pode tirar para permanecer na média para
não reprovar?
Resposta: Como sabemos que a média mínima exigida pela escola é 7, podemos
desenvolver a questão da seguinte forma, adotando com x a nota ainda a ser feita:
Concluímos que a nota mínima que Maria pode tirar é 8,5 para que sua média fique
dentro das expectativas da Universidade.
A seguir, trataremos do cálculo da média aritmética em dados agrupados em uma

B distribuição de frequência sem intervalo de classe.
I
O
E
S
T
A 2.2 MÉDIA ARITMÉTICA PARA DADOS AGRUPADOS EM DISTRIBUIÇÃO
T DE FREQUÊNCIA SEM INTERVALO DE CLASSE
Í
S
T Para determinar a média aritmética em dados agrupados em uma distribuição de
I frequência sem intervalo de classe, multiplicamos a variável (dados) pela frequência (fi), depois
C
A
somamos todos os produtos e dividimos o resultado pela quantidade de dados, simbolicamente:
E
M
E
D
U
C Onde:
A
Ç
Ã
O
F
Í
S
I
C
A
Vejamos os exemplos a seguir:
Exemplo 1: Na distribuição a seguir estão relacionadas as notas de 35 acadêmicos do

7º semestre do curso de Educação Física na disciplina de Bioestatística em Educação Física.
TABELA 5 - NOTAS DOS ACADÊMICOS DO 7O SEMESTRE DO CURSO DE EDUCAÇÃO FÍSICA NA

DISCIPLINA DE BIOESTATÍSTICA EM EDUCAÇÃO FÍSICA - UNIASSELVI - 2016
Notas (xi) Número de Acadêmicos (fi)

3 3
4 6
5 9
6 8
7 6
8 3
Total 35
FONTE: A autora
Para ter uma visão geral do desempenho destes acadêmicos nesta avaliação, a
professora calculou a média aritmética.
B
I
Resolução: Iniciamos calculando na própria tabela o produto e calculando seu O
E
somatório.
S
T
A
TABELA 6 - NOTAS DOS ACADÊMICOS DO 7O SEMESTRE DO CURSO DE EDUCAÇÃO FÍSICA NA
T
DISCIPLINA DE BIOESTATÍSTICA EM EDUCAÇÃO FÍSICA - UNIASSELVI - 2016
Í
Notas (xi) Número de Acadêmicos (fi) xi ∙ fi S
T
3 3 3∙3=9 I
C
4 6 4 ∙ 6 = 24 A
5 9 5 ∙ 9 = 45
E
6 8 6 ∙ 8 = 48 M
7 6 7 ∙ 6 = 42 E
8 3 8 ∙ 3 = 24 D
U
Total 35 192 C
A
FONTE: A autora Ç
Ã
O
Feito isso, basta substituir as informações necessárias na fórmula:
F
Í
S
I
C
A
Assim, a média da turma nesta avaliação, em uma escala de 0 até 10, foi de 5,49.
Exemplo 2: O basquetebol é um esporte disputado por duas equipes de cinco jogadores,

em que sai vencedora aquela que, no decorrer dos 40 minutos de jogo, somar o maior número
de pontos encestando uma bola. O jogo é altamente conhecido e disputado nos Estados Unidos
e a NBA (Associação Nacional de Basquetebol) é considerada uma das mais importantes
ligas de basquetebol em nível mundial, sendo que os seus jogadores são os que recebem os
mais elevados salários. A média de altura dos jogadores da NBA é de 2,05 metros. No Brasil,
nós temos vários atletas de expressão que deixaram suas marcas e que são mundialmente
conhecidos, como é o caso de Hortência, Paula, Janeth e Oscar Schmidt.
Em uma escola de Basquetebol, em São Paulo, o treinador busca manter uma média de
altura de seus atletas de 1,95m. Sabendo que, atualmente, treinam nesta escola 30 atletas, os
B quais as alturas estão relacionadas na tabela a seguir, responda se a média de altura pleiteada
I por este treinador está sendo mantida.
O
E
S
T FIGURA 8 - BASQUETEBOL
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã FONTE: Disponível em: <http://s2.glbimg.com/rk-oAeOVJco-wAq0kHw02UmlSryIv51uWP
O aheI1TYY5XxJLLu7PC3ucFPd86vm44/s.glbimg.com/es/ge/f/original/2013/03/02/
gui_enterrada.jpg>. Acesso em: 15 ago. 2016.
F
Í
S
I
C
A
TABELA 7 - ALTURA, EM METROS, DOS ATLETAS DA ESCOLA DE BASQUETEBOL – SÃO PAULO

– 2016
Alturas (xi) Número de Atletas (fi)

1,90 4
1,93 7
1,95 3
1,96 2
1,98 9
2,03 5
Total 30
FONTE: A autora
Resolução: Assim como no exemplo anterior, iniciamos calculando na própria tabela

o produto e calculando seu somatório.
TABELA 8 - ALTURA, EM METROS, DOS ATLETAS DA ESCOLA DE BASQUETEBOL - SÃO PAULO

- 2016
Alturas (xi) Número de Atletas (fi) xi ∙ fi

1,90 4 1,90 · 4 = 7,6
B
1,93 7 1,93 · 7 = 13,51 I
O
1,95 3 1,95 · 3 = 5,85
E
1,96 2 1,96 · 2 = 3,92 S
T
1,98 9 1,98 · 9 = 17,82 A
T
2,03 5 2,03 · 5 = 10,15
Í
Total 30 58,85 S
T
FONTE: A autora I
C
A
Agora, basta substituir as informações necessárias na fórmula:
E
M
E
D
U
C
A
Ç
Ã
O
Assim, a média das alturas dos atletas desta escola é de 1,96 cm. Portanto, sim, o F
treinador mantém e supera a meta de ter uma média das alturas em 1,95 cm. Í
S
I
C
A
Antes de calcularmos a média para dados distribuídos em frequência de classe, vamos

aprender a “preparar” a nossa tabela de classes para que consigamos calcular, além da média,
a moda, a mediana, os quartis e, futuramente, o desvio padrão.
Para isso, usaremos uma tabela de exemplo, com poucas classes, uma vez que, se
aprendermos a fazer numa linha, basta repetir para todas as outras. A partir das colunas
iniciais, construídas conforme explicado na Unidade 1, temos que construir outras colunas.
Explicaremos cada coluna detalhadamente.
Ç ÃO!
ATEN
A frequência das aparições que utilizamos das distribuições são

chamadas de frequência absoluta. É com ela que verificamos
por quantas vezes algum evento aconteceu.
Além da frequência absoluta, também temos a frequência absoluta acumulada, este

tipo de frequência tem como interesse mostrar o número de aparições até um certo ponto de
uma tabela de dados. Com ela podemos fazer outras comparações e observações que até
eram possíveis antes, mas que com a inclusão de uma outra coluna ficam bem mais visíveis.
B
I
Esta coluna é formada pela soma da frequência até cada linha de dados.
O
E
EXEMPLO: Tomaremos como modelo a tabela resultante do exemplo 2 do assunto
S
T anterior para realizarmos a inclusão da coluna da frequência absoluta acumulada.
A
T
Í TABELA 9 - ALTURA, EM METROS, DOS ATLETAS DA ESCOLA DE BASQUETEBOL – SÃO PAULO
S - 2016
T
I Alturas (xi) Número de Atletas (fi) Frequência Absoluta Acumulada (fa)
C
1,9 4 4
A
1,93 7 4 + 7 = 11
E
M 1,95 3 4 + 7 + 3 = 14
1,96 2 4 + 7 + 3 + 2 = 16
E
D 1,98 9 4 + 7 + 3 + 2 + 9 = 25
U
C 2,03 5 4 + 7 + 3 + 2 + 9 + 5 = 30
A Total 30 -
Ç
Ã FONTE: A autora
O
F Note que a nova coluna apresentada é constituída pela soma dos valores da frequência
Í
S absoluta até cada linha, sempre somando todos os valores anteriores. Com a inclusão desta
I nova coluna é possível responder rapidamente a perguntas do tipo: Quantas atletas medem
C
A até 1,96 m.? Observando na tabela, imediatamente verificamos que são 16 atletas.
Além da frequência acumulada, em estatística também é interessante representar estes

dados por meio de porcentagem, que permite realizar comparações e análises de forma mais
objetiva. Os dados apresentados em forma de porcentagem são denominados de frequência
relativa. E para determinar esta frequência, basta dividir o valor de cada frequência absoluta
pelo total da própria frequência absoluta multiplicada por 100, ou seja:
EXEMPLO: Ainda tomando como modelo a tabela do exemplo anterior, vamos inserir
uma coluna para os valores da frequência relativa.
TABELA 10 - ALTURA, EM METROS, DOS ATLETAS DA ESCOLA DE BASQUETEBOL – SÃO

PAULO - 2016
Alturas (xi) Número de Atletas (fi) Frequência Relativa (fr)

1,9 4 4/30 ∙ 100 = 13,33 %
1,93 7 7/30 ∙ 100 = 23,33 %
1,95 3 3/30 ∙ 100 = 10,00 %
1,96 2 2/30 ∙ 100 = 6,67 %
B
1,98 9 9/30 ∙ 100 = 30,00 % I
2,03 5 5/30 ∙ 100 = 16,67 % O
E
Total 30 100,00% S
T
A
T
FONTE: A autora
Í
Perceba que basta pegar individualmente os valores da frequência absoluta, dividir pela S
soma (total) da frequência absoluta e multiplicar por 100 para cada linha, deixando os valores T
I
na forma de porcentagem. Com essa nova visão, a inferência se torna mais clara. Deixando a C
tabela somente com os valores e observe as duas análises a seguir da tabela: A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
TABELA 11 - ALTURA, EM METROS, DOS ATLETAS DA ESCOLA DE BASQUETEBOL – SÃO

PAULO - 2016
Alturas (xi) Número de Atletas (fi) Frequência Relativa (fr)

1,9 4 13,33%
1,93 7 23,33%
1,95 3 10,00%
1,96 2 6,67%
1,98 9 30,00%
2,03 5 16,67%
Total 30 100,00%
FONTE: A autora
Sobre estes dados, podemos concluir:
• O menor grupo de atletas desta escola são os que medem 1,96 m com 6,67% dos
atletas.
• O maior grupo de atletas desta escola são os que medem 1,98 m com 30% do total
de atletas.
• O grupo de atletas que medem 2,03 metros representa 16,67% dos atletas desta
B
I
escola.
O
E
Assim como na frequência absoluta acumulada, podemos também proceder com a
S
T frequência relativa e fazer suas acumulações de cima para baixo. Fazendo isso, neste exemplo,
A temos:
T
Í
S TABELA 12 - ALTURA, EM METROS, DOS ATLETAS DA ESCOLA DE BASQUETEBOL – SÃO
T PAULO
I
C Frequência
A Alturas Número de
Relativa Frequência Relativa Acumulada (fra)
(xi) Atletas (fi)
E (fr)
M
1,9 4 13,33% 13,33%
E 1,93 7 23,33% 13,33 + 23,33 = 36,66%
D
U 1,95 3 10,00% 13,33 + 23,33+ 10,00 = 46,66%
C 1,96 2 6,67% 13,33 + 23,33+ 10,00 + 6,67 = 53,33%
A
Ç 1,98 9 30,00% 13,33 + 23,33+ 10,00 + 6,67 + 30,00 = 83,33%
Ã
O 2,03 5 16,67% 13,33 + 23,33+ 10,00 + 6,67 + 30,00 + 16,67 = 100,00%
Total 30 100,00%
F
Í FONTE: A autora
S
I
C
A
Nesta tabela temos os valores diferentes da pesquisa, frequência absoluta (fi), a

frequência relativa (fr) e a frequência relativa acumulada (fra). Com as informações desta última
coluna, podemos identificar dados como:
• 53,33% dos atletas medem no máximo 1,96 m.

• 83,33% dos atletas representam os atletas da escola que medem até 1,98 m.
A seguir, trataremos do cálculo da média aritmética em dados agrupados em uma

distribuição de frequência com intervalo de classe.

FREQUÊNCIA COM INTERVALO DE CLASSE
Para dados agrupados em intervalos de classes usamos a fórmula a seguir para

encontrar a média:
B
I
O
Onde: E
S
T
A
T
Í
S
T
I
C
A
Vejamos os exemplos a seguir:
E
Exemplo 1: Na tabela de distribuição de frequência com intervalos de classe, a M
seguir, estão relacionadas as estaturas de 100 acadêmicos do curso de Educação Física da E

UNIASSELVI no ano de 2016. D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
TABELA 13 - DISTRIBUIÇÃO DAS ESTATURAS DE 100 ACADÊMICOS DO CURSO DE

EDUCAÇÃO FÍSICA DA UNIASSELVI - 2016
Estatura (cm) Número de Acadêmicos (fi)

140 Ⱶ 150 5
150 Ⱶ 160 10
160 Ⱶ 170 30
170 Ⱶ 180 40
180 Ⱶ 190 10
190 Ⱶ 200 5
Total 100
FONTE: A autora
Para calcularmos a média para dados distribuídos em frequência de classe, vamos

aprender a “preparar” a nossa tabela de classes para que consigamos calcular não apenas a
média, mas também a moda, a mediana, os quartis e mais adiante o desvio padrão.
Inicialmente, vamos calcular o ponto médio do intervalo de classe xi (já aprendemos a

calcular na Unidade 1 desde caderno de estudos). Para isso, em cada linha devemos subtrair
o limite inferior do limite superior e dividir por dois.
B
I
O
E
S
T
A
T
Í Vejamos na tabela:
S
T
I TABELA 14 - DISTRIBUIÇÃO DAS ESTATURAS DE 100 ACADÊMICOS DO
C CURSO DE EDUCAÇÃO FÍSICA DA UNIASSELVI - 2016
A Estatura (cm) Número de Acadêmicos (f) xi
E 140 Ⱶ 150 5 145 150-140
M 2
0 Ⱶ 160 10 155
E 160 Ⱶ 170 30 165
D
U 170 Ⱶ 180 40 175 180-170
C 2
A 180 Ⱶ 190 10 185
Ç 190 Ⱶ 200 5 195
Ã
O Total 100
F FONTE: A autora
Í
S
I
C
A
Calculados os pontos médios (xi), devemos multiplicá-los pela frequência absoluta (fi)
de cada classe, conforme apresentamos na tabela a seguir:
TABELA 15 - DISTRIBUIÇÃO DAS ESTATURAS DE 100 ACADÊMICOS DO CURSO DE

EDUCAÇÃO FÍSICA DA UNIASSELVI – 2016
Estatura (cm) Número de Acadêmicos (fi) xi xi ∙ fi

140 Ⱶ 150 5 145 145 ∙ 5 = 725
150 Ⱶ 160 10 155 155 ∙ 10 = 1550
160 Ⱶ 170 30 165 165 ∙ 30 = 4950
170 Ⱶ 180 40 175 175 ∙ 40 = 7000
180 Ⱶ 190 10 185 185 ∙ 10 = 1850
190 Ⱶ 200 5 195 195 ∙ 5 = 975
Total 100 17 050 • Somatório de
todos os xi∙fi
FONTE: A autora
Com estas informações, é possível calcularmos a média das estaturas dos 100
acadêmicos do curso de Educação Física da Uniasselvi no ano de 2016.
B
I
O
Substituindo na fórmula, E
S
T
A
T
Í
S
T
I
C
Assim, a média dos acadêmicos do curso de Educação Física da UNIASSELVI no ano A
de 2016 é de 170,5 centímetros. E

M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
Ç ÃO!
ATEN
Acadêmico, veja algumas características da média quanto à

importância, vantagens e desvantagens:
• a média de um conjunto de números pode sempre ser calculada;

• para um dado conjunto de números a média é única;
• a média de uma constante sempre é uma constante;
• é descritiva de todos os dados de uma série e de fácil
compreensão;
• é facilmente calculável;
• depende de cada valor da série e qualquer alteração de um deles
altera seu valor;
• é influenciada por valores excepcionais, podendo em alguns
casos não representar a série;
• é das medidas de tendência central de maior emprego;
• é usada para operações estatísticas mais avançadas, como testes
para tomada de decisão.
3 MODA
B
I
O É o elemento representativo da série que indica a concentração. É o valor que ocorre
E
com maior frequência, é o que mais aparece. Às vezes, num conjunto de dados podemos ou
S
T não ter moda. Não existindo moda ele será amodal; havendo mais de uma moda ele será
A
multimodal – bimodal para duas modas; trimodal para três modas.
T
Í
S Assim como no estudo da média, vamos separar o estudo do cálculo da moda nas três
T
I apresentações dos dados vistos:
C
A
E
M IMPO
RTAN
TE!

E
D A moda é representada pelo símbolo Mo.
U
C
A
Ç
Ã
O
3.1 DADOS NÃO AGRUPADOS
F
Í
S Basta colocar os valores no ROL e depois verificar qual valor que ocorreu com maior
I
frequência. Esse valor será a moda da distribuição.
C
A
Ex.: a) 2, 4, 5, 5, 6, 7. Mo = 5
b) 5, 6, 7, 8, 9. Mo = Não existente. Classe amodal.
c) 3, 4, 4, 5, 5, 6, 7, 8, 9. Mo = 4 e 5. Classe bimodal.
3.2 DADOS AGRUPADOS EM DISTRIBUIÇÃO DE FREQUÊNCIA

SEM INTERVALO DE CLASSES
A moda será o valor com maior frequência, ou seja, basta olhar a linha em que o fi é
maior, veja a tabela a seguir como exemplo.
TABELA 16 - NOTAS DOS ACADÊMICOS DO 7O SEMESTRE DO CURSO DE EDUCAÇÃO FÍSICA

NA DISCIPLINA DE BIOESTATÍSTICA – UNIASSELVI - 2016
Notas Número de Acadêmicos (fi)

3 3
4 6
5 9
6 8
7 6
8 3 B
I
Total 35 O
E
FONTE: A autora S
T
A
Como podemos observar, a terceira linha é portadora do maior fi, desta forma, a nota T
modal nesta turma foi 5. Representamos por: Mo = 5. Í
S
T
I
C
A
3.3 DADOS AGRUPADOS EM DISTRIBUIÇÃO DE FREQUÊNCIA COM
INTERVALO DE CLASSES E
M
Quando os dados estiverem agrupados em uma distribuição de frequência com intervalos E
de classe, devemos inicialmente encontrar a classe modal (classe de maior fi) e depois calcular D
U
a moda pelo seguinte modelo matemático:
C
A
Ç
Ã
O
F
Í
S
I
C
A
Onde:
d1 = diferença entre a frequência da classe modal e a anterior;
d 2 = diferença entre a frequência da classe modal e a posterior.
 i = limite inferior da classe modal.
hi = amplitude da classe modal. (ls – li)
Vejamos como calcular a moda para o exemplo já utilizado no cálculo da média para
esse mesmo tipo de dados.
Exemplo: Na tabela de distribuição de frequência com intervalos de classe, a

seguir, estão relacionadas as estaturas de 100 acadêmicos do curso de Educação Física da
UNIASSELVI no ano de 2016.
TABELA 17 - DISTRIBUIÇÃO DAS ESTATURAS DE 100 ACADÊMICOS DO CURSO DE EDUCAÇÃO

FÍSICA DA UNIASSELVI - 2016

140 Ⱶ 150 5
150 Ⱶ 160 10
160 Ⱶ 170 30
B 170 Ⱶ 180 40
I 180 Ⱶ 190 10
O
E 190 Ⱶ 200 5
S
T Total 100
A
T FONTE: A autora
Í
S
T Para calcular a moda em um conjunto de dados agrupados em intervalos de classes,
I devemos observar os seguintes passos:
C
A
1º Passo: Identificar a classe onde a Moda se encontra (Classe Modal), ou seja, vamos
E
M destacar a linha onde temos o maior fi.
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A


140 Ⱶ 150 5
150 Ⱶ 160 10
160 Ⱶ 170 30
170 Ⱶ 180 40
180 Ⱶ 190 10
190 Ⱶ 200 5
Total 100
FONTE: A autora
Neste exemplo, a classe modal é a quarta classe (i4) da distribuição, pois é ali que se
encontra a maior frequência, que é 40.
2º Passo: Definida a classe modal, vamos aplicar a fórmula para o cálculo da moda:
B
I
Sendo: d1 = maior fi menos fi anterior; (f4 – f3 = 40 – 30 = 10) O
E
d2 = maior fi menos fi posterior. (f4 – f5 = 40 – 10 = 30) S
T
A
T
UNI Í
S
T
Não se esqueça do que significa li (limite inferior da classe) e hi I
(amplitude da classe). Caso não lembre, retorne ao estudo nos C
tópicos anteriores. A
E
M
Neste exemplo, li = 170 e hi = ls – li = 180 – 170 = 10. Substituindo na fórmula, temos:
E
D
U
C
A
Ç
Ã
O
F
Í
Desta forma, a altura modal para este grupo de acadêmicos é de 172,5 centímetros e S
representamos por, Mo = 172,5 cm. I
C
A
IMPO
RTAN
TE!

Veja algumas observações sobre a moda:
• é a menos útil para problemas estatísticos, porque se presta à

análise matemática;
• a utilidade da moda se acentua quando um ou dois valores
ocorrem aproximadamente com a mesma frequência;
• a moda nada acrescenta em termos de descrição dos dados.
4 MEDIANA
A mediana é o elemento de tendência central que, estando os dados em ordem crescente,

indica o valor médio ou a média dos valores centrais, por isto é chamada de medida de posição.
Divide a série em duas partes iguais.
Novamente, iremos apresentar como determinar essa medida, para os três tipos de
B
I
apresentação de dados.
O
E
S
T
A
4.1 DADOS NÃO AGRUPADOS
T
Í
S
T Quando todas as observações estão ordenadas em rol, a mediana é o valor da
I observação central. A mediana não é calculada como a média, ao invés disso, para determinar
C
A a mediana, calculamos a sua posição, o valor que estiver naquela posição será a mediana.
E
M Em dados não agrupados, determinamos a posição da mediana, através do cálculo:
, sendo n o número de dados da distribuição.
E
D
U Vejamos alguns exemplos:
C
A
Ç Exemplo 1: Qual a mediana dos dados a seguir?
Ã
O
4 7 8
F
Í
S Acadêmico, sabemos que a mediana é o termo que se encontra no centro da distribuição
I e, nesse caso, podemos intuitivamente afirmar que a mediana é 7.
C
A
Ainda, podemos verificar o valor da mediana, usando a fórmula: primeiramente

calculamos a posição da mediana usando . Como temos três dados, então n = 3. Assim
A mediana é o dado da 2ª posição, logo Md = 7.
IMPO
RTAN
TE!

Quando o número de dados é par, a posição será um valor
“quebrado”; com isso, a mediana é a média dos dois dados centrais.
Exemplo 2: Qual a mediana dos dados a seguir?
3 5 9 16
Intuitivamente percebemos que não há um valor no centro da distribuição, e sim dois

valores (5 e 9). A mediana será, então, a média desses valores:
Usando a fórmula, temos quatro dados, então n = 4. Assim, que

representa a posição entre o 2º e o 3º dado, que não existe. Nesse caso, calculamos a média
entre o 2º (5) e o 3º (9), que é 7. B
I
O
Exemplo 3: A seguir estão dispostos em ROL os salários, em reais, de 50 profissionais E
habilitados em Educação Física, referentes a uma carga horária de 20h, no mês de julho de S
T
2016, no Estado de Santa Catarina. A
T
Í
578,90 885,85 1000,00 1234,32 1785,3 S
595,45 899,76 1000,76 1280,70 1798,24 T
I
671,45 900,00 1009,65 1290,12 1865,43 C
A
678,12 904,90 1010,43 1345,54 1900,00
683,92 908,99 1029,12 1383,90 1900,43 E
M
777,23 920,98 1055,90 1408,30 1920,01
E
786,43 965,00 1080,67 1600,00 2000,00
D
800,00 976,45 1100,00 1654,25 2043,89 U
C
850,80 980,12 1100,45 1670,98 2080,00 A
Ç
880,76 990,54 1100,99 1782,39 2109,88
Ã
O
Para determinar o salário mediano, devemos seguir os passos: F

Í
S
1º Passo: Calcular a posição da mediana: I
C
A
2º Passo: Determinar o valor da mediana:
Como a posição 25,5 não existe, temos que pegar os valores da posição 25 e da posição
26, depois disso fazer a média entre os dois valores (sempre que o número de dados n for par
acontecerá isso).
Posição 25: Posição 26:
Mediana será a média dos dois valores encontrados, ou seja,

Portanto, o salário mediano é de R$ 1.042,51.
ÇÃO!
ATEN
Para determinar os valores das posições calculadas, colocamos

os valores em ROL, e contamos até a posição desejada. Volte na
tabela acima e conte, na ordem em que os dados crescem, até a
posição 25 e 26 e perceba que são os valores 1029,12 e 1055,90.
Se o número de dados n for ímpar, o cálculo da posição dará um
número inteiro, com isso bastará encontrar o valor no ROL que
está na posição calculada. Como teremos apenas um valor, esse
valor será a mediana.
B
I
O
E
S
T
A 4.2 DADOS AGRUPADOS EM DISTRIBUIÇÃO DE FREQUÊNCIA
T SEM INTERVALO DE CLASSES
Í
S
Para dados agrupados em distribuição de frequência sem intervalo de classes ou em
T
I frequência simples, também iremos determinar a mediana calculando sua posição. Vejamos
C o exemplo, já trabalhado anteriormente:
A
E Exemplo: Na distribuição a seguir estão relacionadas as notas de 35 acadêmicos do

M
7º semestre do curso de Educação Física na disciplina de Bioestatística em Educação Física.
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A

NA DISCIPLINA DE BIOESTATÍSTICA EM EDUCAÇÃO FÍSICA – UNIASSELVI – 2016
Notas (xi) Número de Acadêmicos (fi)

3 3
4 6
5 9
6 8
7 6
8 3
Total 35
FONTE: A autora
Para determinar a mediana, novamente devemos seguir os passos:
1º passo: Cálculo da posição:
B
Logo, queremos o valor da posição 18, ou, em outras palavras, o valor x18. I
O
E
2º passo: Determinar o valor da mediana. Para isso, temos que olhar a coluna da S
frequência acumulada (Fa), e encontrar a linha do primeiro valor igual ou maior que a posição T
A
calculada, que no nosso caso é 18. T
Í
S
T
NA DISCIPLINA DE BIOESTATÍSTICA EM EDUCAÇÃO FÍSICA - UNIASSELVI
I
C
Notas (xi) Número de Acadêmicos (fi) Frequência Acumulada (Fa)
A
3 3 3
E
4 6 9 M
5 9 18
E
6 8 26 D
U
7 6 32 C
8 3 35 A
Ç
Total 35 Ã
O
FONTE: A autora
F
Í
S
I
C
A
Na tabela, a terceira linha nos apresenta na coluna Fa o valor da posição 18. Logo, o
valor da mediana é 5, porque é o xi da linha 3, ou seja, Md = 5.
ÇÃO!
ATEN
Se o número de dados n for par, acontecerá novamente uma

posição intermediária. Se essa posição ficar entre duas linhas,
tira-se a média entre os dois valores das respectivas linhas, caso
contrário, a mediana será o valor da linha, como no caso de n
ímpar mostrado acima.
4.3 DADOS AGRUPADOS EM DISTRIBUIÇÃO DE FREQUÊNCIA

COM INTERVALO DE CLASSES
Para calcular a mediana em dados agrupados em distribuição de frequência com

intervalo de classes, iremos retomar o exemplo já trabalhado anteriormente e, assim como
fizemos para as demais maneiras de apresentação de dados, vamos seguir alguns passos.
B
I Exemplo: Na tabela de distribuição de frequência com intervalos de classe a seguir,
O estão relacionadas as estaturas de 100 acadêmicos do curso de Educação Física da Uniasselvi
E
S no ano de 2016.
T
A
T TABELA 21 - DISTRIBUIÇÃO DAS ESTATURAS DE 100 ACADÊMICOS DO CURSO DE
Í EDUCAÇÃO FÍSICA DA UNIASSELVI - 2016
S
T Estatura (cm) Número de Acadêmicos (fi)
I 140 Ⱶ 150 5
C
A 150 Ⱶ 160 10
E 160 Ⱶ 170 30
M 170 Ⱶ 180 40
E 180 Ⱶ 190 10
D
U 190 Ⱶ 200 5
C Total 100
A
Ç FONTE: A autora
Ã
O
1º Passo: Continua sendo determinar a posição em que a mediana se encontra,
F
igual aos casos anteriores.
Í
S
I Posição:
C
A
2º Passo: Determinar a classe da mediana, que nada mais é que a linha em que
a posição calculada (no caso 50,5) se encontra. Novamente, para determinar essa linha
(classe), basta olhar a coluna da frequência acumulada (Fa). O primeiro valor dessa coluna
Fa igual ou maior que a posição calculada indicará a classe da mediana. Assim, vamos
preparar a tabela com os valores de xi e Fa.
TABELA 22 - DISTRIBUIÇÃO DAS ESTATURAS DE 100 ACADÊMICOS DO CURSO

DE EDUCAÇÃO FÍSICA DA UNIASSELVI - 2016
Número de
Estatura (cm) xi Fa
Acadêmicos (fi)
140 Ⱶ 150 5 145 5
150 Ⱶ 160 10 155 15
160 Ⱶ 170 30 165 45
170 Ⱶ 180 40 175 85 Classe da
180 Ⱶ 190 10 185 95 Mediana
Total 100
FONTE: A autora
Neste exemplo, o primeiro valor igual ou maior que 50,5 é o 85, que está na 4ª classe
(linha 4), ou seja, a classe da mediana será 170 ├ 180. B
I
O
3º Passo: Calcular a mediana usando a fórmula a seguir: E
S
T
A
T
Í
S
T
I
C
Onde: A
= limite inferior da classe da mediana.
E
= frequência acumulada da classe anterior à da mediana. M
= frequência da classe mediana.
E
= amplitude da classe modal. D
U
C
Neste exemplo, temos:
A
Ç
Ã
O
F
Í
S
I
C
A
Substituindo na fórmula, temos:
ÇÃO!
ATEN
Algumas observações sobre a Mediana:
• é menos sensível a valores extremos do que a média;

• é difícil de determinar para grande quantidade de dados;
• é mais adequada para distribuição muito assimétrica.
B
I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
RESUMO DO TÓPICO 1
Neste tópico, você estudou as Medidas de Tendência Central, e vimos que estes números
indicam o valor médio de uma distribuição de frequência, procurando reduzir todos os valores
num só, e de preferência, tomam como mais representativo aquele que esteja no centro da
distribuição. São três as medidas de posição:
• Média: medida de uniformização.

• Mediana: medida de posição.
• Moda: medida de concentração.
Já vimos também que os dados podem estar apresentados de três formas: dados não
agrupados, dados agrupados em distribuição de frequência sem intervalo de classes e dados
agrupados em distribuição de frequência com intervalo de classes. E, para cada maneira de
apresentar os dados de uma pesquisa, existe uma maneira para se calcular a média, moda e
mediana.
B
I
• Dados não agrupados
O
E
S
Média:
T
A
T
Í
S
Moda: basta colocar os valores no ROL e depois verificar qual valor que ocorreu com T
I
maior frequência. C
A
Mediana: em dados não agrupados, determinamos a posição da mediana, através do E
cálculo: , sendo n o número de dados da distribuição. M
E
• Dados Agrupados em Distribuição de Frequência sem Intervalo de Classe D
U
C
Média: A
Ç
Ã
O
Moda: basta olhar a linha em que o fi é maior, o xi correspondente será o valor da moda.
F
Í
Mediana: determinamos a posição da mediana através do cálculo: , buscamos o S
I
valor encontrado na coluna da frequência acumulada (Fa) e localizamos o respectivo xi, este C
será o valor da mediana. A
• Dados Agrupados em Distribuição de Frequência com Intervalo de Classe
Média:
Moda:
Mediana: após determinar a posição da mediana, aplicar a fórmula a seguir:
B
I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A

IDADE
ATIV
AUTO
Prezado acadêmico, chegou a hora de você testar seus conhecimentos sobre as

medidas de tendência central. Lápis e borracha em mãos e boa atividade!
1 A energia hidráulica ou energia hídrica é a energia obtida a partir da energia potencial de

uma massa de água. A forma na qual ela se manifesta na natureza é nos fluxos de
água, como rios e lagos, e pode ser aproveitada por meio de um desnível ou queda
d’água. Considere os maiores consumidores de energia hidráulica no quadro a seguir:
Maiores consumidores de energia hidráulica (em milhões de

toneladas de equivalentes de petróleo)
País Consumo em 2006
China 94,3
Canadá 79,3 B
I
Brasil 79,2 O
Estados Unidos 65,9 E
S
Rússia 39,6 T
Noruega 27,1 A
T
Índia 25,4
Í
Japão 21,5 S
Outros 255,8 T
I
Total 688,1 C
FONTE: Disponível em: <http://webcache.googleusercontent.com/ A
search?q=cache:34WBGf9fH5AJ:www.novosolhos.com.br/download.ph
p%3Fextensao%3Ddoc%26original%3DExerc%25C3%25ADcios%252 E
0de%2520Estat%25C3%25ADstica%2520B%25C3%25A1sica%2520N M
ovosolhos.doc%26servidor%3Darq_material/43_41.doc+&cd=2&hl=pt-
E
BR&ct=clnk&gl=br>. Acesso em: 19 ago. 2016.
D
U
C
Observando estes dados, responda: qual a frequência relativa do consumo no Brasil?
A
Ç
a) Aproximadamente 0,37. Ã
O
b) Aproximadamente 0, 20.
c) Aproximadamente 0,40. F
Í
d) Aproximadamente 0,12. S
I
C
A
2 Considere a seguinte distribuição das frequências absolutas dos salários mensais, em

R$, referentes a 200 trabalhadores de uma indústria de Santa Catarina em julho de 2016.
Classes de salários (R$) Número de funcionários (fi)

400|— 500 50
500|— 600 70
600 |— 700 40
700 |— 800 30
800 |— 900 10
∑ fi =
Fonte: Dados fictícios
Sobre essa distribuição de salários, é correto afirmar que:
a) O salário mediano encontra-se na classe de R$ 600 até R$ 700.

b) O salário modal encontra-se na classe de R$ 600 até R$ 700.
c) O salário modal encontra-se na classe de R$ 700 até R$ 800.
B d) O salário mediano encontra-se na classe de R$ 500 até R$ 600.
I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
UNIDADE 2
TÓPICO 2
MEDIDAS DE DISPERSÃO
1 INTRODUÇÃO
No capítulo anterior vimos algumas medidas de localização do centro de uma

distribuição de dados, ou seja, as medidas de posição: média, moda e mediana. Porém, estas
medidas descrevem apenas uma das características dos valores numéricos de um conjunto
de observações, o da tendência central. O que, às vezes, é insuficiente para representar
fidedignamente os dados analisados. B
I
O
Um exemplo disso é que grupos diferentes de dados observados podem apresentar a
E
mesma média, como no caso a seguir: S
T
A
• Grupo 1: 5, 5, 5. T
• Grupo 2: 4, 5, 6. Í
S
• Grupo 3: 0, 5, 10. T
• Grupo 4: 3, 4, 8. I
C
A
Acadêmico, observe que nos quatro grupos a média é a mesma (5), porém no grupo
E
1 não há variação entre os dados, enquanto no grupo 2 a variação é menor que no grupo 3 e M
no grupo 4.
E
D
Dessa forma, podemos observar que em qualquer grupo de dados os valores numéricos U
C
não são semelhantes e apresentam desvios variáveis com relação à tendência geral de média.
A
Uma maneira mais completa de analisar os dados é aplicar uma medida de dispersão, também Ç
conhecidas como medidas de variabilidade, indicam se os valores estão relativamente próximos Ã
O
uns dos outros. As principais medidas de dispersão são: amplitude, desvio padrão e variância.
F
Í
Neste tópico, aprenderemos a determinar as medidas de dispersão e interpretar seus S
resultados. I
C
A
2 AMPLITUDE TOTAL
Já definimos este conceito na Unidade 1 deste caderno de estudos e é a única medida

de dispersão que não tem na média o ponto de referência. Vamos recordar que a amplitude
total representa a diferença entre o maior e o menor valor de um conjunto de dados, ou seja,
é a diferença entre o limite superior da última classe e o limite inferior da primeira classe. Então:
AT = Li máximo – Li mínimo = Lmax – Lmin
Exemplo: Para os valores: 40, 45, 48, 62 e 70, a amplitude total será:
AT = 70 - 40 = 30
A amplitude total tem a característica de só levar em conta os dois valores extremos

da série, descuidando do conjunto de valores intermediários. Seu cálculo é oportuno para
identificar se os dados estão afastados ou não. Se a amplitude for um número elevado, então
os valores da série estão distribuídos afastados, e se a amplitude for um número baixo, então,
os valores na série estão próximos uns dos outros.
B
I
O
E
S
T 3 DESVIO PADRÃO
A
T
Í O desvio padrão é uma medida de dispersão que indica a regularidade de um conjunto
S
T de dados em função da média aritmética, ou seja, nos informa o quão “confiável” é esse valor.
I O desvio padrão é uma medida que só pode assumir valores não negativos, e quanto maior
C
A for, maior será a dispersão e a variabilidade dos dados.
E
M Desta forma, quanto menor for o desvio padrão com relação à média, maior a
homogeneidade da distribuição, ou seja, mais agrupados os dados estarão em torno da média.
E
D
Se o desvio padrão for grande, indica que os dados da distribuição estão muito dispersos, ou
U seja, estão longe da média.
C
A
Ç Existem dois tipos de desvio padrão, o amostral e o populacional, os quais trataremos
Ã a seguir.
O
F
Í
S
I
C
A
3.1 DESVIO PADRÃO AMOSTRAL E DESVIO PADRÃO POPULACIONAL
Na Unidade 1 deste caderno de estudos tratamos a diferença entre população e amostra.

E, na maioria das vezes, trabalhamos com amostras. Com isso, é mais comum utilizarmos o
desvio padrão amostral, que é representado por S. No entanto, há também o desvio padrão
populacional, representado por σ (sigma).
A seguir, veremos qual a diferença no cálculo de cada um deles.
3.2 CÁLCULO DO DESVIO PADRÃO
Assim como nos cálculos das medidas de tendência central, as quais estudamos no
tópico anterior, o desvio padrão também deve ser calculado observando-se o tipo de dados
que temos. Assim, trataremos cada um deles, iniciando pelos dados não agrupados.
B
I
O
3.2.1 Dados não agrupados E
S
T
Para calcular o desvio padrão em dados não agrupados, devemos observar os seguintes A
T
passos: Í
S
T
1º passo: Calcular a média dos elementos. I
C
A
2º passo: Calcular a diferença entre cada elemento e a média.
E
(x−x ) M
E
3º passo: Elevar essas diferenças à segunda potência. D
U
(x − x)
2 C
A
Ç
Ã
4º passo: Somar todos os resultados obtidos no passo 3. O
F
5º passo: Dividir a soma por n (se for populacional) ou dividir por n-1 (se for amostral). Í
S
I
C
A
Ç ÃO!
ATEN
A diferença no cálculo dos dois desvios padrões (populacional

e amostral) é o denominador (o divisor), enquanto que na
populacional dividimos pelo número total de elementos n, no
amostral dividimos por n-1. A seguir, veremos exemplos de cálculos
dos dois tipos, para que não fiquem dúvidas.
6º passo: Calcular a raiz quadrada do resultado da divisão obtida no passo 5.
Acompanhe o exemplo:
Exemplo: Um professor de Educação Física verificou que as notas da prova teórica

sobre atletismo dos seis meninos da turma foram: 8,5; 5,0; 9,0; 3,5; 7,5 e 8,5. Com o intuito de
verificar como foi o desempenho geral destes meninos, o professor decidiu encontrar a média
aritmética e seu respectivo desvio padrão.
1º passo: Média
B
I
O 2º passo: Fazer cada elemento menos a média ( )
E
S Nota (x) Nota menos a média ( x − x )
T
A 8,5 8,5 – 7,0 = 1,5
T
Í 5,0 5,0 – 7,0 = - 2,0
S 9,0 9,0 – 7,0 = 2,0
T
I 3,5 3,5 – 7,0 = - 3,5
C
A 7,5 7,5 – 7,0 = 0,5
8,5 8,5 – 7,0 = 1,5
E
M
E 3º passo: Elevar cada resultado acima à segunda potência.

D
(x − x)
2
U Nota (x) (x−x )
C 8,5 8,5 – 7,0 = 1,5 (1,5)2 = 2,25
A
Ç 5,0 5,0 – 7,0 = - 2,0 (- 2,0)2 = 4,00
Ã
O
9,0 9,0 – 7,0 = 2,0 (2,0)2 = 4,00
3,5 3,5 – 7,0 = - 3,5 (- 3,5)2 = 12,25
F
Í 7,5 7,5 – 7,0 = 0,5 (0,5)2 = 0,25
S
8,5 8,5 – 7,0 = 1,5 (1,5)2 = 2,25
I
C
A
4º passo: Somar os resultados do passo 3.
(x − x)
2
Nota (x) (x−x )
8,5 8,5 – 7,0 = 1,5 (1,5)2 = 2,25
5,0 5,0 – 7,0 = - 2,0 (- 2,0)2 = 4,00
9,0 9,0 – 7,0 = 2,0 (2,0)2 = 4,00
3,5 3,5 – 7,0 = - 3,5 (- 3,5)2 = 12,25
7,5 7,5 – 7,0 = 0,5 (0,5)2 = 0,25
8,5 8,5 – 7,0 = 1,5 (1,5)2 = 2,25
Total - 25
5º passo: Dividir o resultado da soma do passo 4 por n ou por n-1 (dependendo se é

populacional ( σ )2 ou amostral (S).
IMPO
RTAN
TE!
B
I
O
Acadêmico! Nesse passo acabamos de calcular a variância amostral E
S² e a populacional σ². Sobre a variância, é válido saber: S
T
• num conjunto de dados, a variância é uma medida de dispersão A
que mostra o quão distante cada valor desse conjunto está do T
valor central (médio); Í
• quanto menor é a variância, mais próximos os valores estão da S
média, No entanto, quanto maior ela é, mais os valores estão T
distantes da média. I
C
A
6º passo: Extrair a raiz quadrada dos resultados do passo 5. E

M
E
D
U
C
A
Para este caso, o desvio padrão é o populacional, pois analisamos os dados de todo
Ç
o grupo selecionado (meninos da turma X). Note que a média foi 7,0 e o desvio padrão ficou Ã
em 2,04, o que indica que há dados distantes desta média, e voltando para os dados brutos, O
realmente confirmamos isso, visto que há menino com nota 9,0 e menino com nota 3,5. F
Í
S
I
C
A
3.2.2 Dados agrupados em distribuição de frequência sem intervalo de classes
Para este agrupamento de dados, iremos repetir os mesmos passos para determinar o
desvio padrão com frequência simples. Vamos retomar a tabela já utilizada para outros cálculos.
TABELA 23 - ALTURA, EM METROS, DOS ATLETAS DA ESCOLA DE BASQUETEBOL - SÃO

PAULO – 2016

1,90 4
1,93 7
1,95 3
1,96 2
1,98 9
2,03 5
Total 30
FONTE: A autora
B
I Vamos calcular o desvio padrão amostral e populacional.
O
E
S 1º passo: Calcular a média.
T
A
T TABELA 24 - ALTURA, EM METROS, DOS ATLETAS DA ESCOLA DE BASQUETEBOL – SÃO
Í PAULO - 2016
S
T Alturas (xi) Número de Atletas (fi) xi ∙ fi
I 1,90 4 1,90 · 4 = 7,6
C
A 1,93 7 1,93 · 7 = 13,51
E 1,95 3 1,95 · 3 = 5,85

M 1,96 2 1,96 · 2 = 3,92
E 1,98 9 1,98 · 9 = 17,82
D
U 2,03 5 2,03 · 5 = 10,15
C Total 30 58,85
A
Ç FONTE: A autora
Ã
O
F
Í
S
I
C
A
Assim, a média das alturas dos atletas desta escola é de 1,96 cm.
2º passo: Subtrair a média dos valores x ( xi − x ) .
TABELA 25 - ALTURA, EM METROS, DOS ATLETAS DA ESCOLA DE BASQUETEBOL –

SÃO PAULO - 2016
Alturas (xi) Número de Atletas (fi) xi ∙ fi ( xi − x )
1,90 4 1,90 · 4 = 7,6 1,90 - 1,96 = - 0,06
1,93 7 1,93 · 7 = 13,51 1,93 - 1,96 = - 0,03
1,95 3 1,95 · 3 = 5,85 1,95 - 1,96 = - 0,01
1,96 2 1,96 · 2 = 3,92 1,96 - 1,96 = 0
1,98 9 1,98 · 9 = 17,82 1,98 - 1,96 = 0,02
2,03 5 2,03 · 5 = 10,15 2,03 - 1,96 = 0,07
Total 30 58,85
FONTE: A autora
3º passo: Elevar os resultados de ( xi − x ) a segunda potência.
TABELA 26 - ALTURA, EM METROS, DOS ATLETAS DA ESCOLA DE BASQUETEBOL – SÃO B

PAULO - 2016 I
O
Alturas (xi) Número de Atletas (fi) xi ∙ fi ( xi − x ) ( xi − x )
2
E
1,90 4 1,90 · 4 = 7,6 1,90 - 1,96 = - 0,06 (-0,06)2 = 0,0036 S
T
1,93 7 1,93 · 7 = 13,51 1,93 - 1,96 = - 0,03 (-0,03)2 = 0,0009 A
T
1,95 3 1,95 · 3 = 5,85 1,95 - 1,96 = - 0,01 (-0,01)2 = 0,0001
Í
1,96 2 1,96 · 2 = 3,92 1,96 - 1,96 = 0 02 = 0 S
T
1,98 9 1,98 · 9 = 17,82 1,98 - 1,96 = 0,02 (0,02)2 = 0,0004 I
2,03 5 2,03 · 5 = 10,15 2,03 - 1,96 = 0,07 (0,07)2 = 0,0049 C
A
Total 30 58,85
E
FONTE: A autora M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
4º passo: Multiplicar cada resultado do passo anterior pela frequência da classe e

somar os resultados.
TABELA 27 - ALTURA, EM METROS, DOS ATLETAS DA ESCOLA DE BASQUETEBOL –

SÃO PAULO - 2016
Alturas Número de
xi ∙ fi ( xi − x ) ( xi − x )
2
( xi − x )
2
. fi
(xi) Atletas (fi)
1,90 4 1,90 · 4 = 7,6 1,90 - 1,96 = - 0,06 (-0,06)2 = 0,0036 0,0036 · 4 = 0,0144
1,93 7 1,93 · 7 = 13,51 1,93 - 1,96 = - 0,03 (-0,03)2 = 0,0009 0,0009 · 7 = 0,0063
1,95 3 1,95 · 3 = 5,85 1,95 - 1,96 = - 0,01 (-0,01)2 = 0,0001 0,0001 · 3 = 0,0003
1,96 2 1,96 · 2 = 3,92 1,96 - 1,96 = 0 02 = 0 0·2=0
1,98 9 1,98 · 9 = 17,82 1,98 - 1,96 = 0,02 (0,02)2 = 0,0004 0,0004 · 0 = 0,0036
2,03 5 2,03 · 5 = 10,15 2,03 - 1,96 = 0,07 (0,07)2 = 0,0049 0,0049 · 5 = 0,0245
Total 30 58,85 0,0491
FONTE: A autora
5º passo: Dividir a soma 0,049 obtida no passo 4 por ∑ fi = 30 se for populacional ou

por ∑ fi − 1 = 30 − 1 = 29 se for amostral.
B
I
O
E
S
T
6º passo: Extrair a raiz quadrada dos resultados do passo 5.
A
T
Í
S
T
I Note o quanto esse desvio padrão é wpequeno, isso indica que os dados estão próximos
C
A da média.
E
M
E
D 3.2.3 Frequência de classes
U
C
A Quando os dados estão agrupados em uma distribuição de frequência com intervalo
Ç
de classe, usaremos a seguinte fórmula para calcular o desvio padrão:
Ã
O
F
Í
S
I
C
A
Essas fórmulas só resumem os passos que já fizemos anteriormente, veja no exemplo

das estaturas dos 100 acadêmicos do curso de Educação Física.


140 Ⱶ 150 5
150 Ⱶ 160 10
160 Ⱶ 170 30
170 Ⱶ 180 40
180 Ⱶ 190 10
190 Ⱶ 200 5
Total 100
B
FONTE: A autora I
O
E
1º passo: Calcular a média. S
T
A
Para isso, precisamos calcular a coluna xi (pontos médios das classes) e a coluna fi.xi T
∑(x ∗ f ) Í
para calcular a média: X = ∑i f i .
i S
T
I
TABELA 29 - DISTRIBUIÇÃO DAS ESTATURAS DE 100 ACADÊMICOS DO CURSO DE EDUCAÇÃO C
FÍSICA DA UNIASSELVI – 2016 A
Estatura (cm) Número de Acadêmicos (fi) xi xi ∙ fi E

M
140 Ⱶ 150 5 145 145 ∙ 5 = 725
150 Ⱶ 160 10 155 155 ∙ 10 = 1550 E
D
160 Ⱶ 170 30 165 165 ∙ 30 = 4950 U
C
170 Ⱶ 180 40 175 175 ∙ 40 = 7000
A
180 Ⱶ 190 10 185 185 ∙ 10 = 1850 Ç
Ã
190 Ⱶ 200 5 195 195 ∙ 5 = 975 O
Total 100 17 050
F
FONTE: A autora Í
S
I
C
A
Substituindo na fórmula,
Portanto, a média dos acadêmicos do curso de Educação Física da UNIASSELVI no

ano de 2016 é de 170,5 centímetros.
2º passo: Subtrair a média dos pontos médios xi, ou seja, fazer( xi − x )
TABELA 30 - DISTRIBUIÇÃO DAS ESTATURAS DE 100 ACADÊMICOS DO CURSO

DE EDUCAÇÃO FÍSICA DA UNIASSELVI – 2016
Estatura (cm) Número de Acadêmicos (fi) xi xi ∙ fi ( xi − x )
140 Ⱶ 150 5 145 725 145 - 170,5 = - 25,5
150 Ⱶ 160 10 155 1550 155 - 170,5 = - 15,5
160 Ⱶ 170 30 165 4950 165 - 170,5 = - 5,5
170 Ⱶ 180 40 175 7000 175 - 170,5 = 4,5
180 Ⱶ 190 10 185 1850 185 - 170,5 = 14,5
B
I 190 Ⱶ 200 5 195 975 195 - 170,5 = 24,5
O Total 100 17 050
E
S FONTE: A autora
T
A
T 3º passo: Elevar os resultados de( xi − x )à segunda potência.
Í
S
T TABELA 31 - DISTRIBUIÇÃO DAS ESTATURAS DE 100 ACADÊMICOS DO CURSO DE EDUCAÇÃO
I FÍSICA DA UNIASSELVI – 2016
C
A Número de
Estatura (cm) xi xi ∙ fi ( xi − x ) ( xi − x )
2
E
Acadêmicos (fi)
M 140 Ⱶ 150 5 145 725 145 - 170,5 = - 25,5 (- 25,5)2 = 650,25
E 150 Ⱶ 160 10 155 1550 155 - 170,5 = - 15,5 (- 15,5)2 = 240,25

D
160 Ⱶ 170 30 165 4950 165 - 170,5 = - 5,5 (- 5,5)2 = 30,25
U
C 170 Ⱶ 180 40 175 7000 175 - 170,5 = 4,5 (4,5)2 = 20,25
A
Ç 180 Ⱶ 190 10 185 1850 185 - 170,5 = 14,5 (14,5)2 = 210,25
Ã 190 Ⱶ 200 5 195 975 195 - 170,5 = 24,5 (24,5)2 = 600,25
O
Total 100 17 050
F
Í FONTE: A autora
S
I
C
A
4º passo: Multiplicar os resultados de( xi − x )pela frequência da classe, ou seja, faremos:

( xi − x ) . fi
2

FÍSICA DA UNIASSELVI – 2016
Número de
Estatura
Acadêmicos Xi xi ∙ fi ( xi − x ) ( xi − x )
2
( xi − x )
2
. fi
(cm)
(fi)
145 - 170,5 = (- 25,5)2 = 650,25 · 5 =
140 Ⱶ 150 5 145 725
- 25,5 650,25 3251,25
155 - 170,5 = (- 15,5)2 = 240,25 · 10 =
150 Ⱶ 160 10 155 1550
- 15,5 240,25 2402,5
165 - 170,5 = (- 5,5)2 = 30,25 · 30 =
160 Ⱶ 170 30 165 4950
- 5,5 30,25 907,5
175 - 170,5 = (4,5)2 =
170 Ⱶ 180 40 175 7000 20,25 · 40 = 810
4,5 20,25
185 - 170,5 = (14,5)2 = 210,25 · 10 =
180 Ⱶ 190 10 185 1850
14,5 210,25 2102,5
195 - 170,5 = (24,5)2 = 600,25 · 5 =
190 Ⱶ 200 5 195 975
24,5 600,25 3001,25 B
I
Total 100 17 050 12 475 O
E
FONTE: A autora
S
T
5º passo: Dividir a soma 12 475 obtida no passo 4 por ∑ fi = 100 se for populacional A
T
ou por ∑ fi − 1 = 99 se for amostral. Í
S
T
I
C
A
6º passo: Extrair a raiz quadrada dos resultados do passo 5.
E
M
Acadêmico, perceba que quanto maior é o desvio padrão, mais os dados estão dispersos E
D
com relação à média. U
C
A
Ç
Ã
4 COEFICIENTE DE VARIAÇÃO O
F
Í
Na Estatística utilizamos diversas medidas para descrever fenômenos. Algumas são as
S
de tendência central e outras as de dispersão. Dentre as medidas de dispersão, já estudamos I
C
o desvio padrão. Porém, o desvio padrão por si só tem algumas limitações, por exemplo, um
A
desvio padrão de duas unidades pode ser considerado pequeno para uma série de valores
cujo valor médio é 200; no entanto, se a média for igual a 20, o mesmo não pode ser dito.
Além disso, o fato de o desvio padrão ser expresso na mesma unidade dos dados limita
o seu emprego quando desejamos comparar duas ou mais séries de valores, relativamente a
sua dispersão ou variabilidade, quando expressas em unidades diferentes. Entretanto, uma
medida muito utilizada, principalmente para se comparar medidas distintas, é o coeficiente de
variabilidade ou apenas coeficiente de variação (CV).
O coeficiente de variação é uma medida de variabilidade relativa, pois é a relação entre

o desvio padrão (S) e a média aritmética ( ), multiplicada por 100. Portanto, o coeficiente
de variação (CV) é uma medida de dispersão cujo objetivo é apresentar a variabilidade da
distribuição em termos percentuais (%).
A fórmula do (o resultado neste caso é expresso em percentual, entretanto

pode ser expresso também através de um fator decimal, desprezando assim o valor 100 da
fórmula). Quando o desvio padrão calculado for o populacional, usa-se:
Ç ÃO!
ATEN
B
I
O
E Interpretação do CV:
S Até 15% variação pequena;
T De 15% a 30% variação média;
A 30% ou mais variação grande.
T
Í
S
T Exemplo: Observe a tabela a seguir, com os resultados das estaturas e dos pesos de
I
C
um mesmo grupo de indivíduos.
A
TABELA 33 - COMPARAÇÃO ENTRE A MÉDIA E O DESVIO PADRÃO
E
M Discriminação Média Desvio Padrão
E Estaturas 170 cm 10 cm
D
U Pesos 68 kg 7 kg
C
A FONTE: A autora
Ç
Ã
O Agora responda, qual das medidas (estatura ou peso) possui maior homogeneidade?
F
Í Resposta: Teremos que calcular o coeficiente de variação da estatura e o coeficiente de
S variação do peso, porque só o desvio padrão não informará qual a distribuição é mais dispersa
I
C (como discutido acima), uma vez que os valores são numericamente diferentes (enquanto a
A
altura varia na casa das centenas, o peso está na casa das dezenas). O resultado menor será
o de maior homogeneidade (menor dispersão ou variabilidade).
Para isso, basta substituir os dados na fórmula:
CV estatura = = 5,88%
CV peso = = 10,29%.
Assim, apesar de nesse grupo de indivíduos o desvio padrão ser menor nos dados
relativos aos pesos, as estaturas apresentam menor grau de dispersão que os pesos, visto
apresentarem um coeficiente de variação menor.
B
I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
RESUMO DO TÓPICO 2
Neste tópico, você viu que:
• O desvio padrão é a medida de dispersão mais empregada na Estatística.
• Para o cálculo do desvio padrão para dados amostrais é feito usando-se a fórmula:
• Para dados populacionais, usamos a fórmula:
• O CV é usado para comparar a variabilidade entre duas grandezas com unidades

B
I diferentes, uma vez que apresenta o resultado da variabilidade em percentual.
O
E
S • O coeficiente de variação populacional:
T
A
T • O coeficiente de variação amostral:
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A

IDADE
ATIV
AUTO
Acadêmico, o processo de cálculos na Estatística pode parecer complicado no

começo. Porém, não desista! É normal escolhermos caminhos que não nos levem
à resposta esperada nas primeiras tentativas, mas o importante é reconhecer que
a escolha foi errada e recomeçar outra vez. Lápis, borracha e mãos à obra!
1 (ENADE 2012). As ações das companhias AAA e ZZZ apresentaram a seguinte série
histórica de cotações em determinado mês, em reais.
DIAS AAA ZZZ

1 10,00 20,00
2 10,00 23,00
3 12,00 22,00
4 12,00 24,00
5 16,00 25,00 B
I
6 13,00 28,00 O
7 12,00 28,00 E
S
8 15,00 25,00 T
A
9 10,00 28,00 T
10 10,00 27,00 Í
S
T
Dados estatísticos I
C
A
AAA ZZZ
Média 12,00 25,00 E
M
Moda 10,00 28,00
E
Mediana 12,00 25,00 D
Variância 4,6667 7,7778 U
C
Desvio padrão 2,1602 2,7889 A
Ç
Ã
O
Com base nas estatísticas apresentadas acima, avalie as proposições que seguem:
F
I. O desvio padrão das cotações das ações da empresa AAA mostra que houve uma Í
S
variação em torno da mediana de 2,1602 pontos para cima ou para baixo. I
C
A
II. A média da soma dos quadrados dos erros (variância) da cotação das ações da
empresa AAA é 4,6667.
III. A média das cotações das ações da empresa ZZZ mostra que R$ 25,00 é o valor
mais frequente na sua série histórica.
IV. A mediana da cotação das ações da empresa AAA corresponde à média dos extremos
de sua série histórica.
V. O valor mais frequente da cotação das ações da empresa ZZZ foi 28,00.
Assinale a alternativa CORRETA:
a) As sentenças I e V estão corretas.

b) As sentenças I, III e IV estão corretas.
c) As sentenças II e V estão corretas.
d) As sentenças III e IV estão corretas.
2 Uma pesquisa estatística que buscou verificar o perfil do estilo de vida considerando
cinco fatores (nutrição, atividade física, comportamento preventivo, relacionamento
social e controle do estresse) foi observada em dois grupos (A e B) de empresas,
apresentando os resultados seguintes:
B
I
O A: Média 20 - Desvio padrão 4
E
S B: Média 10 - Desvio padrão 3
T
A
T
Í
S
a) No grupo B, os dados apresentam maior dispersão absoluta.
T
I b) A dispersão absoluta de cada grupo é igual à dispersão relativa.
C c) A dispersão relativa do grupo B é maior do que a dispersão relativa do grupo A.
A
d) A dispersão relativa dos dados entre os grupos A e B é medida pelo quociente da
E diferença de desvios padrão pela diferença de médias.
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
UNIDADE 2
TÓPICO 3
SÉRIES E GRÁFICOS ESTATÍSTICOS
1 INTRODUÇÃO
Caro acadêmico, tanto na Unidade 1 como nos tópicos anteriores, trabalhamos com
diversas tabelas, que têm por objetivo fornecer informações rápidas e seguras a respeito das
variáveis em estudo, para que assim se cumpra com a função da estatística, que é analisar
dados, compreendendo o comportamento deles.
B
Em uma pesquisa estatística, além do tamanho da amostra e da preocupação com os I
O
valores apresentados, visto que são provenientes de diversas fontes e, por isso, suscetíveis
E
a diferentes interpretações mediante a forma como são apresentados, também é preciso ter S
T
atenção em como apresentamos esses dados.
A
T
Por este motivo, existem critérios científicos, que vão além de calcular o número de Í
S
classes e a amplitude do intervalo, que são utilizados para melhor organizar os dados coletados T
através da pesquisa estatística e reproduzir este conjunto de informações de uma forma que I
C
apresentem significado claro e de fácil compreensão. A
E
Como você já observou, existem diversos tipos de tabelas e gráficos e cada um deles M
deve ser utilizado para um fim específico. Desta forma, neste tópico iremos estudar quais os
E
elementos necessários para construir uma tabela e um gráfico que representem os dados de D
forma fidedigna. U
C
A
Ç
Ã
O
2 SÉRIE ESTATÍSTICA
F
Í
Séries estatísticas são tabelas que apresentam o agrupamento de um conjunto de S
I
dados estatísticos em função de uma época, local ou espécie. Assim, podemos dizer que uma C
A
série estatística é um quadro que resume um conjunto de dados dispostos segundo linhas
e colunas de maneira sistemática. É também um meio eficiente de apresentar os resultados
estatísticos obtidos, por proporcionar uma maior clareza, objetividade e compreensão do
conjunto, oferecendo vantagens para a análise matemática das variáveis relacionadas.
Porém, essa representação não deve ser realizada conforme o entendimento de cada
um. Você já se perguntou por que uma tabela tem título, ou já observou que ela não é fechada
nas laterais?
Nós respondemos: porque no Brasil a apresentação tabular (através de tabelas) é regida

pelas normas de apresentação tabelar do IBGE (1993) / NBR 14724 da ABNT. Nesta norma
estão descritos alguns elementos principais para a elaboração de uma série estatística. São eles:
a) Título: conjunto de informações sobre a tabela (O quê? Quando? Onde?) localizado no

topo da tabela.
b) Corpo: conjunto de linhas e colunas que contém os valores das variáveis em estudo.
c) Casa ou célula: espaço destinado a uma só informação, encontro de uma linha com
uma coluna.
d) Cabeçalho: parte superior da tabela (1ª linha) que especifica o conteúdo das colunas.
e) Linha: retas imaginárias no sentido horizontal que auxiliam na leitura das informações.
B
I f) Coluna indicadora: é a primeira coluna que indica o conteúdo das linhas.
O g) Coluna numérica: parte da tabela que contém os dados apresentados.
E
S h) Elementos complementares: colocados no espaço abaixo da tabela (rodapé):
T • fonte: é a indicação da entidade responsável pelo fornecimento dos dados ou sua
A
T elaboração;
Í • notas: são informações de natureza geral identificadas por algarismos romanos;
S
T • chamadas: são informações de natureza específica identificadas por algarismos arábicos,
I entre parênteses, escritos no corpo da tabela à esquerda das casas e à direita da coluna
C
indicadora.
A
E FONTE: Adaptado de: <http://www.wservices.srv.br/UserFiles/File/A1%20Educar/epidemio/

M TABELAS.pdf>. Acesso em: 21 ago. 2016.
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
Exemplo: Observe a tabela abaixo:
Título. Obrigatoriamente deve responder

às perguntas: O que? Onde? Quando?
TABELA 34 - PAÍSES RECORDISTAS DE MEDALHAS DOS

JOGOS OLÍMPICOS DE VERÃO (DE 1896 A 2008)
Cabeçalho
País Número Total de Medalhas
Corpo da tabela/série
Estados Unidos 2296
União Soviética 1010
Alemanha 851
Grã-Bretanha 715
França 632
complementares
FONTE: Adaptado de: <http://veja.abril.com.br/esporte/brasil-

Elementos
e-37o-do-quadro-de-medalhas-geral-das-olimpiadas-
eua-lideram/>. Acesso em: 16 jul. 2016.
1. (chamada)
I. (nota)
É importante, acadêmico, que você perceba que nesta tabela podemos observar todos
os elementos essenciais e complementares apresentados até o momento. B
I
O
O título da Tabela é “Países recordistas de medalhas dos Jogos Olímpicos de Verão E
(de 1896 a 2008)”. Pelo título é possível sabermos que as informações contidas na série se S
T
referem aos países com o maior número de medalhas nos Jogos Olímpicos de Verão no
A
período de 1896 a 2008. No cabeçalho, observamos que a tabela está dividida em País e T
Í
Número Total de Medalhas. Na coluna indicadora, temos os países recordistas de medalhas
S
nos Jogos Olímpicos de Verão. Na coluna numérica, a quantidade de medalhas conquistadas T
por cada país. Abaixo da Tabela, temos o elemento complementar (fonte) indicando a entidade I
C
responsável pelo fornecimento dos dados. A
E
Além destes elementos essenciais, devemos seguir algumas regras para apresentação M
da tabela/série:
E
D
• toda tabela/série deve ser clara, simples e completa, dispensando a consulta ao U
C
texto;
A
• as tabelas/série não são fechadas nas laterais; Ç
• as tabela/série são fechadas em cima e embaixo com traços horizontais mais grossos; Ã
O
• uma casa nunca deve ficar em branco;
• para englobar várias especificações usamos “outros”. F
Í
S
I
C
A
Algumas normas para o preenchimento das células:
• usar um traço horizontal (—) quando o valor é nulo quanto à natureza das coisas ou
resultado do inquérito.
• três pontos (...) quando não temos dados.
• um ponto de interrogação (?) quando temos dúvida quanto à exatidão do valor.
• zero (0; 0,0; 0,00) quando o valor é muito pequeno para ser expresso pela grandeza
utilizada.
Por fim, para a data de referência dos dados, devemos:
• indicar sempre a data do fenômeno estudado;

• não pontuar fim de data;
• os meses são observados pelas três primeiras letras, exceto maio, que se escreve por
extenso;
• série de anos consecutivos. Exemplo: 1890-990 (quando diferem os séculos), 1987-92
(quando for o mesmo século);
• série de anos não consecutivos. Exemplo: 1989-1998.
FONTE: Disponível em: <https://pt.scribd.com/doc/220950498/Estatistica-Descritiva-e-Probabilidade>.

B Acesso em: 21 ago. 2016.
I
O

E
S TE!
RTAN
T IMPO
A
T
Í Todas estas normas têm por objetivo padronizar o tratamento dos
S dados estatísticos, permitindo uma maior clareza, objetividade e
T melhor visão do conjunto.
I
C
A
Toda série é uma tabela, mas nem toda tabela é uma série, pois exige homogeneidade,
E
M classificação, critério de modalidade: espécie, local ou época. As séries estatísticas representam
um conjunto de informações ou observações através do tempo ou dentro de um determinado
E
D espaço ou, ainda, com relação a um fenômeno.
U
C
A Série é um conjunto de números associados a fenômenos dispostos em correspondência
Ç com critério de modalidade, ou seja, apresenta a distribuição de um conjunto de dados
Ã
estatísticos em função da época, local ou espécie. Até o momento estudamos os elementos
O
que constituem uma série estatística. A partir de agora, veremos que uma série estatística pode
F
ser classificada segundo o tipo de informação que representa.
Í
S
I
C
A
2.1 TIPOS DE SÉRIES
Como vimos, séries estatísticas consistem na apresentação dos dados estatísticos

em forma de tabelas com o objetivo de sintetizar as informações obtidas em uma pesquisa
estatística, tornando-as mais compreensíveis.
As séries estatísticas levam em consideração um fenômeno observado, podendo se

referir a uma época, a um espaço geográfico, a uma categoria ou, ainda, podemos ter uma
junção de dois tipos de séries. Portanto, na sequência veremos as classificações das séries
estatísticas e quais elementos que são comuns a elas.
2.1.1 Séries históricas, cronológicas ou temporais
São as séries que descrevem uma determinada informação da variável em determinado

local, apresentados em intervalos de tempo, ou seja, o tempo varia, porém o lugar e o fato
permanecem os mesmos. B
I
O
Exemplo: E
S
T
TABELA 35 - SEDENTARISMO POR GÊNERO NO BRASIL A CADA 100 HABITANTES – 1991/2000 A
T
Anos de referência Homens Mulheres Í
1991 62,6 69,8 S
T
1998 60,4 67,2 I
C
1999 55,6 62,3 A
2000 54,8 57,6
E
FONTE: A autora M
E
Note, acadêmico, que o fenômeno (sedentarismo por gênero no Brasil a cada 100 D
habitantes) e o local (Brasil) são elementos fixos. Enquanto que a época (tempo de 1991 a U
C
2000) é um elemento variável, ou seja, a cada ano observa-se dados diferentes para o fato A
analisado. Ç
Ã
O
F
Í
S
I
C
A
2.1.2 Séries geográficas, espaciais, territoriais ou de localização
São as séries em que os valores da variável são descritos em determinado instante

conforme a região. Desta forma, há a variação do local, porém a época e a espécie permanecem
fixas.
Exemplo 1: Um levantamento que representa uma série geográfica foi realizado

pelo Instituto Brasileiro de Geografia e Estatística (IBGE) para o Ministério do Esporte, e o
apresentamos a seguir:
TABELA 36 - ÍNDICE DE POPULAÇÃO SEDENTÁRIA POR PAÍS - 2013
País Sedentários (em %)

Itália 48
Espanha 35
França 22
Inglaterra 17
Portugal 53
B
I FONTE: Adaptado de: <http://www.esporte.gov.br/diesporte/2.html>. Acesso em: 19 jul.
O 2016.
E
S
T Observe que o fenômeno (índice de população sedentária por país) e a época (2013)
A
são elementos fixos. Enquanto que o local (países) é o elemento variável, ou seja, para cada
T
Í país citado têm-se dados diferentes para o fato analisado.
S
T
I Exemplo 2: Na sequência, apresentamos outro exemplo sobre séries geográficas:
C
A
TABELA 37 - INDICADORES DE GASTO NACIONAL EM SAÚDE DE ALGUNS PAÍSES - 2007
E
M Gasto geral do governo
Gasto total em saúde Gasto total em Gasto geral do
como proporção do
E País como proporção do saúde per capita governo per
gasto total em saúde
D PIB (%) (US$) capita (US$)
(%)
U
C Argentina 10 50,8 1.322 671
A
Ç Austrália 8,9 67,5 3.357 2.266
Ã Brasil 8,4 41,6 837 348
O
Canadá 10,1 70 3.900 2.730
F Chile 6,2 58,7 863 507
Í Dinamarca 9,8 84,5 3.513 2.968
S
I Espanha 8,5 71,8 2.671 1.917
C Reino Unido 8,4 81,7 2.992 2.446
A
FONTE: Ministério da Saúde
Neste exemplo, o fenômeno são os indicadores de gasto nacional em saúde de alguns

países no ano de 2007, que são elementos fixos. O elemento variável é o local onde estes
indicadores foram analisados.
2.1.3 Séries específicas ou categóricas
Os valores da variável são escritos em um determinado tempo e local, classificados

conforme categorias. Sendo assim, varia a espécie, porém a época e o local permanecem fixos.
Exemplo:
UNI
Acadêmico, veja um trecho da pesquisa realizada pelo IBGE

(Instituto Brasileiro de Geografia e Estatística) para o Ministério
do Esporte em 2013 sobre a prática do esporte no Brasil. Na fonte,
você encontra a pesquisa completa.
B
I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
FONTE: Disponível <http://www.esporte.gov.br/diesporte/2.html>. E

Acesso em: 19 jul. 2016. D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
TABELA 38 - CONDIÇÃO FÍSICA DE 8.902 PESSOAS NO BRASIL EM 2013
Condição Física Número de Pessoas

Sedentários 4.005,9
Praticantes de Atividade Física 2.537,07
Praticantes de Esportes 2.278,912
FONTE: IBGE
Acadêmico, perceba que a condição física de 8.902 pessoas é o elemento variável

desta série, uma vez que a condição física de uma pessoa nesta pesquisa foi classificada em
sedentária, praticante de atividade física ou praticante de esportes. Por outro lado, a época
(2013) e o local (Brasil) são os elementos fixos.
2.1.4 Séries conjugadas
São as tabelas de dupla entrada, também denominadas de mistas. Constituem-se da

conjugação de uma ou mais séries.
B
I Exemplo: Podemos ter a conjugação de uma série geográfica com uma série histórica.
O
E
S TABELA 39 - TERMINAIS TELEFÔNICOS EM SERVIÇO NO BRASIL
T
Regiões 1991 1992
A
T Norte 342.938 375.658
Í
S Sudeste 6.234.501 6.729.467
T Sul 1.497.315 1.608.989
I
C FONTE: Ministério das Comunicações
A
E Exemplo: Podemos ter a conjugação de uma série geográfica com uma série específica.
M
E TABELA 40 - MATRÍCULAS NA INSTITUIÇÃO X - 2015

D
U Curso Blumenau Indaial
C
A Administração 32 45
Ç Direito 28 51
Ã
O Educação Física 24 41
F
Engenharia Civil 23 35
Í
FONTE: A autora
S
I
C
Acadêmico, vistos os tipos de séries estatísticas, estudaremos agora sobre a
A
representação gráfica destas séries.
3 GRÁFICO ESTATÍSTICO
O gráfico estatístico é uma forma de apresentação dos dados estatísticos, cujo objetivo é o
de produzir, no investigador ou no público em geral, uma impressão mais rápida e viva do
fenômeno em estudo, já que os gráficos falam mais rápido à compreensão que as séries.
A representação gráfica de um fenômeno deve obedecer a certos requisitos fundamentais:
a) simplicidade: o gráfico deve ser destituído de detalhes com importância secundária, assim
como de traços desnecessários que possam levar o observador a uma análise morosa ou
com erros;
b) clareza: o gráfico deve possibilitar uma correta interpretação dos valores representativos
do fenômeno em estudo;
c) veracidade: o gráfico deve expressar a verdade sobre o fenômeno em estudo.
Assim como para as tabelas, os gráficos possuem as seguintes normas de construção:

B
I
• título e fonte: os mesmos da série; O
• notas e chamadas: os mesmos da série; E
S
• legendas: todas iguais colocadas abaixo ou ao lado direito do gráfico; T
• leitura da esquerda para a direita; A
T
• são incluídas no gráfico, apenas as coordenadas indispensáveis à leitura; Í
• as linhas dos gráficos devem ser destacadas das demais, usando cores ou espessuras S
T
diferentes.
I
C
FONTE: Adaptado de: <https://books.google.com.br/books?isbn=8578938895>. Acesso em: A
21 ago. 2016.
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
UNI
Acadêmico, note estes elementos nos gráficos que
apresentaremos a seguir, pois agora que aprendemos as
normas de construção dos gráficos estatísticos, dedicaremos
nossos estudos aos tipos de gráficos mais utilizados para
representar dados.
3.1 GRÁFICOS EM LINHA OU CURVA
Este tipo de gráfico é composto por dois eixos, um vertical e outro horizontal, e por uma
linha poligonal para representar a série estatística.
Exemplo:
TABELA 41 - ALUNOS NO CURSO DE NATAÇÃO DA ACADEMIA X
Ano Número de alunos

B
I
2010 47
O 2011 53
E
S 2012 32
T
2013 71
A
T 2014 63
Í
S 2015 51
T
FONTE: A autora
I
C
A
Com os dados estatísticos apresentados na série temporal acima, podemos elaborar um
E gráfico em linha que representa a evolução das matrículas no curso de natação da academia X.
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
GRÁFICO 1 - ALUNOS NO CURSO DE NATAÇÃO DA ACADEMIA X
FONTE: A autora
O gráfico de linha é mais utilizado nas séries cronológicas, em que a variável tempo é
representada no eixo horizontal e as quantidades respectivas, no eixo vertical.
Acadêmico, note que os gráficos são representações visuais dos dados estatísticos
que correspondem às tabelas estatísticas, que devem trazer simplicidade e veracidade para B
I
as informações apresentadas. O
E
S
T
A
T
3.2 GRÁFICOS EM COLUNAS OU EM BARRAS
Í
S
T
Este tipo de gráfico é composto por dois eixos, um vertical e outro horizontal, em que os I
dados estatísticos são representados através de retângulos dispostos verticalmente (colunas) C
A
ou horizontalmente (barras) de acordo com sua intensidade.
E
M
Exemplo: Observe a seguinte situação:
E
D
A Copa do Mundo FIFA, mais conhecida tradicionalmente no Brasil pelo antigo nome U
"Copa do Mundo", é uma competição internacional de futebol que ocorre a cada quatro anos. C
A
O formato atual do Mundial é com 32 equipes nacionais disputando por um período de cerca
Ç
de um mês. Ã
O
A Copa do Mundo FIFA é o evento esportivo mais assistido em todo o mundo e, F

principalmente para o povo brasileiro, simboliza a união de uma nação em prol do esporte. Í
S
Apenas oito países foram campeões mundiais até hoje, conforme podemos observar na tabela I
a seguir. O Brasil, a única seleção a ter jogado em todas as competições, é o maior campeão, C
A
com cinco títulos.
TABELA 42 - PAÍSES CAMPEÕES DA COPA DO MUNDO, 1930 - 2014
País Número de Copas Ganhas

Argentina 2
Alemanha 4
Brasil 5
Espanha 1
França 1
Inglaterra 1
Itália 4
Uruguai 2
Total 20
FONTE: <http://www.campeoesdofutebol.com.br/copa_mundo.html>. Acesso em:
19 jul. 2016.
A partir dos dados apresentados na tabela acima, é possível construir os seguintes

gráficos:
GRÁFICO 2 - NÚMERO DE TÍTULOS POR PAÍS EM COPAS DO MUNDO, 1930 - 2014
B
I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã FONTE: A autora
O
F
Í
S
I
C
A
GRÁFICO 3 - NÚMERO DE TÍTULOS POR PAÍS EM COPAS DO MUNDO,1930 - 2014
FONTE: A autora
O primeiro gráfico apresentado trata-se de um gráfico de colunas, enquanto que o

segundo é um gráfico de barras. Observe que em ambos a representação gráfica dos dados B
apresentados na série estatística foi feita de forma clara e concisa. I
O
E
S
T
A
3.3 GRÁFICO EM SETORES T
Í
S
T
É a representação gráfica dos dados estatísticos em um círculo através de setores. I
As áreas são diretamente proporcionais aos valores da série, que podem ser expressos C
A
em números ou em porcentagens. Este gráfico é utilizado quando queremos evidenciar
tendências percentuais e não apenas os totais absolutos pesquisados. Usado em séries E
M
geográficas e específicas.
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
GRÁFICO 4 - NÚMERO DE TÍTULOS POR PAÍS EM COPAS DO MUNDO, 1930 - 2014
FONTE: A autora.
B
IMPO
RTAN
TE!

I
O Acadêmico, observe que neste gráfico os setores circulares devem
E ter cores diferentes e devem ser colocadas legendas relativas aos
S setores, de modo a ser possível interpretar o gráfico.
T
A
T
Í
S
T
I
3.4 PICTOGRAMAS
C
A
E A representação gráfica por pictogramas, como o próprio nome sugere, utiliza figuras
M que remetem à ideia dos dados em questão. Este tipo de representação tem como objetivo
E atrair a atenção do leitor.
D
U
C Exemplo:
A
Ç
Ã
O
F
Í
S
I
C
A
FIGURA 9 - NÚMEROS DO ESPORTE
FONTE: Disponível em: <file:///C:/Users/User/Documents/estatisica-01%20(1).pdf>. Acesso em: 20

jul. 2016.
Estes gráficos são uma ilustração relacionada com o fenômeno em estudo sem a
preocupação de mostrar dados precisos. São muito utilizados em propagandas (de jornais,
revistas e televisão, entre outras formas).
Acadêmico, vimos nesta unidade que gráficos são instrumentos que possibilitam
transmitir o significado das séries estatísticas de uma forma mais eficiente e clara. Lembre-se
de que para criar um gráfico é preciso conhecer o tipo de informação que se deseja transmitir, B
I
pois cada tipo de gráfico é adequado para representar um determinado fenômeno.
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
RESUMO DO TÓPICO 3
Neste tópico, estudamos sobre os critérios que devem ser utilizados para construir séries
e gráficos estatísticos, bem como suas classificações. Sobre este assunto, destacamos que:
• Tabela é um conjunto de dados estatísticos associados a um fenômeno, dispostos

numa ordem de classificação, numa organização racional e prática de apresentação.
• Série é uma forma de organização mais completa e requer certas regras de
construção.
• Toda série é uma tabela, mas nem toda tabela é uma série, pois esta exige
homogeneidade, classificação, critério de modalidade, segundo espécie, local ou
época.
• O gráfico estatístico é uma forma de apresentação dos dados estatísticos cujo objetivo
é o de produzir uma impressão mais rápida e viva do fenômeno em estudo.
• Os principais gráficos estatísticos são: gráfico de linhas, colunas, barras ou setores.
B
I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A

IDADE
ATIV
AUTO
Acadêmico, um dos princípios da UNIASSELVI é “Não basta saber, é preciso saber

fazer”. Agora, chegou a sua vez de colocar em prática os conceitos sobre séries
e gráficos estatísticos, estudados neste tópico.
1 Os gráficos são uma forma de representação dos dados estatísticos, que têm o
objetivo de produzir uma impressão rápida e viva de um determinado fenômeno em
estudo. Diante dos conceitos estudados neste tópico, assinale a alternativa CORRETA:
( ) Um gráfico de barras ou colunas é aquele em que os retângulos que o compõem

estão dispostos horizontalmente.
( ) Um gráfico de barras ou colunas é aquele em que os retângulos que o compõem
estão dispostos verticalmente.
( ) Um gráfico de barras é aquele em que os retângulos que o compõem estão dispostos
verticalmente e um gráfico de colunas, horizontalmente. B
( ) Um gráfico de barras é aquele em que os retângulos que o compõem estão dispostos I
O
horizontalmente e um gráfico de colunas, verticalmente. E
S
T
2 As séries estatísticas podem ser classificadas de acordo com o critério de modalidade A
em espécie, local ou época. Pelo exposto, quando uma série estatística é denominada T
Í
Temporal?
S
T
I
( ) Quando o elemento variável é o tempo.
C
( ) Quando o elemento variável é o local. A
( ) Quando o elemento variável é a espécie.
E
( ) Quando é o resultado da combinação de séries estatísticas de tipos diferentes. M
( ) Quando os dados são agrupados em subintervalos do intervalo observado.
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
IAÇÃO
AVAL

B
I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
UNIDADE 3
INTRODUÇÃO AOS TESTES

ESTATÍSTICOS
A partir desta unidade você será capaz de:
• utilizar os conceitos e as definições de variáveis aleatórias

nas distribuições de probabilidade;
• realizar testes de hipótese;
• relacionar linearmente duas variáveis quantitativas;
• planejar, estruturar e realizar trabalhos de pesquisa voltados à

Educação Física, obedecendo aos tópicos ensinados sob os
aspectos bioestatísticos;
• discutir e relatar os resultados obtidos a partir de pesquisas. B

I
O
E
S
PLANO DE ESTUDOS T
A
Esta unidade está dividida em três tópicos e em cada um deles T
Í
você encontrará atividades que o ajudarão a aplicar os conhecimentos S
apresentados. T
I
C
A
TÓPICO 1 - INTRODUÇÃO À PROBABILIDADE E

M
TÓPICO 2 - TESTES DE HIPÓTESES
E
TÓPICO 3 - REGRESSÕES E CORRELAÇÕES D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
B
I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
UNIDADE 3
TÓPICO 1
INTRODUÇÃO À PROBABILIDADE
1 INTRODUÇÃO
Já destacamos que a bioestatística é um esforço de aplicar regras matemáticas a

uma ciência experimental. E, para utilizar essa ferramenta, além da estatística paramétrica,
precisamos nos basear em suposições, que constituem no pilar de todo o procedimento, e
estas serão estudadas com os detalhes necessários para que você, acadêmico, saiba tomar
decisões. B
I
O
Para isso, adentraremos ao mundo das probabilidades, em que aprenderemos sobre
E
distribuição de probabilidades e, ao final, será possível calcular as probabilidades de aceitar S
T
ou rejeitar os dados de uma amostra.
A
T
Í
S
T
2 DISTRIBUIÇÃO NORMAL I
C
A
A distribuição de probabilidade normal trabalha com variáveis aleatórias contínuas, e é E

de longe a mais comum, pois é a que ocorre com mais frequência na natureza. A distribuição M
normal é definida pelos parâmetros e σ (média e desvio padrão), e a sua função densidade E
de probabilidade é definida por: D
U
C
A
Ç
Ã
Como é possível observar a seguir, a curva Normal tem o aspecto de sino. O
F
Í
S
I
C
A
FIGURA 10 - GRÁFICO DA CURVA DE DISTRIBUIÇÃO NORMAL
FONTE: A autora
Quando tivermos = 0 e σ = 1, chamamos essa curva de distribuição Normal Padrão

e sua função densidade de probabilidade se reduz a:
É possível transformar qualquer distribuição Normal para uma distribuição Normal

B Padrão, inclusive já existe uma tabela Z (Apêndice A) que contém todas as soluções de que
I
O você precisará, portanto não terá que usar as funções anteriores para determinar os resultados
E das probabilidades. O que se faz é transformar uma distribuição Normal qualquer para uma
S
distribuição Normal Padrão e, a partir daí, chegar à probabilidade procurada por meio da tabela Z.
T
A
T
Í
S
T
2.1 TABELA Z
I
C
A
Existem vários tipos de tabelas que apresentam as probabilidades sob a curva Normal
E Padrão. A que será utilizada apresenta a probabilidade de a variável aleatória Z ser menor
M
que z. (Apêndice A).
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
Como a área sob a curva de densidade é 1, a probabilidade de a variável aleatória Z

ser maior que z é obtida fazendo:
• P (Z > z), se z > 0.
• P (Z > z), se z < 0.
B
I
O
E
S
T
A
T
Í
Ainda podemos ter a probabilidade de a variável aleatória Z estar entre 0 e z. S
T
I
• P (Z < z) – 0,5, se z > 0 C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
• 0,5 – P(Z < z), se z < 0
Para saber a probabilidade de Z estar entre z1 e z2, com z2 < z1, precisamos fazer:
• P(Z < z2 ) – P(Z <z2)
B
I
O
E
S
T
A
T
Í
S
T
IMPO
RTAN
TE!

I
C Na tabela Z, o número padronizado z é formado por três dígitos: a
A (parte inteira), b (parte decimal) e c (parte centesimal), z = a,bc.
A parte inteira e a decimal (a,b) aparecem na primeira coluna da
E tabela z, e a parte centesimal você procura na primeira linha da
M tabela Z.
E
D
U Vejamos, agora, alguns exemplos:
C
A
Ç Exemplo 1: Utilize a tabela Z (Apêndice A) para calcular a probabilidade de Z ser maior
Ã que 1,75. Em símbolos: P(Z > 1,75).
O
F Solução: Em z = 1,75 deve-se procurar 1,7 na 1ª coluna e 0,05 na 1ª linha, o cruzamento

Í
S dessas duas coordenadas é a P(Z < 1,75) = 0,9599. Como você precisa encontrar P(Z > 1,75),
I deverá fazer 1 - P(Z < 1,75), então:
C
A
P(Z > 1,75) = 1 – 0,9599 = 0,0401.
Exemplo 2: Utilize a tabela Z (Apêndice A) para calcular a probabilidade de Z ser menor

que – 1,6. Em símbolos: P(Z < -1,6).
Solução: Como a curva é simétrica em relação à média 0, a P(Z < -1,6) é igual a P(Z >
1,6). Assim, P(Z < -1,6) = P(Z > 1,6) = 1 – P(Z > 1,6). Procurando z = 1,6 na tabela Z (1,6 parte
inteira e a decimal, e 0,00 parte centesimal), temos que P(Z > 1,6) = 0,9452, então:
P(Z < -1,6) = P(Z > 1,6) = 1 – P(Z > 1,6) = 1 – 0,9452 = 0,0548.
Exemplo 3: Utilize a tabela Z (Apêndice A) para calcular a probabilidade de Z ser maior

que 0 e menor que 2,65. Em símbolos: P(0 < Z < 2,65).
Solução: Acadêmico, note que P(0 < Z < 2,65) = P(Z < 2,65) – 0,5. Procurando z =
2,65 na tabela Z (2,6 parte inteira e a decimal, e 0,05 parte centesimal), temos que P(Z < 2,65)
= 0,9960, então:
P(0 < Z < 2,65) = 0,9960 – 0,5 = 0,4960.
Além desses tipos de exemplos, nos testes de hipóteses é comum querer saber que B
I
valor de z produz uma determinada área sob a curva Normal Padrão, de –z até z; ou seja, O
realizar o processo inverso que fizemos. E
S
T
Vejamos um exemplo disso. Responda: para que valor de z temos uma área sob a curva A
T
normal padrão de 0,90, de –z até z? Í
S
T
A figura a seguir ilustra essa pergunta: I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
Acadêmico, lembre-se de que a curva normal padrão é simétrica e sua área total sob
a curva é 1, logo, se a parte pintada tem área 0,90, falta 0,10 para fechar a área 1. Observe F
Í
que a área branca sob a curva vale 0,05 (0,10/2). Assim, podemos substituir a pergunta para: S
qual valor de z deixa uma área menor que 0,95? I
C
A
Para solucionarmos, basta localizar 0,95 no corpo da tabela Z (Apêndice A) para

encontrar o valor de z.
B
I
O
E Verifica-se que na tabela o valor 0,95 está entre 0,9495 e 0,9505, então podemos dizer
S
que z está entre 1,64 e 1,65. Calculando a média [(1,64 + 1,65)/2] entre esses dois valores,
T
A z = 1,645.
T
Í
S Agora que você já sabe como usar a tabela Z, acompanhe a resolução do exemplo a
T seguir, que pode ser resolvido através de uma distribuição normal.
I
C
A Exemplo 4: As alturas de uma população têm média 1,70 m e desvio padrão de 0,2 m. Um
E pesquisador, ao tomar uma pessoa desta população, pretende determinar qual é a probabilidade
M de:
E
D i) encontrar alguém com altura superior a 1,80 m;
U
ii) encontrar alguém com altura entre 1,40 m e 1,65 m;
C
A iii) encontrar alguém com altura inferior a 1,60 m.
Ç
Ã
O Solução:
F
Í Note que = 1,70 e σ = 0,2, ou seja, tem-se um caso de distribuição normal, mas ainda
S não se tem uma distribuição normal padrão, ou seja, não se pode usar a tabela Z. É preciso
I
C transformar essa distribuição normal em distribuição normal padrão usando:
A
i) Queremos calcular a probabilidade de encontrar alguém acima de 1,80 m, ou seja,

P(X > 1,80). Transformando x = 1,80 em z padrão, temos:
O problema agora consiste em encontrar P(Z > 0,5). Como P(Z > 0,5) = 1 – P(Z < 0,5),
temos que P(Z > 0,5) = 1 – 0,6915 = 0,3085. Portanto, a P(X > 1,80) = P(Z > 0,5) = 0,3085.
Assim, o valor 0,3085 representa a probabilidade de encontrar alguém com mais de 1,80 m
de altura.
ii) Devemos encontrar P(1,40 < X < 1,65), para isso precisamos transformar os valores
x1 = 1,40 m e x2 = 1,65 m em z1 e z2 respectivamente.
Agora, o problema consiste em encontrar P(-1,5 < Z < -0,25) usando a tabela Z.
B
I
Como P(-1,5 < Z < -0,25) = P(Z < -0,25) – P(Z < -1,5) e P(Z < -1,5) = P (Z > 1,5) = 1 – O
E
P(Z < 1,5) = 1 – 0,9332 = 0,0668
S
T
A
P(Z < -0,25) = P (Z > 0,25) = 1 – P(Z < 0,25) = 1 – 0,5987 = 0,4013, temos:
T
P(-1,5 < Z < -0,25) = 0,4013 – 0,0668 = 0,3345. Í
S
T
Portanto, a P(1,40 < X < 1,65) = P(-1,5 < Z < -0,25) = 0,3345. I
C
A
iii) Queremos determinar a P(X < 1,60). Transformando o valor x = 1,60 em z padrão,
obtemos: E
M
E
D
U
Note que agora o problema consiste em encontrar a P(Z < -0,5) na tabela Z. Como a C
A
P(Z < -0,5) = P(Z > 0,5) e P(Z > 0,5) = 1 – P(Z < 0,5), temos que:
Ç
Ã
P(Z < -0,5) = 1 – 0,6915 = 0,3085. Portanto, a P(X < 1,60) = P(Z < -0,5) = 0,3085. O
F
Í
S
I
C
A
RESUMO DO TÓPICO 1
• Se uma variável aleatória X tem distribuição normal de média μ e variância σ 2 ,

podemos transformá-la numa variável aleatória Z de distribuição normal padrão de média 0 e
variância 1, através da fórmula:
• A curva Normal Padrão é simétrica em relação à média 0 e a área sob essa curva é 1.
• A tabela Normal Padrão (Apêndice A) apresenta a probabilidade de a variável aleatória

Z ser menor que z.
B
I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A

IDADE
ATIV
AUTO
Acadêmico, agora é a sua vez de exercitar o que aprendeu até aqui! Lembre-se de
que você tem à disposição materiais complementares em seu Ambiente Virtual de
Aprendizagem. Consulte-os sempre que necessário. Conte também com a tutoria interna,
que está disponível por meio do 0800, contato e atendimento on-line. Bons estudos!
1 É possível transformar qualquer distribuição Normal para uma distribuição Normal

Padrão, inclusive já existe uma tabela Z que contém todas as soluções. Utilize a tabela
Z para calcular a probabilidade de Z ser menor que 3,75.
a) ( ) P = 0,0001.
b) ( ) P = 0,5000.
c) ( ) P = 0,1000.
d) ( ) P = 0,9999. B
I
O
E
2 Em estatística, um intervalo de confiança é o intervalo estimado em que a média de S
T
um parâmetro de uma amostra tem uma dada probabilidade de ocorrer. Quando, num
A
teste, é dito que o nível de significância é de 3%, então o nível de confiança será: T
Í
S
a) ( ) de 97%. T
b) ( ) de 0,03%. I
C
c) ( ) de 0,97%. A
d) ( ) de 3%.
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
B
I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
UNIDADE 3
TÓPICO 2
TESTES DE HIPÓTESES
1 INTRODUÇÃO
Até este momento já aprendemos muitos conceitos importantes para interpretar as

características de uma determinada população ou amostra, como: média, variância, desvio
padrão e proporção, bem como apresentá-los em séries e tabelas estatísticas. E nesta terceira
unidade daremos continuidade a esse estudo, aprendendo como testar nossas suposições e
a elaborar uma hipótese estatística, relacionadas à estatística não paramétrica e aos estudos B
de correlação e regressão. I
O
E
Testes como estes são necessários porque em alguns casos não é possível reunir todos S
T
os dados de uma população para aferir o parâmetro desejado. Assim, os testes de hipóteses
A
se baseiam na amostra, ou seja, em uma parte da população. T
Í
S
Para obter um resultado confiável em qualquer teste estatístico, o pesquisador deve T
se preocupar com a coleta de dados da amostra, pois se você cometer um “vício” na coleta I
C
da amostra, certamente comprometerá o resultado do teste, tornando-o tendencioso. Para A
evitar essa possível influência externa, existem metodologias de amostragem abordadas
E
detalhadamente na Unidade 1 deste caderno de estudos. Se preciso, retorne àquelas M
orientações.
E
D
Assim, neste tópico, serão apresentados os testes de hipóteses. U
C
A
Ç
Ã
O
2 TESTES CLÁSSICOS
F
Í
Em estatística, uma hipótese é uma alegação, ou afirmação, sobre uma característica S
I
de uma população, levando-se em consideração a observação de uma amostra. Por exemplo: C
A
“Pesquisadores médicos afirmam que a temperatura média do corpo humano não é igual a
37 °C”.
A dificuldade nestas pesquisas é que a característica de interesse varia em cada amostra,

visto que a temperatura média do corpo humano varia de pessoa para pessoa, por esse motivo
existe a necessidade de métodos estatísticos.
Desta forma, os testes de hipóteses servem para verificar se a diferença entre um

parâmetro populacional e uma estimativa é atribuída à aleatoriedade da amostra ou a diferença
é tão grande a ponto de haver desconfiança na integridade da amostra, ou seja, a intenção é
analisar uma amostra para distinguir entre resultados que podem ocorrer facilmente e os que
dificilmente ocorrem.
Para realizar um teste de hipóteses você deve formular duas hipóteses a respeito da
afirmação, denominadas de H0 e H1.
IMPO
RTAN
TE!

B Saiba que a hipótese H0 é chamada de hipótese nula, ou seja, é a
I hipótese que “anula” o teste. Enquanto a hipótese H1 ou hipótese
O alternativa é a que o teste quer provar.
E
S
T
A Acompanhe os exemplos a seguir para compreender estes conceitos.
T
Í
S Exemplo 1: Numa pesquisa para comparar a eficácia de emagrecimento em pessoas
T adultas entre duas enzimas, tem-se as seguintes hipóteses:
I
C
A Considerando que podemos comparar a eficácia de emagrecimento por meio das
E médias de emagrecimento das duas enzimas (enzima 1 e 2), temos que 1

e 2
são as
M médias populacionais de emagrecimento de pessoas adultas tratadas pelas enzimas 1 e 2,
respectivamente.
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C FONTE: Disponível em: <http://www.gifs-animados.net/profissao/
A profissao132.gif>. Acesso em: 20 jul. 2016.
Assim:
H 0: 1
= 2
(média de emagrecimento da enzima 1 é igual à média de emagrecimento
da enzima 2).
H1: 1
≠ 2
(média de emagrecimento da enzima 1 é diferente da média de emagrecimento
da enzima 2).
Ç ÃO!
ATEN
Acadêmico, é importante lembrar que: H0 hipótese nula, ou seja,

a hipótese que “anula” o teste. H1 hipótese alternativa, a que o
teste quer provar.
Exemplo 2: Numa pesquisa de qualidade, o INMETRO quer verificar se a resistência

da cama elástica para Jump de uma determinada marca é menor que o valor K anunciado na
embalagem.
B
I
O
E
S
T
A
T
Í
S
T
I
FONTE: < http://cdn1.mundodastribos.com/wp-admin/ C
uploads/2010/12/cama-elastica-para-ginastica- A
pre%C3%A7os-onde-comprar.jpg> Acesso em: 20 jul.
2016. E
M
Nesse caso: E
D
U
H0: = K (média de resistência da cama elástica para Jump é igual ao valor anunciado K). C
H 1: < K (média de resistência da cama elástica para Jump é menor que o valor A
Ç
anunciado X). Ã
O
Exemplo 3: Numa pesquisa para verificar se a média de idade de uma população é F

diferente de 30 anos, temos as seguintes hipóteses: Í
S
I
C
A
H 0: = 30 (média populacional é igual a 30 anos)

H 1: ≠ 30 (média populacional é diferente de 30 anos)
Acadêmico, é válido destacar que quando você efetua um teste de hipótese sempre
obterá a resposta tendo como referência H0, ou seja, se após o teste você verificar que a
hipótese certa é a hipótese nula pode aceitar H0, mas se verificar que a hipótese certa é a
hipótese alternativa deve rejeitar H0, ao invés de citar H1.
UNI
Claro que você já aprendeu, mas caso tenha esquecido, recorde

agora!
Igualdade (=). Exemplo: 7 = 3 + 4 (sete é igual a três mais quatro).
Diferença (≠). Exemplo: 7 ≠ 3 + 3 (sete é diferente de três mais três).
Maior que (>). Exemplo: 7 > 3 + 3 (sete é maior que três mais três).
Menor que (<). Exemplo: 7 < 3 + 5 (sete é menor que três mais
cinco).
B
I
3 ERROS DO TIPO I E II
O
E
S
T Por mais cuidado que se tenha ao coletar os dados de uma pesquisa, a estimação dos
A dados jamais estará livre de erros. E, ao realizar um teste de hipóteses, existem dois tipos de
T
Í erros que podem ser cometidos:
S
T
I Erro do tipo I (a)
C Erro do tipo II (β)
A
E A seguir, estudaremos o que cada um representa.

M
E
D
U UNI
C
A
Ç
Ã Você já deve ter percebido, em sua trajetória escolar, que a utilização
O das letras gregas é bem comum na matemática. Aqui iremos utilizar
as letras gregas Alfa (a) e Beta (β).
F
Í
S
I
C
A
3.1 ERRO DO TIPO I (α)
O erro do tipo I (Α) significa rejeitar a hipótese nula (H0), sendo que na verdade deveria
ter aceitado. É importante que essa probabilidade de cometer o erro do tipo I seja pequena,
pois assim a chance de rejeitar uma hipótese verdadeira também será pequena.
A essa probabilidade dá-se o nome de nível de significância do teste, que é representado

por α. O valor 1 – α representa a probabilidade de aceitar uma hipótese verdadeira quando ela
é verdadeira, e a esse valor damos o nome de nível de confiança.
Cometer um erro do tipo I, no exemplo 1 visto anteriormente, seria ter dito que as médias
são diferentes quando na verdade elas são iguais.
IMPO
RTAN
TE!

O nível de significância do teste a é definido no início do teste.
B
I
O
E
S
T
A
3.2 ERRO DO TIPO II (β) T
Í
S
O erro do tipo II (Β) significa aceitar a hipótese nula (H0) sendo que na verdade você T
deveria ter rejeitado. Para este tipo de erro também se deseja que a probabilidade de cometê- I
C
lo seja pequena, para que a chance de aceitar uma hipótese falsa seja, igualmente, pequena. A
E
Essa probabilidade é representada pela letra β e a diferença 1 – β representa a M
probabilidade de rejeitar uma hipótese falsa quando ela é falsa, e este valor (1 – β) é chamado
E
de poder do teste. D
U
C
Cometer um erro do tipo II, no exemplo 1 visto anteriormente, seria ter dito que as A
médias são iguais quando na verdade elas são diferentes. Ç
Ã
O
O quadro a seguir resume esses dois erros, veja:
F
Í
S
I
C
A
REALIDADE
DECISÃO
H0 verdadeira H0 falsa
Rejeitar H0 Erro do tipo I (α) Sem erro
Aceitar H0 Sem erro Erro do tipo II (β)
Ç ÃO!
ATEN
O risco do erro do tipo I é dado por a.

a é a probabilidade de rejeitarmos H0, quando H0 é verdadeira.
1 - a é a probabilidade (contrária) de aceitar H0, quando ela é
verdadeira. E, neste caso, não cometemos erro, ou seja, a decisão
é correta.
O risco do erro do tipo II é dado por β.

β é a probabilidade de aceitarmos H0, quando H0 é falsa.
1 - β é a probabilidade (contrária) de rejeitar H0, quando ela é falsa.
E, neste caso, não cometemos erro, ou seja, a decisão é correta.
A seguir veremos alguns exemplos sobre testes de hipóteses.
B
I
O
E 4 EXEMPLOS DE TESTES DE HIPÓTESES
S
T
A
T Este item é destinado às resoluções de alguns casos de testes de hipóteses, os conceitos
Í que serão utilizados serão explicados passo a passo e os exemplos trabalhados em ordem
S
T crescente de dificuldade.
I
C
A Acadêmico, os testes de hipóteses podem ser de três tipos diferentes, onde o que muda
é a hipótese alternativa (H1). Vejamos cada um deles a seguir:
E
M
a) teste bicaudal ou bilateral
E
H 0: = 150
D
U H 1: ≠ 150
C
A
Ç
Ã
O
F
Í
S
I
C
A
UNI
No caso do teste bicaudal, o valor α fica dividido para as duas regiões

amarelas com área a 2 .
b) teste unicaudal à direita ou unilateral à direita

H 0: = 150
H 1: > 150
c) teste unicaudal à esquerda ou unilateral à esquerda

H 0: = 150
H 1: < 150 B
I
O
E
S
T
A
T
Í
S
T
I
A área das regiões amarelas sob as caudas da curva normal corresponde à probabilidade C
de cometer o erro do tipo I (α). Essas regiões são limitadas pelo valor crítico α que divide a área A
sob a curva normal em duas regiões: Região de aceitação de H0 e Região de rejeição de H0. E
M
Acadêmico, não se preocupe com como e quando usar cada um dos tipos anteriores, E
bem como a compreensão do que significa e como definir a(s) área(s) de rejeição de H0 e D
U
a área de aceitação de H0 nos testes de hipóteses. Isso será explicado nas resoluções dos C
próximos exemplos para desvio padrão conhecido e desvio padrão desconhecido, acompanhe! A
Ç
Ã
O
F
Í
S
I
C
A
4.1 TESTE DE HIPÓTESES PARA A MÉDIA QUANDO O DESVIO PADRÃO DA

POPULAÇÃO É CONHECIDO
O INMETRO fará uma inspeção numa fábrica de aparelhos para ginástica que afirma
que o diâmetro das suas camas elásticas de Jump segue uma distribuição normal com a média
= 94 cm e desvio padrão populacional σ = 2 cm. Para a verificação, o inspetor recolheu uma
amostra com 10 unidades em que obteve as seguintes medidas (em cm): 92, 97, 94, 95, 96,
97, 96, 95, 95, 94. O INMETRO admite um erro estatístico de 5% (nível de significância 5%),
ou seja, nível de confiança 95%, em outras palavras α = 0,05.
Solução: Fazendo a estimativa da média dos diâmetros das camas elásticas de Jump
, temos:
Um pesquisador que não entende de estatística falaria que a média dos diâmetros das
camas elásticas de Jump é maior que o informado pela fábrica, contudo nós sabemos que
estamos lidando com uma amostra e por isso temos que tomar cuidado nas conclusões, por
B isso que o teste de hipóteses é essencial.
I
O
E É esse teste que indicará se a diferença entre a média populacional ( = 94 cm) informada
S pela empresa e a estimativa θ = 95,1 cm obtida através da amostra recolhida pelo pesquisador
T
é significante ou apenas casual devido à aleatoriedade da amostra.
A
T
Í
Como o objetivo do INMETRO é inspecionar se a média dos diâmetros das camas
S
T elásticas de Jump é diferente de 94 cm, devemos confrontar as seguintes hipóteses:
I
C
A H0: = 94 cm
H 1: ≠ 94 cm
E
M
A distribuição da média amostral θ , convenientemente padronizada, se comporta
E
D segundo um modelo Normal com = 0 e σ2 = 1. Essa padronização é feita por meio da fórmula:
U
C
A
Ç
Ã
O
Agora, para resolver o teste, calcule o valor z padronizado e o compare com os valores
F críticos tabelados ztab. O valor ztab é obtido entrando na tabela Z (Apêndice A) com o valor 1 –
Í α/2 = 1 – 0,05/2 = 1 – 0,025 = 0,975. Localizando este valor na tabela Z:
S
I
C
A
Para obter ztab devemos somar o valor inicial da linha com o valor inicial da coluna.
Assim ztab = 1,9 + 0,06 = 1,96.
Calculando z:
B
I
O
E
S
O valor 95,1 cm na curva normal é equivalente a 1,74 na curva normal padrão, veja o
T
esquema: A
T
Í
IMPO
RTAN
TE!
S
T
I
C
A
O Teorema Central do Limite garante que essa padronização,
para n grande, segue um modelo normal, com média 0 e E
desvio padrão 1. M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
Se a média amostral padronizada estiver na área de rejeição, ou seja, no exemplo for

maior que o valor crítico 1,96 ou menor que o valor crítico -1,96, nós devemos rejeitar H0, do
contrário devemos aceitá-la. Neste caso, a média amostral (já padronizada) é 1,74, então temos:
-1,96 < 1,74 < 1,96
O que indica que 1,74 está na região de aceitação de H0.

B
I
O Assim, podemos concluir que as médias amostrais e populacionais são iguais a um
E nível de significância de 5% (ou dizemos: a um nível de confiança de 95%).
S
T
A Em outras palavras, a diferença obtida através da amostra não é significativa, então não
T
Í
se pode afirmar que as especificações da empresa estão incorretas. Tem-se 5% de chance de
S você estar errado nessa conclusão (nível de significância).
T
I
C Agora, acadêmico, caso o INMETRO desejasse inspecionar se a média dos diâmetros
A das camas elásticas de Jump é menor que 94 cm ou maior que 94 cm, você estaria diante de
E um teste unilateral. Com isso, seria necessário adequar a hipótese alternativa para cada tipo
M de teste, H1: < 94 cm (unilateral à esquerda) e H1: > 94 cm (unilateral à direita).
E
D Como a média amostral é maior que a média populacional, não é preciso testar a
U
C hipótese H1: < 94 cm, pois o valor z (padronizado) ficará sempre na região de aceitação de
A H0, considerando α pequeno. Assim, teste apenas a hipótese H1: >94 cm!
Ç
Ã
O Unilateral à direita
F
Í Solução:
S
H0: = 94 cm
I
C H 1: > 94 cm
A
A padronização da estimativa da média populacional permanece a mesma
O que muda é o valor crítico (ztab), pois o nível de significância corresponde somente à
área sob a cauda direita. O valor ztab é obtido entrando na tabela Z (Apêndice A) com o valor
1 – = 1 – 0,05 = 0,950.
B
I
O
Observe que o valor 0,950 não aparece na tabela, mas está entre os valores 0,9495
E
e 0,9505. Assim, fazemos a média aritmética dos valores encontrados na coluna e somamos S
com o valor da linha. Logo, ztab = (0,04 + 0,05)/2 + 1,6 = 1,645. Veja o esquema a seguir: T
A
T
Í
S
T
I
C
A
E
M
E
Observe que o fato de o teste ser unilateral aumenta a área sob a cauda direita da D
curva, diminuindo o valor crítico (ztab). Nesse caso, rejeita-se H0 a um nível de significância de U
C
5% porque o valor z padronizado (1,74) está na região de rejeição de H0 (1,645 < 1,74). Assim,
A
a média populacional é maior que 94 cm a um nível de confiança de 95%. Ç
Ã
O
F
Í
S
I
C
A
4.1.2 Teste de hipóteses para a média quando o desvio padrão da população

é desconhecido
Suponha que você precisa testar a hipótese de que a média da estatura dos jogadores
brasileiros de basquetebol adultos de sexo masculino seja 1,95 m contra a hipótese de que é
diferente, a um nível de significância de 5%.
Na amostra feita são obtidas as seguintes alturas:
ALTURA, EM METROS, DOS JOGADORES DE BASQUETEBOL - BRASIL –

2016

1,90 4
1,93 7
1,95 3
1,96 2
1,98 9
2,03 5
B
I Total 30
O FONTE: A autora
E
S
T Solução: Observe que não há o desvio padrão populacional, e na maioria dos problemas
A
T práticos não haverá mesmo! Porém, na resolução, o que muda apenas é a tabela a ser utilizada.
Í
S
T A amostra dá as seguintes estimativas:
I n = 30, (número de elementos, média e desvio padrão).
C
A
Agora, temos as seguintes hipóteses:
E
M
H 0: = 1,95m
E
H 1: ≠ 1,95m
D
U
C Como a variância populacional é desconhecida, a padronização da estimativa da média
A
Ç amostral deve ser feita com a estimativa da variância amostral s2, o que torna a função densidade
Ã dessa padronização diferente da normal. Essa nova densidade é denominada t-Student e essa
O
padronização é calculada através da fórmula: t = θ − x .
calc
F s n
Í
S Para resolver o teste é preciso comparar o valor do t calculado (tcalc) com o valor crítico
I t tabelado (ttab). O valor ttab é encontrado na tabela t-Student (Apêndice C) na intersecção da
C
A
linha 29 (“n – 1”) com a coluna 2,5% ( a 2 ) = 2,5/100 = 0,025. Com isso, temos ttab = 2,0452.
Obtendo o valor tcalc:
Conclusão: Rejeitamos H0.
A média populacional é diferente a 1,95 m a um nível de significância de 5%. Você B

pode afirmar isso, pois o valor 32,2190 está fora dos valores críticos, ou seja, está na região I
O
de rejeição de H0.
E
S
T
A
T
4.2 TESTE DE HIPÓTESES PARA A VARIÂNCIA POPULACIONAL σ2 Í
S
T
I
A Patinação Artística é um esporte de inverno e foi incluso nos Jogos Olímpicos C
no ano de 1908 em Londres, na Inglaterra. Além de esporte, é um espetáculo e atletas já A
aposentados continuam fazendo shows e apresentações de gala. Nas competições existem E

categorias individuais e em duplas e há inúmeros elementos, como tipos de piruetas e saltos, M
que constituem a apresentação e somam pontos para a avaliação. E
D
U
Agora, vamos supor que desejamos testar a hipótese de que a variância das médias dos
C
patinadores homens na categoria individual, no Campeonato Mundial de Patinação Artística de A
Ç
2015, tenha sido 5,3 contra a hipótese de que é diferente, a um nível de significância de 10%.
Ã
O
Para realizar o teste foi coletada uma amostra com as seguintes notas:
F
Í
S
I
C
A
5,9 6,5 8,0 9,6 4,0 3,4 8,0 6,0 6,5 8,4
4,0 8,5 9,3 8,5 8,2 6,0 5,1 3,5 6,0 5,2
6,2 7,0 5,5 7,0 7,9 6,4 4,6 4,0 7,0 7,0
A amostra nos dá as seguintes estimativas: n = 30, θ = 6, 44 e s 2 = 2, 97 (número de

elementos, média e variância).
Assim, temos as seguintes hipóteses:
H0: 2 = 5,3
H1: σ2 ≠ 5,3
Em uma distribuição normalmente distribuída, a razão ( 2) segue uma distribuição

n −1 s2
σ
qui-quadrado. Assim, o cálculo usado para o teste de hipóteses para a variância populacional
é:
χ calc
2
=
( n − 1) s 2 .
σ2
Para resolver o teste é necessário comparar os valores de χ2tab (χ2A e χ2B, pois o teste é
bicaudal) com o valor crítico χ2calc. O valor χ2A é encontrado na tabela qui-quadrado (Apêndice
B B) na intersecção da linha 29 (n – 1) com a coluna 0,05 (α/2),χ2A = 42,5569, e o valor χ2B na
I intersecção da linha 29 com a coluna 0,95 (1- α/2), χ2B = 17,7084.
O
E
S Obtendo o valor χ2calc:
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
Conclusão: Rejeitamos H0.
F
Í
A variância populacional é diferente a 5,3 a um nível de significância de 10%. Você pode
S
I afirmar isso, pois o valor 16,25 é menor que o valor crítico 17,7084, ou seja, está na região de
C rejeição de H0.
A
4.3 TESTE DE HIPÓTESES PARA A PROPORÇÃO POPULACIONAL P
O futebol é o esporte dos brasileiros e o sonho de se tornar um grande jogador já nasce

na infância. A Escola de Futebol Oficial do Time XX promove testes e avaliações para encontrar
novos craques em todo o Brasil. Os jogadores são selecionados por observadores oficiais do
Time XX. E os jogadores que são selecionados passam um período de experiência na escola
do Time XX. Os alunos são observados diariamente em seus treinamentos. Aqueles que se
destacam são indicados para participar das equipes das categorias de Base do Time XX.
Segundo o treinador de futebol do Time XX, existe uma taxa de 15% de reprovação
entre seus candidatos já na primeira etapa. Para verificar se a taxa de reprovação é diferente,
com α = 2%, selecionou-se aleatoriamente uma amostra de 300 candidatos e verificou-se que
36 reprovaram.
Solução: O treinador afirma que a proporção de reprovados p = 15% = 0,15. Da amostra

selecionada, estimamos uma proporção . Assim, temos as seguintes hipóteses:
H0: p = 0,15
H1: p ≠ 0,15
B
I
Considerando que a distribuição da proporção amostral pode ser aproximada por um O
E
modelo Normal, resolve-se o problema comparando o valor de z padronizado com os valores S
críticos tabelados (ztab). O valor ztab é obtido entrando na tabela Z (Apêndice A) com o valor T
A
1 – α/2 = 1 – 0,02/2 = 1 – 0,01 = 0,99, assim ztab = 2,33. T
Í
S
O valor z padronizado para proporção é obtido pela fórmula: . T
Calculando z: I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
Conclusão: Aceitamos H0.
A proporção populacional não é diferente de 15% a um nível de significância de 2%.

Afirmamos isso porque o valor padronizado -1,45 está entre -2,33 e 2,33 (-2,33 < -1,455 <
2,33), ou seja, está na região de aceitação de H0.
ÇÃO!
ATEN
B Acadêmico, estes testes podem parecer difíceis, mas com

I concentração, dedicação e persistência você conseguirá
O compreender estes conceitos.
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
RESUMO DO TÓPICO 2
Neste tópico, estudamos os testes de hipóteses e destacamos:
• Roteiro para realizar um teste de hipóteses:

1º: estabelecer as hipóteses H0 e H1;
2º: com base na H1 e no nível de significância (α) estabelecer as regiões de aceitação
e rejeição de H0 e o valor crítico;
3º: calcular o valor da variável do teste;
4º: aceitar ou rejeitar H0 pela comparação do valor calculado no 3º passo com a região
de aceitação ou rejeição.
• Nos testes de hipótese para a média, quando o desvio padrão populacional é conhecido,
a estimativa amostral da média é padronizada pela fórmula: .
• Nos testes de hipótese para a média, quando o desvio padrão populacional é

θ −x
desconhecido, a estimativa amostral da média é padronizada pela fórmula: tcalc = . B
s n I
( n − 1) s 2 O
• Nos testes de hipótese para a variância populacional, o cálculo usado é χ calc = .
2
E
σ2
S
T
• Nos testes de hipótese para a proporção populacional, a estimativa amostral da A
proporção é padronizada pela fórmula: . T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A

IDADE
ATIV
AUTO
Prezado acadêmico! Agora chegou a sua vez de colocar em prática seu

conhecimento sobre os testes de hipóteses.
1 Um teste de hipótese é um método de inferência estatística muito útil em casos em

que não é possível reunir todos os dados de uma população para aferir o parâmetro
desejado. Assim, os testes de hipóteses se baseiam na amostra, ou seja, em uma parte
da população. Portanto, em diversas pesquisas estatísticas são utilizados os testes de
hipóteses para avaliar a veracidade dos dados observados.
Sobre o teste de hipótese, assinale a alternativa CORRETA:
a) ( ) A hipótese H0 será chamada de hipótese nula, enquanto a hipótese H1 ou hipótese

alternativa é a que o teste quer provar. O erro do tipo I (Α) significa rejeitar H0 sendo
B
I que na verdade deveria ter aceitado, enquanto o erro do tipo II (Β) significa aceitar H0
O sendo que na verdade você deveria ter rejeitado.
E
S b) ( ) A hipótese H0 será chamada de hipótese fiel, enquanto a hipótese H1 ou hipótese
T infiel é a que o teste quer provar. E, em um teste estatístico, em que o “poder do teste”
A
T é de 0,84, o erro do tipo II será 0,16.
Í c) ( ) A hipótese H0 será chamada de hipótese certa, enquanto a hipótese H1 ou hipótese
S
T errada é a que o teste quer provar. E, em um teste estatístico, em que o “poder do teste”
I é de 0,84, o erro do tipo I será 0,16.
C
A
d) ( ) A hipótese H0 será chamada de hipótese nula, enquanto a hipótese H1 ou hipótese
alternativa é a que o teste quer provar. O erro do tipo I (Α) significa aceitar H0 sendo
E
que na verdade deveria ter rejeitado, enquanto o erro do tipo II (Β) significa rejeitar H0
M
sendo que na verdade você deveria ter aceitado.
E
D
U 2 Uma equipe de corrida de bicicletas está testando a durabilidade de duas marcas de
C freios. Para isso, testou cinco freios de cada marca e constatou, para a marca A, uma
A
Ç durabilidade média de 5.000 km e variância 2.500 km2; para a marca B uma durabilidade
Ã média de 4.910 km e variância 2.300 km2. Sabendo-se que as variâncias populacionais
O
são desconhecidas e iguais, teste a hipótese de que a durabilidade dos freios da marca
F A é maior que da marca B, em nível de significância de 5%. Nessas condições, analise
Í
S as seguintes sentenças:
I
C
A
a) ( ) O item II está correto.

b) ( ) O item I está correto.
c) ( ) O item III está correto.
d) ( ) O item IV está correto.
B
I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
B
I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
UNIDADE 3
TÓPICO 3
REGRESSÕES E CORRELAÇÕES
1 INTRODUÇÃO
Uma parte importante da estatística é a análise da regressão entre uma variável

dependente e uma variável independente de um modelo matemático, com o objetivo de
determinar o nível de interação entre elas. A determinação dessa relação auxilia na simulação
da previsão do comportamento de um fenômeno, possibilitando a análise das tendências e as
relações de causa e efeito de um determinado evento. B
I
O
Neste tópico temos por objetivo o estudo da regressão entre duas variáveis e a
E
verificação da existência de uma correlação entre elas. Para tornarmos a compreensão deste S
T
conteúdo mais simples, abordaremos algumas situações que fazem parte do cotidiano do
A
profissional da Educação Física. T
Í
S
T
I
C
2 DIAGRAMA DE DISPERSÃO A
E
Diagramas de dispersão são gráficos que permitem a identificação entre causas e M
efeitos, com o propósito de avaliar o tipo de relação entre as variáveis estudadas. E
D
U
De uma maneira mais simples, é a representação gráfica de valores de duas variáveis C
relacionadas a um mesmo fenômeno, mostrando o quanto uma variável é afetada por outra, A
Ç
ajudando desta forma a visualizar se existe, ou não, alguma relação entre elas.
Ã
O
Neste gráfico, cada ponto plotado representa um par observado de valores para as
F
variáveis estudadas (x, y), num sistema de eixos cartesianos, formando uma “nuvem” de pontos, Í
que definirá qual o tipo de correlação está sendo analisada. S
I
C
A seguir, apresentamos alguns exemplos de diagramas de dispersão. A
Observe, acadêmico, que cada combinação de dados indica um eixo e uma direção que
caracteriza a relação entre as variáveis x e y. A relação entre as variáveis é direta quando os
valores de y aumentam em decorrência do aumento dos valores de x. A relação é considerada
inversa quando os valores de y variam inversamente em relação aos de x. E não há relação
quando os valores de y não variam com o aumento dos valores de x.
B
I
O Exemplo: Acadêmico, vamos verificar a relação entre os valores informados na tabela
E
de peso e altura para crianças, construindo um gráfico de dispersão:
S
T
A
TABELA 43 - VARIAÇÃO DO PESO E DA ALTURA PARA CRIANÇAS
T
BRASILEIRAS ENTRE 1 E 12 ANOS
Í
S Idade Altura (cm) Peso (Kg)
T
I 1 ano 74 9,8
C
A 2 anos 85 12,3
3 anos 96 14,7
E
M 4 anos 101 16,5
E
5 anos 108 18,6
D 6 anos 112 20,5
U
C 7 anos 117 23,1
A
8 anos 125 25,4
Ç
Ã 9 anos 132 28,7
O
10 anos 137 32,4
F
11 anos 143 35,3
Í
S 12 anos 149 40,7
I
C FONTE: A autora
A
Representando os dados em um gráfico de dispersão que relaciona as variáveis x e y:
GRÁFICO 5 - VARIAÇÃO DO PESO E DA ALTURA PARA CRIANÇAS BRASILEIRAS ENTRE

1 E 12 ANOS.
FONTE: A autora
Note que o gráfico de dispersão que relaciona a altura e o peso conforme a idade das
crianças brasileiras sugere que as variáveis possuem uma relação linear direta. Veremos no
próximo tópico que podemos quantificar a força dessa relação através da determinação do
B
coeficiente de correlação de Pearson. I
O
E
S
T
A
3 CORRELAÇÃO DE PEARSON T
Í
S
O coeficiente de correlação de Pearson é uma medida do grau da relação linear entre T
duas variáveis quantitativas. É um índice adimensional que estabelece o quanto uma linha reta I
C
se ajusta em uma de nuvem de pontos (diagrama de dispersão). A
E
O coeficiente de correlação costuma ser representado pela letra R quando se trata de M
uma amostra ou por ρ quando o estudo refere-se a uma população. Possui valores situados
E
entre -1,0 e 1,0, sendo que: D
U
C
• R = 1: significa que as variáveis são diretamente proporcionais, e os pontos da reta A
caem exatamente sobre uma linha crescente; Ç
Ã
• R = -1: significa que as variáveis são inversamente proporcionais, e os pontos da reta
O
caem exatamente sobre uma linha decrescente;
F
• R = 0: Significa que não existe correlação entre as duas variáveis.
Í
S
O coeficiente de correlação é dado por: I
C
A
Usualmente, multiplicamos o valor do coeficiente por 100 para termos o seu valor em
porcentagem. A partir dos valores de R ou ρ, podemos verificar o tipo da correlação existente
entre as variáveis estudadas:
• 0 < r < 0,3: a correlação é muito fraca e não é possível estabelecer relação efetiva
entre as variáveis;
• 0,3 r < 0,6: a correlação é fraca, mas pode-se considerar a existência de uma relação
entre as variáveis;
• 0,6 ≤ r < 1: a correlação é média para forte e a relação entre as variáveis é significativa,
havendo uma forte relação entre as variáveis.
Acadêmico, note que no estudo estatístico as correlações resumem o grau de

relacionamento entre duas variáveis, e as regressões têm como finalidade a obtenção de uma
equação matemática que descreve o relacionamento entre estas variáveis.
Exemplo 1: A busca por uma vida saudável, que alie alimentação equilibrada a exercícios
B físicos, vem crescendo entre todos os grupos da população. Diante disso, uma empresa
I
O buscou fazer uma pesquisa para verificar se há correlação significativa do gasto mensal com
E suplementos dos praticantes regulares de atividade física com a renda de cada um deles.
S
T
A A partir dos dados coletados foi possível elaborar a seguinte tabela:
T
Í
S TABELA 44 - RELAÇÃO ENTRE GASTO MENSAL COM SUPLEMENTO E RENDA INDIVIDUAL
T POR ALUNOS DA ACADEMIA XX NA CIDADE DE BLUMENAU - 2016
I
C
A Atividade Praticada Renda Individual (R$) Gasto com Suplemento (R$)
E Musculação 2470,98 61,53

M
Ginástica localizada 2357,89 58,48
E
D
Corrida 2233,18 56,79
U Funcional 2128,47 54,91
C
A Esportes coletivos 2002,95 47,38
Ç
Natação 1926,56 44,98
Ã
O Step 1818,27 39,25
F Zumba 1801,32 37,5
Í
Pilates 1789,56 33,15
S
I FONTE: A autora.
C
A
Para podermos visualizar a relação entre as variáveis, construímos o gráfico de dispersão

com os dados do gasto com suplemento em relação à renda individual, conforme apresentado
a seguir:
GRÁFICO 6 - GASTO MENSAL COM SUPLEMENTO E RENDA INDIVIDUAL POR

ALUNOS DA ACADEMIA XX NA CIDADE DE BLUMENAU - 2016.
FONTE: A autora
Acadêmico, note que os gráficos de dispersão exibem quão bem os dados se adaptam
a um certo ajuste (linha de tendência)
Depois de observarmos a dispersão dos dados estatísticos no gráfico, vimos que se

trata de uma relação linear direta. Agora, devemos organizar as informações necessárias para B
I
calcularmos o coeficiente de correlação de Pearson. Para facilitar a compreensão dos cálculos
O
realizados, elaboramos a tabela a seguir: E
S
T
TABELA 45 - CÁLCULO DO COEFICIENTE DE PEARSON PARA O GASTO MENSAL COM A
SUPLEMENTO E RENDA INDIVIDUAL POR ALUNOS DA ACADEMIA XX NA CIDADE DE T
BLUMENAU - 2016 Í
S
Renda T
Atividade Gasto com I
Individual xiyi x2i y2i C
Praticada Suplemento (yi)
(xi) A
Musculação 2470,98 61,53 152039,40 6105742,16 3785,94 E

Ginástica M
2357,89 58,48 137889,41 5559645,25 3419,91
localizada
E
Corrida 2233,18 56,79 126822,29 4987092,91 3225,10 D
Funcional 2128,47 54,91 116874,29 4530384,54 3015,11 U
C
Esportes coletivos 2002,95 47,38 94899,77 4011808,70 2244,86 A
Ç
Natação 1926,56 44,98 86656,67 3711633,43 2023,20 Ã
Step 1818,27 39,25 71367,10 3306105,79 1540,56 O
Zumba 1801,32 37,50 67549,50 3244753,74 1406,25 F

Í
Pilates 1789,56 33,15 59323,91 3202524,99 1098,92
S
TOTAL 18529,18 433,97 913422,34 38659691,53 21759,86 I
C
FONTE: A autora A
A partir destas informações, podemos calcular o coeficiente de correlação de Pearson:
Com base no resultado encontrado para o coeficiente de Pearson, podemos dizer

que a relação entre a renda mensal e o gasto com suplementos é uma correlação forte e tem
significância.
Acadêmico, após compreendermos que uma correlação é a relação entre duas variáveis,
partiremos para um novo desafio: encontrar uma equação que represente a variação da variável
independente em relação à variável dependente em um determinado fenômeno, ou seja, nosso
próximo objetivo é estudar a regressão linear.
B
I
O
E
4 REGRESSÃO LINEAR SIMPLES
S
T
A
T O coeficiente de correlação de Pearson é uma medida do grau da relação linear entre
Í duas variáveis quantitativas. É um índice adimensional que estabelece o quanto uma linha reta
S
T se ajusta em uma de nuvem de pontos (diagrama de dispersão).
I
C
A O coeficiente de correlação costuma ser representado pela letra R quando se trata de
uma amostra ou por ρ quando o estudo refere-se a uma população. Possui valores situados
E
M
entre -1,0 e 1,0, sendo que:
E
• R = 1: significa que as variáveis são diretamente proporcionais, e os pontos da reta
D
U caem exatamente sobre uma linha crescente;
C • R = -1: significa que as variáveis são inversamente proporcionais, e os pontos da reta
A
Ç caem exatamente sobre uma linha decrescente;
Ã • R = 0: Significa que não existe correlação entre as duas variáveis.
O
F O coeficiente de correlação é dado por:

Í
S
I
C
A
Na maioria das vezes, ao visualizarmos o diagrama de dispersão conseguimos supor

que exista uma relação de causa-efeito entre as duas variáveis quantitativas. A partir dessa
observação, surgiu o desafio de como expressar matematicamente essa relação.
Neste tópico abordaremos a análise de regressão como uma técnica estatística que
tem por objetivo investigar e modelar a relação entre duas variáveis. Regressão linear significa
determinar uma equação da reta que melhor se ajuste ao padrão seguido pelos dados, para ser
possível determinar um modelo que permita prever uma estimativa linear entre duas variáveis
aleatórias.
Existem diversas situações em que devemos utilizar a regressão linear na estatística.

Podemos estimar os valores de uma variável, com base em valores conhecidos da outra, ou
em situações em que seja necessário confirmar uma relação de causa e efeito entre variáveis.
No estudo da regressão, iniciamos denominando a variável dependente (ou variável

resposta) de y e a independente (fator) de x. Acadêmico, note que as expressões a seguir
possuem o mesmo significado:
• y depende de x (linguagem coloquial);

• y é função de x (linguagem matemática);
• existe regressão de y sobre x (linguagem estatística). B
I
O
O estudo da regressão linear deve iniciar pela elaboração de um gráfico de dispersão E
S
dos pontos. Esse passo é fundamental, pois a partir dele podemos determinar a existência T
ou não da regressão, assim como evita com que a técnica seja aplicada em um conjunto de A
T
dados que não são adequados. O segundo passo é determinarmos a equação da reta, como Í
veremos na sequência. S
T
I
C
A
4.1 EQUAÇÃO LINEAR E

M
Para aplicar regressão, os dados estatísticos precisam atender às seguintes condições E

D
conjuntas: U
C
A
• Ser significativo; para isso, é necessário realizar um teste de hipóteses; Ç
• Existir homocedasticidade, verificando os resíduos; Ã
O
• A variável y apresentar distribuição normal.
F
Í
Acadêmico, é importante lembrarmos que: S
I
C
A
• Para um valor xi podem existir um ou mais valores de yi amostrados;

• Porém, para esse mesmo valor xi apenas um valor será projetado;
• Sempre teremos observações que não são pontos da reta, ou seja, pontos fora
do padrão dos dados.
FONTE: Disponível em: < http://docslide.com.br/documents/analise-de-regressao-55bd18966ba31.

html>. Acesso em: 20 ago. 2016.
Sabemos que a equação de uma reta é representada por y = ax + b. Para determinarmos

qual a equação que melhor se ajusta a um conjunto de dados, precisamos calcular os valores
dos parâmetros a e b, conforme as seguintes fórmulas:
Onde:
• n é o número de dados a serem analisados;
B • e y são as médias dos valores de xi e yi, respectivamente. Podemos determinar
I as médias através das equações:
O
E
S
T
A
T
Í É importante ressaltarmos que quando aplicamos estas fórmulas a um conjunto de
S
T dados, estamos fazendo uma estimativa da verdadeira equação de regressão. Deste modo,
I devemos escrever , onde é o y estimado.
C
A
Exemplo 1: Uma academia de ginástica decidiu realizar uma pesquisa de como a prática
E
M de exercícios pode afetar na perda de peso. Para isto, foram selecionados 12 alunos iniciantes
na academia que realizavam os exercícios com o objetivo de emagrecer. No entanto, na fase
E
D inicial da pesquisa, estes alunos não poderiam diminuir a quantidade de calorias ingeridas
U diariamente, para que os dados referentes à perda de peso fossem somente influenciados
C
pelos exercícios físicos realizados. Foi solicitado aos alunos que registrassem no decorrer de
A
Ç duas semanas o número de minutos de exercícios que praticaram, com a perda de peso após
Ã
o período de duas semanas.
O
F
Í
S
I
C
A
TABELA 46 - PERDA DE PESO COM RELAÇÃO À PRÁTICA DE EXERCÍCIOS

FÍSICOS
Indivíduo Exercícios xi (min) Perda de Peso yi (Kg)

1 237 1,71
2 235 1,49
3 228 1,49
4 193 1,26
5 190 1,17
6 186 1,17
7 185 1,13
8 176 0,9
9 171 0,73
10 148 0,63
11 109 0,5
12 100 0,27
FONTE: A autora
A partir da tabela acima, construímos um gráfico de dispersão para avaliar se existe

relação entre a variável dependente perda de peso (yi) e a variável independente tempo de B
I
atividade física praticada (xi):
O
E
S
GRÁFICO 7 - PERDA DE PESO COM RELAÇÃO AO TEMPO REALIZADO DE
T
ATIVIDADE FÍSICA.
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
FONTE: A autora A
Ç
Ã
Observe que os pontos que formam o gráfico de dispersão representam uma correlação O
que se assemelha a uma reta ascendente, sendo, portanto, uma correlação linear positiva.
F
Í
S
I
C
A
TABELA 56 - CÁLCULOS AUXILIARES PARA DETERMINAÇÃO DA EQUAÇÃO DA RETA PARA A

DETERMINAÇÃO DA PERDA DE PESO EM RELAÇÃO À PRÁTICA DE ATIVIDADE FÍSICA
Indivíduo Exercícios xi (min) Perda de Peso yi (Kg) xiyi x2i y2i

1 237 1,71 405,27 56169 2,9241
2 235 1,49 350,15 55225 2,2201
3 228 1,49 339,72 51984 2,2201
4 193 1,26 243,18 37249 1,5876
5 190 1,17 222,3 36100 1,3689
6 186 1,17 217,62 34596 1,3689
7 185 1,13 209,05 34225 1,2769
8 176 0,9 158,4 30976 0,81
9 171 0,73 124,83 29241 0,5329
10 148 0,63 93,24 21904 0,3969
11 109 0,5 54,5 11881 0,25
12 100 0,27 27 10000 0,0729
TOTAL 2158 12,45 2445,26 409550 15,0293
FONTE: A autora
B Com base nas informações da tabela acima, podemos calcular os parâmetros a e b:

I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F Substituindo os valores encontrados para os parâmetros a e b na fórmula genérica

Í que representa a equação da reta, chegaremos à seguinte função de regressão linear: y =
S
I 0,009611x – 0,69088. Com esta função, poderemos estimar a perda de peso de um indivíduo
C que passa a praticar exercícios físicos regularmente.
A
IMPO
RTAN
TE!

Acadêmico, você pode utilizar o programa Microsoft Excel para
auxiliá-lo na obtenção da linha de tendência dos pontos num
gráfico de dispersão e para a determinação da equação da reta
que representa estes pontos.
Na barra de ícones principal do programa você pode inserir um gráfico de dispersão.

Após selecionar os dados da série, basta clicar com o botão direito do mouse sobre os pontos
do gráfico e adicionar uma linha de tendência. Abrirá uma janela que lhe permite configurar a
linha de tendência. Para obter a equação da reta que melhor se ajusta aos pontos do gráfico,
selecionar “Exibir equação no gráfico”.
Observe o gráfico a seguir, baseado no exemplo anterior:
GRÁFICO 8 - LINHA DE PERDA DE PESO COM RELAÇÃO AO TEMPO REALIZADO DE

ATIVIDADE FÍSICA.
B
I
O
E
S
T
A
T
Í
S
T
I
C
A
FONTE: A autora
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
RESUMO DO TÓPICO 3
• Coeficiente de correlação de Pearson é uma medida do grau da relação linear entre

duas variáveis quantitativas, sendo representado pela equação:
• Regressão linear tem por objetivo determinar uma equação da reta que melhor se
ajuste a um conjunto de dados estatísticos. O resultado de uma regressão linear segue a
equação da reta: y = ax + b.
• A fórmula para o cálculo dos parâmetros a e b é:

B
I a= ; b=
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A

IDADE
ATIV
AUTO
1 A correlação e a regressão linear simples são métodos estudados pela estatística

que compreendem a análise de dados amostrais para saber se, e como, duas ou mais
variáveis estão relacionadas entre si numa população. Sobre estes métodos, assinale
a alternativa CORRETA:
a) ( ) A regressão e a correlação são técnicas qualitativas utilizadas para estimar a

qualidade de uma relação entre uma população e uma variável;
b) ( ) A correlação mede a intensidade da força de relacionamento entre duas variáveis e
a regressão fornece a equação que descreve o relacionamento em termos matemáticos.
c) ( ) Os dados para análise de regressão e correlação são obtidos através de informações
aleatórias; sendo assim, as variáveis não precisam tratar de uma mesma população.
d) ( ) Na regressão pressupõe-se que não haja uma relação de causa e efeito entre
duas variáveis.
B
2 Selecione a alternativa que possui a regressão linear que melhor representa os dados I
O
da tabela a seguir: E
S
T
RELAÇÃO ENTRE O PREÇO E A QUANTIDADE DE PRODUTOS A
VENDIDOS T
Í
Produto Quantidade Preço S
P1 71 40,7 T
I
P2 84 37,3 C
A
P3 96 35,9
P4 102 32,7 E
M
P5 108 31,8
E
P6 112 28,1 D
P7 119 27,5 U
C
P8 127 26,4 A
Ç
P9 132 25,6
Ã
P10 139 24,7 O
P11 147 24,3 F

Í
P12 156 23,8
S
FONTE: A autora I
C
A
a) ( ) y = -0,2141x + 54,753
b) ( ) y = 0,2141x - 54,753
c) ( ) y = -4,3526x + 246,23
d) ( ) y = 4,3526x - 246,23
B
I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
APÊNDICE A
Tabela Z (Normal Padrão)
z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767 B
2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817 I
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857 O
2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890 E
S
2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
T
2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936 A
2,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952 T
2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964 Í
2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974 S
2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981 T
I
2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
C
3,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990 A
3,1 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
3,2 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995 E
3,3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997 M
3,4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998
E
3,5 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 D
3,6 0,9998 0,9998 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 U
3,7 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 C
A
Ç
Ã
O
F
Í
S
I
C
A
APÊNDICE B
Distribuição Qui-Quadrado
P(χ2(n-1) ≥ χ2tab) = α
gl 0,990 0,950 0,900 0,500 0,100 0,050 0,025 0,010 0,005

1 0,0002 0,0039 0,0158 0,4549 2,7055 3,8415 5,0239 6,6349 7,8794
2 0,0201 0,1026 0,2107 1,3863 4,6052 5,9915 7,3778 9,2103 10,5966
3 0,1148 0,3518 0,5844 2,3660 6,2514 7,8147 9,3484 11,3449 12,8382
4 0,2971 0,7107 1,0636 3,3567 7,7794 9,4877 11,1433 13,2767 14,8603
5 0,5543 1,1455 1,6103 4,3515 9,2364 11,0705 12,8325 15,0863 16,7496
6 0,8721 1,6354 2,2041 5,3481 10,6446 12,5916 14,4494 16,8119 18,5476
7 1,2390 2,1673 2,8331 6,3458 12,0170 14,0671 16,0128 18,4753 20,2777
8 1,6465 2,7326 3,4895 7,3441 13,3616 15,5073 17,5345 20,0902 21,9550
9 2,0879 3,3251 4,1682 8,3428 14,6837 16,9190 19,0228 21,6660 23,5894
10 2,5582 3,9403 4,8652 9,3418 15,9872 18,3070 20,4832 23,2093 25,1882
11 3,0535 4,5748 5,5778 10,3410 17,2750 19,6751 21,9200 24,7250 26,7568
12 3,5706 5,2260 6,3038 11,3403 18,5493 21,0261 23,3367 26,2170 28,2995
13 4,1069 5,8919 7,0415 12,3398 19,8119 22,3620 24,7356 27,6882 29,8195
14 4,6604 6,5706 7,7895 13,3393 21,0641 23,6848 26,1189 29,1412 31,3193
15 5,2293 7,2609 8,5468 14,3389 22,3071 24,9958 27,4884 30,5779 32,8013
16 5,8122 7,9616 9,3122 15,3385 23,5418 26,2962 28,8454 31,9999 34,2672
17 6,4078 8,6718 10,0852 16,3382 24,7690 27,5871 30,1910 33,4087 35,7185
18 7,0149 9,3905 10,8649 17,3379 25,9894 28,8693 31,5264 34,8053 37,1565
19 7,6327 10,1170 11,6509 18,3377 27,2036 30,1435 32,8523 36,1909 38,5823
B
I 20 8,2604 10,8508 12,4426 19,3374 28,4120 31,4104 34,1696 37,5662 39,9968
O 21 8,8972 11,5913 13,2396 20,3372 29,6151 32,6706 35,4789 38,9322 41,4011
E 22 9,5425 12,3380 14,0415 21,3370 30,8133 33,9244 36,7807 40,2894 42,7957
S 23 10,1957 13,0905 14,8480 22,3369 32,0069 35,1725 38,0756 41,6384 44,1813
T 24 10,8564 13,8484 15,6587 23,3367 33,1962 36,4150 39,3641 42,9798 45,5585
A
25 11,5240 14,6114 16,4734 24,3366 34,3816 37,6525 40,6465 44,3141 46,9279
T
Í 26 12,1981 15,3792 17,2919 25,3365 35,5632 38,8851 41,9232 45,6417 48,2899
S 27 12,8785 16,1514 18,1139 26,3363 36,7412 40,1133 43,1945 46,9629 49,6449
T 28 13,5647 16,9279 18,9392 27,3362 37,9159 41,3371 44,4608 48,2782 50,9934
I 29 14,2565 17,7084 19,7677 28,3361 39,0875 42,5570 45,7223 49,5879 52,3356
C 30 14,9535 18,4927 20,5992 29,3360 40,2560 43,7730 46,9792 50,8922 53,6720
A
31 15,6555 19,2806 21,4336 30,3359 41,4217 44,9853 48,2319 52,1914 55,0027
E 32 16,3622 20,0719 22,2706 31,3359 42,5847 46,1943 49,4804 53,4858 56,3281
M 33 17,0735 20,8665 23,1102 32,3358 43,7452 47,3999 50,7251 54,7755 57,6484
34 17,7891 21,6643 23,9523 33,3357 44,9032 48,6024 51,9660 56,0609 58,9639
E 35 18,5089 22,4650 24,7967 34,3356 46,0588 49,8018 53,2033 57,3421 60,2748
D 36 19,2327 23,2686 25,6433 35,3356 47,2122 50,9985 54,4373 58,6192 61,5812
U 37 19,9602 24,0749 26,4921 36,3355 48,3634 52,1923 55,6680 59,8925 62,8833
C
A
38 20,6914 24,8839 27,3430 37,3355 49,5126 53,3835 56,8955 61,1621 64,1814
Ç 39 21,4262 25,6954 28,1958 38,3354 50,6598 54,5722 58,1201 62,4281 65,4756
Ã 40 22,1643 26,5093 29,0505 39,3353 51,8051 55,7585 59,3417 63,6907 66,7660
O 41 22,9056 27,3256 29,9071 40,3353 52,9485 56,9424 60,5606 64,9501 68,0527
42 23,6501 28,1440 30,7654 41,3352 54,0902 58,1240 61,7768 66,2062 69,3360
F 43 24,3976 28,9647 31,6255 42,3352 55,2302 59,3035 62,9904 67,4593 70,6159
Í
44 25,1480 29,7875 32,4871 43,3352 56,3685 60,4809 64,2015 68,7095 71,8926
S
I 45 25,9013 30,6123 33,3504 44,3351 57,5053 61,6562 65,4102 69,9568 73,1661
C 50 29,7067 34,7643 37,6886 49,3349 63,1671 67,5048 71,4202 76,1539 79,4900
A
APÊNDICE C
Distribuição t-Student
P(t(n-1) ≥ ttab) = α
gl 0,25 0,10 0,05 0,025 0,01 0,005

1 1,0000 3,0777 6,3137 12,7062 31,8210 63,6559
2 0,8165 1,8856 2,9200 4,3027 6,9645 9,9250
3 0,7649 1,6377 2,3534 3,1824 4,5407 5,8408
4 0,7407 1,5332 2,1318 2,7765 3,7469 4,6041
5 0,7267 1,4759 2,0150 2,5706 3,3649 4,0321
6 0,7176 1,4398 1,9432 2,4469 3,1427 3,7074
7 0,7111 1,4149 1,8946 2,3646 2,9979 3,4995
8 0,7064 1,3968 1,8595 2,3060 2,8965 3,3554
9 0,7027 1,3830 1,8331 2,2622 2,8214 3,2498
10 0,6998 1,3722 1,8125 2,2281 2,7638 3,1693
11 0,6974 1,3634 1,7959 2,2010 2,7181 3,1058
12 0,6955 1,3562 1,7823 2,1788 2,6810 3,0545
13 0,6938 1,3502 1,7709 2,1604 2,6503 3,0123
14 0,6924 1,3450 1,7613 2,1448 2,6245 2,9768
15 0,6912 1,3406 1,7531 2,1315 2,6025 2,9467
16 0,6901 1,3368 1,7459 2,1199 2,5835 2,9208
17 0,6892 1,3334 1,7396 2,1098 2,5669 2,8982
18 0,6884 1,3304 1,7341 2,1009 2,5524 2,8784
19 0,6876 1,3277 1,7291 2,0930 2,5395 2,8609
20 0,6870 1,3253 1,7247 2,0860 2,5280 2,8453
21 0,6864 1,3232 1,7207 2,0796 2,5176 2,8314
22 0,6858 1,3212 1,7171 2,0739 2,5083 2,8188 B
23 0,6853 1,3195 1,7139 2,0687 2,4999 2,8073 I
24 0,6848 1,3178 1,7109 2,0639 2,4922 2,7970 O
25 0,6844 1,3163 1,7081 2,0595 2,4851 2,7874 E
S
26 0,6840 1,3150 1,7056 2,0555 2,4786 2,7787
T
27 0,6837 1,3137 1,7033 2,0518 2,4727 2,7707
A
28 0,6834 1,3125 1,7011 2,0484 2,4671 2,7633
T
29 0,6830 1,3114 1,6991 2,0452 2,4620 2,7564
Í
30 0,6828 1,3104 1,6973 2,0423 2,4573 2,7500 S
40 0,6807 1,3031 1,6839 2,0211 2,4233 2,7045 T
50 0,6794 1,2987 1,6759 2,0086 2,4033 2,6778 I
60 0,6786 1,2958 1,6706 2,0003 2,3901 2,6603 C
120 0,6765 1,2886 1,6576 1,9799 2,3578 2,6174 A
∞ 0,6745 1,2816 1,6449 1,9600 2,3264 2,5758
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
IAÇÃO
AVAL

B
I
O
E
S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A
181
REFERÊNCIAS
BRASIL. Ministério do Esporte. Disponível em: <http://www.esporte.gov.br/diesporte/2.html>.

Acesso em: 20 ago. 2016.
BRASIL. Rede Interagencial de Informação para a Saúde. Indicadores básicos para a

saúde no Brasil: conceitos e aplicações. 2. ed. Brasília: Organização Pan-Americana da
Saúde, 2008. Disponível em: <http://tabnet.datasus.gov.br/tabdata/livroidb/2ed/indicadores.
pdf>. Acesso em: 20 ago. 2016.
CASTANHEIRA, Nelson Pereira. Estatística aplicada a todos os níveis. 5. ed. Curitiba:

Ibpex, 2010.
CRESPO, Antônio A. Estatística fácil. São Paulo: Saraiva, 2005.
FARBER, Larson. Estatística Aplicada. 4º São Paulo: Pearson Education, 2010.
MORRETTIN, Luiz Gonzaga. Estatística Básica. Probabilidade e Inferência. São Paulo.

Pearson: 2010.
TOLEDO, Geraldo Luciano; OVALLE, Ivo Izidoro. Estatística básica. 2. ed. São Paulo:
B
Atlas, 2009. I
O
WALPOLE, Ronald E. Probabilidade e estatística para engenharia e ciências. São Paulo: E
Pearson Prentice Hall, 2009. S
T
A
T
Í
S
T
I
C
A
E
M
E
D
U
C
A
Ç
Ã
O
F
Í
S
I
C
A

Bioestatística em Educação Física

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Bioestatística em Educação Física

Uploaded by

Copyright:

Available Formats

GRUPO

Prof.ª Ma. Grazielle Jenske

Copyright  UNIASSELVI 2016

Revisão, Diagramação e Produção:

Ficha catalográfica elaborada na fonte pela Biblioteca Dante Alighieri

Prezado acadêmico! Bem-vindo à disciplina de Bioestatística em Educação Física. A

Ao falarmos em estatística, logo pensamos em dados numéricos ordenados e

Na primeira unidade serão apresentados os conceitos iniciais para a aprendizagem

Na unidade seguinte, trataremos sobre as medidas de posição, elas representam uma

Por fim, na terceira unidade, conheceremos as funcionalidades dos testes estatísticos

BIOESTATÍSTICA EM EDUCAÇÃO FÍSICA iii

Esperamos que, ao término deste estudo, você tenha aprimorado os conhecimentos

BIOESTATÍSTICA EM EDUCAÇÃO FÍSICA iv

UNIDADE 1 - CONCEITOS BÁSICOS DA ESTATÍSTICA.................................................. 1

TÓPICO 1 - O MÉTODO ESTATÍSTICO.............................................................................. 3

TÓPICO 2 - ARREDONDAMENTO, FRAÇÃO E PORCENTAGEM................................. 25

TÓPICO 3 - AGRUPAMENTO DE DADOS....................................................................... 49

BIOESTATÍSTICA EM EDUCAÇÃO FÍSICA vii

UNIDADE 2 - MEDIDAS DE POSIÇÃO............................................................................. 67

TÓPICO 1 - MEDIDAS DE TENDÊNCIA CENTRAL......................................................... 69

TÓPICO 2 - MEDIDAS DE DISPERSÃO........................................................................... 97

BIOESTATÍSTICA EM EDUCAÇÃO FÍSICA viii

TÓPICO 3 - SÉRIES E GRÁFICOS ESTATÍSTICOS.......................................................113

UNIDADE 3 - INTRODUÇÃO AOS TESTES ESTATÍSTICOS........................................ 131

TÓPICO 1 - INTRODUÇÃO À PROBABILIDADE........................................................... 133

TÓPICO 2 - TESTES DE HIPÓTESES............................................................................ 143

BIOESTATÍSTICA EM EDUCAÇÃO FÍSICA ix

TÓPICO 3 - REGRESSÕES E CORRELAÇÕES............................................................ 163

BIOESTATÍSTICA EM EDUCAÇÃO FÍSICA x

A partir desta unidade, você será capaz de:

 descrever e interpretar informações do campo da Educação Física

 compreender os procedimentos técnicos e de cálculos essenciais

Os primeiros registros da Estatística datam de aproximadamente 3000 anos a.C.

no período eleitoral, com a antecipação do possível candidato eleito, a estatística é a área da

Serão apresentados alguns dos conceitos iniciais para a aprendizagem da própria

A Estatística Descritiva é definida como um conjunto de técnicas utilizadas com a

A probabilidade lida com a incerteza, com a possibilidade de um evento ocorrer ao

Para ser possível a realização de uma inferência a respeito de determinada situação,

Após organizar os dados, frequentemente os expomos por meio de tabelas, quadros

Por meio da Estatística indutiva ou inferencial podemos tirar conclusões e realizar

No grego, methodos significava caminho para se chegar a um fim. Atualmente, um

4.2 MÉTODO ESTATÍSTICO

Em situações em que não é possível manter as causas constantes, utilizamos o método

A seguir, vamos detalhar cada uma das fases do método estatístico.

5 FASES DO MÉTODO ESTATÍSTICO

São seis as fases do método estatístico, a saber:

• Tratamento de dados relativos aos desempenhos dos alunos no salto em altura,

Após a definição do problema, neste momento, ocorre o plano de como os processos

5.3 COLETA DE DADOS

Após delimitar o problema de pesquisa e definir um plano de ação, é preciso pensar

b) Periódica - quando é feita em intervalos de tempo constantes, como os censos

c) Ocasional - quando feita ocasionalmente, a fim de atender a uma conjuntura ou uma

5.4 CRÍTICA DOS DADOS

A crítica dos dados pode ser de origem interna ou externa.

5.6 ANÁLISE DOS RESULTADOS

Trata-se do principal objetivo da estatística, apurar resultados e interpretá-los. Está ligada

Assim, completamos as fases do método estatístico.

FIGURA 1 - FASES DO MÉTODO ESTATÍSTICO

a) SITUAÇÃO: Um professor quer saber a altura média dos acadêmicos do terceiro

b) SITUAÇÃO: Analisar os batimentos cardíacos de homens fumantes na faixa dos

c) SITUAÇÃO: O Conselho Federal de Educação Física está realizando um censo e

FIGURA 3 - SITUAÇÃO DE AMOSTRA

FONTE: Disponível em: <http://www.alea.pt/html/nocoes/img/cartoon2_2_3_2.gif>. Acesso em: 26 jun.