10/05/2022 21:08 UNINTER

PROBABILIDADE E ESTATÍSTICA
AULA 1

https://univirtus.uninter.com/ava/web/roa/ 1/30
10/05/2022 21:08 UNINTER

Profª Aline Purcote Quinsler

CONVERSA INICIAL

A estatística está presente no nosso dia a dia e nas diferentes áreas, sendo que muitas vezes

recorremos a ela para tomar decisões. Mas o que é estatística e onde podemos utilizá-la?

Toda ciência que utiliza dados experimentais necessita da estatística como método de análise

para que o pesquisador chegue a conclusões que tenham validade científica. A estatística possui uma

vasta aplicação nas engenharias e é extremamente importante para qualquer engenheiro, pois auxilia
no planejamento de novos produtos e sistemas, na melhoria de projetos e processos existentes, além

de ajudar a entender a variabilidade.

Martins (2010) comenta que somos expostos a uma quantidade de informações numéricas, e

que, dependendo das situações, ora somos consumidores de informações numéricas, ora precisamos

produzi-las. Diante disso, necessitamos de conhecimentos e capacitações para compreender

informações numéricas produzidas por outros, bem como nos habilitar a construí-las. Os

procedimentos, técnicas e métodos estatísticos são fundamentais para o auxílio à execução dessas

tarefas.

Para entender a importância da estatística e a utilização em diferentes áreas, aprofundaremos

nosso estudo, abordando:

a importância da estatística em diferentes campos (leia o artigo:

<http://www.estatconsultoria.org/2017/06/14/a-importancia-da-estatistica-em-diferentes-cam

po/>.);

a importância da estatística na engenharia (assista ao vídeo:

<https://www.youtube.com/watch?v=ahccyeXOxFQ>).

Nesta aula, estudaremos os principais conceitos da estatística, os diferentes tipos de variáveis e

como elaborar uma distribuição de frequência e uma distribuição de frequência por classe. Além

https://univirtus.uninter.com/ava/web/roa/ 2/30
10/05/2022 21:08 UNINTER

disso, conheceremos as séries estatísticas e os tipos de gráficos utilizados na apresentação de dados.

TEMA 1 – ELEMENTOS DA ESTATÍSTICA

A estatística pode ser pensada como a ciência de aprendizagem a partir de dados que fornece
métodos para coleta, organização, análise, interpretação e apresentação de dados. Podemos

representar a estatística como meio entre os dados e a geração das informações, obtendo melhor

compreensão das situações.

Divide-se basicamente a estatística em duas áreas: descritiva e indutiva. A estatística descritiva

se preocupa em organizar e descrever um conjunto de observações. De acordo com Castanheira

(2010), a estatística descritiva é um número que, sozinho, descreve uma característica de um

conjunto de dados, ou seja, é um número resumo que possibilita reduzir os dados a proporções

mais facilmente interpretáveis.

Segundo Castanheira (2010), a estatística indutiva, ou inferência estatística, é a parte da

estatística que, baseando-se em resultados obtidos na análise de uma amostra da população, procura

inferir, induzir ou estimar as leis de comportamento da população da qual a amostra foi retirada.

A população, utilizada na estatística indutiva, é um conjunto de dados que possui certa

característica comum; já a amostra é uma pequena parte da população. Martins (2010) define
população ou universo como a totalidade de itens, objetos ou pessoas sob consideração, e amostra,

como uma parte da população que é selecionada para análise. Por exemplo, quando temos uma
https://univirtus.uninter.com/ava/web/roa/ 3/30
10/05/2022 21:08 UNINTER

pesquisa eleitoral, a população é formada por todos os eleitores, e a amostra pode ser um grupo de

eleitores de uma determinada região, cidade ou bairro. Na figura a seguir temos a representação da

população e a amostra:

Considere a produção de parafusos de uma determinada empresa cujo comprimento planejado

é de 5 cm com uma variação de 0,02 cm. Um conjunto de 36 parafusos fabricados foi retirado da

produção para análise de qualidade. Podemos dizer que todos os parafusos produzidos estão dentro

da especificação? Nesse exemplo, temos que a população é o conjunto de todos os parafusos

produzidos e a amostra é o grupo dos 36 parafusos selecionados. Para responder à pergunta

anterior, utilizaremos os métodos de inferência estatística, analisando a amostra e inferindo o

resultado para toda a população, ou seja, analisaremos a amostra e, caso esteja dentro da

especificação, poderemos dizer que toda a produção foi aprovada.

Quando utilizamos a estatística indutiva, temos associada uma margem de incerteza. Isso ocorre

pelo processo de generalização. Analisamos uma amostra e as características obtidas na amostra são

inferidas para toda a população, mas como não analisamos toda a população, surge a margem de

erro, que está associada ao tamanho da amostra estudada.

A estatística descritiva e a estatística indutiva podem ser utilizadas em conjunto. Essa utilização

pode ser observada na figura a seguir:

https://univirtus.uninter.com/ava/web/roa/ 4/30
10/05/2022 21:08 UNINTER

Castanheira (2010) comenta que quando pretendemos realizar um estudo estatístico em

determinada população ou amostra, o trabalho que realizamos deve passar por várias fases, que são

desenvolvidas até chegarmos aos resultados que procurávamos. Para realizar um estudo estatístico e
tratar dados numéricos, utilizamos o método estatístico, o qual fornece conclusões que servirão de

base para a tomada de decisão e é dividido nas seguintes fases:

definição do problema: definir com clareza o que pretendemos pesquisar, o objetivo de estudo

que desejamos alcançar;

delimitação do problema: responder às seguintes perguntas: onde será realizada a pesquisa?

Com que tipo de pessoas? Em que dias e/ou horários?;

planejamento: como resolver o problema? Que dados serão necessários? Como obtê-los? Será

utilizado um questionário? Qual será a amostragem? Qual será o tamanho da amostra? Qual

será o cronograma das atividades? Quanto se gastará para realizar a pesquisa?;

coleta dos dados: fase operacional, colocar o que foi planejando em prática; obtenção dos
dados;

apuração dos dados: criticar os dados coletados, excluindo os dados incompletos ou com erros.

Realizar um resumo dos dados por meio de uma contagem, fazer separação por tipo de

resposta e de agrupamento de dados semelhantes, realizar tabulação de dados;

apresentação dos dados: representação dos dados em tabelas e/ou gráficos;

análise dos dados: ligada ao cálculo de medidas para descrever o fenômeno analisado;

interpretação dos dados: encontrar as conclusões para o problema.

https://univirtus.uninter.com/ava/web/roa/ 5/30
10/05/2022 21:08 UNINTER

TEMA 2 – VARIÁVEIS

Na utilização de métodos estatísticos e na descrição ou análise de um conjunto de dados,

dependemos de uma variável que pode assumir diferentes valores numéricos ou não numéricos.

Essas variáveis podem ser classificadas em variáveis qualitativas e variáveis quantitativas.

As variáveis qualitativas estão associadas a uma característica que denota qualidade ou atributo,

uma característica não numérica. Exemplos:

sexo: masculino e feminino;

cor dos olhos: castanhos, verdes...;

desempenho de funcionários: ótimo, bom, ruim;

qualidade dos produtos: defeituoso e perfeito;

grau de instrução;

estado civil.

Quando uma variável qualitativa apresenta uma ordenação natural com intensidades crescentes
de realização, ela é chamada de qualitativa ordinal. Por exemplo:

classe social: baixa, média ou alta;

grau de instrução: ensino fundamental, ensino médio, ensino superior, pós-graduação.

A variável que não apresenta uma ordem natural entre seus valores é classificada como

qualitativa nominal. Exemplos:

sexo: masculino ou feminino;

cor dos olhos: castanhos, verdes...

As variáveis associadas a valores numéricos que representam contagens ou medidas são

chamadas de variáveis quantitativas. Exemplos:

altura;

peso;
idade;

número de filhos;
número de carros.

https://univirtus.uninter.com/ava/web/roa/ 6/30
10/05/2022 21:08 UNINTER

As variáveis quantitativas são classificadas em discretas quando se trata de contagem, números

inteiros. Exemplos:

número de filhos;

número de peças produzidas por uma máquina;

número de defeitos encontrados em determinado produto;

número de carros (0, 1, 2,...).

Quando a variável trata de medidas, temos as variáveis quantitativas contínuas, ou seja, essa
variável está associada às medições. Exemplos:

altura (1,55m; 1,80m; 1,73m...);

peso;
comprimento dos parafusos fabricados por certa máquina;

resistência à ruptura de cabos produzidos.

Considerando as definições anteriores, temos que as variáveis recebem as seguintes

classificações:

TEMA 3 – DISTRIBUIÇÃO DE FREQUÊNCIA

Estudamos no Tema 1 o método estatístico, que é composto de várias fases, sendo a coleta e a
apuração dos dados duas etapas do método. Após a fase de coleta dos dados, obtemos os dados

originais, também chamados de dados brutos, que precisam ser organizados para a realização das
análises, pois foram transcritos aleatoriamente, fora de qualquer ordem. Um conjunto de observações

https://univirtus.uninter.com/ava/web/roa/ 7/30
10/05/2022 21:08 UNINTER

de certo fenômeno não organizado fornece poucas informações de interesse do pesquisador, por
isso precisamos organizá-lo para gerar informações úteis e conclusões mais assertivas.

Suponha que uma pesquisa tenha sido realizada em uma máquina em relação à quantidade de
peças produzidas com defeito e para essa pesquisa tenham sido coletadas 20 amostras diferentes de
100 peças. Na primeira amostra, foram inspecionadas as 100 peças e separadas 14 com defeito; na

segunda amostra, após a verificação das 100 peças, foram separadas 15 com defeitos, e assim
sucessivamente até a última amostra, obtendo-se os seguintes resultados:

14 15 16 17 18 19 14 15 16 17 14 15 16 14 15 16 15 16 15 15

Podemos organizar os dados brutos em ordem numérica, crescente ou decrescente. Essa

organização recebe o nome de Rol. Colocando os dados em ordem crescente, temos o seguinte Rol:

14 14 14 14 15 15 15 15 15 15 15 16 16 16 16 16 17 17 18 19

O Rol é a nossa primeira organização, mas podemos melhorar ainda mais agrupando os valores.
Ao número de vezes que um mesmo número se repete, denominamos de frequência ou frequência

absoluta (f).

No nosso exemplo, 14 defeitos se repetem 4 vezes; isso significa que esse número de defeitos
possui frequência igual a 4. O mesmo ocorre com 15 defeitos que possuem frequência igual a 7, 16

defeitos que possuem frequência igual a 5, 17 defeitos que possuem frequência igual a 2, e os
defeitos 18 e 19, aparecendo uma única vez cada, com uma frequência igual a 1. Ou seja, 4 amostras

apresentaram quantidade de produtos com defeito igual a 14, 7 amostras igual a 15 defeitos, e assim
sucessivamente para as demais amostras analisadas na pesquisa.

Para facilitar ainda mais a interpretação, a frequência pode ser organizada em uma tabela

chamada de distribuição de frequência. Uma distribuição de frequência é a apresentação dos

resultados de uma pesquisa por meio de uma tabela que mostra a frequência de ocorrência de cada

resultado.

https://univirtus.uninter.com/ava/web/roa/ 8/30
10/05/2022 21:08 UNINTER

Voltando na pesquisa em relação à quantidade de defeitos produzidos por certa máquina, já

encontramos a frequência de cada defeito e agora vamos organizar os dados e as frequências na

tabela de distribuição de frequência. Essa tabela contém duas colunas: a primeira com os dados

apresentados na pesquisa e a segunda com a frequência com que cada dado aparece. Em nossa
pesquisa, os dados se referem aos defeitos. Dessa forma, temos a seguinte tabela de distribuição de

frequência:

Defeitos Frequência (f)

14 4

15 7

16 5

17 2

18 1

19 1

Analisando a tabela de distribuição de frequência anterior, temos que 4 amostras analisadas

apresentaram 14 peças com defeitos, 7 amostras apresentaram 15 peças com defeitos, 5 amostras
apresentaram 16 peças com defeitos, 2 amostras apresentaram 17 defeitos, 1 amostra apresentou 18

defeitos e 1 amostra apresentou 19 defeitos totalizando as 20 amostras analisadas.

Além das frequências simples, podemos incluir na tabela de distribuição a frequência

acumulada e a frequência relativa. A frequência absoluta acumulada, ou apenas frequência

acumulada (fa), é o somatório das frequências. Para calcular, repetimos o primeiro valor e somamos

com o próximo até a última frequência. Verifique na tabela abaixo o cálculo da frequência acumulada
com base em nosso exemplo:

https://univirtus.uninter.com/ava/web/roa/ 9/30
10/05/2022 21:08 UNINTER

Observe que o valor final encontrado na frequência acumulada sempre é igual à quantidade de

dados que temos na pesquisa. Se contarmos a quantidade de valores fornecidos no dado bruto,
temos 20 dados, que é exatamente o valor final que encontramos.

Atrelado ao conceito de frequência absoluta, temos o conceito de frequência relativa (fr) de uma

variável, que é a divisão entre a frequência absoluta (f) e o número de elementos (N) da amostra, ou

seja:

onde N = , isto é, N é igual a soma das frequências. A frequência relativa frequentemente é

representada na forma de porcentagem, facilitando a interpretação e gerando informações

importantes que facilitam a análise dos dados.

No nosso exemplo, temos N = 20, assim calculamos a frequência relativa dividindo cada
frequência por 20 e depois multiplicando o valor por 100 para encontrarmos o resultado em

porcentagem. Se somarmos as porcentagens encontradas o valor final será sempre 100%.

Defeitos Frequência (f) fr

14 4 4/20 = 0,20 x 100 = 20%

15 7 7/20 = 0,35 x 100 = 35%

16 5 5/20 = 0,25 x 100 = 25%

https://univirtus.uninter.com/ava/web/roa/ 10/30
10/05/2022 21:08 UNINTER

17 2 2/20 = 0,10 x 100 = 10%

18 1 1/20 = 0,05 x 100 = 5%

19 1 1/20 = 0,05 x 100 = 5%

Total 20 100%

Com base na tabela de distribuição de frequência, com as frequências acumulada e relativa

podemos realizar várias análises. No nosso exemplo, podemos ter as seguintes perguntas:

quantas amostras apresentaram quantidade de defeitos menor ou igual a 16?

qual é a porcentagem de amostras que possui defeitos menores ou iguais a 16?

qual é a quantidade de defeitos que aparece com maior porcentagem?

Para responder às perguntas, analisaremos a tabela de frequências acumulada e relativa

que elaboramos anteriormente.

quantas amostras apresentaram quantidade de defeitos menor ou igual a 16?

Para responder a essa pergunta, analisaremos a tabela da fa. Se quisermos quantidade de

defeitos menor ou igual a 16, significa que podemos ter quantidade de defeitos de 14, 15 e 16,

verificando a frequência acumulada há um total de 16 amostras (4+7+5 =16), conforme tabela a

seguir:

qual é a porc

https://univirtus.uninter.com/ava/web/roa/ 11/30
10/05/2022 21:08 UNINTER

Como a pergunta solicita porcentagem, utilizaremos a coluna de frequência relativa. Como

queremos porcentagem de defeitos menor ou igual a 16, significa que podem ter 14, 15 e 16

defeitos, somando a frequência relativa, temos um total de 80% (20% + 35% + 25% = 80%), ou seja,

80% das amostras apresentaram quantidade de defeitos menor ou igual a 16, conforme tabela a

seguir:

qual é a quantidade de defeitos que aparece com maior porcentagem?

Novamente, utilizamos a frequência relativa, pois foi solicitada a porcentagem de defeitos que

aparecem com maior frequência. Para encontrar o resultado, verificamos qual é a quantidade de

defeitos que apresenta maior porcentagem, que nesse caso é 15, que representa 35% das amostras:

https://univirtus.uninter.com/ava/web/roa/ 12/30
10/05/2022 21:08 UNINTER

A apresentação de dados por meio de distribuição de frequência auxilia na geração de

informações. Dessa forma, podemos utilizá-la nas diferentes pesquisas realizadas tanto com dados

quantitativos quanto com dados qualitativos. Vamos verificar um exemplo da utilização de

distribuição de frequência em dados qualitativos, conforme exemplo no artigo de Noé (S.d.),

disponível em: <http://brasilescola.uol.com.br/matematica/aplicacao-estatistica-frequencia-absoluta-

frequencia-.htm>.

TEMA 4 – DISTRIBUIÇÃO DE FREQUENCIA POR CLASSE

Você já respondeu alguma pesquisa em que não é perguntada a sua idade, mas sim a faixa de

idade em que você se encontra? Por exemplo, não respondemos que temos 25 anos e, sim, que
temos entre 20 e 30 anos de idade. A mesma situação pode ocorrer quando a pesquisa gira em torno

de salário; não respondemos o valor do salário que recebemos e, sim, a faixa salarial, ou seja, que

recebemos entre 1 e 3 salários mínimos ou entre 4 e 6 salários mínimos, por exemplo.

Imagine realizar uma pesquisa em relação à idade de um grupo de 1.000 pessoas. Quantas

idades diferentes podem aparecer? Nesse caso, se utilizarmos a tabela de distribuição de frequência,

teremos muitas linhas que equivalem às idades diferentes que aparecerão na pesquisa. Segundo
Castanheira (2010), quando o número de resultados obtidos em uma pesquisa é demasiadamente
https://univirtus.uninter.com/ava/web/roa/ 13/30
10/05/2022 21:08 UNINTER

grande, é comum agruparmos esses resultados em faixas de valores, denominadas de classes ou

intervalos.

Suponha que a tabela a seguir demonstre a distribuição de frequência da idade de um grupo de

100 pessoas:

Classe f

0 |-- 10 20

10 |-- 20 30

20 |-- 30 40

30 |-- 40 10

Verificamos que essa tabela possui, na primeira coluna, faixas de valores e não apenas um valor

como a distribuição de frequência. Quando isso ocorre, chamamos de distribuição de frequência por

classe ou intervalos. Nessa distribuição, temos:

classe: é o intervalo do grupo. A tabela indica que 20 pessoas têm entre 0 e 10 anos e 40

pessoas têm entre 20 e 30 anos. O primeiro grupo é a primeira classe (de zero a 10), a segunda
linha é a segunda classe (10 a 20), e assim por diante. Essa tabela é formada por 4 classes;

os limites de um intervalo ou classe são os números extremos de cada intervalo ou classe. Aos

valores à esquerda de cada classe, damos o nome de limite inferior (Li), e aos valores à direita,
limite superior (Ls). Na primeira classe, temos:

0 – limite inferior

10 – limite superior

o símbolo ├ representa que a classe ou o intervalo é fechado à esquerda, ou seja, significa que

o limite inferior pertence ao intervalo, e, aberto à direita, então, o limite superior não pertence

ao intervalo. Analisando a segunda classe 10|--- 20 temos que 10 faz parte da segunda classe e

https://univirtus.uninter.com/ava/web/roa/ 14/30
10/05/2022 21:08 UNINTER

não da primeira, já o 20 não faz parte da segunda classe, mas está sendo considerado na

terceira. Qualquer que seja a idade ela se encaixa em apenas um dos intervalos.

ao subtrair o limite superior do limite inferior de determinada classe ou intervalo, temos a

amplitude do intervalo ou classe (A):

A = Ls –Li

Na segunda classe, temos uma amplitude igual a 10, ou seja, A = 20 – 10 = 10. Se calcularmos a

amplitude para as demais classes, observaremos que todas as classes têm a mesma amplitude, então,

na distribuição de frequência apresentada, as classes têm amplitude igual a 10, ou seja, A = 10.

Quando trabalhamos com uma distribuição de frequência por classe ou intervalo, assumimos

que para todo intervalo o resultado é um valor único igual ao ponto médio da classe ou intervalo
(Pm), que é a soma do limite superior (Ls) com o limite inferior (Li) dividido por 2, ou seja, o

ponto médio é o valor que está no meio do intervalo:

Considerando a primeira classe de nosso exemplo, temos o seguinte ponto médio:

Utilizando a mesma fórmula, encontramos o ponto médio das demais classes:

Classe f PM

0 |-- 10 20 5

10 |-- 20 30 15

20 |-- 30 40 25

https://univirtus.uninter.com/ava/web/roa/ 15/30
10/05/2022 21:08 UNINTER

30 |-- 40 10 35

A distribuição de frequência por classe ou intervalos facilita na representação de uma grande

quantidade de dados, mas vale lembrar que quando agrupamos os dados em faixa de valores não

conseguimos ter a frequência exata do dado apenas da faixa de valores.

Já estudamos os principais conceitos de uma distribuição de frequência por classe ou intervalos,

mas como construir uma distribuição de frequência por classe?

Para a construção de uma distribuição de frequência por classes ou intervalos, seguimos

algumas etapas que auxiliarão na geração da tabela e na apresentação dos resultados:

1. coloque os valores obtidos em Rol;

2. calcule a amplitude total = maior valor – menor valor;

3. determine o número de classes: não há uma fórmula exata, mas podemos

utilizar os seguintes métodos:

número de classes =

método de Sturges: i = 1+3,3.log n , onde n é o número total de observações.

4. determine a amplitude da classe:

5. construa a distribuição de frequência por intervalo de classe.

Recomenda-se que o número mínimo de intervalos seja igual a 5 e o número máximo, igual a 20,
o que facilitará a construção da tabela com um mínimo de precisão e de informação. Lembrando que

todos os intervalos precisam ter o mesmo tamanho, ou seja, a mesma amplitude.

Considere os seguintes dados coletados em uma pesquisa referente à idade de um grupo de

funcionários de uma determinada empresa e construa uma tabela de distribuição por classe.

Dados brutos:

https://univirtus.uninter.com/ava/web/roa/ 16/30
10/05/2022 21:08 UNINTER

24 23 22 28 35 21 23 23 33 34

24 21 25 36 26 22 30 32 25 26

33 34 21 31 25 31 26 25 35 33

1. coloque os valores obtidos em Rol:

21 21 21 22 22 23 23 23 24 24

25 25 25 25 26 26 26 28 30 31

31 32 33 33 33 34 34 35 35 36

2. calcule a amplitude total = maior valor – menor valor:

Verificamos no Rol qual é o maior e qual é o menor valor encontrado nessa pesquisa e depois

subtraímos para encontrar a amplitude total.

Maior valor = 36

Menor valor = 21

amplitude total = 36 – 21 = 15

3. determine o número de classes: temos dois métodos e podemos escolher um deles para

aplicação. Em nosso exemplo, resolveremos das duas formas para verificar as diferenças no

cálculo:

número de classes =

No exemplo, a amostra é igual a 30, que é a quantidade de dados apresentados nos dados

brutos.

número de classes =

https://univirtus.uninter.com/ava/web/roa/ 17/30
10/05/2022 21:08 UNINTER

método de Sturges: i = 1+3,3.log n, onde n é o número total de observações.

No exemplo, temos n = 30. Assim, aplicamos a fórmula:

i 1+3,3.log n

i = 1+3,3.log 30

i = 1+3,3.1,47712

i = 1+ 4,87450

i = 5,87450 = 6

Nos dois métodos, arredondamos o valor obtido para o inteiro mais próximo à maior e

obtivemos o mesmo número de classe. Assim, nossa distribuição vai conter 6 classes.

4. determinar a amplitude da classe: para o cálculo, precisamos da amplitude total e o

número de classe já calculados nos passos 2 e 3:

Amplitude total = 15

Número de classes = 6

Sempre que a divisão resultar em um número não inteiro, arredonde para o inteiro mais
próximo, maior que o encontrado na divisão. Dessa forma, nossa distribuição terá uma amplitude de

classe igual a 3.

5. construa a distribuição de frequência por intervalo de classe: para a construção da

distribuição, utilizaremos o rol e a amplitude da classe.

rol:

https://univirtus.uninter.com/ava/web/roa/ 18/30
10/05/2022 21:08 UNINTER

21 21 21 22 22 23 23 23 24 24

25 25 25 25 26 26 26 28 30 31

31 32 33 33 33 34 34 35 35 36

amplitude das classes = 3

Como nossa amplitude das classes é igual a 3, significa que precisamos agrupar os valores de 3

em 3 e assim formaremos nossas classes para a construção da distribuição. Para a construção da

primeira classe, consideramos o primeiro valor, que é 21, ou seja, nosso limite inferior. Para encontrar

o limite superior, somamos 3 e temos 24. Na segunda, seguimos o mesmo raciocínio, mas agora
começando em 24 mais 3. O limite superior será 27. Siga esse procedimento até chegar em 6 classes,

que é o número de classe que precisamos encontrar.

Para encontrar a frequência de cada classe, verificamos quantas vezes os números daquela classe

aparece. Por exemplo, na primeira classe, o limite inferior é 21 fechado, ou seja, contamos o 21, mas

o superior é 24 aberto, não sendo considerado no cálculo da frequência. Assim, contamos apenas os
valores 21, 22 e 23. Verificamos quantas vezes esses valores aparecem, ou seja, a frequência desses

valores é igual a 8. Fazemos esse procedimento para todos os valores do rol e, em seguida,

formamos a nossa tabela de distribuição de frequência conforme o modelo a seguir:

Classe f

21 |-- 24 8

24 |-- 27 9

27 |-- 30 1

30 |-- 33 4

33 |-- 36 7

36 |-- 39 1

Total 30

https://univirtus.uninter.com/ava/web/roa/ 19/30
10/05/2022 21:08 UNINTER

Analisaremos mais um exemplo em que temos uma tabela que representa o tempo (segundos)

para inicialização de um aplicativo. Com base nos dados brutos e os passos apresentados

anteriormente, elabore a tabela de distribuição de frequência por classe e intervalos para praticar o

que aprendemos até agora:

3,5 1,9 2,1 1,6 3,1 1,0 1,4 1,8 1,2 1,3

0,8 1,1 0,5 2,5 1,3 0,7 1,7 1,4 1,3 1,6

Rol:

0,5 0,7 0,8 1,0 1,1 1,2 1,3 1,3 1,3 1,4

1,4 1,6 1,6 1,7 1,8 1,9 2,1 2,5 3,1 3,5

Distribuição de frequência:

Tempo (s) f

0,5 |-- 1,1 4

1,1 |-- 1,7 9

1,7 |-- 2,3 4

2,3 |-- 2,9 1

2,9 |--| 3,5 2

Observação: para elaborar a tabela foi utilizado no cálculo do número de classes a raiz

quadrada da amostra. Caso utilize o método de Sturges, é possível elaborar a tabela com 6 classes.

TEMA 5 – SÉRIES E GRÁFICOS

https://univirtus.uninter.com/ava/web/roa/ 20/30
10/05/2022 21:08 UNINTER

Uma das fases do método estatístico, estudado no Tema 1, é a apresentação de dados em que
podemos utilizar tabelas e gráficos para auxiliar na obtenção das conclusões que servirão de base

para a tomada de decisão. Os gráficos têm como finalidade representar os resultados de forma

simples, permitindo uma leitura rápida e global dos fenômenos estudados. Demonstra a evolução do
fenômeno em estudo, e permite observar a relação dos valores da série, representar a relação entre

variáveis e facilitar a compreensão de dados.

Existem várias maneiras de se representar graficamente os dados estatísticos de acordo com o

tipo de série. De acordo com Castanheira (2010), série estatística é a denominação que se dá a uma

tabela na qual há um critério distinto que a especifica e a diferencia. Para diferenciar uma série

estatística de outra, temos que levar em consideração três fatores: tempo, local e espécie. Assim, as
séries estatísticas são classificadas em:

séries temporais, históricas ou cronológicas: os dados são apresentados em uma faixa de

tempo, são produzidos ou observados ao longo do tempo. Exemplo: produção anual,

faturamento mensal.

Tabela 1 – Produção de automóveis no Brasil no período de 1980-1982

Fonte: Fundação Getúlio Vargas, 1986.

séries geográficas, espaciais, territoriais ou de localização: os dados são apresentados em uma

ou mais regiões. Exemplo: produção por região, venda por cidade, faturamento por estado.

Tabela 2 – População mundial, em milhões, segundo o continente 2000

https://univirtus.uninter.com/ava/web/roa/ 21/30
10/05/2022 21:08 UNINTER

Fonte: Almanaque Abril Mundo, 2001.

séries categóricas ou específicas: os dados são agrupados segundo a modalidade de

ocorrência, têm como característica a variação do fato. Exemplo: vendas por produto,

faturamento por marca, oferta de trabalho por área.

Tabela 3 – Ofertas de trabalho em São Paulo. Semana de 13-06 a 19-06 de 1986

Fonte: Data Folha.

séries mistas, conjugadas ou tabelas de dupla entrada: combinação entre as séries temporais,
geográficas e específicas. Exemplo: faturamento mensal dividido por estados, veículos vendidos

por regiões nos últimos anos.

Tabela 4 – Evolução da arrecadação de IPVA, em milhões de reais, nos Estados do Sul do Brasil, de
2002 a 2005
https://univirtus.uninter.com/ava/web/roa/ 22/30
10/05/2022 21:08 UNINTER

Fonte: SEFA/RS/SC/PR

tabelas de distribuição de frequências: é a apresentação dos resultados de uma pesquisa por

meio de uma tabela que mostra a frequência de ocorrência de cada resultado.

Com base nos diferentes tipos de série, podemos indicar a utilização de cada tipo de gráficos. Os

principais são:

linhas: representa observações feitas ao longo do tempo e são utilizadas nas chamadas séries

históricas ou temporais.

https://univirtus.uninter.com/ava/web/roa/ 23/30
10/05/2022 21:08 UNINTER

Figuras 1, 2 e 3 – Gráficos de linhas

Fonte: Banco Central do Brasil – Balanço de pagamentos.

setores: dividem em setores os termos da série e é mais utilizado para séries específicas ou

geográficas com pequeno número de termos e quando se quer salientar a proporção de cada
termo em relação ao todo. Esse gráfico também é conhecido como gráfico em forma de pizza.

Figuras 4 e 5 – Gráficos de setores

https://univirtus.uninter.com/ava/web/roa/ 24/30
10/05/2022 21:08 UNINTER

colunas: representação de uma série por retângulos verticalmente, ou seja, representamos a

série em colunas e pode ser utilizado nas diferentes séries.

Figuras 6 e 7– Gráficos de colunas

https://univirtus.uninter.com/ava/web/roa/ 25/30
10/05/2022 21:08 UNINTER

Fonte: IBGE, Atlas geográfico escolar, 7 ed, 2016.

barras: representação de uma série por retângulos horizontalmente, ou seja, representamos a

série em barras e pode ser utilizada nas diferentes séries.

Figura 8 – Gráfico de barras

Segundo Martins (2010), o gráfico de barras e o gráfico em forma de pizza são os gráficos mais
comuns para a descrição de dados oriundos de variáveis qualitativas. Basicamente, eles mostram as
frequências de observações para cada nível, ou categoria, da variável que se deseja descrever.

histograma: representação utilizada nas distribuições de frequências, cujos dados foram

agrupados em classes ou intervalos de mesma amplitude. Cada classe é representada por um

retângulo, cuja base é igual à amplitude da classe e a área é proporcional à frequência da

classe. Esse gráfico é o mais adequado para a descrição de dados oriundos de variáveis
quantitativas com elevada quantidade de elementos.

Figura 9 – Histograma

https://univirtus.uninter.com/ava/web/roa/ 26/30
10/05/2022 21:08 UNINTER

Para construir um histograma, temos os seguintes passos:

1. marcar no eixo x (horizontal) às classes;

2. marcar no eixo y (vertical) as frequências;

3. para cada classe, levante as colunas de acordo com cada frequência.

Considere as idades de 50 funcionários de uma empresa, agrupados conforme a tabela a seguir,

e, utilizando os passos anteriores, elabore o histograma da distribuição.

No eixo x (horizontal), identificamos as classes e no y (vertical), as frequências. Note que no eixo

x começamos em 18 e identificamos todos os valores das classes, finalizando em 66. Já no eixo y,

iniciamos com 2, que é a nossa menor frequência, e vamos até 13, que é a maior frequência.

https://univirtus.uninter.com/ava/web/roa/ 27/30
10/05/2022 21:08 UNINTER

Com os eixos prontos, levantaremos as colunas e finalizaremos o histograma. Iniciando com a

primeira classe de 18 a 25, em que devemos levantar a coluna até a frequência 6. Seguindo a mesma

orientação para as demais classes, obteremos o seguinte histograma:

Considerando a tabela que obtivemos no exemplo analisado no Tema 4, em que elaboramos

uma distribuição de frequência que representa o tempo (segundos) para inicialização de um

aplicativo, representaremos a distribuição utilizando o histograma:

https://univirtus.uninter.com/ava/web/roa/ 28/30
10/05/2022 21:08 UNINTER

Tempo (s) f

0,5 |-- 1,1 4

1,1 |-- 1,7 9

1,7 |-- 2,3 4

2,3 |-- 2,9 1

2,9 |--| 3,5 2

Na elaboração dos gráficos, precisamos indicar os seguintes elementos: título, escala e fonte que
forneceu os dados (que deve ser exibida no rodapé do gráfico). Esses elementos são importantes,

pois auxiliam na interpretação dos dados sem a necessidade de inúmeras explicações.

FINALIZANDO

Nesta aula, verificamos que a estatística é dividida em estatística descritiva e estatística indutiva.
Vimos também que, para gerar informações, utilizamos o método estatístico, que é composto de

diversas fases para facilitar o tratamento de dados numéricos.

Estudamos os tipos de variáveis que podem aparecer em uma pesquisa, como organizar um

dado bruto, elaborar uma distribuição de frequência, calcular frequência acumulada e relativa além
da interpretação dos resultados obtidos. Observamos, ainda, a construção e diferenças entre uma
distribuição de frequência e distribuição de frequência por classe ou intervalos.

https://univirtus.uninter.com/ava/web/roa/ 29/30
10/05/2022 21:08 UNINTER

Fechando a nossa aula estudamos os tipos de séries e gráficos que facilitam a compreensão,

tornando as informações e decisões cada vez mais precisas.

REFERÊNCIAS

A importância da estatística em diferentes campos. ESTAT, 14 jun. 2017. Disponível em:

<http://www.estatconsultoria.org/2017/06/14/a-importancia-da-estatistica-em-diferentes-campo/>.

Acesso em: 5 mar. 2020.

A importância da estatística na engenharia. Yuri Rocon, 9 dez. 2016. Disponível em:

<https://www.youtube.com/watch?v=ahccyeXOxFQ>. Acesso em: 5 mar. 2020.

CASTANHEIRA, N. P. Estatística aplicada a todos os níveis. Curitiba: Ibpex, 2010.

LARSON, R.; FARBER, B. Estatística aplicada. 2. ed. São Paulo: Pearson, 2004.

MARTINS, G. A. Estatística geral e aplicada. 3. ed. São Paulo: Atlas, 2010.

NOÉ, M. Aplicação de estatística: frequência absoluta e frequência relativa. Brasil Escola, S.d.
Disponível em: <https://brasilescola.uol.com.br/matematica/aplicacao-estatistica-frequencia-

absoluta-frequencia-.htm>. Acesso em: 5 mar. 2020.

WALPOLE, R. E. et al. Probabilidade e estatística para engenharia e ciências. São Paulo:

Pearson, 2009.

https://univirtus.uninter.com/ava/web/roa/ 30/30