Estatística

A estatística é o campo da matemática que relaciona fatos e

números em que há um conjunto de métodos que nos possibilita
coletar dados e analisá-los, assim sendo possível realizar alguma
interpretação deles.
A estatística é dividida em duas partes: descritiva e inferencial.
A estatística descritiva é caracterizada pela organização, análise e
apresentação dos dados, enquanto a estatística inferencial tem como
característica o estudo de uma amostra de determinada população e,
com base nela, a realização de análises e a apresentação de dados.
Fases do método estatístico.
1. Definição do problema: determinar como a escolha de dados pode
solucionar um problema.

2. Planejamento: elaborar como fazer o levantamento dos dados

3. Coleta de dados: reunir dados após o planejamento do trabalho

pretendido, bem como definição da periodicidade da coleta.
A coleta de dados pode ser direta ou indireta

- Coleta direta: Os dados são obtidos diretamente em sua fonte de origem.

Como exemplo, os salários dos funcionários de uma empresa podem ser
consultados diretamente no departamento pessoal da empresa.
O principal instrumento de coleta é o questionário.

- Coleta indireta: É quando os dados são retirados de revistas, jornais,

livros, etc, ou obtidos de instituição como IBGE. Neste caso deve-se
mencionar a fonte responsável pelas informações bem como a data e o
local de publicação,

4. Correção dos dados coletados (crítica dos dados): conferir dados para
afastar algum erro por parte da pessoa que os coletou
5. Apuração dos dados: Consiste na organização e contagem dos dados,
após a crítica, ordenando-os segundo critérios de classificação
estabelecidos.

6. Apresentação dos dados: montagem de suportes que demonstrem o

resultado da coleta dos dados (gráficos e tabelas)

7. Análise dos dados: Exame detalhado e interpretação dos dados.

A análise é feita em função dos objetivos estabelecidos na pesquisa,
visando a tomada de decisões no sentido de melhorar certas tendências
observadas no fenômeno estudado, Por exemplo, ao pesquisar os acidentes
de uma rodovia pode-se detectar possíveis causas e apresentar alternativas
que possam minimizar o número de acidades.

População e amostra.

População

É qualquer conjunto, cujos elementos possuem alguma característica em

comum
. Por exemplo, se em uma empresa o diretor gostaria de saber se os
funcionários estão satisfeitos com os benefícios oferecidos, a população de
estudo são todos os funcionários dessa empresa.
Outro exemplo de população é o caso de um biólogo que necessita estudar
uma espécie de formigas de uma determinada região. Assim a população
corresponde a todas as formigas dessa espécie que vivem nessa região. Note
que o conceito de população depende do objetivo do estudo.

Amostra.
Corresponde a um grupo representativo da população, ou seja, um
subconjunto da população que apresentas as mesmas características.
Por exemplo, uma rádio tem o interesse de saber como está sua audiência
com os ouvintes no trânsito. Sabemos que não é possível perguntar a todos
os motoristas que ouvem rádio qual é aquela que eles preferem. Então
buscamos uma amostra dessa população, isto significa, perguntar somente a
alguns motoristas qual rádio eles preferem escutar enquanto dirigem.
Quando todos elementos da população são observados diz-se que foi feito
um recenseamento; e se parte dos elementos são observados diz-se que foi
feito uma amostragem.

Estatística Dedutiva ou Descritiva.

Consiste na recolha, apresentação, análise e interpretação de dados
numéricos, através da criação de instrumentos adequados: quadros, gráficos
e indicadores numéricos. Portanto, a Estatística Descritiva visa somente
descrever e analisar um certo grupo (amostra) sem daí retirar conclusões ou
inferências sobre a população da qual foi retirado esse grupo.

Estatística Indutiva.

É o conjunto de técnicas, apoiados na teoria das probabilidades, que

permitem construir proposições de carácter probabilístico acerca da
população, partindo da observação de alguns dos seus elementos (amostra).
A indução é, segundo a lógica filosófica, a operação mental que parte de
um certo número de observações ou experiências, para a proposição geral,
a lei. Assim, os métodos de inferência estatística envolvem o cálculo de
estatísticas, a partir das quais se infere sobre os parâmetros da população,
isto é, permitem com determinado grau de probabilidade, generalizar à
população certas conclusões, por comparação com os resultados amostrais.

Variáveis na Estatística

As variáveis nos estudos estatísticos são os valores que assumem

determinadas características dentro de uma pesquisa e podem ser
classificadas em qualitativas ou quantitativas.

As variáveis qualitativas não podem ser expressas numericamente, pois

relacionam situações como a cor da pele, cor dos olhos, marca de
refrigerante, marca de automóvel, preferência musical entre outras. Elas
podem ser divididas em ordinais e nominais.
As variáveis qualitativas ordinais, apesar de não serem numéricas,
obedecem a uma relação de ordem, por exemplo: conceitos como ótimo,
bom, regular e ruim, classe social, grau de instrução, etc.

Já as variáveis qualitativas nominais não estão relacionadas à ordem, elas

são identificadas apenas por nomes, por exemplo, as cores: vermelho,
amarelo, preto, azul, rosa, verde, etc. Também como exemplo de nominais
temos as marcas de carros, nome de bebidas, local de nascimento entre
outros.

No caso das variáveis quantitativas usamos a representação numérica. Elas

podem ser classificadas em discretas e contínuas.

As variáveis quantitativas discretas acontecem relacionadas a situações

limitadas.
Exemplo: número de revistas vendidas, quantidade de consultas médicas,
número de filhos de um casal.
As variáveis quantitativas contínuas, a abrangência pertence a um
intervalo que se caracteriza por infinitos valores.
Exemplo: o peso de um produto, altura dos alunos de uma escola,
velocidade de objetos, entre outras situações.

Exercícios:
1- Associe a cada população uma variável qualitativa, quantitativa
discreta e quantitativa continua.
a) Lojas do município de São Joaquim da Barra.
- Variável qualitativa => Atendimento
- Variável quantitativa discreta => número de funcionários
- Variável quantitativa contínua => preço do produto.

b) Sapatos produzidos pela empresa “Pé grande”.

- Variável qualitativa => conforto, modelo, cor
- Variável quantitativa discreta => pares de fabricados por dia, números de
funcionários, número de máquinas, etc
- Variável quantitativa contínua => Salário, preço do sapato, etc

c) Iogurte de um supermercado
- Variável qualitativa => marcas, sabores, aspecto
- Variável quantitativa discreta => estoque, quantidade de produto por
caixa.
- Variável quantitativa contínua => preço, peso.

d) Alunos matriculados no curso Primeiro Técnico em

Administração na ETEC Pedro Badran de São Joaquim da Barra.
- Variável qualitativa => guerreiros, participativos, atenciosos, etc
- Variável quantitativa discreta => número de alunos na sala de aula.
participantes em grupo de estudo.
- Variável quantitativa contínua => altura, peso, idade,
e) Plantação de frutas de um pomar.
f) Caixas de uma grande rede de supermercado.

2- Classifique as seguintes variáveis associadas a uma população nos

seguintes casos:
a) Conceitos obtidos pelos alunos. => variável qualitativa.
b) Idade de crianças. Variável quantitativa contínua
c) Velocidade de automóveis=> Variável quantitativa contínua
d) Peso de pacotes de farinha.=> Variável quantitativa contínua
e) Cor dos cabelos de jovens=> qualitativa
f) Comprimento de parafusos.=> Variável quantitativa contínua
g) Intensidade (frequência) de terremotos. Variável quantitativa
discreta
h) Quantidade de formulários preenchidos. Variável quantitativa
discreta
i) Pontos obtidos no lançamento de um dado. Variável quantitativa
discreta
j) Números de erros na impressão de um jornal. Variável
quantitativa discreta
k) A intensidade de um terremoto. Variável quantitativa contínua
Gráficos.

Os gráficos são representações que facilitam a análise de dados, os quais

costumam ser dispostos em tabelas quando se realiza pesquisas estatísticas.
Eles trazem muito mais praticidade, principalmente quando os dados não
são discretos, ou seja, quando são números consideravelmente grandes.
Além disso, os gráficos também apresentam de maneira evidente os dados
em seu aspecto temporal.
Elementos do gráfico
Ao construirmos um gráfico em estatística, devemos levar em consideração
alguns elementos que são essenciais para sua melhor compreensão. Um
gráfico deve ser simples devido à necessidade de passar uma informação de
maneira mais rápida e coesa, ou seja, em um gráfico estatístico, não deve
haver muitas informações, devemos colocar nele somente o necessário.
As informações em um gráfico devem estar dispostas de
maneira clara e verídica para que os resultados finais sejam dados de modo
coeso com a finalidade da pesquisa.

Tipos de gráficos
Em estatística é muito comum a utilização de diagramas para representar
dados, diagramas são gráficos construídos em duas dimensões, isto é, no
plano.
Existem vários modos de representá-los, as principais são:
- Gráfico de pontos,
- Gráfico de linha,
-Gráfico de barra,
- Gráfico de coluna,
- Gráfico de setor.
• Gráfico de pontos
Também conhecido como Dotplot, é utilizado quando possuímos uma tabela
de distribuição de frequência, sendo ela absoluta ou relativa. O gráfico de
pontos tem por objetivo apresentar os dados das tabelas de forma
resumida e que possibilite a análise das distribuições desses dados.
Exemplo
Suponha uma pesquisa, realizada em uma escola de educação infantil, na
qual foram coletadas as idades das crianças. Nessa coleta foi organizado o
seguinte rol:

Rol: {1, 1, 2, 2, 2, 2, 3, 3, 4, 4, 4, 4, 4, 4, 5, 5, 6}

Podemos organizar esses dados utilizando um Dotplot

Observe que a quantidade de pontos corresponde à frequência de cada

idade e o somatório de todos os pontos fornece-nos a quantidade total
de dados coletados.

• Gráfico de linha
É utilizado em casos que existe a necessidade de analisar dados ao
longo do tempo, esse tipo de gráfico é muito presente em análises
financeiras. O eixo das abscissas (eixo x) representa o tempo, que pode
ser dado em anos, meses, dias, horas etc., enquanto o eixo das ordenadas
(eixo y) representa o outro dado em questão.
Uma das vantagens desse tipo de gráfico é a possibilidade de realizar a
análise de mais de uma tabela, por exemplo.

Exemplo
Uma empresa deseja verificar seu faturamento em determinado ano, os
dados foram dispostos em uma tabela:

Mês Faturamento Mês

Janeiro R$ 10.000,00 0
Fevereiro R$ 15.000,00 0
Março R$ 8.000,00 0
Abril R$ 15.000,00 0
Maio R$ 20.000,00 0
Junho R$ 24.000,00 0

Veja que nesse tipo de gráfico é possível ter uma melhor noção a
respeito do crescimento ou do decrescimento dos rendimentos da
empresa.
Gráficos de coluna
Juntamente aos gráficos em barras, são os mais utilizados. Indicam, geralmente,
um dado quantitativo sobre diferentes variáveis, lugares ou setores e não dependem
de proporções. Os dados são indicados na posição vertical, enquanto as divisões
qualitativas apresentam-se na posição horizontal.

Gráfico em colunas apontando as maiores populações do mundo por país

Gráficos em barra
Possuem basicamente a mesma função dos gráficos em colunas, com os dados na
posição horizontal e as informações e divisões na posição vertical.

Gráfico em barras indicando a taxa de mortalidade infantil no Brasil

• Gráfico de setor
É utilizado para representar dados estatísticos com um círculo dividido
em setores, as áreas dos setores são proporcionais às frequências
dos dados, ou seja, quanto maior a frequência, maior a área do setor
circular.

100% → 360°
 𝑝𝑎𝑟𝑎 á𝑔𝑢𝑎 𝑐𝑜𝑛𝑔𝑒𝑙𝑎𝑑𝑎 𝑥

100% → 360°
71% → 𝑥

100. 𝑥 = 71.360°

100. 𝑥 = 25560°
25560°
𝑥=
100
𝑥 = 255,60°

𝑝𝑎𝑟𝑎 𝑑𝑒𝑝ó𝑠𝑖𝑡𝑜 𝑠𝑢𝑏𝑡𝑒𝑟𝑟â𝑛𝑒𝑜 𝑦

100% → 360°
18% → 𝑦

100. 𝑦 = 18.360°

100. 𝑦 = 6480°

6480°
𝑦=
100

𝑦 = 64,8 °
Gráficos Comparativo

Muitas vezes são desenhados dois ou mais gráficos para mostrar a

comparação de um fenômeno. Para isso são utilizados os tipos de
gráficos vistos anteriormente, que se adaptam a cada caso.
EXEMPLOS DE GRÁFICOS.
Tabelas

Os dados numéricos, após coletados são colocados em série e apresentados

em tabelas ou quadros.

Ao se estudar uma variável, seja quantitativa ou qualitativa, o pesquisador

procura conhecer sua distribuição por meio de suas possíveis realizações. As
tabelas de distribuição de frequências auxiliam a resumir os dados de forma
a se ter uma boa ideia global dos valores encontrados.

Um dos objetivos da Estatística é sintetizar os valores que uma ou mais

variáveis podem assumir, para que tenhamos uma visão global da variação
dessas variáveis

Tabela

Tabela é um quadro que resume um conjunto de observações. É uma

disposição escrita que se obtém referindo-se a uma coleção de dados
numéricos a uma determinada ordem de classificação.

De um modo geral tem-se a destacar em uma tabela:

Elementos essenciais:
• Título: Indicação que precede a tabela e que contém a designação do
fato observado, o local e a época em foi registrado.
• Cabeçalho: Parte superior da tabela que especifica o conteúdo das
colunas.
• Coluna Indicadora: Parte da tabela que especifica o conteúdo cada
linha.
• Corpo da tabela: Conjunto de colunas e linhas que contém as
informações sobre a variável em estudo.

Elementos complementares:
• Fonte: Indicação da entidade responsável pelo fornecimento dos
dados ou pela sua elaboração.
• Notas: Informações de natureza geral destinadas a conceituar ou
esclarecer o conteúdo das tabelas ou a indicar a metodologia adotada no
levantamento ou na elaboração dos dados.
• Chamadas: Informações de natureza específica sobre determinada
parte da tabela, destinada a conceituar ou a esclarecer dados.
Título: WC veículos Ltda
Venda 1° Semestre 2010

Cabeçalho: Filiais / Unidades

Corpo: 45
35
47
127

Coluna indicadora: São Paulo

Rio Grande do Sul
Rio de janeiro
Total

Fonte: Relatórios de Vendas Wc Veículos

Séries estatísticas

Série estatística é toda tabela que apresenta a distribuição de um conjunto

de dados estatísticos em função de tempo, do local ou da espécie. Em uma
série estatística observamos a existência de três elementos ou fatores: o
tempo, o espaço e a espécie. São classificadas em histórica, geográfica e
específica.

• Séries históricas: descrevem os valores da variável, em determinado

local, discriminados segundo intervalos de tempo variáveis.
• Séries Geográficas: descrevem os valores da variável, em determinado
instante, discriminados segundo regiões.
• Séries específicas: descrevem os valores da variável, em determinado
tempo e local, discriminados segundo especificações ou categorias.
Muitas vezes é necessário apresentar, em uma única tabela, a variação de
valores de mais de uma variável, isto é, fazer uma composição de duas ou
mais séries.

Vídeo aula séries e gráficos

https://www.youtube.com/watch?v=-dJOxU9kPj0
Distribuições de Frequências
Chama-se distribuição de frequência a série estatística em que os dados
estão dispostos em classes ou categorias com suas respectivas frequências.

Podemos ter as seguintes distribuições de frequências:

- Variável discreta
- Variável continua.

A tabela de frequências mostra a relação entre a variável e a quantidade de

vezes que cada valor se repete. Essa tabela pode ser representada por valor
(único) ou por intervalos (classes).

Alguns conceitos fundamentais:

Dados brutos: é o conjunto dos valores numéricos coletados na pesquisa.

Estes valores podem ser digitados em planilha e criticados buscando
identificar possíveis erros, respostas omitidas e valores muito discrepantes.

Rol: é a ordenação dos dados brutos de forma crescente ou decrescente.

Frequência absoluta (fi): é o número de vezes que um elemento aparece

na amostra, ou o número de elementos pertencentes a um intervalo ou
classe.
Distribuição de frequências para variáveis discretas.

Utilizada para variáveis qualitativas ou quantitativas discretas.

É construída considerando-se todos os diferentes valores ou categorias,

levando em consideração suas respectivas repetições. Ou seja, é obtida pela
contagem de cada valor encontrado.

𝑖 ⇒ í𝑛𝑑𝑖𝑒

í𝑛𝑑𝑖𝑐𝑒 1 ⇒ 𝑟𝑒𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝑎 𝑣𝑎𝑟𝑖á𝑣𝑒𝑙 𝑜𝑙ℎ𝑜𝑠 𝑣𝑒𝑟𝑑𝑒𝑠

í𝑛𝑑𝑖𝑐𝑒 2 ⇒ 𝑟𝑒𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝑎 𝑣𝑎𝑟𝑖á𝑣𝑒𝑙 𝑜𝑙ℎ𝑜𝑠 𝑎𝑧𝑢𝑖𝑠

í𝑛𝑑𝑖𝑐𝑒 3 ⇒ 𝑟𝑒𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝑎 𝑣𝑎𝑟𝑖á𝑣𝑒𝑙 𝑜𝑙ℎ𝑜𝑠 𝑐𝑎𝑠𝑡𝑎𝑛ℎ𝑜𝑠

í𝑛𝑑𝑖𝑐𝑒 4 ⇒ 𝑟𝑒𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝑎 𝑣𝑎𝑟𝑖á𝑣𝑒𝑙 𝑜𝑙ℎ𝑜𝑠 𝑝𝑟𝑒𝑡𝑜𝑠

𝑓1 => 𝑎 𝑞𝑢𝑎𝑛𝑑𝑎𝑑𝑒 𝑑𝑒 𝑜𝑙ℎ𝑜𝑠 𝑣𝑒𝑟𝑑𝑒𝑠 => 𝑓1 = 7

𝑓2 ⇒ 𝑎 𝑞𝑢𝑎𝑛𝑡𝑖𝑑𝑎𝑑𝑒 𝑑𝑒 𝑜𝑙ℎ𝑜𝑠 𝑎𝑧𝑢𝑖𝑠 ⇒ 𝑓2 = 16
𝑓3 ⇒ 𝑎 𝑞𝑢𝑎𝑛𝑡𝑖𝑑𝑎𝑑𝑒 𝑑𝑒 𝑜𝑙ℎ𝑜𝑠 𝑐𝑎𝑠𝑡𝑎𝑛ℎ𝑜𝑠 ⇒ 𝑓3 = 26
𝑓4 ⇒ 𝑎 𝑞𝑢𝑎𝑛𝑡𝑖𝑑𝑎𝑑𝑒 𝑑𝑒 𝑜𝑙ℎ𝑜𝑠 𝑝𝑟𝑒𝑡𝑜𝑠 ⇒ 𝑓4 = 6
Exemplo:

O número de acidentes diários em uma rodovia

durante o mês de junho foram os seguintes:

0 1 2 0 4 0 1 1 2 3

1 2 2 3 0 3 0 2 0 0

0 3 0 2 1 4 2 1 0 3
Montar a distribuição de frequência para os dados
acima
N° de acidentes (variáveis) N° de acidentes (frequência)
𝑥𝑖 𝑓𝑖
𝑥1 = 0 10
𝑥2 =1 6
𝑥3 =2 7
𝑥4 =3 5
𝑥5 =4 2
∑ 30

𝑥𝑖 => 𝑣𝑎𝑟𝑖á𝑣𝑒𝑖𝑠

𝑓𝑖 => 𝑓𝑟𝑒𝑞𝑢ê𝑛𝑐𝑖𝑎: 𝑜 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑧𝑒𝑠 𝑞𝑢𝑒 𝑎 𝑣𝑎𝑟𝑖á𝑣𝑒𝑙

𝑎𝑝𝑎𝑟𝑒𝑐𝑒𝑢 𝑛𝑜𝑠 𝑑𝑎𝑑𝑜𝑠
𝑓𝑖 => 𝑓𝑟𝑒𝑞𝑢ê𝑛𝑐𝑖𝑎 𝑎𝑏𝑠𝑜𝑙𝑢𝑡𝑎.

𝐶𝑜𝑛𝑡𝑎𝑔𝑒𝑚 𝑑𝑎𝑠 𝑣𝑎𝑟𝑖á𝑣𝑒𝑖𝑠

𝑥1 = 0 => 𝑓1 = 10 𝑑𝑖𝑎𝑠
𝑥2 = 1 => 𝑓2 = 6 𝑑𝑖𝑎𝑠
𝑥3 = 2 => 𝑓3 = 7 𝑑𝑖𝑎𝑠
𝑥4 = 3 => 𝑓4 = 5 𝑑𝑖𝑎𝑠
𝑥5 = 4 => 𝑓5 = 2 𝑑𝑖𝑎𝑠
 Distribuição de frequências por intervalos ou classes, variáveis
contínuas.

Utilizadas para variáveis quantitativas.

Se constrói classes de valores, quando a variabilidade dos dados é grande,

levando em consideração o número de valores que pertencem a cada classe. A
construção de tabelas de frequências para variáveis contínuas necessita de
certos cuidados.

Ao se agrupar os valores da variável em classes, ganha-se em simplicidade, mas

perde-se em detalhes e precisão. O que se pretende com a construção dessa
nova tabela é realçar o que há de essencial nos dados e, também, tornar possível
o uso de técnicas analíticas para sua total descrição, até porque a Estatística
tem por finalidade específica analisar o conjunto de valores, desinteressando-se
por casos isolados.

Orientações básicas para a elaboração de uma tabela de distribuição de

frequência por intervalos ou classes:

• Efetua-se um rol estatístico (ordenação crescente ou decrescente de

grandeza) nos dados brutos.

a) Determina-se a amplitude total dos dados R: é a diferença entre o

maior (Xmáx) e o menor (Xmim) valor da variável. Isto é :

𝑅 = 𝑋𝑚𝑎𝑥 − 𝑋𝑚𝑖𝑚
Onde:
Xmáx = maior valor observado e
Xmín = menor valor observado.
 b) Classe.
É o subconjunto de elementos dos dados coletados que apresentam
uma certa quantidade de elementos, isto a frequência da classe.

c) Número de classes (K)

.
É a quantidade de classes formadas obedecendo critérios de formação
das classes.

Critério.
𝑃𝑎𝑟𝑎 𝑛 < 25, 𝑢𝑠𝑎 − 𝑠𝑒 𝐾 = 5=> 5 classes

𝑃𝑎𝑟𝑎 𝑛 ≥ 25, 𝑢𝑠𝑎 − 𝑠𝑒:

𝐾 = √𝑛 𝑜𝑛𝑑𝑒 𝑛 é 𝑜 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑑𝑎𝑑𝑜𝑠 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑑𝑜𝑠.

d) Intervalo de Classes (h)

É a amplitude de cada classe (tamanho da classe)
Nos dois casos, deve-se arredondar para cima o valor encontrado.
• Se possível constrói-se classes de mesma amplitude (h), tomando:

𝑅
ℎ=
𝐾

A tabela seguinte refere-se ás estasturas, em centimetros, dos alunos do curso

Técnico em Eletrônica.

160 155 170 159 168 174 179 171

169 168 167 161 156 162 154 168
165 160 150 165 161 166 167 169
170 164 178 153 157 176 164 173
177 167 156 166 163 166 166 158
 𝑛 = 40 𝑎𝑙𝑢𝑛𝑜𝑠
1- Cálculo da amplitude total - R

𝑅 = 𝑋𝑚𝑎𝑥 − 𝑋𝑚𝑖𝑚
𝑋𝑚𝑎𝑥 =179 cm
𝑋𝑚𝑖𝑚 = 150 𝑐𝑚
𝑅 = 179 − 150
𝑅 = 29 𝑐𝑚 => 𝑎𝑚𝑝𝑙𝑖𝑡𝑢𝑑𝑒 𝑡𝑜𝑡𝑎𝑙
2- Cálculo do número de classes - k

𝑛 = 40 𝑎𝑙𝑢𝑛𝑜𝑠

𝑛 ≥ 25
𝐾 = √𝑛

𝐾 = √40
𝐾 = 6,32 ⇒ 𝐾 = 6 𝑐𝑙𝑎𝑠𝑠𝑒𝑠

3- Cálculo da amplitude de cada classe (h):

𝑅
ℎ=
𝐾

29
ℎ=
6
ℎ = 4,833 𝑐𝑚
 ℎ = 5 𝑐𝑚

Estaturas (variáveis) (cm) N° de alunos (frequência)

𝑥𝑖 𝑓𝑖
150|-----155 3
155|-----160 6
160|-----165 8
165|-----170 14
170|-----175 5
175|-----180 4
∑ 40

160 155 170 159 168 174 179 171

169 168 167 161 156 162 154 168
165 160 150 165 161 166 167 169
170 164 178 153 157 176 164 173
177 167 156 166 163 166 166 158
Elementos de uma distribuição de frequêncica:

a) Classe.

Os subintervalos da amplitude total são as classes.

150|-----155 1ª classe
155|-----160 2ª classe
160|-----165 3ª classe
165|-----170 4ª classe
170|-----175 5ª classe
175|-----180 6ª classe

b) Limites de casse.
São os valores extremos de calsse, sendo o da
esquerda o limite inferior (li) e o da direita o limite
superior (ls).

Para o exemplo tem-se:

Na 1ª classe, li = 150 e ls = 155

Na 2ª classe, li = 155 e ls = 160
Na 3ª classe, li = 160 e ls = 165
Na 4ª classe, li = 165 e ls = 170
Na 5ª classe, li = 170 e ls = 175
Na 6ª classe, li = 175 e ls = 180
c) Amplitude do intervalo de classe.
A amplitude dos intervalos de uma classe podem ser iguais ou
diferentes entre si. De acordo com o critério estabelecido
anteriormente consideraremos as amplitudes dos intervalos de
classes iguais, o que facilitará os cálculos.posterior

ℎ = 𝑙𝑠 − 𝑙𝑖
1ª classe
ℎ = 155 − 150 => ℎ = 5 𝑐𝑚
2ª classe
ℎ = 160 − 155 => ℎ = 5 𝑐𝑚
3ª classe
ℎ = 165 − 160 => ℎ = 5 𝑐𝑚
4ª classe
ℎ = 170 − 165 => ℎ = 5 𝑐𝑚
5ª classe
ℎ = 175 − 170 => ℎ = 5 𝑐𝑚
6ª classe
ℎ = 180 − 176 => ℎ = 5 𝑐𝑚

d) Ponto médio da classe:

É o valor que ocupa a posição central
dessa classe é indicada por 𝑥𝑖 .

𝑙𝑖 + 𝑙𝑠
𝑥𝑖 =
2
Por na tabela esses elementos :

Classe 𝑓𝑖 𝑙𝑖 (cm) 𝑙𝑠 (𝑐𝑚 𝑥𝑖 ( 𝑐𝑚)

150|----155 3 150 155 152,5
155|----160 6 155 160 157,5
160|----165 8 160 165 162,5
165|----170 14 165 170 167,5
170|----175 5 170 175 172,5
175|----180 4 175 180 177,5

𝑙𝑖 + 𝑙𝑠
𝑥𝑖 =
2
𝑥𝑖 ⇒ 𝑣𝑎𝑟𝑖á𝑣𝑒𝑖𝑠

150 + 155 305

𝑥1 = = => 𝑥1 = 152,5 𝑐𝑚
2 2
155 + 160 315
𝑥2 = = => 𝑥2 = 157,5 𝑐𝑚
2 2
160 + 165 325
𝑥3 = = => 𝑥3 = 162,5 𝑐𝑚
2 2
165 + 170 335
𝑥4 = = => 𝑥4 = 167,5 𝑐𝑚
2 2
170 + 175 345
𝑥5 = = => 𝑥5 = 172,5 𝑐𝑚
2 2
175 + 180 355
𝑥6 = = => 𝑥6 = 177,5 𝑐𝑚
2 2
Tipos de frequências.

Temos os seguintes tipos de frequências:

a) Frequência absoluta – 𝑓𝑖
É o número de elemento de cada classe.

Primeira classe: 𝑓1 =3 alunos

Segunda classe: 𝑓2 = 6 alunos

Terceira classe: 𝑓3 = 8 alunos

Quarta classe: 𝑓4 = 14 alunos

Quinta classe: 𝑓5 = 5 alunos

Sexta classe: 𝑓6 = 4 alunos

A soma das frequências absolutas é igual a quantidade

de elementos:

𝑛 = ∑ 𝑓𝑖 = 𝑓1 + 𝑓2 + 𝑓3 + 𝑓4 + 𝑓5 + 𝑓6 = 40 𝑎𝑙𝑢𝑛𝑜𝑠
Estaturas Nº de 𝑓𝑟𝑖 𝑓𝑟𝑖 (%) 𝐹𝑖 𝐹𝑟𝑖 𝐹𝑟𝑖 (%)
alunos
(cm)
𝑓𝑖
150|----155 3
155|----160 6
160|----165 8
165|----170 14
170|----175 5
175|----180 4

∑ 40
Frequência relativa=> 𝑓𝑟𝑖

É o quociente entre a frequência a absoluta da classe e a soma das

frequências (n).

𝑓 𝑓𝑖
𝑓𝑟𝑖 = ∑ 𝑖 ou 𝑓𝑟𝑖 =
𝑓𝑖 𝑛
Para o exemplo da tabela:

𝑓1 3
𝑓𝑟1 = => 𝑓𝑟1 = => 𝑓𝑟1 = 0,075
𝑛 40
𝑓2 6
𝑓𝑟2 = => 𝑓𝑟2 = => 𝑓𝑟2 = 0,150
𝑛 40
𝑓3 8
𝑓𝑟3 = => 𝑓𝑟3 = => 𝑓𝑟3 = 0,200
𝑛 40
𝑓4 14
𝑓𝑟4 = => 𝑓𝑟4 = => 𝑓𝑟4 = 0,350
𝑛 40
𝑓𝑖 5
𝑓𝑟5 = => 𝑓𝑟5 = => 𝑓𝑟5 = 0,125
𝑛 40
𝑓𝑖 4
𝑓𝑟6 = => 𝑓𝑟6 = => 𝑓𝑟6 = 0,100
𝑛 40
 Estaturas Nº de 𝑓𝑟𝑖 𝑓𝑟𝑖 (%) 𝐹𝑖 𝐹𝑟𝑖 𝐹𝑟𝑖 (%)
alunos
(cm)
𝑓𝑖
150|----155 3 0,075
155|----160 6 0,150
160|----165 8 0,200
165|----170 14 0,350
170|----175 5 0,125
175|----180 4 0,100

∑ 40 1,000

∑ 𝑓𝑟𝑖 = 1,000

Frequência relativa percentual (fri%): é a frequência relativa em forma de

percentagem.

𝑓𝑟𝑖 % = 𝑓𝑟𝑖 . 100% =

Para a tabela:

𝑓𝑟1 % = 𝑓𝑟1 . 100% => 𝑓𝑟1 % = 0,075.100% = 7,50%

𝑓𝑟2 % = 𝑓𝑟2 . 100% => 𝑓𝑟2 % = 0,150.100% = 15,00%
𝑓𝑟3 % = 𝑓𝑟3 . 100% => 𝑓𝑟3 % = 0,200.100% = 20,00%
 𝑓𝑟4 % = 𝑓𝑟4 . 100% => 𝑓𝑟4 % = 0,350.100% = 35,00%
𝑓𝑟5 % = 𝑓𝑟5 . 100% => 𝑓𝑟5 % = 0,125.100% = 12,50%
𝑓𝑟6 % = 𝑓𝑟6 . 100% => 𝑓𝑟6 % = 0,100.100% = 10,00%

∑ 𝑓𝑟𝑖 = 1 𝑜𝑢 ∑ 𝑓𝑟𝑖 % = 100%

Estaturas Nº de 𝑓𝑟𝑖 𝑓𝑟𝑖 (%) 𝐹𝑖 𝐹𝑟𝑖 𝐹𝑟𝑖 (%)

alunos
(cm)
𝑓𝑖
150|----155 3 0,075 7,50
155|----160 6 0,150 15,00
160|----165 8 0,200 20,00
165|----170 14 0,350 35,00
170|----175 5 0,125 12,50
175|----180 4 0,100 10,00

∑ 40 1,000 100,00
Frequência acumulada (Fi):
A frequência acumulada de uma classe é a soma da frequência dessa classe
com as frequências das classes anteriores.
Para a tabela
𝐹𝑖 = 𝐹𝑖−1 + 𝑓𝑖

𝑝𝑟𝑖𝑚𝑒𝑖𝑟𝑎 𝑐𝑙𝑎𝑠𝑠𝑒 => 𝑖 = 1 => 𝐹𝑖 = 𝐹𝑖−1 + 𝑓𝑖

𝑖 = 1 => 𝐹1 = 𝐹1−1 + 𝑓1
𝑖 = 1 => 𝐹1 = 𝐹0 + 𝑓1 => 𝐹1 = 0 + 3 => 𝐹1 = 3 𝑎𝑙𝑢𝑛𝑜𝑠

𝑠𝑒𝑔𝑢𝑛𝑑𝑎 𝑐𝑙𝑎𝑠𝑠𝑒 => 𝑖 = 2 => 𝐹𝑖 = 𝐹𝑖−1 + 𝑓𝑖

𝑖 = 2 => 𝐹2 = 𝐹2−1 + 𝑓2 => 𝐹2 = 𝐹1 + 𝑓2

𝐹2 = 3 + 6 => 𝐹2 = 9 𝑎𝑙𝑢𝑛𝑜𝑠

𝑡𝑒𝑟𝑐𝑒𝑖𝑟𝑎 𝑐𝑙𝑎𝑠𝑠𝑒 => 𝑖 = 3 => 𝐹𝑖 = 𝐹𝑖−1 + 𝑓𝑖

𝐹3 = 𝐹3−1 + 𝑓3 ⇒ 𝐹3 = 𝐹2 + 𝑓3 ⇒ 𝐹3 = 9 + 8
𝐹3 = 17 𝑎𝑙𝑢𝑛𝑜𝑠

𝑞𝑢𝑎𝑟𝑡𝑎 𝑐𝑙𝑎𝑠𝑠𝑒 => 𝑖 = 4 => 𝐹𝑖 = 𝐹𝑖−1 + 𝑓𝑖

𝐹4 = 𝐹4−1 + 𝑓4 ⇒ 𝐹4 = 𝐹3 + 𝑓4 ⇒ 𝐹4 = 17 + 14
𝐹4 = 31 𝑎𝑙𝑢𝑛𝑜𝑠

𝑞𝑢𝑖𝑛𝑡𝑎 𝑐𝑙𝑎𝑠𝑠𝑒 => 𝑖 = 5 => 𝐹𝑖 = 𝐹𝑖−1 + 𝑓𝑖

𝐹5 = 𝐹5−1 + 𝑓5 ⇒ 𝐹5 = 𝐹4 + 𝑓5 ⇒ 𝐹5 = 31 + 5
𝐹5 = 36 𝑎𝑙𝑢𝑛𝑜𝑠

𝑠𝑒𝑥𝑡𝑎 𝑐𝑙𝑎𝑠𝑠𝑒 => 𝑖 = 6 => 𝐹𝑖 = 𝐹𝑖−1 + 𝑓𝑖

𝐹6 = 𝐹6−1 + 𝑓6 ⇒ 𝐹6 = 𝐹5 + 𝑓6 ⇒ 𝐹6 = 36 + 4
𝐹6 = 40 𝑎𝑙𝑢𝑛𝑜𝑠
 Estaturas Nº de 𝑓𝑟𝑖 𝑓𝑟𝑖 (%) 𝐹𝑖 𝐹𝑟𝑖 𝐹𝑟𝑖 (%)
alunos
(cm)
𝑓𝑖
150|----155 3 0,075 7,50 3
155|----160 6 0,150 15,00 9
160|----165 8 0,200 20,00 17
165|----170 14 0,350 35,00 31
170|----175 5 0,125 12,50 36
175|----180 4 0,100 10,00 40

∑ 40 1,000 100,00

Frequência acumulada relativa (Fri):

É o quociente entre a frequência acumulada da classe e soma das frequências

absolutas

𝐹𝑖 𝐹𝑖
𝐹𝑟𝑖 = =
𝑛 ∑ 𝑓𝑖

𝑒𝑚 𝑝𝑜𝑟𝑐𝑒𝑛𝑡𝑎𝑔𝑒𝑚 𝐹𝑟𝑖 % = 𝐹𝑟𝑖 . 100%

Para o exemplo:

𝐹1 3
𝑝𝑟𝑖𝑚𝑒𝑖𝑟𝑎 𝑐𝑙𝑎𝑠𝑠𝑒 𝑖 = 1 => 𝐹𝑟1 = = ⇒
𝑛 40
𝐹𝑟1 = 0,075
𝐹𝑟1 % = 0,075.100% => 𝐹𝑟1 % = 7,50%

𝐹2 9
𝑠𝑒𝑔𝑢𝑛𝑑𝑎 𝑐𝑙𝑎𝑠𝑠𝑒 𝑖 = 2 => 𝐹𝑟2 = ⇒ 𝐹𝑟2 =
40 40
𝐹𝑟2 = 0,225
𝐹𝑟2 % = 0,225.100% => 𝐹𝑟2 % = 22,50%

𝐹3 17
𝑡𝑒𝑟𝑐𝑒𝑖𝑟𝑎 𝑐𝑙𝑎𝑠𝑠𝑒 𝑖 = 3 => 𝐹𝑟3 = => 𝐹𝑟3 =
40 40
𝐹𝑟3 = 0,425
𝐹𝑟3 % = 0,425.100% => 𝐹𝑟3 % = 42,50%

𝐹4 31
𝑞𝑢𝑎𝑟𝑡𝑎 𝑐𝑙𝑎𝑠𝑠𝑒 𝑖 = 4 => 𝐹𝑟4 = ⇒ 𝐹𝑟4 = ⇒
40 40
𝐹𝑟4 = 0,775
𝐹𝑟4 % = 0,775.100% => 𝐹𝑟4 % = 77,50%

𝐹5 36
𝑞𝑢𝑖𝑛𝑡𝑎 𝑐𝑙𝑎𝑠𝑠𝑒 𝑖 = 5 => 𝐹𝑟5 = ⇒ 𝐹𝑟5 = ⇒
40 40
𝐹𝑟5 = 0,900
𝐹𝑟5% = 0,900.100% => 𝐹𝑟5% = 90,00%

𝐹6 40
𝑠𝑒𝑥𝑡𝑎 𝑐𝑙𝑎𝑠𝑠𝑒 𝑖 = 6 => 𝐹𝑟6 = ⇒ 𝐹𝑟6 =
40 40
𝐹𝑟6 = 1,00
𝐹𝑟6% = 1,00.100% => 𝐹𝑟6% = 100,00%

Estaturas Nº de 𝑓𝑟𝑖 𝑓𝑟𝑖 (%) 𝐹𝑖 𝐹𝑟𝑖 𝐹𝑟𝑖 (%)

alunos
(cm)
𝑓𝑖
150|----155 3 0,075 7,50 3 0,075 7,50
155|----160 6 0,150 15,00 9 0,225 22,50
160|----165 8 0,200 20,00 17 0,425 42,50
165|----170 14 0,350 35,00 31 0,775 77,50
170|----175 5 0,125 12,50 36 0,900 90,00
175|----180 4 0,100 10,00 40 1,000 100,00

∑ 40 1,000 100,00
EXERCÍCIO
Construir a tabela de distribuição de frequências para tabela baixo:

N° de acidentes (variáveis) N° de acidentes (frequência)

𝑥𝑖 𝑓𝑖
0 10
1 6
2 7
3 5
4 2
∑ 30

N° de
acidentes
Nº de 𝑓𝑟𝑖 𝑓𝑟𝑖 (%) 𝐹𝑖 𝐹𝑟𝑖 𝐹𝑟𝑖 (%)
de dias
𝑓𝑟𝑖 . 100%
xi 𝑓𝑖
0 10 0,3333 33,33 10 0,3333 33,33
1 6 0,2000 20,00 16 0,5333 53,33
2 7 0,2333 23,33 23 0,7667 76,67
3 5 0,1667 16,67 28 0,9333 93,33
4 2 0,0667 06,67 30 1,0000 100,00

∑ 30 1,0000 100,00
 a) Frequência relativa absoluta.
𝑓 𝑓𝑖
𝑓𝑟𝑖 = ∑ 𝑖 ou 𝑓𝑟𝑖 =
𝑓 𝑖 𝑛

b) Frequência relativa absoluta em porcentagem:

𝑓𝑟𝑖 % = 𝑓𝑟𝑖 . 100%
c) Frequência acumulada.
𝐹𝑖 = 𝐹𝑖−1 + 𝑓𝑖
d) Frequência acumulada relativa.
𝐹𝑖 𝐹𝑖
𝐹𝑟𝑖 = =
𝑛 ∑ 𝑥𝑖
d) Frequência acumulada relativa em porcentagem:
𝐹𝑟𝑖 % = 𝐹𝑟𝑖 . 100%

𝑛 = 30 𝑑𝑖𝑎𝑠 𝑜𝑢 ∑ 𝑓𝑖 = 30 𝑑𝑖𝑎𝑠
Média, mediana e moda

São medidas obtidas de conjuntos de dados que podem ser usadas

para representar todo o conjunto. A tendência dessas medidas é
resultar em um valor central. Por essa razão, elas são chamadas
de medidas de centralidade.

Média (𝑥̅ )

Mais precisamente chamada de média aritmética simples, é o

resultado da soma de todas as informações de um conjunto de
dados dividida pelo número de informações que foram somadas.
A média aritmética simples entre 14, 15 e 25, por exemplo, é a
seguinte:
𝑥̅ = 14 + 15 + 25
3
Como há três dados na lista, dividimos a soma desses dados pelo
número 3. O resultado é:

𝑥̅ = 54
3
𝑥̅ = 18
A média é a medida de centralidade mais usada por ser a que
mescla de maneira mais uniforme os valores mais baixos e os mais
altos de uma lista. Observe a média aritmética simples desse
mesmo conjunto:

𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 + 𝑥5 + ⋯ + 𝑥𝑛
𝑥̅ =
𝑛
 ∑ 𝑥𝑖
𝑥̅ =
𝑛
∑ 𝑥𝑖 = 𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 + 𝑥5 + ⋯ + 𝑥𝑛

𝑥̅ => 𝑣𝑎𝑙𝑜𝑟 𝑑𝑎 𝑚é𝑑𝑖𝑎

𝑥𝑖 => 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑎𝑠 𝑣𝑎𝑟𝑖á𝑣𝑒𝑖𝑠
𝑛 => 𝑞𝑢𝑎𝑛𝑡𝑖𝑑𝑎𝑑𝑒 𝑑𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠( 𝑣𝑎𝑟𝑖á𝑣𝑒𝑖𝑠)

∑ 𝑥𝑖 => 𝑠𝑜𝑚𝑎 𝑑𝑎𝑠 𝑣𝑎𝑟𝑖á𝑣𝑒𝑖𝑠

𝑥̅ = 18 + 19 + 19 + 22 + 44 + 45 + 46 + 46 + 47 + 48
10

354
𝑥̅ =
10

𝑥̅ = 35,4
Média ponderada
A média ponderada (𝑥̅ ) é uma extensão da média simples e
considera pesos para as informações do conjunto de dados. É feita
por meio da soma do produto de uma informação pelo seu
respectivo peso e, em seguida, a divisão desse resultado pela soma
de todos os pesos usados.
Considere como exemplo os dados na tabela a seguir, que contém
uma lista com as idades dos alunos do sexto ano da escola A. Vamos
calcular a média das idades.

Existe a possibilidade de calcular a média simples ao somar 10 anos

quatro vezes, 11 anos quinze vezes etc. Entretanto, por meio de
uma média ponderada, podemos considerar a quantidade de
alunos com 11 anos como o peso dessa idade nessa sala de aula; a
quantidade de alunos que possuem 10 anos como peso dessa idade,
e assim por diante até que todas as idades tenham sido somadas.
Assim, o cálculo da média ponderada seria:
 𝑥1 . 𝑓1 + 𝑥2 . 𝑓2 + 𝑥3 . 𝑓3 + ⋯ + 𝑥𝑛 . 𝑓𝑛
𝑥̅ =
𝑛

𝑥1 . 𝑓1 + 𝑥2 . 𝑓2 + 𝑥3 . 𝑓3 + ⋯ + 𝑥𝑛 . 𝑓𝑛
𝑥̅ =
∑ 𝑓𝑖

𝑛 = ∑ 𝑓𝑖

∑ 𝑓𝑖 = 𝑓1 + 𝑓2 + 𝑓3 + 𝑓4 + ⋯ + 𝑓𝑛

∑ 𝑥𝑖 . 𝑓𝑖
𝑥̅ =
∑ 𝑓𝑖

𝑓𝑖 => 𝑓𝑟𝑒𝑞𝑢ê𝑛𝑐𝑖𝑎 𝑑𝑒 𝑐𝑎𝑑𝑎 𝑣𝑎𝑟𝑖á𝑣𝑒𝑙

∑ 𝑓𝑖 = 𝑛 => 𝑠𝑜𝑚𝑎 𝑑𝑒 𝑡𝑜𝑑𝑎𝑠 𝑎 𝑣𝑎𝑟á𝑣𝑒𝑖𝑠

∑ 𝑥𝑖 . 𝑓𝑖 ⇒ 𝑠𝑜𝑚𝑎 𝑑𝑜 𝑝𝑟𝑜𝑑𝑢𝑡𝑜 𝑣𝑎𝑙𝑜𝑟 𝑑𝑎 𝑣𝑎𝑟𝑖á𝑣𝑒𝑙

𝑝𝑒𝑙𝑎 𝑠𝑢𝑎 𝑓𝑟𝑒𝑞𝑢ê𝑛𝑐𝑖𝑎

Do exemplo:

𝑥1 . 𝑓1 + 𝑥2 . 𝑓2 + 𝑥3 . 𝑓3 + ⋯ + 𝑥𝑛 . 𝑓𝑛
𝑥̅ =
∑ 𝑓𝑖
 𝑥𝑖 => 𝑖𝑑𝑎𝑑𝑒𝑠.
𝑓𝑖 ⇒ 𝑞𝑢𝑎𝑛𝑡𝑖𝑑𝑎𝑑𝑒 𝑑𝑒 𝑎𝑙𝑢𝑛𝑜𝑠

𝑥1 = 10 𝑎𝑛𝑜𝑠, 𝑓1 = 4 𝑎𝑙𝑢𝑛𝑜𝑠

𝑥2 = 11 𝑎𝑛𝑜𝑠, 𝑓2 = 15 𝑎𝑙𝑢𝑛𝑜𝑠

𝑥3 = 12 𝑎𝑛𝑜𝑠, 𝑓3 = 10 𝑎𝑙𝑢𝑛𝑜𝑠

𝑥4 = 13 𝑎𝑛𝑜𝑠, 𝑓1 = 1 𝑎𝑙𝑢𝑛𝑜

𝑥1 . 𝑓1 + 𝑥2 . 𝑓2 + 𝑥3 . 𝑓3 + 𝑥4 . 𝑓4
𝑥̅ =
∑ 𝑓𝑖

𝑥̅ = 10.4 + 11.15 + 12.10 + 13.1

4 + 15 + 10 + 1
𝑥̅ = 40 + 165 + 120 + 13
30
𝑥̅ = 338
30
𝑥̅ = 11,26 anos.
Cálculo da média para variáveis discretas
Exemplos tabela:
O número de acidentes diários em uma rodovia durante o mês de junho.

N° de acidentes N° de dias 𝑥𝑖 . 𝑓𝑖
(variáveis) (frequência)
𝑥𝑖 𝑓𝑖
0 10 0
1 6 6
2 7 14
3 5 15
4 2 8
∑ 30 43

∑ 𝑥𝑖 . 𝑓𝑖
𝑥̅ =
∑ 𝑓𝑖

∑ 𝑓𝑖 = 30 𝑑𝑖𝑎𝑠

∑ 𝑥𝑖 . 𝑓𝑖 = 43

∑ 𝑥𝑖 . 𝑓𝑖
𝑥̅ =
∑ 𝑓𝑖

43
𝑥̅ =
30
𝑥̅ = 1,43 𝑎𝑐𝑖𝑑𝑒𝑛𝑡𝑒𝑠
2- Calcule a média da seguinte distribuição.

(variável) (frequência) 𝑥𝑖 . 𝑓𝑖
𝑥𝑖 𝑓𝑖
4 7 28
5 10 50
7 11 77
9 8 72
∑ 36 227

∑ 𝑥𝑖 . 𝑓𝑖
𝑥̅ =
∑ 𝑓𝑖

∑ 𝑓𝑖 = 36

∑ 𝑥𝑖 . 𝑓𝑖 = 227

∑ 𝑥𝑖 . 𝑓𝑖
𝑥̅ =
∑ 𝑓𝑖

227
𝑥̅ =
36
𝑥̅ = 6,31
Dada a tabela abaixo, determine a média

(variável) (frequência) 𝑥𝑖 . 𝑓𝑖
𝑥𝑖 𝑓𝑖
6 15
10 18
15 13
17 11
20 8
∑ 65

∑ 𝑥𝑖 . 𝑓𝑖
𝑥̅ =
∑ 𝑓𝑖

∑ 𝑓𝑖 = 65

∑ 𝑥𝑖 . 𝑓𝑖 =
Cálculo da média para variáveis contínuas

A tabela seguinte refere-se ás estasturas, em centimetros, dos alunos do curso

Técnico em Eletrônica.

Classe 𝑓𝑖 𝑥𝑖 (cm) 𝑥𝑖 . 𝑓𝑖
150|-----155 3 152,5 457,5
155|-----160 6 157,5 945,0
160|-----165 8 162,5 1300,0
165|-----170 14 167,5 2345,0
170|-----175 5 172,5 862,5
175|-----180 4 177,5 710,0
∑ 40 6620

∑ 𝑥𝑖 . 𝑓𝑖
𝑥̅ =
∑ 𝑓𝑖

∑ 𝑥𝑖 . 𝑓𝑖 = 6620

∑ 𝑓𝑖 = 40

6620
𝑥̅ =
40
𝑥̅ = 165,5 𝑐𝑚
Exemplo
Determine a média da seguinte distribuição de
frequência baixo:

Classe 𝑓𝑖 𝑥𝑖 𝑥𝑖 . 𝑓𝑖
10|-----20 10 15 150
20|-----30 20 25 500
30|-----40 28 35 980
40|-----50 35 45 1575
50|-----60 32 55 1760
60|-----70 24 65 1560
∑ 149 6525

∑ 𝑥𝑖 . 𝑓𝑖
𝑥̅ =
∑ 𝑓𝑖

𝑙𝑖 + 𝑙𝑠
𝑥𝑖 =
2

𝑙𝑖 + 𝑙𝑠 10 + 20 30
𝑥1 = = = => 𝑥1 = 15
2 2 2

𝑙𝑖 + 𝑙𝑠 20 + 30 50
𝑥2 = = = => 𝑥2 = 25
2 2 2
∑ 𝑥𝑖 . 𝑓𝑖 = 6525

∑ 𝑓𝑖 = 149

∑ 𝑥𝑖 . 𝑓𝑖
𝑥̅ =
∑ 𝑓𝑖
6525
𝑥̅ =
149
𝑥̅ = 43,79
 ̃)
Mediana (𝑿
Se o conjunto de informações for numérico e estiver organizado em
ordem crescente ou decrescente, a sua mediana será o número
que ocupa a posição central da lista.

Cálculo da mediana para variáveis discretas:

Consideram-se dois casos:

Primeiro caso:
Número ímpar de dados:

𝑛+1
A mediana é o elemento que ocupa a posição
2

Exemplo: Considere que a escola de música já citada possui nove

professores e que suas idades são:
32 anos, 33 anos, 24 anos, 31 anos, 44 anos, 65 anos, 32 anos, 21 anos e 32
anos

n = 9 professores n=> impar

Para encontrar a mediana das idades dos professores, devemos

organizar a lista de idades em ordem crescente:

21, 24, 31, 32, 32, 32, 33, 44 e 65

𝑛+1 9+1 10
Posição=> = = = 5
2 2 2

𝑎 𝑚𝑒𝑑𝑖𝑎𝑛𝑎 𝑒𝑠𝑡á 𝑜𝑐𝑢𝑝𝑎𝑛𝑑𝑜 𝑎 5ª 𝑝𝑜𝑠𝑖çã𝑜

Observe que o número 32 é o quinto. À sua direita, existem outras
4 idades, assim como à esquerda. Logo, 32 é a mediana da lista das
idades dos professores.

𝐴 𝑚𝑒𝑑𝑖𝑎 é 𝑜 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜 𝑞𝑢𝑒 𝑜𝑐𝑢𝑝𝑎 𝑎 𝑞𝑢𝑖𝑛𝑡𝑎 𝑝𝑜𝑠𝑖çã𝑜, 𝑙𝑜𝑔𝑜:

̃ = 𝟑𝟐 𝒂𝒏𝒐𝒔
𝒙
Segundo caso:
Número par de dados: 28/05

A mediana é a média entre os dois elementos centrais que ocupam

𝑛 𝑛
as posições: e +1
2 2

Se a lista possuir um número par de informações, para encontrar

a mediana (Ma), devemos encontrar os dois valores centrais (a1 e
a2) da lista, somá-los e dividir o resultado por 2.
𝑛
𝑎1 => 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜 𝑞𝑢𝑒 𝑜𝑐𝑢𝑝𝑎 𝑎 𝑝𝑜𝑠𝑖çã𝑜 (𝑝𝑜𝑠𝑖çã𝑜)
2
𝑛
𝑎2 => 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜 𝑞𝑢𝑒 𝑜𝑐𝑢𝑝𝑎 𝑎 𝑝𝑜𝑠𝑖çã𝑜 + 1 (𝑝𝑜𝑠𝑖çã𝑜)
2
𝑎1 + 𝑎2
̃=
𝒙
2

Se as idades dos professores fossem:

19 anos, 19 anos, 18 anos, 22 anos, 44 anos, 45 anos, 46 anos, 46
anos, 47 anos e 48 anos.
0 número de elementos é par, n = 10 professores.
A lista crescente com as duas medidas centrais seria

18, 19, 19, 22, 44, 45, 46, 46, 47, 48

 𝑛 10
= = 5 => 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜 𝑑𝑎 𝑞𝑢𝑖𝑛𝑡𝑎 𝑝𝑜𝑠𝑖çã𝑜
2 2

𝑎1 = 44 𝑎𝑛𝑜𝑠

𝑛 10
+1= +1=5+1=6
2 2

𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜 𝑑𝑎 𝑠𝑒𝑥𝑡𝑎 𝑝𝑜𝑠𝑖çã𝑜

𝑎2 = 45 𝑎𝑛𝑜𝑠

Observe que a quantidade de informações à direta e à esquerda

desses dois números é exatamente a mesma. A mediana desse
conjunto de dados é, portanto:

𝑎1 + 𝑎2
̃=
𝒙
2

44 + 45 49
̃=
𝒙 = = 44,5 𝑎𝑛𝑜𝑠
2 2

̃ = 44,5 𝑎𝑛𝑜𝑠
𝒙
Para dados em tabelas de distribuição para variável
discreta.

Determine a mediana da distribuição:

(frequência) Frequência acumulada

(variáveis) 𝑓𝑖 𝐹𝑖
𝑥𝑖
10 2 2 -> 1°ao 2° elemento
12 4 6 -> 3°ao 6° elemento
15 2 8 -> 7°ao 8° elemento
17 5 13 -> 9° ao 13° elemento
20 3 16 -> 14° ao 16° elemento
∑ 16

𝒏 = 𝟏𝟔

𝒏 𝟏𝟔
𝒂𝟏 => = = 𝟖 => 𝒐𝒊𝒕𝒂𝒗𝒂 𝒑𝒐𝒔𝒊çã𝒐
𝟐 𝟐
𝒏
𝒂𝟐 => + 𝟏 = 𝟖 + 𝟏 = 𝟗 => 𝒏𝒐𝒏𝒂 𝒑𝒐𝒔𝒊çã𝒐
𝟐

𝒂𝟏 = 𝟏𝟓
 𝒂𝟐 = 𝟏𝟕

𝑎1 + 𝑎2
̃=
𝒙
2

15 + 17
̃=
𝒙
2

32
̃=
𝒙
2

̃ = 16
𝒙

N° de N° de acidentes Frequência acumulada

acidentes (frequência) 𝐹𝑖
(variáveis) 𝑓𝑖

𝑥𝑖
𝑥1 = 0 10 10 1º ao 10º elemento
𝑥2 =1 6 16 11º ao 16º elemento
𝑥3 =2 7 23 17º ao 23º elemento
𝑥4 =3 5 28 24º ao 28º elemento
𝑥5 =4 2 30 29º ao 30º elemento
30
∑

𝑛 = 30 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜
 𝒏 𝟑𝟎
𝒂𝟏 => = = 𝟏𝟓 => 𝟏𝟓ª 𝒑𝒐𝒔𝒊çã𝒐
𝟐 𝟐
𝒏
𝒂𝟐 => + 𝟏 = 𝟏𝟓 + 𝟏 = 𝟏𝟔 => 𝟏𝟔ª 𝒑𝒐𝒔𝒊çã𝒐
𝟐

𝒂𝟏 = 𝟏
𝒂𝟐 = 𝟏

𝑎1 + 𝑎2
̃=
𝒙
2

1+1
̃=
𝒙
2

2
̃=
𝒙
2

̃ = 1 𝑎𝑐𝑖𝑑𝑒𝑛𝑡𝑒
𝒙
Cálculo da mediana para variável contínua.

Fórmula:

𝒏
− 𝑭𝒂𝒏𝒕
̃ = 𝒍𝒙
𝒙 ̃ + ( 𝟐 ).𝒉
𝒇𝒙̃

𝑜𝑛𝑑𝑒:

𝑙𝑥̃: 𝑙𝑖𝑚𝑖𝑡𝑒 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟 𝑑𝑎 𝑐𝑙𝑎𝑠𝑠𝑒 𝑚𝑒𝑑𝑖𝑎𝑛𝑎

𝑛: 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑑𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑖çã𝑜
𝐹𝑎𝑛𝑡 : 𝑓𝑟𝑒𝑞𝑢ê𝑛𝑐𝑖𝑎 𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎 𝑑𝑎 𝑐𝑙𝑎𝑠𝑠𝑒 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟
𝑎 𝑐𝑙𝑎𝑠𝑠𝑒 𝑚𝑒𝑑𝑖𝑎𝑛𝑎
𝑓𝑥̃ : 𝑓𝑟𝑒𝑞𝑢ê𝑛𝑐𝑖𝑎 𝑑𝑎 𝑐𝑙𝑎𝑠𝑠𝑒 𝑚𝑒𝑑𝑖𝑎𝑛𝑎
ℎ: 𝑎𝑚𝑝𝑙𝑖𝑡𝑢𝑑𝑒 𝑑𝑜 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑑𝑒 𝑐𝑙𝑎𝑠𝑠𝑒

Para dados em tabelas de distribuição para variável discreta.

Determine a mediana da distribuição de frequência abaixo

Classe 𝑓𝑖 𝑥𝑖 (cm) Frequência acumulada
𝐹𝑖
10|-----20 4 15 4 1° ao 4°elemento
20|-----30 6 25 10 5° ao 10° elemento
30|-----40 8 35 18 11° ao 18° elemento
40|-----50 17 45 35 19° ao 35°elemento (25°)_*
50|-----60 10 55 45 36° ao 45° elemento
60|-----70 5 65 50 46° ao 50° elemento
∑ 50

(*)=> classe mediana 4ª classe

𝒏 = 𝟓𝟎 𝒆𝒍𝒆𝒎𝒆𝒏𝒕𝒐𝒔
𝒏 𝟓𝟎
= = 𝟐𝟓
𝟐 𝟐
𝒎𝒆𝒅𝒊𝒂𝒏𝒂 é 𝒐 𝟐𝟓° 𝒆𝒍𝒆𝒎𝒆𝒏𝒕𝒐
𝒏
− 𝑭𝒂𝒏𝒕
̃ = 𝒍𝒙
𝒙 ̃ + ( 𝟐 ).𝒉
𝒇𝒙̃

̃ = 𝟒𝟎
𝒍𝒙
𝑭𝒂𝒏𝒕 = 𝟏𝟖
𝒇𝒙̃ = 𝟏𝟕
𝒉 = 𝒍𝒔 − 𝒍𝒊 = 𝟓𝟎 − 𝟒𝟎
𝒉 = 𝟏𝟎
 𝟓𝟎
− 𝟏𝟖
̃ = 𝟒𝟎 + (
𝒙 𝟐 ) . 𝟏𝟎
𝟏𝟕

𝟓𝟎
− 𝟏𝟖
̃ = 𝟒𝟎 + (
𝒙 𝟐 ) . 𝟏𝟎
𝟏𝟕

𝟐𝟓 − 𝟏𝟖
̃ = 𝟒𝟎 + (
𝒙 ) . 𝟏𝟎
𝟏𝟕
𝟕
̃ = 𝟒𝟎 + ( ) . 𝟏𝟎
𝒙
𝟏𝟕
̃ = 𝟒𝟎 + (𝟎, 𝟒𝟏). 𝟏𝟎
𝒙

̃ = 𝟒𝟎 + 𝟒, 𝟏
𝒙

̃ = 𝟒𝟒, 𝟏
𝒙
Exercícios
4- Calcular a média e a mediana para a seguinte
distribuição => variável discreta

(variável) (frequência) 𝑥𝑖 . 𝑓𝑖
𝑥𝑖 𝑓𝑖
7 2 14
8 5 40
10 7 70
15 6 90
20 1 20
∑ 21 234

Média
∑ 𝑥𝑖 . 𝑓𝑖
𝑥̅ =
∑ 𝑓𝑖

∑ 𝑥𝑖 . 𝑓𝑖 = 234

∑ 𝑓𝑖 = 21

234
𝑥̅ =
21
 234
𝑥̅ =
21
𝑥̅ = 11,14

Mediana

𝑛 = 21 => 𝑛 é 𝑖𝑚𝑝𝑎𝑟
𝑛 +1 21 + 1 22
= = = 11
2 2 2
𝑚𝑒𝑑𝑖𝑎𝑛𝑎 é 𝑣𝑎𝑙𝑜𝑟 𝑑𝑎 𝑣𝑎𝑟𝑖á𝑣𝑒𝑙 𝑞𝑢𝑒 𝑜𝑐𝑢𝑝𝑎 _11ª 𝑝𝑜𝑠𝑖çã𝑜
(elemento)

(variável) (frequência) Fi
𝑥𝑖 𝑓𝑖
7 2 2 1º ao 2º
8 5 7 3º ao 7º
10 7 14 8º ao 14º (11º)
15 6 20 15º ao 20º
20 1 21 21º
∑ 21

𝑥̃ = 10
Moda (Mo)
É o valor que ocorre com maior frequência numa série de dados.
Exemplo 1:

Determine a moda da série cujos elementos são:

1º) 2, 5, 7, 7, 7, 8, 8, 9
O elemento de maior frequência é o 7, então Mo = 7, temos uma
série unimodal.

2º) 10, 10, 12, 15, 17, 17, 19, 20

Esta série apresenta dois elementos de maior frequência: 10 e 17,
então:
Mo = 10 e Mo = 17. Temos uma série bimodal.

3º) 1, 7, 8, 10, 15, 16

Não há elemento com maior frequência, logo esta série não possui
moda.
Temos uma série amodal.

Exemplo 2:

Xi 120 140 160 170 180

fi 2 7 9 5 1

Mo = 160, o valor correspondente a maior frequência: 9. Temos

uma distribuição unimodal.
Para dados em tabelas de distribuição para variável discreta.

Determine a moda da distribuição e a mediana:

(variáveis) (frequência) Frequência

𝑥𝑖 𝑓𝑖 acumulada
𝐹𝑖
10 2 2 1º ao 2º
12 4 6 3º ao 6º
15 2 8 7º ao 8°
17 5 13 9° ao 13º
20 3 16 14º ao 16
∑ 16

𝑀𝑜 = 17, 𝑝𝑜𝑖𝑠 𝑠𝑢𝑎 𝑓𝑖 = 5

̃ =?
𝒙
𝑛 = 16 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 => 𝑛 é 𝑝𝑎𝑟
𝑛 16
= = 8 => 8º 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜
2 2
𝑛
+ 1 = 8 + 1 = 9 => 9º 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜
2

8º 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜 => 𝑎1 =15

9º 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜 => a2=17
𝑎1 + 𝑎2
𝑥̃ =
2
 15 + 17 32
𝑥̃ = =
2 2

𝑥̃ = 16
Cálculo da Moda para Variável Contínua 04/06

Existem vários métodos para se obter a moda de uma distribuição

de frequência com variável contínua. Mencionaremos para o
cálculo da moda a seguinte Fórmula de Czuber:

∆1
𝑀𝑜 = 𝑙𝑀𝑜 + ( ).ℎ
∆1 + ∆2
0nde:
𝑙𝑀𝑜 : 𝑙𝑖𝑚𝑖𝑡𝑒 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟 𝑑𝑎 𝑐𝑙𝑎𝑠𝑠𝑒 𝑚𝑜𝑑𝑎𝑙
∆1: 𝑑𝑖𝑓𝑒𝑟𝑒𝑛ç𝑎 𝑒𝑛𝑡𝑟𝑒 𝑎 𝑓𝑟𝑒𝑞𝑢ê𝑛𝑐𝑖𝑎 𝑑𝑎 𝑐𝑙𝑎𝑠𝑠𝑒 𝑚𝑜𝑑𝑎𝑙 𝑒 𝑎 𝑓𝑟𝑒𝑞𝑢ê𝑛𝑐𝑖𝑎 𝑑𝑎
𝑐𝑙𝑎𝑠𝑠𝑒 𝑖𝑚𝑒𝑑𝑖𝑎𝑡𝑎𝑚𝑒𝑛𝑡𝑒 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟.
∆2: 𝑑𝑖𝑓𝑒𝑟𝑒𝑛ç𝑎 𝑒𝑛𝑡𝑟𝑒 𝑎 𝑓𝑟𝑒𝑞𝑢ê𝑛𝑐𝑖𝑎 𝑑𝑎 𝑐𝑙𝑎𝑠𝑠𝑒 𝑚𝑜𝑑𝑎𝑙 𝑒 𝑎
e a frequência da classe posterior
ℎ: 𝑎𝑚𝑝𝑙𝑖𝑡𝑢𝑑𝑒 𝑑𝑜 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑑𝑒 𝑐𝑙𝑎𝑠𝑠𝑒
𝑐𝑙𝑎𝑠𝑠𝑒 𝑚𝑜𝑑𝑎𝑙 => 𝑐𝑙𝑎𝑠𝑠𝑒 𝑚𝑎𝑖𝑜𝑟 𝑓𝑟𝑒𝑞𝑢ê𝑛𝑐𝑖𝑎
Exemplo Para dados em tabelas de distribuição para variável
discreta.
Determine a moda da distribuição de frequência abaixo

Classe 𝑓𝑖
10|-----20 4
20|-----30 6
30|-----40 8
40|-----50 17 Classe modal
50|-----60 10
60|-----70 5
∑

∆1
𝑀𝑜 = 𝑙𝑀𝑜 + .ℎ
∆1 + ∆2

𝑐𝑙𝑎𝑠𝑠𝑒 𝑚𝑜𝑑𝑎𝑙 => 𝑞𝑢𝑎𝑟𝑡𝑎 𝑐𝑙𝑎𝑠𝑠𝑒 => 𝑓4 = 17

𝑙𝑀𝑜 = 40

𝑐𝑙𝑎𝑠𝑠𝑒 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟 𝑎 𝑐𝑙𝑎𝑠𝑠𝑒 𝑚𝑜𝑑𝑎𝑙 => 3ª 𝑐𝑙𝑎𝑠𝑠𝑒 => 𝑓3

=8

𝑐𝑙𝑎𝑠𝑠𝑒 𝑝𝑜𝑠𝑡𝑒𝑟𝑖𝑜𝑟 𝑎 𝑐𝑙𝑎𝑠𝑠𝑒 𝑚𝑜𝑑𝑎𝑙 => 5ª 𝑐𝑙𝑎𝑠𝑠𝑒 => 𝑓5 = 10

∆1 = 𝑓4 − 𝑓3
𝑓4 = 17 𝑒 𝑓3 = 8
∆1 = 17 − 8
∆1 = 9

∆2 = 𝑓4 − 𝑓5
𝑓5 = 10
 ∆2 = 17 − 10
∆2 = 7

ℎ = 𝑙𝑠 − 𝑙𝑖
𝑙𝑠 = 50 𝑒 𝑙𝑖 = 40
ℎ = 50 − 40

ℎ = 10

∆1
𝑀𝑜 = 𝑙𝑀𝑜 + ( ).ℎ
∆1 + ∆2

9
𝑀𝑜 = 40 + ( ) . 10
9+7

9
𝑀𝑜 = 40 + ( ) . 10
16

9.10
𝑀𝑜 = 40 +
16
90
𝑀𝑜 = 40 +
16

𝑀𝑜 = 40 + 5,625

𝑀𝑜 = 45,625
Para a distribuição e frequência abaixo determine:
2- a média
3- a mediana
4- a moda

a) Cálculo da média

Classe 𝑓𝑖 𝑥𝑖 𝑥𝑖 . 𝑓𝑖
10|-----20 10
20|-----30 12
30|-----40 15
40|-----50 18
50|-----60 14
60|-----70 11
∑ 80
 a) Cálculo da média

Classe 𝑓𝑖 𝑥𝑖 𝑥𝑖 . 𝑓𝑖
10|-----20 10 15 150
20|-----30 12 25 300
30|-----40 15 35 525
40|-----50 18 45 810
50|-----60 14 55 770
60|-----70 11 65 715
∑ 80 3270

∑ 𝑥𝑖 . 𝑓𝑖
𝑥̅ =
∑ 𝑓𝑖

𝑙𝑖 + 𝑙𝑠
𝑥𝑖 =
2
10 + 20 30
𝑥1 = = = 15
2 2

20 + 30 50
𝑥2 = = = 25
2 2
30 + 40 70
𝑥3 = = = 35
2 2

40 + 50 90
𝑥4 = = = 45
2 2
 50 + 60 110
𝑥5 = = = 55
2 2
60 + 70 130
𝑥6 = = = 65
2 2

∑ 𝑥𝑖 . 𝑓𝑖
𝑥̅ =
∑ 𝑓𝑖
∑ 𝑥𝑖 . 𝑓𝑖 = 3270

∑ 𝑓𝑖 = 80

3270
𝑥̅ =
80

𝑥̅ = 40,875

b) Mediana

Classe 𝑓𝑖 𝑥𝑖 𝐹𝑖
10|-----20 10 15 10 1º ao 10º elemento
20|-----30 12 25 22 11º ao 22º elemento
30|-----40 15 35 37 23º ao 37° elemento
40|-----50 18 45 55 38º ao 55º elemento
50|-----60 14 55 69 56º ao 69º elemento
60|-----70 11 65 80 70° ao 80º elemento
∑ 80
 𝑛 = 80
𝑛
𝑐𝑙𝑎𝑠𝑠𝑒 𝑚𝑒𝑑𝑖𝑎𝑛𝑎 =>
2
80
𝑐𝑙𝑎𝑠𝑠𝑒 𝑚𝑒𝑑𝑖𝑎𝑛𝑎 => = 40
2

𝑐𝑙𝑎𝑠𝑠𝑒 𝑚𝑒𝑑𝑖𝑎𝑛𝑎 => 40º 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜

𝑛
− 𝐹𝑎𝑛𝑡
𝑥̃ = 𝑙𝑥̃ + 2 .ℎ
𝑓𝑥̃

𝑙𝑥̃ = 40

𝐹𝑎𝑛𝑡 = 37

𝑓𝑥̃ = 18

ℎ = 50 − 40
ℎ = 10

80
− 37
𝑥̃ = 40 + 2 . 10
18
 40 − 37
𝑥̃ = 40 + . 10
18

3
𝑥̃ = 40 + . 10
18

3.10
𝑥̃ = 40 +
18

30
𝑥̃ = 40 +
18

𝑥̃ = 40 + 1,67

𝑥̃ = 41,67
c) Moda:
∆1
𝑀𝑜 = 𝑙𝑀𝑜 + .ℎ
∆1 + ∆2

Classe 𝑓𝑖 𝑥𝑖 𝐹𝑖
10|-----20 10 15 10 1º ao 10º elemento
20|-----30 12 25 22 11º ao 22º elemento
30|-----40 15 35 37 23º ao 37° elemento
40|-----50 18 45 55 38º ao 55º elemento
50|-----60 14 55 69 56º ao 69º elemento
60|-----70 11 65 80 70° ao 80º elemento
∑ 80

𝑐𝑙𝑎𝑠𝑠𝑒 𝑚𝑜𝑑𝑎𝑙 => 𝑞𝑢𝑎𝑟𝑡𝑎 𝑐𝑙𝑎𝑠𝑠𝑒 => 𝑓4 = 18

𝑐𝑙𝑎𝑠𝑠𝑒 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 𝑎 𝑐𝑙𝑎𝑠𝑠𝑒 𝑚𝑜𝑑𝑎𝑙 => 3ª 𝑐𝑙𝑎𝑠𝑠𝑒

𝑓3 = 15
𝑐𝑙𝑎𝑠𝑠𝑒 𝑝𝑜𝑠𝑡𝑒𝑟𝑖𝑜𝑟 𝑎 𝑐𝑙𝑎𝑠𝑠𝑒 𝑚𝑜𝑑𝑎𝑙 => 5ª 𝑐𝑙𝑎𝑠𝑠𝑒
𝑓5 = 14

∆1 = 𝑓4 − 𝑓3
∆1 = 18 − 15 => ∆1 = 3

∆2 = 𝑓4 − 𝑓5
∆2 = 18 − 14 => ∆2 = 4

𝑙𝑀𝑜 = 40
ℎ = 50 − 40
ℎ = 10
 ∆1
𝑀𝑜 = 𝑙𝑀𝑜 + .ℎ
∆1 + ∆2

3
𝑀𝑜 = 40 + . 10
3+4

3
𝑀𝑜 = 40 + . 10
7
3.10
𝑀𝑜 = 40 +
7
30
𝑀𝑜 = 40 +
7
𝑀𝑜 = 40 + 4,29

𝑀𝑜 = 44,29
Para variáveis contínuas

Média
∑ 𝑥𝑖 . 𝑓𝑖
𝑥̅ =
∑ 𝑓𝑖

Mediana:
𝒏
− 𝑭𝒂𝒏𝒕
̃ = 𝒍𝒙
𝒙 ̃ + 𝟐 .𝒉
𝒇𝒙̃
Moda:
∆1
𝑀𝑜 = 𝑙𝑀𝑜 + .ℎ
∆1 + ∆2
Introdução – Desvio em Relação à Média

Para falarmos da principal medida de dispersão, o desvio padrão,

vamos enunciar antes o seguinte conceito:
Chama-se desvio em relação à medida aritmética a diferença entre
cada elemento de uma série de dados e a média dos elementos dessa
série. Então:

𝑑𝑖 = 𝑥𝑖 − ̅𝑥

Vamos calcular os desvios de cada elemento da série: 3, 6, 7 e 8

em relação à média aritmética.

Temos: x= 3 + 6 + 7 + 8 = 6. Na tabela temos os desvios de cada

elemento. 4

xi 𝑑𝑖 = 𝑥𝑖 − ̅𝑥
3 d1 = 3 – 6 = -3
6 d2 = 6 – 6 = 0
7 d3 = 7 – 6 =1
8 d4 = 8 – 6 =2
di = 0

Com este exemplo podemos verificar a seguinte propriedade: a

soma dos desvios em relação à média aritmética é sempre igual a
zero.
Vamos mostrar estes desvios no seguinte esquema:

d4 = 2

d3 =1

𝑥̅ = 6
d2 = 0

d1 =-3
 As Medidas de Dispersão

As medidas de dispersão avaliam o “espalhamento” ou a dispersão dos dados

em torno da média aritmética, isto é, elas indicam a representatividade da
média.
As medidas de tendência central indicam apenas o centro da distribuição,
mas nada relatam sobre o comportamento geral dos dados.
Consideremos duas séries de dados:
1ª) 3, 4, 5, 6 e 7
2ª) 1, 3, 5, 7 e 9
A média aritmética de ambas é 5, mas na 2ª série os dados estão mais
dispersos em torno da média, então para estas duas séries dizemos que a
média é mais representativa na 1ª série. A figura mostra este fato.

3 4 5 6 7

1ª série

1 3 5 7 9

2ª série

– Amplitude Total

Como já vimos anteriormente a amplitude total é a diferença entre o maior e

o menor valor de uma série de dados. Assim:

R = Xmáx - Xmin

Para o exemplo anterior, temos:

1ª série: R = 7 – 3 = 4 e 2ª série: R = 9 – 1 = 8, assim os dados estão mais
dispersos na 2ª série.
A desvantagem desta medida é levar em consideração apenas os valores
extremos de uma série, desconsiderando os demais elementos. Deste modo
podemos ter séries bastante diferentes e no entanto com a mesma
amplitude.
A amplitude total é utilizada no controle de qualidade, pois as amostras não
apresentam valores extremos muito diferentes.
 Desvio Padrão

De todas as medidas de dispersão, a mais utilizada é o desvio padrão. Esta

medida se baseia nos desvios de cada valor de uma série em relação à média,
considerando (xi – ̅𝑥)2, pois sabemos que a soma desses desvios é igual a
zero. Mostraremos as seguintes fórmulas para o cálculo do desvio padrão:

a) Desvio Padrão – Dados não Agrupados

O Desvio Padrão dos n valores X1, X2,..., Xn de uma variável X é

definido por:

∑(𝑥𝑖 − 𝑥̅ )2
𝜎=√
𝑛

: letra grega “sigma” minúscula.

Exemplo.
Calcule o desvio padrão da série: 3,6, 7 e 8.

Cálculo da média n =4

3 + 6 + 7 + 8 24
𝑥̅ = = =6
4 4
𝑥̅ = 6
𝑥𝑖 𝑥𝑖 -𝑥̅ (𝑥𝑖 − 𝑥̅ )2
3 3-6= -3 (-3)² = 9
6 6–6=0 0² = 0
7 7 - 6=1 1² = 1
8 8 - 6=2 2² = 4
∑ 0 14

∑(𝑥𝑖 − 𝑥̅ )2
𝜎=√
𝑛

∑(𝑥𝑖 − 𝑥̅ )2 = 14

14
𝜎=√
4
 𝜎 = √3,5
𝜎 ≅ 1,9

b) Desvio padrão para dados agrupados.

Se os valores de 𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 de uma variável x ocorrem

com frequências 𝑓1 , 𝑓2 , 𝑓3 , … , 𝑓𝑛 respectivamente, então:

∑(𝑥𝑖 − 𝑥̅ )2 . 𝑓𝑖
𝜎=√
∑ 𝑓𝑖
 1- Variável discreta.

Exemplo:

1- Calcule o desvio padrão da distribuição

𝑥̅ = 8,2
𝑥𝑖 𝑓𝑖 𝑥𝑖 . 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )2 (𝑥𝑖 − 𝑥̅ )2 . 𝑓𝑖
4 3 12 ̅̅̅̅)2 =(−4,2)2=17,64
(4 − 8,2 17,64.3=52,92
6 1 6 ̅̅̅̅)2 =(−2,2)2=4,84
(6 − 8,2 4,84.1=4,84
8 2 16 ̅̅̅̅)2 =(−0,2)2=0,04
(8 − 8,2 0,04.2=0.08
12 4 48 ̅̅̅̅)2 =(3,8)2 =14,44
(12 − 8,2 14,44.4=57,76
∑ 10 82 115,6

∑ 𝑥𝑖 . 𝑓𝑖
𝑥̅ =
∑ 𝑓𝑖

∑ 𝑥𝑖 . 𝑓𝑖 = 82

∑ 𝑓𝑖 = 10

82
𝑥̅ = => 𝑥̅ = 8,2
10
 ∑(𝑥 − 𝑥̅ )2 . 𝑓𝑖
𝜎=√
∑ 𝑓𝑖

∑(𝑥 − 𝑥̅ )2 . 𝑓𝑖 = 115,6

115,6
𝜎=√
10

𝜎 = √11,56

𝜎 ≅ 3,4
 2-Cálculo do desvio padrão para variável contínua

Exemplo:
Calcular o desvio padrão da distribuição de frequência
abaixo:
𝑥𝑖 (𝑝𝑒𝑠𝑜) 𝑓𝑖
0 |----- 10 6
10 |----- 20 8
20 |----- 30 12
30 |----- 40 10
40 |----- 50 9
50 |----- 60 5

CÁLCULO DA MÉDIA
∑ 𝑥𝑖 . 𝑓𝑖
𝑥̅ =
∑ 𝑓𝑖

𝑙𝑖 +𝑙𝑠
𝑥𝑖 =
2
𝑥̅ = 29,6
𝑥𝑖 (𝑝𝑒𝑠𝑜) 𝑓𝑖 𝑥𝑖 𝑥𝑖 . 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )2 (𝑥𝑖 − 𝑥̅ )2 . 𝑓𝑖
0 |---10 6 5 30 (−24,6)2 = 605,16 605,16.6 = 3630,96
10 |---20 8 15 120 (−14,6)2 = 213,16 213,16.8 = 1705,28
20 |---30 12 25 300 (−4,6)2 = 21,16 21,16.12 = 253,92
30 |---40 10 35 350 (5,4)2 = 29,16 29,16.10 = 291,6
40 |---50 9 45 405 (15,4)2 =237,16 237,16.9=2134,44
50 |---60 5 55 275 (25,4)2 = 645,16 645,16.5 = 3225,8
∑ 50 1480 11242
 𝑙𝑖 +𝑙𝑠
𝑥𝑖 = 2
𝑥̅ = 29,6
𝑥𝑖 (𝑝𝑒𝑠𝑜) 𝑓𝑖 𝑥𝑖 𝑥𝑖 . 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )2 (𝑥𝑖 − 𝑥̅ )2 . 𝑓𝑖
0 |---10 6 5 30 605,16 3630,96
10 |---20 8 15 120 213,16 1705,28
20 |---30 12 25 300 21,16 253,92
30 |---40 10 35 350 29,16 291,6
40 |---50 9 45 405 237,16 2134,44
50 |---60 5 55 275 645,16 3225,8
∑ 50 1480 11242

∑ 𝑓𝑖 = 𝑛

𝑙𝑖 + 𝑙𝑠
𝑥𝑖 =
2
CÁLCULO DA MÉDIA
∑ 𝑥𝑖 . 𝑓𝑖
𝑥̅ =
∑ 𝑓𝑖

∑ 𝑥𝑖 . 𝑓𝑖 = 1480

∑ 𝑓𝑖 = 50
 1480
𝑥̅ =
50
𝑥̅ = 29,6

CÁLCULO DO DESVIO PADRÃO

∑(𝑥 − 𝑥̅ )2 . 𝑓𝑖
𝜎=√
∑ 𝑓𝑖

∑(𝑥 − 𝑥̅ )2 . 𝑓𝑖 = 11242

∑ 𝑓𝑖 = 50

11242
𝜎=√
50

𝜎 = √224,84

𝜎 ≅ 14,99
 𝜎
𝐶𝑉 = . 100%
𝑥̅

𝜎 ≅ 14,99
𝑥̅ = 29,6

14,99
𝐶𝑉 = . 100%
29,6

𝐶𝑉 = 0,51.100%

𝐶𝑉 = 51%

Cálculo do desvio padrão em amostra.

Quando trabalhamos com amostra utilizamos n-1 no denominador

das fórmulas do desvio padrão para se conseguir uma estimativa
do desvio padrão da população. Assim as fórmulas serão escritas
do seguinte modo:

∑(𝑥𝑖 − 𝑥̅ )2
𝑠=√ 𝑑𝑎𝑑𝑜𝑠 𝑛ã𝑜 𝑎𝑔𝑟𝑢𝑝𝑎𝑑𝑜𝑠
𝑛−1
 ∑(𝑥𝑖 − 𝑥̅ )2 . 𝑓𝑖
𝑠=√ 𝑝𝑎𝑟𝑎 𝑑𝑎𝑑𝑜𝑠 𝑎𝑔𝑟𝑢𝑝𝑎𝑑𝑜𝑠
𝑛−1

𝑥̅ => 𝑝𝑜𝑝𝑢𝑙𝑎çã𝑜, ̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅

𝜇̅ => 𝑎𝑚𝑜𝑠𝑡𝑟𝑎

Exemplo

Calcular o desvio padrão da seguinte amostra.

𝜇̅ = 14
𝑥𝑖 𝑓𝑖 𝑥𝑖 . 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )2 (𝑥𝑖 − 𝑥̅ )2 . 𝑓𝑖
10 2 20 (−4)2 16.2 = 32
= 16
12 3 36 (−2)2 = 4 4.3 = 12
14 4 56 (0)2 = 0 0.4 = 0
16 2 32 (2)2 = 4 4.2 = 8
18 3 54 (4)2 = 16 16.3 = 48
∑ 14 198 100

CÁLCULO DA MÉDIA
∑ 𝑥𝑖 . 𝑓𝑖
𝑥̅ = = 𝜇̅
∑ 𝑓𝑖

∑ 𝑥𝑖 . 𝑓𝑖 = 198

𝑛 = ∑ 𝑓𝑖 = 14
 198
𝑥̅ =
14
𝑥̅ = 𝜇̅ = 14,14 = 14
CÁLCULO DO DESVIO PADRÃO DA AMOSTRA

∑(𝑥𝑖 − 𝑥̅)2 . 𝑓𝑖 ∑(𝑥𝑖 − 𝑥̅)2 . 𝑓𝑖

𝑠=√ =√
𝑛−1 ∑ 𝑓𝑖 − 1

∑(𝑥𝑖 − 𝑥̅ )2 . 𝑓𝑖 = 100

∑ 𝑓𝑖 − 1 = 𝑛 − 1 = 14 − 1 = 13

100
𝑠=√
13

𝑠 = √7,7

𝑠 ≅ 2,8
Coeficiente de Variação (CV)

Chama-se coeficiente de variação o quociente entre o desvio

padrão e a média aritmética.
Essa medida (CV)é expressa em porcentagem e é dada por:

𝜎
𝐶𝑉 = . 100%
𝑥̅
Exemplo

Os alunos de uma turma possuem estatura média de 165 cm com

desvio padrão de 5,8 cm e o peso médio 58 kg com desvio padrão
de 4,3 kg, que variável dessa turma apresenta maior dispersão
relativa?
̅𝒆 = 𝟏𝟔𝟓 𝒄𝒎, 𝝈𝒆 = 𝟓, 𝟖 𝒄𝒎 => 𝒆𝒔𝒕𝒂𝒕𝒖𝒓𝒂
𝒙

̅𝒑 = 𝟓𝟖 𝒌𝒈, 𝝈𝒑 = 𝟒, 𝟑 𝒌𝒈 ⇒ 𝒑𝒆𝒔𝒐
𝒙

𝜎
𝐶𝑉 = . 100%
𝑥̅
𝜎𝑒
𝐶𝑉𝑒 = . 100%
̅̅𝒆
𝒙
 5,8
𝐶𝑉𝑒 = . 100%
165

𝐶𝑉𝑒 = 0,035.100%

𝐶𝑉𝑒 = 3,5%
𝜎𝑝
𝐶𝑉𝑝 = . 100%
̅̅̅
̅𝒑
𝒙

4,3
𝐶𝑉𝑝 = . 100%
̅58
̅̅̅

𝐶𝑉𝑝 = 0,074.100%

𝐶𝑉𝑝 = 7,4%

𝐶𝑉𝑝 > 𝐶𝑉𝑒

𝑝𝑜𝑟𝑡𝑎𝑛𝑡𝑜 𝑝𝑒𝑠𝑜 𝑑𝑒𝑠𝑠𝑎 𝑡𝑢𝑟𝑚𝑎 𝑝𝑜𝑠𝑠𝑢𝑖 𝑚𝑎𝑖𝑜𝑟 𝑑𝑖𝑠𝑝𝑒𝑟𝑠ã𝑜

Quanto menor o coeficiente de variação (CV)

menos disperso estão os dados em torno da
média, que passa a ser mais representativa do
conjunto de dados.
Logo para o exemplo a distribuição da variável estatura é
mais representativa.

EXERCICIOS:
1- Calcular o desvio padrão para os dados da tabela abaixo:
Número de questões acertadas pelos candidatos de uma
prova de concurso público.

𝑥̅ = 14
𝑥𝑖 questões 𝑓𝑖 nº de 𝑥𝑖 . 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )2 (𝑥𝑖 − 𝑥̅ )2 . 𝑓𝑖
candidatos
10 10 100 (−4)2 160
= 16
12 13 156 (−2)2 = 4 52
14 15 210 (0)2 = 0 0
16 12 192 (2)2 = 4 48
18 10 180 (4)2 = 16 160
∑ 60 838 420

∑(𝑥 − 𝑥̅ )2 . 𝑓𝑖
𝜎=√
∑ 𝑓𝑖
∑ 𝑥𝑖 . 𝑓𝑖
𝑥̅ =
∑ 𝑓𝑖
 ∑ 𝑥𝑖 . 𝑓𝑖 = 838

∑ 𝑓𝑖 = 60

838
𝑥̅ =
60

𝑥̅ = 14 𝑞𝑢𝑒𝑠𝑡õ𝑒𝑠

∑(𝑥 − 𝑥̅ )2 . 𝑓𝑖
𝜎=√
∑ 𝑓𝑖

∑(𝑥 − 𝑥̅ )2 . 𝑓𝑖 = 420

420
𝜎=√ = √7
60

𝜎 = 2,65 𝑞𝑢𝑒𝑠𝑡õ𝑒𝑠
Coeficiente de variação:
𝜎
𝐶𝑉 = . 100%
𝑥̅
 2,65
𝐶𝑉 = . 100%
14

𝐶𝑉 = 0,19.100%
𝐶𝑉 = 19 %
Moda:
𝑚𝑎𝑖𝑜𝑟 𝑓𝑟𝑒𝑞𝑢ê𝑛𝑐𝑖𝑎 𝑓 = 15 𝑐𝑎𝑛𝑑𝑖𝑑𝑎𝑡𝑜𝑠 ⇒ 𝑥 = 14 𝑞𝑢𝑒𝑠𝑡õ𝑒𝑠
𝑙𝑜𝑔𝑜: 𝑀0 = 14 𝑞𝑢𝑒𝑠𝑡õ𝑒𝑠
Mediana:
𝑛 = 60 𝑐𝑎𝑛𝑑𝑖𝑑𝑎𝑡𝑜𝑠 𝑛 => 𝑝𝑎𝑟
𝑛 60
= = 30 𝑒𝑙𝑒𝑛𝑡𝑜 𝑞𝑢𝑒 𝑜𝑐𝑢𝑝𝑎 30ª 𝑝𝑜𝑠𝑖çã𝑜
2 2
𝑎1 = 14
𝑛
+ 1 = 30 + 1 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜 𝑞𝑢𝑒 𝑜𝑐𝑢𝑝𝑎 31ª 𝑝𝑜𝑠𝑖çã𝑜
2
𝑎2 = 14
𝑎1 + 𝑎2
̃=
𝒙
2

14 + 14 28
̃=
𝒙 =
2 2
̃ = 14 𝑞𝑢𝑒𝑠𝑡õ𝑒𝑠
𝒙
 2- Calcular o desvio padrão para os dados da tabela
abaixo:
Altura das alunas deu uma certa escola do ensino médio em
centímetros.

𝑥̅ ≅ 166 𝑐𝑚
𝑥𝑖 (𝑎𝑙𝑡𝑢𝑟𝑎) 𝑓𝑖 𝑥𝑖 𝑥𝑖 . 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )2 (𝑥𝑖 − 𝑥̅ )2 . 𝑓𝑖
150|---154 40 152 6080
154|---158 48 156 7488
158|---162 54 160 8640
162|---166 60 164 9840
166|---170 58 168 9744
170 |---174 56 172 9632
174 |---178 44 176 7744
178 |---182 38 180 6840
∑ 398 66008

𝑓𝑖 => 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑎𝑢𝑙𝑎𝑠 𝑝𝑜𝑟 𝑓𝑎𝑖𝑥𝑎 𝑑𝑒 𝑎𝑙𝑡𝑢𝑟𝑎

𝑙𝑖 + 𝑙𝑠
𝑥𝑖 =
2

150 + 154 304

𝑥1 = = = 152
2 2
154 + 158 312
𝑥2 = = = 156
2 2
 ∑(𝑥 − 𝑥̅ )2 . 𝑓𝑖
𝜎=√
∑ 𝑓𝑖

∑ 𝑥𝑖 . 𝑓𝑖
𝑥̅ =
∑ 𝑓𝑖

∑ 𝑥𝑖 . 𝑓𝑖 = 66008

∑ 𝑓𝑖 = 398

66008
𝑥̅ =
398

𝑥̅ = 165,8492

𝑥̅ ≅ 166 𝑐𝑚
Exercícios

1) Calcular o montante gerado a partir de R$ 1.500,00, quando aplicado à taxa de 5% ao

mês com capitalização mensal, durante 1 ano.

2) Aplicando R$ 800,00 à taxa de juros de 1% ao mês, durante um ano e meio, qual o

valor do montante?

3-Um capital de R$ 300,00 foi aplicado em regime de juros compostos com uma taxa de
10% ao mês. Calcule o Montante desta aplicação após dois meses.
𝐶 = 𝑅$ 300,00, 𝑖 = 10% 𝑎𝑚, 𝑀 =? , 𝑛 = 2 𝑚𝑒𝑠𝑒𝑠

𝑀 = 𝐶. (1 + 𝑖 )𝑛
10
𝑖 = 10% 𝑎𝑚 = => 𝑖 = 0,1 𝑎𝑚
100

𝑀 = 300. (1 + 0,1)2
𝑀 = 300. (1,1)2

𝑀 = 300.1,21
𝑀 = 363
𝑀 = 𝑅$ 363,00

𝑈𝑠𝑎𝑛𝑑𝑜 𝑎 𝐻𝑃 12𝐶

𝑃𝑉 = 𝑅$ 300,00, 𝑖 = 10% 𝑎𝑚, 𝐹𝑉 =? , 𝑛

= 2 𝑚𝑒𝑠𝑒𝑠

𝑃𝑉 < 0
𝐴𝑝𝑙𝑖𝑐𝑎çã𝑜: {
𝐹𝑉 > 0
𝑃𝑉 > 0
𝐸𝑚𝑝𝑟é𝑠𝑡𝑖𝑚𝑜: {
𝐹𝑉 < 0

𝑓𝐶𝑙𝑥 => 𝑙𝑖𝑚𝑝𝑎𝑟 𝑎𝑠 𝑚𝑒𝑚ó𝑟𝑖𝑎𝑠 𝑑𝑎 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜𝑟𝑎

𝑓𝐶𝑙𝑥
 300 𝐶𝐻𝑆 𝑃𝑉 − 300,00
10 𝑖 10,00
2 𝑛 2,00
𝐹𝑉 363

𝐹𝑉 = 𝑀

𝑀 = 𝑅$ 363,00

4-Um dono de empresa consegue um empréstimo de R$ 30.000,00 que deverá ser pago,
no fim de um ano, acrescidos de juros compostos de 3% ao mês. Quanto o dono da
empresa deverá pagar ao final do prazo estabelecido.

5) Calcule o capital que aplicado à taxa composta de 4% a.m. dará origem a um montante
de R$ 4.650,00 no fim de 08 meses.

6) Calcule o valor do capital que, aplicado a uma taxa de 2% ao mês, rendeu em 10 meses
a quantia de R$ 15.237,43?

7) Fernando empresta o capital inicial de R$ 4000,00 (quatro mil reais) para Pedro
cobrando juros compostos de 4% ao mês. Pedro prometeu pagar tudo após 5 meses. Qual
será o valor que ele terá que pagar?

Resolver os exercícios acimas de 1 ao 7 a base de juros simples composto

8) Um título de valor nominal de R$ 25.000,00 é descontado 2 meses antes do

seu vencimento, à taxa de juros simples de 2,5% ao mês. Qual o desconto
racional? Resposta: R$ 1.190,48

9) Um título de valor nominal de R$ 25.000,00 é descontado 2 meses antes do

seu vencimento, à taxa de juros simples de 2,5% ao mês. Qual o desconto
comercial? Resposta: R$ 1.250,00

10) Qual o valor do desconto comercial simples de um título de R$ 3.000,00, com

vencimento para 90 dias, à taxa de 2,5% ao mês? Resposta: R$ 225,00
12) Qual a taxa mensal simples de desconto utilizada numa operação a 120 dias
cujo valor nominal é de R$ 1.000,00 e o valor líquido de R$ 880,00?
Resposta: 3% am

13- Um título de valor nominal R$ 8.800,00 é pago dois meses antes do

vencimento com desconto comercial composto a uma taxa de 5% ao
mês. Calcule valor descontado e o valor atual do título.
14- Uma duplicata tem valor nominal de R$ 4.000,00 e vencerá daqui
a dois meses.
Se ela for descontada hoje pelas regras do desconto racional
composto, à taxa de desconto de 10% ao mês, determine o valor atual
do título.
15- Um título foi descontado dois meses antes de seu vencimento,
com taxa de desconto composto igual a 20% ao mês. Como o
desconto foi comercial, o valor atual correspondeu a R$ 1.843,20.
Determine o valor atual do título caso o desconto tivesse sido racional.

LISTA DE EXERCÍCIOS SOBRE DESVIO PADRÃO

01) Uma cerâmica fabrica tijolos de acordo com a norma de um grande cliente.
A norma estabelece que os tijolos devem suportar no mínimo uma força de
compressão média de 10 kg/cm2 e que o desvio padrão não deve ser
superior a 5% da média. Num ensaio realizado em um lote de tijolos pelo
Engenheiro da Qualidade do cliente, foram registrados os seguintes dados
de uma amostra de 6 tijolos, para sua resistência à compressão em kg/cm 2:
12; 11; 10; 9; 8,5 e 11,5. Nestas condições, o Engenheiro da Qualidade
aprovará ou reprovará o lote de tijolos?

02) Num determinado processo de fabricação foram feitas 50 observações de

uma característica de qualidade, resultando nas seguintes medidas de
espessura em milímetros. A especificação para este processo é de 90 
20mm.

95 87 110 113 85 78 92 101 115 78

81 81 61 109 103 73 74 122 60 102
101 66 109 77 93 91 84 114 87 107
93 74 112 100 80 102 95 115 81 94
99 124 93 60 93 93 108 90 94 66
Pede-se:
a) A distribuição de frequência começando por 55 e adotando o intervalo de
classe igual a 10
b) As frequências absolutas: simples e acumulada
c) As frequências relativas: simples e acumulada
d) A média e o desvio padrão do processo

𝑋𝑚𝑖𝑚 = 60 𝑋𝑚á𝑥 = 124

𝑥𝑖 (𝑎𝑙𝑡𝑢𝑟𝑎) 𝑓𝑖 𝐹𝑖 𝑓𝑟𝑖 𝐹𝑟𝑖 𝑓𝑟𝑖 . 100% 𝐹𝑟𝑖 . 100%
55|---65 3 3 0,06 0,06 6,00 6,00
65|---75 5 8 0,10 0,16 10,00 16,00
75|---85 8 16 0,16 0,32 16,00 32,00
85|---95 13 29 0,26 0,58 26,00 58,00
95|---105 8 37 0,16 0,74 16,00 74,00
105 |---115 9 46 0,18 0,92 18,00 92,00
115 |---125 4 50 0,08 1,00 8,00 100,00

∑ 50 1,00 100

𝐹𝑖 = 𝐹𝑖−1 + 𝑓𝑖
𝑓 𝑓𝑖
𝑓𝑟𝑖 = ∑ 𝑖 ou 𝑓𝑟𝑖 =
𝑓𝑖 𝑛
𝐹 𝐹𝑖
𝐹𝑟𝑖 = ∑ 𝑖 ou 𝐹𝑟𝑖 =
𝑓𝑖 𝑛

95 87 110 113 85 78 92 101 115 78

81 81 61 109 103 73 74 122 60 102
101 66 109 77 93 91 84 114 87 107
93 74 112 100 80 102 95 115 81 94
99 124 93 60 93 93 108 90 94 66
03) João deseja calcular a média das notas que tirou em cada uma das quatro
matérias a seguir. Calcule a média ponderada de suas notas, sendo que as
duas primeiras provas valem 2 pontos e as outras duas valem 3 pontos:

Inglês
1ª prova 3,5
2ª prova 7,8
3ª prova 9,3
4ª prova 5,1

Português
1ª prova 7,8
2ª prova 8,3
3ª prova 3,5
4ª prova 8,2

04) No conjunto de dados abaixo, calcular a média aritmética e média aparada,

com m = 390, 100, 330, 350, 400, 520, 99, 22, 37, 2, 610, 730, 800, 1500,
1700, comente o resultado entre as médias.

05) Demonstre através de cálculos a posição da mediana nos dados informados:

a) 25, 74, 65, 12, 33, 3, 76, 40, 56

b) 45, 12, 100, 05, 34, 2, 09, 19, 29, 1

06) Um levantamento dos preços à vista de gasolina e de álcool, em alguns

postos da cidade, está mostrado na tabela abaixo (em R$).
 Gasolina 2,61 2,64 2,56 2,61 2,60 2,58
Álcool 1,90 1,79 1,88 1,81 1,88 1,84

a) Qual é a média, o desvio padrão e o coeficiente de variação dos preços

de cada combustível?

b) Qual é o combustível que tem seus preços mais homogêneos?

07) A passagem de 11 veículos por uma barreira eletrônica, em uma rodovia,

registrou as velocidades abaixo (em km/h).
53 45 46 49 46 77 54 48 41 46 56
a) Determine sua média, desvio padrão e o coeficiente de variação.

b) Se esta barreira eletrônica foi regulada dando um desconto de 5 km/h

nas velocidades dos veículos, qual é a verdadeira média?

08) Desvio Médio para o conjunto de dados abaixo será:

xi Fi
5 2
7 3
8 5
9 4
11 2

a) ( ) 1,28 c) ( ) 1,00
b) ( ) 1,20 d) ( ) 0,83