10.

o ANO | MATEMÁTICA A

RESUMOS
ESTATÍSTICA

ANTÓNIO LEITE | 2025

ANTÓNIO LEITE 10.o ANO | ESTATÍSTICA

ESTATÍSTICA

População e amostra
• População é um conjunto de elementos, designados por unidades estatísticas, que podem ser

A
pessoas, animais, instituições, objetos físicos, resultados experimentais, com uma ou mais
características em comum, que se pretendem analisar.

• Amostra é um subconjunto da populção formado por unidades estatísticas que se observam

H
com o objetivo de obter informações para estudar a(s) característica(s) pretendida(s).

• A dimensão da amostra é o número de unidades estatísticas a ela pertencentes.

P
• Censo: são recolhidos dados sobre todos os elementos da população.

• Sondagem: são recolhidos dados sobre uma parte da população, a amostra, e generalizam-se
conclusões para a restante parte da população.

Fases de um procedimento estatístico

– Produção ou aquisão de dados;
L
A
– Organização e representação de dados;

– Interpretação tendo por base as representações obtidas.

O

• Os métodos para a seleção de amostras, devem ser no sentido de que estas sejam represen-
tativas das populações subjacentes, de modo a evitar amostras enviesadas cujo estudo deve
N

inferir conclusões erradas para as populações.

Exemplos de amostras enviesadas: amostras por conveniência e amostras de resposta voluntária.

• Diferentes tipos de amostragem: aleatória simples, aleatória sistemática e estratificada ou

A

proporcional.

Dados univariados. Dados quantitativos discretos ou contínuos

L

• Variável discreta: assume um número finito ou infinito numerável de valores distintos e a

observação assume a forma de uma contagem.

• Variável contínua: assume qualquer valor num intervalo de número reais e a observação
P

assume a forma de uma medição.

1
ANTÓNIO LEITE 10.o ANO | ESTATÍSTICA

Organização de dados
• A frequência absoluta é o número de vezes que um valor (número ou modalidade) é obser-
vado.

A
• A frequência relativa é igual ao quociente entre a respectiva frequência absoluta e o número
de dados.

• A frequência absoluta acumulada correspondente ao máximo do conjunto de dados é igual

H
ao número de dados.

• A frequência relativa acumulada correspondente ao máximo do conjunto de dados é igual

a 1.

P
Organizar e representar a informação contida em dados quantitativos discretos e contínuos
pode ser feita recorrendo a tabelas de frequências absolutas, absolutas acumuladas, relativas e
relativas acumuladas.
Pode, ainda, recorrer-se a representações gráficas adequadas, como, por exemplo, gráficos de

L
barras, diagramas de caule-e-folhas e diagramas de extremos e quartis.

Histograma
A
É um diagrama de áreas, em que para a sua construção é necessária uma organização prévia
dos dados em classes na forma de intervalo.
São constituídos por retângulos, em que um dos lados coincide com a marcação das classes
O

no eixo horizontal e a área de cada retângulo corresponde à frequência absoluta ou relativa da

respetiva classe.

Medidas de Localização
N

• A moda de uma conjunto de dados quantitativos ou qualitativos é a categoria (ou a classe)

que tem maior frequência absoluta.
Classificação da moda:
A

– amodal: todos os valores têm igual frequência absoluta;

– unimodal: existe um e um só valor (ou modalidade) com maior frequência;
L

– bimodal: existem exatamente dois valores (ou modalidades) que têm maior frequência
absoluta;
– plurimodal: existem mais de dois valores (ou modalidades) com frequência absoluta
maior que outro ou outros.
P

• Média aritmética (𝑥)̄ é dada por

𝑥1 + 𝑥 2 + ⋯ + 𝑥 𝑛
𝑥̄ = ,
𝑁

2
ANTÓNIO LEITE 10.o ANO | ESTATÍSTICA

onde 𝑥1 + 𝑥2 + ⋯ + 𝑥𝑛 é a soma de todos dados e 𝑁 é o número total de dados. Ou então:

𝑛1 𝑥1 + 𝑛2 𝑥2 + ⋯ + 𝑛𝑘 𝑥𝑘
𝑥̄ = ,
𝑁
em que a variável toma 𝑘 valores distintos, 𝑥1 , 𝑥2 , … 𝑥𝑘 são os valores da variável, 𝑛1 , 𝑛2 , … , 𝑛𝑘
são os respetivos valores da frequência absoluta e 𝑁 é o número total de dados.

A
Quando os dados estão agrupados em classes na forma de intervalo de número reais determina-
se um valor aproximado da média aritmética recorrendo a um representante de cada classe,

H
a marca da classe, e em seguida procede-se como se os dados não estivessem agrupados.

• Marca da classe:
Sendo [𝑎, 𝑏[ uma classe, a sua marca é igual a 𝑎+𝑏
2
.

P
• Mediana (𝑥)̃

– Se o número de dados é ímpar, a mediana é o valor do dado que ocupa a posição central,

L
quando estes estão ordenados por ordem crescente ou decrescente.
– Se o número de dados é par, a mediana é a média artimética dos dois dados que ocupam
as posições centrais, quando estes estão ordenados por ordem crescente ou decrescente.
A
• Percentis

– Percentil de ordem 𝑘 (𝑃𝑘 )

Seja 𝑥1 , 𝑥2 , … , 𝑥𝑛 uma amostra ordenada de dimensão 𝑛 e 𝑘 um número inteiro tal que
1 ≤ 𝑘 ≤ 100. Assim, 𝑃𝑘 é um número tal que:
O

! Pelo menos 𝑘% dos elementos da amostra são menores ou iguais a 𝑃𝑘 ;

! No mínimo (100 − 𝑘)% dos elementos da amostra são superiores a 𝑃𝑘 .
N

– Como calcular percentis?

Tomamos, como exemplo, uma amostra de dimensão 20.
! Calculamos 𝑃30 .
Ora 30% de 20 são 6, como 6 é um número inteiro, então 𝑃30 =
𝑥6 +𝑥7
A

2
.
! Calculamos agora 𝑃72 .
Ora 72% de 20 são 14.4, como 14.4 não é um número inteiro, o percentil é o valor
do dado de ordem igual ao número inteiro seguinte, isto é 15, portanto 𝑃72 = 𝑥15 .
L

– O 1º quartil é o 𝑃25 .
– O 2º quartil é o 𝑃50 ou 𝑥.̃
– O 3º quartil é o 𝑃75 .
P

3
ANTÓNIO LEITE 10.o ANO | ESTATÍSTICA

Medidas de dispersão
• A amplitude de um conjunto de dados é igual à diferença entre o maior valor e o menor
valor desse conjunto de dados.

A
• A amplitude interquartil é igual à diferença entre o 3º quartil e o 1º quartil.

• Desvio padrão (amostral) representa-se por 𝑠 e é tal que:

(𝑥1 − 𝑥)̄ 2 + (𝑥2 − 𝑥)̄ 2 + ⋯ + (𝑥𝑛 − 𝑥)̄ 2

𝑠=√

H
𝑛−1

A variância é igual a 𝑠2 .

P
Propriedades das medidas
• Dado um conjunto de dados cuja média é 𝑥,̄ ao adicionarmos 𝑘 a cada um dos dados, obtém-
se um novo conjunto de dados em que a média é igual a 𝑥 ̄ + 𝑘.

L
• Dado um conjunto de dados cuja média é 𝑥,̄ ao multiplicarmos cada dado por 𝑘, obtém-se
um novo conjunto de dados em que a média é igual a 𝑘 × 𝑥.̄

• Numa amostra 𝑥1 , 𝑥2 , … , 𝑥𝑛 de dimensão 𝑛 e média 𝑥,̄ a soma dos desvios 𝑥𝑖 − 𝑥,̄ 𝑖 = 1, 2, … , 𝑛

A
é igual a zero.
(𝑥1 − 𝑥)̄ + (𝑥2 − 𝑥)̄ + ⋯ + (𝑥𝑛 − 𝑥)̄ = 0
O

• Quanto maior for o desvio-padrão, maior é a dispersão de dados.

• O desvio padrão é igual a zero quando todos os dados são iguais, isto é, quando não há
variabilidade.
N

• A amplitude interquartil igual a zero não implica a não existência de variabilidade.

• Sejam 𝑥1 , 𝑥2 , … , 𝑥𝑛 , os dados de uma amostra de dimensão 𝑛 e desvio padrão 𝑠

Se 𝑎 é um número real, não nulo, tem-se:
A

– a amostra 𝑥1 +𝑎, 𝑥2 +𝑎, … , 𝑥𝑛 +𝑎 tem desvio padrão 𝑠, ou seja, o desvio padrão mantém-se
inalterado.
– a amostra 𝑎𝑥1 , 𝑎𝑥2 , … , 𝑎𝑥𝑛 , tem desvio padrão igual a |𝑎| × 𝑠, ou seja, o desvio padrão é
L

alterado.
P

4
ANTÓNIO LEITE 10.o ANO | ESTATÍSTICA

Dados bivariados
• Dados quantitativos: para estudar a associação entre duas variáveis quantitativas de uma po-
pulação, observam-se essas variáveis sobre cada unidade estatítisca, obtendo-se uma amos-
tra de pares ordenados.

A
• Diagrama de dispersão (nuvem de dispersão): é uma representação gráfica em que cada par
(𝑥𝑖 , 𝑦𝑖 ) é representado por um ponto de coordenadas (𝑥, 𝑦) num sistema de eixos coordena-
dos.

H
No eixo das abcissas representa-se a variável independente e no eixo das ordenadas a variá-
vel dependente, como habitualmente.

• Coeficiente de correlação linear (𝑟) e é tal que:

P
(𝑥1 − 𝑥)(𝑦
̄ 1 − 𝑦)̄ + (𝑥2 − 𝑥)(𝑦
̄ 2 − 𝑦)̄ + ⋯ + (𝑥𝑛 − 𝑥)(𝑦
̄ 𝑛 − 𝑦)̄
𝑟=
√(𝑥1 − 𝑥)̄ 2 + (𝑥2 − 𝑥)̄ 2 + ⋯ + (𝑥𝑛 − 𝑥)̄ 2 × √(𝑦1 − 𝑦)̄ 2 + (𝑦2 − 𝑦)̄ 2 + ⋯ + (𝑦𝑛 − 𝑦)̄ 2

Note-se que 𝑟 ∈ [−1, 1].

L
– Se 𝑟 < 0, diz-se que há correlação negativa. Portanto, à medida que uma variável au-
menta, a outra diminui. Quanto mais próximo de −1 for o valor de 𝑟, maior é a corre-
A
lação.
– Se 𝑟 = 0, a correlação é nula.
– Se 𝑟 > 0, diz-se que há correlação positiva. Portanto, à medida que uma variável au-
menta, a outra também aumenta. Quanto mais próximo de 1 for o valor de 𝑟, maior é a
O

correlação.
– Se 𝑟 = −1 ou 𝑟 = 1, os pontos do diagrama de dispersão estão sobre uma reta. Essa reta
tem declive negativo se 𝑟 = −1 e declive positivo se 𝑟 = 1.
N

• Reta de regressão
No caso do diagrama de dispersão mostrar uma forte associação linear entre as variáveis,
A

essa associação pode ser descrita pela reta de regressão ou reta dos mínimos quadrados.
Normalmente, a equação dessa reta de regressão linear pode ser obtida usando a tecnologia,
por exemplo, uma calculadora gráfica.

• Gráfico de linhas
L

É um caso particular de um diagrama de dispersão em que se pretende estudar a evolução

de uma das variáveis relativamente a outra variável, de um modo geral o tempo, e em que
se unem, por linhas, os pontos representados.
P