Percurso de

Aprendizagem
|||||||||||||||||||||||||||| Unidade 1

Ferramentas
Estatísticas
Elementos Básicos de Estatística
Desenvolvimento do material
Regiane Santanna

Copyright © 2024, Afya.

Nenhuma parte deste material poderá ser reproduzida,
transmitida e gravada, por qualquer meio eletrônico,
mecânico, por fotocópia e outros, sem a prévia
autorização, por escrito, da Afya.

Elementos Básicos
de Estatística
Para Início de Conversa... ............................... 3

Pontos de Aprendizagem ............................... 4

Aprofundando os pontos ............................... 4

Tema 1 – Conceitos Básicos da Estatística
e Representação Gráfica e Importância
da Estatística para a gestão ................... 4
Tema 2 – População, Amostra
e Variáveis ................................................... 11
Tema 3 – Tipos de Gráficos e
Tipos de Tabelas ....................................... 18

Teoria na Prática ............................................. 37

Sala de Aula ...................................................... 38

Infográfico ......................................................... 38

Direto ao Ponto ............................................... 39

Referências ....................................................... 40
1 Para Início de Conversa...
Seja bem-vindo (a) à disciplina Ferramentas Estatísticas. Será um prazer
tê-lo (a) por aqui. Esperamos contribuir para o aprimoramento de seu
aprendizado com qualidade, de forma crítica e, sobretudo, respondendo às
suas necessidades enquanto estudante e profissional do mercado.

A Estatística é um ramo da Matemática que desenvolve técnicas para

a coleta, organização, descrição, análise e interpretação de dados
para nos auxiliar na tomada de decisões. Ela se divide em 3 áreas:
descritiva, probabilidade e inferencial.

A estatística descritiva foca na descrição e resumo dos dados

coletados. Como ferramenta utiliza as medidas de tendência
central (como média, mediana e moda), as medidas de dispersão
(como variância e desvio padrão), gráficos e tabelas para
organizar e visualizar os dados. Já a estatística inferencial
utiliza métodos para fazer inferências ou previsões sobre
uma população com base em uma amostra dos dados.
Inclui técnicas como estimativas pontuais, intervalos de
confiança, testes de hipóteses, regressão e análise de
variância (ANOVA).

A estatística é uma ferramenta primordial para

qualquer área que queira analisar dados para a
tomada de decisão. Por exemplo, utilizamos
a estatística fazendo compilações de dados
sobre vendas totais, vendas por vendedor,
vendas por mês, produção de uma indústria
em determinado período, salários médios
dos funcionários de uma empresa, dentre
outros tantos dados que nos auxiliam
para tomar diversas conclusões e
análises. As estatísticas trazem
condições de planejar ações futuras,
como campanha de marketing,
decisão sobre compra e venda,
entre outros e também informa se a
empresa está crescendo.

Esperamos que você possa aproveitar

o material aqui presente e usá-lo
como pontapé inicial para o estudo da
estatística, conhecimento cada vez mais
essencial para a vida profissional.

Ferramentas Estatísticas 3
2 Pontos de Aprendizagem
Os elementos básicos de estatística envolvem conceitos e técnicas fundamentais que
permitem coletar, organizar, analisar e interpretar dados.

Nesse sentido, atente-se à parte de coleta de dados, que é a primeira etapa do processo
estatístico e envolve a obtenção de informações necessárias para a análise; observe
que a precisão e a relevância dos dados coletados são cruciais para garantir resultados
válidos e úteis. Por isso, analise bem os tipos de amostragens existentes para escolher
aquele que melhor se enquadra na sua pesquisa.

Direcione sua atenção também aos tipos de variáveis existentes, pois identificar as
variáveis importantes para o estudo garante que os dados coletados sejam relevantes e
úteis para responder às perguntas de pesquisa. Além de, quando focamos nas variáveis
que de fato expressam nossa pesquisa, evitamos a coleta de dados desnecessários que
só geram custo e tempo a mais.

Por fim, atente-se à organização desses dados, que também é muito importante, pois é
quando de fato vamos começar a tirar conclusões de nossa pesquisa, então saber como
montar uma tabela de distribuição de frequência e qual gráfico escolher para melhor
representar seus dados será crucial no processo estatístico.

3 Aprofundando os pontos
O tema que tem revolucionado o mercado de trabalho ultimamente é o Big Data. Esse
termo se refere a conjuntos de dados extremamente grandes e complexos que não
podem ser facilmente processados com ferramentas tradicionais de processamento
de dados. Esses conjuntos de dados geralmente têm variedade, volume e velocidade
significativos, conhecidos como os “três V’s” do big data.

O conceito de big data surgiu no início dos anos 2000, embora o termo tenha sido
popularizado posteriormente. O crescimento exponencial da quantidade de dados
gerados por dispositivos digitais, redes sociais, transações online, sensores e outras
fontes contribuiu para o surgimento desse conceito. Organizações em diversos setores
começaram a perceber o potencial desses grandes conjuntos de dados para obter
insights valiosos, tomar decisões informadas e criar valor.

Tema 1 – Conceitos Básicos da Estatística

e Representação Gráfica e Importância da
Estatística para a gestão
A Estatística é utilizada em várias áreas do conhecimento como nas Ciências Sociais e
Humanas. Por exemplo, na pesquisa em psicologia, sociologia, economia, entre outras,

Ferramentas Estatísticas 4
para entender comportamentos e tendências. Na área da Medicina e Saúde Pública
emprega o uso da estatística na análise de dados epidemiológicos, ensaios clínicos e
estudos de saúde pública. Em áreas como Engenharias e Ciências Naturais se aplica
no controle de qualidade, experimentos científicos e análise de dados ambientais. Já
no ramo dos Negócios e Marketing, ela se faz útil na pesquisa de mercado, análise
de dados de vendas e otimização de estratégias empresariais. Também é desfrutada
no Governo e Políticas Públicas para o planejamento urbano, censos populacionais e
desenvolvimento de políticas públicas baseadas em dados.

A estatística também é essencial na previsão e no planejamento, ajudando a prever

tendências futuras e a planejar ações estratégicas. Em um ambiente empresarial
competitivo, a capacidade de prever demandas de mercado, identificar oportunidades
emergentes e mitigar riscos é um diferencial significativo, e a estatística fornece as
ferramentas necessárias para essas atividades.

Por fim, a estatística é uma ferramenta essencial para transformar dados em

informações úteis e é aplicada em praticamente todas as áreas do conhecimento
humano, auxiliando na compreensão e na resolução de problemas complexos.

Objetivos de Aprendizagem:
▪ Identificar uma pesquisa censitária e amostral;
▪ Descrever os diferentes tipos de gráficos e tabelas;
▪ Categorizar dados qualitativos e quantitativos;
▪ Reconhecer a importância da estatística no ambiente corporativo.

Conteúdo:
Imagine que você está escolhendo sua roupa para ir ao trabalho no dia seguinte.
Embora pareça uma escolha simples e rotineira, decidir como se vestir envolve
considerar vários fatores. Por exemplo: tenho algum compromisso particular na hora
do almoço? Participarei de reuniões com clientes de perfis específicos? Quando sair do
trabalho, acompanharei os colegas em um happy hour? O dia está quente ou frio? Irá
chover em algum momento do dia ou fará sol o dia inteiro?

É apenas depois de mapear todas essas possibilidades que uma pessoa está apta a
fazer a escolha de roupas mais acertada, ou seja, se vestirá da maneira mais apropriada
para a realização de todas as tarefas do dia. Há aqueles que decidem sua roupa de
acordo com seu humor, sem levar em consideração as variáveis apontadas acima, o que
é uma possibilidade plausível.

Entretanto, tomar a decisão dessa forma faz com que a chance de decidir
erroneamente seja muito maior, o que causará diversos problemas. Já pensou
participar de uma reunião vestido de maneira muito formal com um cliente que preza
pela descontração? Ou o contrário? Se uma frente fria chega na sua cidade e você
está usando roupas de calor, você correrá o risco, inclusive, de ficar doente. Como,
então, tomar decisões mais acertadas?

Ferramentas Estatísticas 5
Uma maneira de responder a essa pergunta tem a ver com dados, afinal, de forma
rápida e simples, se você consultasse um site de meteorologia, ou até mesmo assistisse
o quadro meteorológico do jornal, sua decisão enquanto a forma de se vestir seria
muito menos passível de erros. Este é um exemplo simples de como podemos usar
dados para tomar decisões melhores. Há diversas outras decisões rotineiras que são
facilmente facilitadas com o acesso a dados.

Transportando essa discussão ao mundo corporativo, ambiente no qual cada decisão

errada pode ser catastrófica para os negócios, fica claro que qualquer decisão, por
mais simples que possa parecer, precisa ser tomada da forma correta, ou seja, sem
muito espaço para erros. Nesse sentido, de que forma podemos usar os dados a nosso
favor? Como minimizar os riscos? Um dos nomes que estudou o processo de tomada de
decisão é Daniel Kahneman.

Daniel Kahneman, falecido em 2024, era um psicólogo e professor israelense radicado

nos Estados Unidos. Seu nome ganhou destaque, principalmente, devido ao seu
trabalho pioneiro na psicologia cognitiva e economia comportamental, pelo qual ele
foi laureado com o Prêmio Nobel de Economia em 2002. Sua pesquisa revolucionou a
compreensão de como as pessoas tomam decisões e avaliam o risco, desafiando muitos
pressupostos da teoria econômica tradicional.

Kahneman é mais conhecido por seu trabalho com o colega Amos Tversky sobre
heurísticas e vieses cognitivos, que são atalhos mentais e distorções de julgamento
que afetam a tomada de decisões das pessoas. Eles demonstraram que os indivíduos
muitas vezes não são tão racionais quanto supostamente seriam de acordo com os
modelos econômicos clássicos. Em vez disso, muitas vezes agem de maneiras previsíveis
e sistemáticas, suscetíveis a uma série de influências psicológicas e sociais.

Seu livro “Rápido e Devagar: duas formas de pensar” sintetiza décadas de pesquisa e
se tornou um best-seller internacional, popularizando suas ideias e teorias para um
público mais amplo. Kahneman é considerado uma figura influente não apenas na
academia, mas também entre os profissionais de diversas áreas, incluindo economia,
finanças, negócios e política, impactando significativamente a compreensão do
comportamento humano e a tomada de decisões em diferentes contextos.

Sua pesquisa, de forma resumida, demonstrou que há dois sistemas segundo os quais
uma decisão é tomada:

Ferramentas Estatísticas 6
Segundo Kahneman, dirigir um carro por uma rua vazia é um conjunto de decisões
do sistema 1, ao passo que se vestir é uma decisão do sistema 2. Interessa-nos, aqui,
focar no sistema 2, pois, em se tratando de carreiras da área da gestão, tomaremos
decisões do tipo 2 na maior parte do tempo. Sendo assim, há três formas de tomar
decisões do tipo 2.

Modo Criativo-Aleatório

O Modo Criativo-Aleatório é uma abordagem ou estado mental em que se busca gerar

ideias e soluções de forma espontânea e sem seguir um padrão pré-estabelecido. Nesse
modo, a criatividade é explorada de maneira livre, permitindo a combinação inusitada
de conceitos e a abertura para novas possibilidades.

No exemplo da escolha sobre se vestir, seria o equivalente a acordar para trabalhar, abrir
o armário e pegar a primeira roupa que sua mão alcançar. A aleatoriedade contribui para
a quebra de barreiras convencionais, estimulando a inovação e o pensamento fora da
caixa. Esse método é frequentemente utilizado em brainstorming, processos artísticos e na
resolução de problemas complexos, onde a originalidade e a flexibilidade são essenciais.

Modo Processual-Estruturado

O Modo Processual-Estruturado é uma abordagem ou estado mental caracterizado por

seguir um conjunto claro de etapas ou regras para alcançar um objetivo específico.
Nesse modo, a ênfase está na ordem, no planejamento e na sistematização das
atividades. Cada etapa do processo é bem definida, e as ações são executadas de
maneira sequencial, garantindo consistência e controle ao longo do caminho.

No exemplo da escolha sobre se vestir, seria equivalente a analisar como está o

clima pela janela e checar a agenda de forma a escolher uma roupa que condiga
com o cenário proposto. Essa abordagem é amplamente utilizada em ambientes que
exigem precisão e previsibilidade, como na gestão de projetos, na implementação de
metodologias científicas e em processos industriais. O objetivo é alcançar resultados
de maneira eficiente e eficaz, minimizando erros e incertezas.

Modo Analítico-Sistematizado

O Modo Analítico-Sistematizado é uma abordagem ou estado mental caracterizado

pela análise detalhada e organizada de informações e dados. Nesse modo, a ênfase
está na compreensão minuciosa dos componentes de um problema ou situação,
utilizando métodos lógicos e sistemáticos para avaliar relações, identificar padrões e
derivar conclusões.

No exemplo da escolha sobre se vestir, seria equivalente a, na noite anterior, antes

de dormir, checar as condições meteorológicas e analisar todos os compromissos do
dia seguinte. Feito isso, escolher a roupa e deixá-la arrumada para a manhã seguinte.
A abordagem analítica-sistematizada é frequentemente utilizada em campos como a
pesquisa científica, a engenharia e a tomada de decisões empresariais, onde é crucial

Ferramentas Estatísticas 7
obter insights precisos e fundamentados. O objetivo é decompor complexidades em
partes manejáveis, aplicar raciocínio crítico e alcançar soluções bem fundamentadas e
consistentes.

Para a tomada de decisões o melhor é o Modo Analítico-Sistematizado pela precisão

e rigor, pois minimiza a probabilidade de erros, por ser baseado em dados, pela
identificação de padrões e relações, permitindo a compreensão mais profunda dos
fatores que influenciam na decisão, pela redução de riscos e eficiência. Porém, demanda
muita energia e sistemas com alto índice de processamento que acabam falhando ao
rodar muitos dados. É a famosa tela azul do seu computador.

Curioso é notar que humanos também entram em um estado de “tela azul” na medida
em que somos bombardeados por informações e dados todos os dias, o tempo inteiro.
Note que muitas pessoas já passaram pela experiência de passar horas navegando por
plataformas de streaming para escolher algo, seja um filme ou uma série, para, no fim,
acabar não escolhendo nada.

Situação semelhante acontece com restaurantes self-service. Quando há muitas opções

disponíveis, tendemos a encontrar muito mais dificuldade para escolher as comidas que
queremos. Se a opção fosse entre pizza ou churrasco, a maioria das pessoas tomaria a
decisão rapidamente. Nesse sentido, dados não são sinônimo de facilidade na hora do
processo de tomada de decisão. Chega-se assim, a um impasse: como mapear todas as
informações e todos os dados? Como organizá-los de forma a ter em mãos de forma
rápida e prática aqueles que serão usados para tomar decisões?

Atualmente, vivemos uma fase em que dados são gerados de forma abundante por
qualquer aparelho conectado à internet. A quantidade de dados na nuvem vem
crescendo de forma acelerada, sendo projetada uma quantidade de 163 ZB de dados
na nuvem até 2025. Um zettabyte equivale a 10 trilhões de terabytes, o que mostra
que estamos lidando com um alto volume de dados. É o que chamamos de Big Data,
ou seja, dados que crescem em um volume, variedade e velocidade muito grandes. O
problema é que qualquer computador, por mais potente que seja, consegue processar
apenas 3% de todos esses dados disponíveis.

Entendendo a importância dos dados no processo de tomada de decisão e que essas

decisões são fatais em se tratando do ambiente corporativo, percebe-se que a escolha
dos 3% dos dados que serão processados precisa ser feita de forma certeira.

Note que sequer estamos falando da interpretação e análise desses dados. Estamos
enfrentando problemas na etapa anterior: de todos os dados disponíveis, só
conseguimos analisar e interpretar 3% deles, preciso escolher esses 3% da forma
correta. É aqui que entra a ciência de dados.

A ciência de dados é um campo interdisciplinar que utiliza métodos, processos,

algoritmos e sistemas para extrair conhecimento e insights de dados estruturados e não
estruturados. Envolve várias disciplinas, incluindo estatística, matemática, computação
e conhecimento específico do domínio para analisar e interpretar dados, transformando-
os em informações acionáveis. A ciência de dados abrange várias etapas, desde a coleta

Ferramentas Estatísticas 8
e preparação de dados até a análise e visualização, com o objetivo final de auxiliar na
tomada de decisões baseadas em dados.

É a partir da ciência de dados que podemos processar uma quantidade maior e melhor
de dados. Tal processo faz com que a tomada de decisão dentro de empresas seja
facilitada e é por isso que, atualmente, qualquer empresa oferece altos salários para
seus funcionários do setor de análise de dados.

A estatística, por fim, se faz presente numa etapa seguinte à discutida acima. Ou
seja, a partir do momento em que os cientistas de dados fazem o processamento da
base, cabe ao estatístico interpretá-los. Tirar dali as verdadeiras informações que,
esperançosamente, virarão conhecimento.

A estatística desempenha um papel fundamental em carreiras na área de gestão por

várias razões, conforme o Quadro 1.

Tomada de Decisão A gestão eficaz requer decisões informadas, e a estatística

Baseada em Dados fornece as ferramentas necessárias para analisar dados e
extrair insights significativos. Isso permite que os gestores
tomem decisões fundamentadas sobre questões como alocação
de recursos, planejamento estratégico, previsão de demanda e
avaliação de desempenho.

Avaliação de Desempenho A estatística é usada para medir e monitorar o desempenho

e Controle de Qualidade organizacional, avaliar a eficácia de processos e identificar
áreas de melhoria. Métodos estatísticos, como controle
estatístico de processo (CEP) e análise de variação, são
aplicados para garantir a qualidade e a consistência dos
produtos e serviços.

Análise de Mercado e Na gestão de marketing, a estatística é usada para analisar

Pesquisa de Marketing dados de mercado, identificar tendências do consumidor,
segmentar o público-alvo e avaliar o impacto de campanhas de
marketing. Isso ajuda as empresas a direcionar seus esforços de
marketing de forma mais eficaz e a entender as preferências e
comportamentos dos clientes.

Gestão de Operações A estatística é aplicada na otimização de processos

e Logística operacionais, previsão de demanda, gestão de estoques e
planejamento da cadeia de suprimentos. Ela ajuda os gestores a
tomar decisões relacionadas à produção, distribuição e entrega
de produtos, visando maximizar a eficiência e minimizar os
custos.

Análise Financeira e Na área financeira, a estatística é usada para analisar dados

Gestão de Riscos financeiros, avaliar o desempenho de investimentos, realizar
análises de risco e modelagem financeira. Isso permite
que os gestores façam projeções financeiras, identifiquem
oportunidades de investimento e mitiguem os riscos associados
às decisões financeiras.

Quadro 1: Colaborações da estatística. Fonte: Elaborado pela autora.

Em resumo, a estatística desempenha um papel crucial na área de gestão, fornecendo

as ferramentas analíticas necessárias para entender e lidar com a complexidade

Ferramentas Estatísticas 9
dos negócios modernos, tomar decisões fundamentadas e alcançar objetivos
organizacionais. Dessa maneira, é fundamental estudar ferramentas estatísticas que
nos possibilitam analisar como esse processo estatístico funciona na prática. Afinal, ele
é valioso para qualquer carreira, sendo, ou não, da área de gestão.

As estatísticas desempenham um papel vital em muitos aspectos da vida moderna,

fornecendo ferramentas indispensáveis ​​para a recolha, análise, interpretação e
apresentação de dados. A sua importância abrange múltiplas áreas do conhecimento e
é a base para decisões informadas baseadas em evidências quantitativas. Num mundo
repleto de informação, a estatística destaca-se como uma disciplina que transforma
dados brutos em informação significativa que permite aos indivíduos e às organizações
fazerem escolhas melhores e mais eficazes.

Além disso, a estatística é a base para verificar hipóteses de investigação científica

e fornece um método confiável para testar teorias e hipóteses. Por meio de técnicas
como amostragem, estimativa, teste de hipóteses e regressão, os pesquisadores podem
garantir a precisão e a validade de seus resultados, contribuindo para o avanço do
conhecimento em suas áreas.

Em resumo, a importância da estatística reside em sua capacidade de fornecer uma

base sólida para a compreensão e a resolução de problemas complexos. Ao transformar
dados em informações úteis, a estatística permite que indivíduos, empresas, cientistas
e governos tomem decisões mais informadas, planejem com eficácia e promovam o
desenvolvimento sustentável em diversas áreas da sociedade.

" Além da Sala de Aula

Indicamos a leitura do livro Introdução a Big Data e Internet das Coisas, de Morais et al.
(2018), nas páginas 33 a 54, disponíveis na Minha Biblioteca. Nele, as autoras explicam
em detalhes o termo em questão e fazem diversas contextualizações.

Esta é uma obra completa com diversas informações valiosas sobre o mundo tecnológico
do século XXI. Além das páginas sugeridas, há ainda capítulos sobre inteligência
artificial, aprendizado de máquina, entre outros. Todos são conceitos importantes que
estão no centro da discussão sobre tecnologia atualmente.

Lembre-se de que, para iniciar a leitura do livro sinalizado, é necessário fazer login no
Ambiente Virtual de Aprendizagem e, em seguida, fazer login na Minha Biblioteca.

Título: Introdução a Big Data e Internet das Coisas

Páginas indicadas: 33 a 54
Referência: MORAIS, I. S; GONÇALVES, P. F; LEDUR, C. Acesse
L.; et al. Introdução a Big Data e Internet das Coisas aqui
(IoT). Rio de Janeiro: Grupo A, 2018. E-book. ISBN
9788595027640. Disponível em: [Link]
books/9788595027640/pageid/32. Acesso em: 01 jul. 2024.

Ferramentas Estatísticas 10
Tema 2 – População, Amostra e Variáveis
Uma vez que já sabemos o motivo por que a estatística é, de fato, uma ciência
matemática altamente aplicável na vida profissional de carreiras da área de gestão,
especialmente, chegou o momento de darmos os passos iniciais desse conteúdo. Neste
tema, falaremos sobre alguns conceitos, como população, amostra e variáveis.

Essas três definições são importantes na medida em que possibilitam um profissional

a elaborar sua pesquisa de maneira correta, desde o início. Nesse contexto, população,
amostra e variáveis são conceitos fundamentais em estatística. A população é o conjunto
completo de indivíduos ou elementos sobre os quais se deseja tirar conclusões. Quando
estudar toda a população é inviável, seleciona-se uma amostra, que é um subconjunto
representativo da população. As variáveis são características ou atributos que podem
ser medidos ou observados na população ou na amostra.

Sendo assim, o primeiro passo para organizar uma pesquisa é definir se ela será
populacional ou amostral e, claro, quais variáveis serão estudadas. Por isso, esperamos
que o conteúdo aqui apresentado seja muito bem aproveitado por todos aqueles que a
ele tiverem acesso. Ele é fundamental para a estatística.

Objetivos de Aprendizagem:
▪ Identificar pesquisas populacionais e amostrais;
▪ Descrever variáveis qualitativas;
▪ Descrever variáveis quantitativas.

Conteúdo:
Para o estudo da Estatística é importante conhecer os conceitos que a envolve, agora
iremos estudar seus conceitos básicos, como os conceitos de população, amostra, censo,
parâmetros e estatísticas. Vamos as definições:

População: O conjunto completo de itens, indivíduos, ou eventos que se deseja estudar.

Em estatística, a população é o grupo total a partir do qual amostras podem ser
extraídas para análises, podendo a população ser finita ou infinita.

Amostra: Um grupo representativo extraídos de uma população maior, escolhido para

realizar análises e tirar conclusões sobre as características da população. A amostragem
é usada para economizar tempo e recursos enquanto se obtém estimativas precisas. É
um subconjunto da população.

Seja qual for o contexto, a escolha de uma amostra adequada é fundamental para garantir
que os resultados e conclusões possam ser generalizados para a população inteira.

Ferramentas Estatísticas 11
Podemos representar visualmente a população e a amostra da seguinte forma:

Figura 1: População e amostra. Fonte: Elaborado pela autora.

Censo: Uma pesquisa completa e detalhada realizada regularmente que coleta

informações sobre todos os indivíduos de uma população definida, com o objetivo de
obter dados precisos e abrangentes para planejamento, pesquisa e políticas públicas.

O censo é uma ferramenta essencial para governos e organizações na tomada de

decisões informadas e no planejamento estratégico de políticas públicas e programas
sociais.

Parâmetros: Um valor numérico que representa uma característica específica de uma

população inteira, como a média, a variância, a proporção, entre outros. Em geral, o
valor assumido pelo parâmetro é desconhecido tendo em vista que raramente é
possível observar toda a população, logo são estimados utilizando dados amostrais.

Os parâmetros são conceitos essenciais na estatística, pois, apesar de serem

desconhecidos, as técnicas estatísticas permitem fazer estimativas confiáveis a partir
de amostras, facilitando a compreensão e a análise das populações.

Agora que você já sabe os principais conceitos de Estatísticas, existem duas categorias
principais de amostragem, são elas: amostragens probabilísticas e amostragens não
probabilísticas. Como os nomes sugerem, nas amostragens probabilísticas os itens
são escolhidos aleatoriamente, já nas amostragens não probabilísticas os itens são
escolhidos por conveniência.

2.1 Tipos de amostragem probabilísticas

Existem alguns tipos de amostragens que podemos fazer na fase inicial da pesquisa,
para que você possa escolher a melhor e mais adequada para sua pesquisa, é importante
conhecer algumas delas, veremos agora a classificação das amostras probabilísticas.

Ferramentas Estatísticas 12
Amostragem aleatória simples: Um subconjunto de uma população em que cada
membro tem a mesma probabilidade de ser incluído, selecionado de maneira que cada
possível combinação de membros tenha a mesma chance de formar a amostra.

Uma amostra aleatória simples é uma técnica de amostragem onde cada membro da
população tem uma chance igual e independente de ser selecionado para a amostra.
Esse método garante que a amostra seja representativa da população, minimizando
vieses e permitindo que inferências estatísticas sejam feitas de forma confiável.

Algumas características a compõe, como a igualdade de oportunidade, pois todos os

elementos da população possuem a mesma chance de ser escolhido. A independência,
pois a escolha de um membro não influência na escolha de outro. E a aleatoriedade,
pois os elementos são selecionados de forma aleatória, por vezes usando métodos
como o sorteio, números aleatórios ou software específico.

As vantagens de utilizar a amostra aleatória simples é que você tem a representatividade,

já que a amostra tende a ser representativa da população, o que permite inferências
precisas. A simplicidade, pois o método é simples e fácil de entender e implementar. E
a imparcialidade, pois reduz o risco de vieses na seleção da amostra.

Já as desvantagens são a necessidade de elencar toda a população, o que dificulta

ou torna impraticável em grandes populações. E a logística, pois pode ser difícil de
implementar em populações dispersas ou inacessíveis.

A amostra aleatória simples é fundamental em pesquisas estatísticas, porque

proporciona uma base sólida para a inferência estatística, permitindo que conclusões
sobre a população sejam feitas com um nível conhecido de precisão e confiança. Esse
método é amplamente utilizado em pesquisas científicas, estudos de mercado, ensaios
clínicos e outras áreas onde a representatividade e a imparcialidade são cruciais para a
validade dos resultados.

Amostragem sistemática: consiste em escolher os itens de k em k, ou seja, escolher o

k-ésimo item da lista, iniciando por um ponto aleatório. A amostra sistemática é muito
utilizada em populações infinitas ou aquelas em que não podem ser listadas.

A amostra sistemática é um método de amostragem probabilística onde os elementos

da população são selecionados de forma ordenada a partir de um ponto de partida
escolhido aleatoriamente. Após selecionar o ponto de partida, cada k-ésimo elemento
na lista é escolhido para fazer parte da amostra. O valor de k é calculado como o
quociente do tamanho da população pelo tamanho desejado da amostra, arredondado
para o número inteiro mais próximo.

Por exemplo, em uma população de 30 elementos, queremos uma amostra de 10

elementos, vamos calcular o intervalo da amostra. Vamos dividir o tamanho total da
população (N) pelo tamanha da amostra (n) para encontrarmos o tamanho do intervalo
k. k = N
n
30
k = 3
Logo, para esse exemplo temos: =
10

Ferramentas Estatísticas 13
Então, vamos escolher de 3 em 3 nesse intervalo iniciando pelo primeiro item. Dessa
forma, temos:

Figura 2: Amostragem sistemática. Fonte: Elaborado pela autora.

As vantagens de utilizar a amostra sistemática é a sua simplicidade, pois é fácil entender

e aplicar a uniformidade, pois garante uma distribuição regular e eficiente porque exige
menos tempo e recursos do que outros métodos de amostragem probabilística. Já as
desvantagens desta amostra são os riscos de padrões, pois pode levar a uma amostra
não representativa e a necessidade de a população ser listada de uma forma ordenada,
o que não pode ser viável dependendo do tamanho da população.

A amostra sistemática é um método eficaz para muitas situações, especialmente

quando se tem uma lista completa da população e se deseja um método simples e
rápido para selecionar uma amostra representativa.

Amostragem estratificada: método aplicado quando a população pode ser dividida em

subgrupos relativamente homogêneos de tamanhos conhecidos. Dentro de cada grupo
pode-se tomar uma amostra aleatória simples. Esse método de amostragem, em geral,
pode reduzir o custo por observação e diminuir a margem de erro.

A amostra estratificada é um método de amostragem probabilística que divide a

população em subgrupos distintos, conhecidos como estratos, que compartilham
características semelhantes. A partir desses estratos, amostras são extraídas
proporcionalmente ou igualmente, dependendo do tamanho e da variabilidade de cada
estrato, para garantir que todos os subgrupos estejam representados adequadamente
na amostra final.

Por exemplo, vamos supor uma população de 5000 indivíduos onde os grupos sejam:
jovens, adultos e idosos. E os grupos contém respectivamente 1000, 2500 e 1500
pessoas e que você quer uma amostra de 150 pessoas no total, então vamos escolher
proporcionalmente essas pessoas, sendo:

1000
1. Jovens: ×150 = 30
5 000
2 500
2. Adultos: ×150 =75
5 000
3. Idosos: 1500 ×150 = 45
5 000

Ferramentas Estatísticas 14
Então, escolheremos aleatoriamente 30 jovens, 75 adultos e 45 idosos de seus
respectivos estratos (grupos).

As vantagens desse tipo de amostragem é a representatividade, visto que garante

que todos os estratos estejam representados, aumenta a precisão das estimativas
e uma flexibilidade, pois permite a análise de subgrupos com maior detalhamento.
As desvantagens são a complexidade, pois exige a identificação correta dos tipos
de estratos, a necessidade de informações mais detalhadas e por fim pode ser mais
demorado e mais caro em comparação com outros tipos de amostragem mais simples.

A amostragem estratificada é particularmente útil quando se espera que existam

diferenças significativas entre subgrupos da população e se deseja garantir que essas
diferenças sejam refletidas na amostra final, proporcionando uma base sólida para
análises mais detalhadas e precisas.

Amostragem por conglomerados: são grupos consistindo em regiões geográficas. O

método de amostragem por conglomerados consiste em dividir uma região em sub-
regiões, selecionar as sub-regiões de maneira aleatória e dentro delas selecionar os
itens também de forma aleatória.

A amostragem por conglomerados é um método de amostragem probabilística onde

a população é dividida em subgrupos ou clusters (conglomerados), e uma amostra
aleatória de conglomerados é selecionada para estudo. Todos os elementos dentro
dos conglomerados selecionados são incluídos na amostra, ou uma amostra aleatória
adicional pode ser retirada dentro desses conglomerados. Este método é especialmente
útil quando a população é vasta e dispersa geograficamente, tornando a amostragem
simples ou estratificada impraticável.

Um exemplo é querer analisar uma cidade e dividir ela por bairros ou por quadras.

As vantagens deste tipo de amostragem é que ela reduz os custos e o tempo da coleta
de dados, principalmente em populações geograficamente dispersas. Ela é simples e
prática de se fazer. Já as desvantagens são a maior variabilidade, principalmente se os
conglomerados não forem homogêneos. E a análise estatística pode ser mais complexa
devido à correlação dentro dos conglomerados.

Com isso, temos que a amostragem por conglomerados é ideal para situações em que a
logística da coleta de dados é um fator crucial, e é especialmente útil em estudos que
envolvem grandes populações distribuídas geograficamente.

2.2 Tipos de amostragem não probabilísticas

Além das técnicas de amostragem probabilísticas, existem as técnicas de amostras não
probabilísticas também conhecidas como não aleatórias. São elas:

Amostra intencional: Também conhecida como amostragem proposital ou amostragem

por julgamento, é um método de amostragem não probabilística onde os elementos
são selecionados com base no julgamento do pesquisador. Nesse método, o

Ferramentas Estatísticas 15
pesquisador usa seu conhecimento e critérios específicos para escolher os elementos
que melhor atendem aos objetivos do estudo. Um exemplo deste tipo de amostragem
é selecionar pacientes com uma condição médica rara para estudar os efeitos de um
novo tratamento.

Amostra por conveniência: é um método de amostragem não probabilística em que os

elementos são selecionados com base na facilidade de acesso e disponibilidade para
o pesquisador. Esse método é amplamente utilizado devido à sua simplicidade e baixo
custo, embora não ofereça garantias de representatividade da população. Por exemplo,
fazer uma pesquisa rápida com os familiares ou uma enquete em redes sociais.

Grupos de enfoque: caracterizada por um painel de indivíduos escolhidos para

representar uma população mais ampla. A ideia central é discutir ideias de um assunto
específico. Os grupos de enfoque são uma ferramenta valiosa em pesquisas qualitativas,
proporcionando uma compreensão rica e contextualizada dos pensamentos e sentimentos
dos participantes, o que pode informar decisões estratégicas em diversas áreas, desde o
desenvolvimento de produtos até campanhas de marketing e políticas públicas.

2.3 Variáveis qualitativas e quantitativas

Uma vez escolhida o tipo de pesquisa e, caso ela seja amostral, a técnica de amostragem,
devemos pensar sobre que tipo de dados iremos coletar de cada elemento estudado.
Dados ou variáveis são características ou propriedades dos elementos da amostra
ou da população. Eles podem ser valores numéricos, também chamados de dados
quantitativos, ou não, o que chamamos de dados qualitativos.

As variáveis quantitativas, também conhecidas como variáveis numéricas, são

características que podem ser medidas numericamente e expressas em termos de
quantidade ou magnitude. Essas variáveis representam valores numéricos que podem
ser submetidos a operações matemáticas, como adição, subtração, multiplicação e
divisão. Quando a variável tem valores numéricos mensurados com unidades e mostra
a quantidade do que é mensurado, ela é denominada variável quantitativa. Elas podem
ser discretas ou contínuas.

▪ Variáveis quantitativas discretas: são aquelas que assumem um conjunto finito ou

infinito contável de valores separados por intervalos fixos. Por exemplo, o número
de filhos em uma família, a contagem de carros passando por uma rua em um
determinado período de tempo, entre outros.
▪ Variáveis quantitativas contínuas: são aquelas que podem assumir qualquer valor
dentro de um intervalo específico. Não existem lacunas ou intervalos fixos entre os
valores possíveis. Por exemplo, altura, peso, temperatura, tempo de duração de um
evento.

As variáveis qualitativas, também conhecidas como variáveis categóricas, são aquelas

que descrevem atributos ou qualidades que não podem ser medidos numericamente.
Em vez de representar quantidades, elas representam qualidades ou atributos como
por exemplo, a raça, cor do olho, nível educacional, gênero, entre outros.

Ferramentas Estatísticas 16
Quando a variável define categorias e responde perguntas sobre como os casos se
encaixam nessas categorias ela é dita variável qualitativa. As variáveis qualitativas
podem ser divididas em dois tipos principais:

▪ Variáveis qualitativas nominais: essas variáveis representam categorias que não

possuem uma ordem intrínseca ou hierarquia. Em outras palavras, as categorias são
apenas diferentes e não podem ser classificadas em uma escala. Exemplos incluem
gênero (masculino, feminino, não binário), cor dos olhos (azul, castanho, verde),
estado civil (solteiro, casado, divorciado) entre outros.
▪ Variáveis qualitativas ordinais: Essas variáveis representam categorias que têm uma
ordem ou hierarquia intrínseca. Embora as categorias sejam distintas, elas podem
ser classificadas em uma escala ordinal. No entanto, a diferença entre as categorias
não é necessariamente uniforme. Exemplos incluem níveis de educação (ensino
fundamental, ensino médio, ensino superior), níveis de satisfação (muito insatisfeito,
insatisfeito, neutro, satisfeito, muito satisfeito) entre outros.

As variáveis qualitativas são frequentemente analisadas usando técnicas estatísticas

diferentes das variáveis quantitativas, elas são úteis para descrever características
e classificar dados em grupos distintos, ajudando na análise e interpretação de
informações não numéricas. Alguns exemplos onde podemos utilizar isso são as tabelas
de frequência, gráficos de barras, gráficos de pizza, entre outros.

Como vimos neste tema as pesquisas podem ser tendenciosas a depender do tipo de
amostragem escolhida. Então, fique atento sempre ao método de pesquisa realizado
e ao tipo de amostragem feita, lembrando que cada uma possui suas vantagens e
desvantagens, inclusive a amostra por conveniência, que apresenta uma praticidade e
pode ser utilizada como uma pesquisa preliminar.

É importante se atentar as definições apresentadas, pois serão muito úteis para o estudo
da disciplina. A precisão e clareza dessas definições garantem que os pesquisadores
possam interpretar corretamente as informações e tomar decisões embasadas. Definir
a população e saber como a amostra é selecionada é decisivo para a validade de um
estudo.

Por fim, as definições estatísticas são essenciais para garantir a qualidade, validade e
utilidade dos dados e análises. Elas permitem uma comunicação clara, reprodutibilidade
de estudos, e tomadas de decisões informadas, além de promoverem ética e
transparência na pesquisa.

" Além da Sala de Aula

O artigo indicado, Uso de serviços de saúde entre adultos residentes na Região
Metropolitana de Manaus: inquérito de base populacional, 2015, de Silva (2017), nas
páginas 1 a 9, traz uma pesquisa qualitativa que busca entender o uso de serviços de
saúde entre adultos residentes na região metropolitana de Manaus. Neste estudo foi
utilizado a amostragem probabilística por conglomerados.

Ferramentas Estatísticas 17
Participaram 4.001 adultos e foram utilizadas na pesquisa variáveis qualitativas para
entender a população. É uma ótima pesquisa para se atentar aos temas estudados
até aqui.

Título: Uso de serviços de saúde entre adultos residentes

na Região Metropolitana de Manaus: inquérito de base
populacional, 2015
Acesse
Páginas indicadas: 1 a 9 aqui
Referência: SILVA, M. T. GALVÃO, T. F. Uso de serviços de
saúde entre adultos residentes na Região Metropolitana de Manaus: inquérito de
base populacional, 2015. Epidemiologia e Serviços de Saúde, v. 26, n. 4, p. 725–734,
nov. 2017.

Tema 3 – Tipos de Gráficos e Tipos de Tabelas

Se a pesquisa será populacional ou amostral e quais tipos de variáveis iremos coletar,
vamos conhecer esses dados. A etapa de organização dos dados faz parte do trabalho e
é de extrema importância na elaboração de uma pesquisa.

Dessa maneira, neste tema, faremos um apanhado de algumas das principais formas
disponíveis de organizar os dados coletados. Há as opções por tabelas, podendo sê-
las mais simples, com poucas colunas e linhas, ou mais complexas, com muitos dados
sendo estratificados e apresentados. Há, também, a possibilidade de representar os
dados a partir de gráficos, que podem ser de diferentes maneiras.

Cabe ao pesquisador escolher a maneira que melhor se adequa ao tipo de dado

coletado. Por isso, nesse tema vamos conhecer ferramentas para escolhermos o gráfico
ou tabela corretos para a apresentação de dados. Isso causa um impacto enorme na
qualidade da sua pesquisa.

Objetivos de Aprendizagem:
▪ Identificar os diferentes tipos de tabelas.
▪ Identificar os diferentes tipos de gráficos.
▪ Estimular a capacidade de optar pela melhor forma de organização de dados de
acordo com a pesquisa em questão.
▪ Interpretar gráficos e tabelas.

Conteúdo:

3.1 Tabelas
O pesquisador, além de saber como fará sua pesquisa, precisa saber organizar seus
dados para poder posteriormente tirar as conclusões. As tabelas são extremamente

Ferramentas Estatísticas 18
importantes neste sentido, visto que podemos organizar nossos dados em uma tabela
e assim começar a visualizar as informações que temos, mas não existe apenas um tipo
de tabela para organizarmos nossos dados e é isso que vamos ver agora.

Começamos com uma tabela de frequência simples de duas colunas, a tabela de

frequência ela contabiliza quantas vezes aquela informação aparece na nossa pesquisa,
então na primeira coluna nós temos os dados pesquisados (sejam eles qualitativos
ou quantitativos) e na segunda coluna colocamos a frequência, ou seja, quantas vezes
aquela informação aparece na pesquisa. Pois imagina que durante a pesquisa cada
pesquisador preencheu sua planilha de pesquisa e agora precisa juntar com os dados
dos outros pesquisadores e organizar por variável analisada.

Vejamos os dados a seguir de uma pesquisa realizada com 16 pessoas em uma

academia, onde foi medido seus pesos e anotados como se seguem:

60 53 68 66

58 67 65 57

69 51 60 53

50 50 69 59

Tabela 1: Dados de pesquisa. Fonte: Elaborado pela autora.

Ao analisar esses dados, conseguimos chegar a alguma conclusão? Muito possivelmente,

não. Então, precisamos organizar esses dados, vamos colocar numa tabela para verificar
se há repetições de valores.

Pessoas (Kg) Frequência (i)

50 2
51 1
53 2
57 1
58 1
59 1
60 2
65 1
66 1
67 1
68 1
69 2
Total 16

Tabela 2: Peso dos frequentadores da academia. Fonte: Elaborado pela autora.

Ferramentas Estatísticas 19
Com os dados organizados é muito mais fácil verificarmos os dados, neste exemplo
vemos os pesos que tiveram na pesquisa, pois não tem necessidade de colocar os
outros valores que não apareceram na pesquisa como 52 kg, por exemplo.

Um outro exemplo de tabela é quando estamos trabalhando com variáveis qualitativas,

logo na primeira coluna teremos dados qualitativos, veja:

Tabela 3: Eleitorado. Fonte: IBGE, 2024.

Neste caso, temos como dado qualitativo na primeira coluna a informação da região do
Brasil, como centro-oeste, nordeste, norte, sudeste, sul e também a região exterior, que
são os brasileiros que moram fora. Essa tabela ela é sobre o número de eleitores por
região do Brasil e também no exterior.

Podemos ter tabelas com mais de duas colunas, quando precisamos trazer mais
informações sobre o mesmo item, veja:

Tabela 4: Tabela Mensal IRPF 2024. Fonte: Receita Federal, 2024

A tabela Mensal IRPF 2024, é a tabela de dedução do cálculo do imposto de renda para
o ano de 2024, temos na primeira coluna a base para o cálculo, temos um intervalo
de valores neste caso, que na estatística chamamos de distribuição de frequência,

Ferramentas Estatísticas 20
que veremos mais adiante neste tema. Na segunda coluna temos a alíquota, ou seja, a
porcentagem a ser calculada sobre o salário, e na terceira coluna temos a parcela de
dedução sobre o cálculo.

Observe que em todas as tabelas, temos alguns dados que sempre aparecem, vamos
então formalizar o que é necessário ter em uma tabela.

Uma tabela precisa ter:

▪ Título (sobre o que é a tabela);

▪ Cabeçalho (explica o que tem em cada coluna);
▪ Corpo (os dados preenchidos da tabela);
▪ Fonte (de onde vêm os dados).

3.1.1 Série Estatística

Uma série estatística é uma sequência de dados organizados de acordo com critérios
específicos, como tempo, espaço ou outra característica, para facilitar a análise e
interpretação das informações. As séries estatísticas são fundamentais na estatística
descritiva e permitem visualizar tendências, padrões e variações nos dados. Existem
vários tipos de séries estatísticas, cada uma com uma aplicação específica:

▪ Série temporal ou cronológica: quando a variável estatística da primeira coluna se

refere ao tempo (meses, anos, semestres, dias). Exemplo:

Anos Vendas
2015 R$ 25.000,00
2016 R$ 32.000,00
2017 R$ 45.000,00
2018 R$ 56.000,00
2019 R$ 38.000,00
2020 R$ 15.000,00
2021 R$ 19.000,00
2022 R$ 28.000,00

Tabela 5: Total em vendas do mercadinho “Boa Praça”. Fonte: Elaborado pela autora.

▪ Série geográfica ou territorial: quando a variável estatística da primeira coluna se

refere a dados geográficos, como região do Brasil, cidades, capitais, continentes,
bairros, entre outros. Veja um exemplo:

Ferramentas Estatísticas 21
 Tabela 6: Eleitorado. Fonte: IBGE. Acessado em 02 de julho de 2024.

▪ Série qualitativa: quando a variável estatística da primeira coluna se refere a

categorias, como por exemplo, zona rural ou urbana, cor do cabelo, tipo de transporte,
entre outros. Exemplo:

Curso Alunos

Administração 925

Ciências Contábeis 634

Recursos Humanos 456

Engenharia Civil 321

Agronomia 258

Biologia 348

Licenciatura em Artes Cênicas 103

Pedagogia 206

Tabela 7: Total de alunos por curso na Universidade para Todos. Fonte: Elaborado pela autora.

Ferramentas Estatísticas 22
▪ Série quantitativa: quando a variável estatística da primeira coluna se refere a
números, podendo ser organizados em intervalos. Um exemplo disso é a tabela
a seguir:

Tabela 8: Tabela Mensal IRPF 2024. Fonte: Receita Federal, 2024.

3.2 Distribuição de frequência pontual

Vamos começar a estudar agora a distribuição de frequência pontual, que é uma forma
de organizar nossas informações, neste tópico veremos quando a primeira coluna que
traz a informação estudada é uma variável qualitativa ou uma variável quantitativa de
único valor. Para entender, melhor vamos analisar os itens que compõe essa tabela de
distribuição de frequência pontual.

▪ Frequência absoluta: também conhecida como frequência simples, representa a

quantidade de vezes que cada item aparece, ele é representado por um número
natural. Na tabela representamos a frequência absoluta por fi .
▪ Frequência acumulada: A frequência acumulada é a soma das frequências absolutas
de todos os valores anteriores, por isso ela chama frequência acumulada e é
representada por f a , pois ela vai acumulando as frequências absolutas, sendo o
valor do primeiro item igual ao valor do primeiro item da frequência absoluta, já o
segundo item da frequência acumulada, é a soma do primeiro com o segundo item
da frequência absoluta, no terceiro item da frequência acumulada é o resultado
da soma dos três primeiros itens da frequência absoluta e assim por diante até o
último item da frequência acumulada será a soma total das frequências absolutas
que coincide com 𝑛. A frequência acumulada é útil para tirarmos interpretações
rápidas sobre os dados.
▪ Frequência relativa: A frequência relativa é a proporção que cada item tem em
relação ao total. Ela é calculada fazendo a divisão da frequência absoluta ( fi ) pelo
total (𝑛), em fórmula, e é representada por f r , sua fórmula é representada por:

fi
fr =
n

Ferramentas Estatísticas 23
A frequência relativa sempre terá um valor entre 0 e 1, ou seja, será sempre um número
decimal.

▪ Porcentagem: A porcentagem de cada item é calculada quando multiplicamos

a frequência relativa ( f r ) por 100. Logo, o passo intermediário para encontrar a
porcentagem é calcular primeiro a frequência relativa.

Vamos ver todos esses itens que compõem a tabela de distribuição de frequência no
exemplo a seguir.

Exemplo 1: Em uma rede de farmácia, os clientes podem avaliar o grau de satisfação

do atendimento com notas de 0 até 10, foi selecionado uma filial da rede para analisar
as avaliações recebidas na primeira semana de atendimento, e obteve os seguintes
dados:

0 6 2 7 3

7 4 3 4 10

1 0 0 8 5

5 2 8 9 4

8 1 7 1 4

Tabela 9: Dados dos clientes de uma farmácia. Fonte: Elaborado pela autora.

Para analisar as informações do quadro, criamos uma tabela de distribuição de

frequência:

Ferramentas Estatísticas 24
 Avaliação fi fa fr %
0 3 3 0,12 12
1 3 6 0,12 12
2 2 8 0,08 8
3 2 10 0,08 8
4 4 14 0,16 16
5 2 16 0,08 8
6 1 17 0,04 4
7 3 20 0,12 12
8 3 23 0,12 12
9 1 24 0,04 4
10 1 25 0,04 4
TOTAL 25 1 100

Tabela 10: Tabela de distribuição de frequência. Fonte: Elaborado pela autora.

Perceba que na primeira coluna temos as notas da avaliação que variam de 0 a 10.
Na segunda coluna, identificada por fi , temos a frequência absoluta, que representa a
quantidade total de votos da respectiva nota. Na terceira coluna, identificada por f a ,
temos a frequência absoluta, observe que na sua primeira célula com valor, o valor é o
mesmo da coluna da fi , a partir da segunda célula é o resultado da soma da segunda
célula com a primeira célula de fi , já na terceira célula é o resultado da soma das três
primeiras células de fi , que também pode ser obtida somando a célula anterior de
f a com a célula respectiva em fi (6+2=8). E assim, sucessivamente até que a última
célula de f a onde será o valor total de fi . A quarta coluna, representada por f r é da
frequência relativa, e seu cálculo se dá pela fórmula apresentada anteriormente, onde
pegamos cada valor da célula de fi respectiva e dividimos por n . O somatório desta
coluna será sempre 1. Na nossa última coluna, temos a porcentagem, representada
pelo símbolo da porcentagem %, para calculá-la, basta multiplicar por 100 a f r de
cada item. O somatório total da coluna da porcentagem será sempre 100%.

Lendo a tabela podemos tirar várias conclusões, como:

▪ O total de entrevistados foi de 25 pessoas;

▪ A nota que mais apareceu foi 4;
▪ Que 14 pessoas deram notas igual ou inferior a 4;
▪ Com isso podemos concluir que apenas 11 pessoas (25 - 14=11) deram nota igual ou
superior a 5.

Podemos fazer outras observações sobre esses dados, mas uma coisa é fato, a maioria
das pessoas deram nota baixa, logo, uma decisão será tomada nesta filial da farmácia
para melhorar esses índices.

Ferramentas Estatísticas 25
Observe que este exemplo foi sobre notas, que é uma variável quantitativa, agora
veremos um exemplo com uma variável qualitativa. A forma de fazer não se altera.

Exemplo 2: Uma pesquisa foi realizada para entender o gosto musical dos selecionados,
e obteve a seguinte tabela de distribuição de frequência.

Música fi fa fr %
MPB 25 25 0,125 12,5
Rock 35 60 0,175 17,5
Funk 30 90 0,15 15
Sertanejo 50 140 0,25 25
Pop 60 200 0,3 30
TOTAL 200 1 100

Tabela 11: Tabela de distribuição de frequência. Fonte: Elaborado pela autora.

Perceba que na primeira coluna temos os gostos musicais que foram selecionados para
a pesquisa: MPB (Música Popular Brasileira), Rock, Funk, Sertanejo e Pop. Na segunda
coluna, identificada por fi , temos a frequência absoluta, que representa a quantidade
total de votos da respectiva nota, temos que MPB recebeu 25 votos, Rock recebeu 35
votos, Funk 30, Sertanejo 50 e Pop 60 (o mais votado). Na terceira coluna, identificada por
f a , temos a frequência absoluta, observe que na sua primeira célula com valor, o valor é
o mesmo da coluna da fi , a partir da segunda célula é o resultado da soma da segunda
célula com a primeira célula de fi , já na terceira célula é o resultado da soma das três
primeiras células de fi , que também pode ser obtida somando a célula anterior de f a com
a célula respectiva em fi (60+30=90). E assim, sucessivamente até que a última célula
de f a nde será o valor total de fi , neste caso 200. A quarta coluna, representada por f r
é da frequência relativa, e seu cálculo se dá pela fórmula apresentada anteriormente,
onde pegamos cada valor da célula de fi respectiva e dividimos por n . O somatório
desta coluna será sempre 1. Na nossa última coluna, temos a porcentagem, representada
pelo símbolo da porcentagem %, para calculá-la, basta multiplicar cada f r por 100. O
somatório total da coluna da porcentagem será sempre 100%.

Lendo a tabela podemos tirar várias conclusões, como:

▪ O total de entrevistados foi de 200 pessoas;

▪ Que a maioria gosta de Pop;
▪ Em segundo lugar ficou o Sertanejo;
▪ Que 15% das pessoas entrevistadas gostam de Funk;

Entre outras conclusões possíveis de se fazer com essa tabela.

3.3 Distribuição de frequência com intervalo de classes

Uma distribuição de frequência com intervalo de classes é uma tabela que organiza
um conjunto de dados contínuos em classes (intervalos de valores), possui também

Ferramentas Estatísticas 26
a frequência absoluta, quantidade de observações de cada intervalo. Essa técnica é
particularmente útil para resumir grandes conjuntos de dados e para identificar
padrões ou tendências nos dados.

Uma distribuição de frequência com intervalo de classes possui:

▪ Amplitude: tamanho de cada intervalo, a diferença entre o maior e o menor valor.

Conhecidos como limite superior, o maior valor do intervalo e limite inferior o menor
valor do intervalo. Também é possível calcular a amplitude da amostra, fazendo a
diferença entre o limite superior da última linha e o limite inferior da primeira linha.
▪ Classes: As classes precisam todas ter o mesmo tamanho, chamado de amplitude de
classe. Aprenderemos a calcular a seguir.
▪ Frequência Absoluta: O número de observações que se enquadram em cada classe.
▪ Ponto Médio de Classe: O valor médio de cada intervalo de classe, calculado como a
média dos limites inferior e superior do intervalo.
▪ Frequência Relativa: A frequência absoluta de cada classe dividida pelo número
total de observações.
▪ Porcentagem: A frequência relativa multiplicada por 100.
▪ Frequência Acumulada: A soma das frequências absolutas de todas as classes
anteriores e da classe atual.
▪ Frequência Relativa Acumulada: A soma das frequências relativas de todas as classes
anteriores e da classe atual.
▪ Porcentagem acumulada: A porcentagem de todas as classes anteriores mais a
classe atual.

Tabela 12: Distribuição de frequência com intervalo de classes. Fonte: Elaborado pela autora.

Para calcularmos o número de classes em uma distribuição de frequência, precisamos

primeiro escolher qual a regra que utilizaremos, pois a depender da regra escolhida
dará um número de classes. Vamos ver alguns dos métodos mais utilizados:

Ferramentas Estatísticas 27
Regra de Sturges

É uma regra muito utilizada para encontrar o número de classes, mas ela envolve o
logaritmo em seu cálculo, veja a fórmula:
k = 1 + 3,[Link] ( n )

Onde k é o número de classes e n é o número total de observações.

Regra da raiz quadrada

A regra da raiz quadrada é mais simples, basta encontrar a raiz quadrada do número
total de observações e arredondar para o número inteiro mais próximo.
k= n
Existem ainda outras regras para o cálculo de classes, mas essas duas são as mais
conhecidas.
Após escolher qual regra utilizar, devemos calcular o número de classes e então
calcular a amplitude de classe, que é o tamanho de cada intervalo. Fazemos dividindo
o resultado da amplitude total dos dados pelo número de classes, podemos representar
pela fórmula a seguir:
A
Ac = t
k
Onde,
Ac é a amplitude de classe
At é a amplitude total dos dados
k é o número de classes

Verifique se o resultado dado fará que todos os dados da distribuição estejam

contemplados nos intervalos, se necessário arredonde o número encontrado para o
número inteiro mais próximo ou o número sucessor.
Assim, como na distribuição de frequência pontual, podemos fazer as colunas de
frequência relativa, a acumulada e a porcentagem na distribuição de frequência com
intervalo de classe. Veja na Tabela 13 a seguir um resumo:

Tabela 13: Frequência relativa, acumulada e a porcentagem na distribuição de frequência com intervalo de classe.
Fonte: Elaborado pela autora.

Ferramentas Estatísticas 28
Exemplo 3: Suponha que você tenha os dados a seguir após uma pesquisa:

Pesos (Kg) Frequência (i)

45 3
47 1
48 3
52 1
53 2
54 1
55 4
57 2
59 2
60 1
61 2
62 2
63 2
64 1
67 1
68 2
69 2
70 1
72 1
75 1
76 1
77 1
78 1
79 1
80 3
84 1
86 1
87 2
88 2
90 2
TOTAL 50

Tabela 14: Dados. Fonte: Elaborado pela autora.

Temos que os dados são dispersos e muitos, logo, nesse caso é melhor fazermos a
distribuição de frequência com intervalo de classes, também conhecida como
distribuição de frequência de dados contínuos. Para isso, primeiro precisamos
calcular quantas classes teremos, vamos utilizar as duas regras apresentadas para
compreendermos:

Ferramentas Estatísticas 29
Pela regra de Sturges, temos:
k = 1 + 3,[Link] ( n )

k = 1 + 3,[Link] ( 50 )

k ≅ 1 + 3,322.1, 7

k ≅ 1 + 5, 6474

k ≅ 6, 6474

Neste caso arredondaríamos para 7, por ser o número inteiro mais próximo.

Usando a regra da raiz quadrada, temos:

k= n

k = 50

k ≅ 7, 07

Neste caso arredondaríamos para 7, por ser o número inteiro mais próximo.

Como ambas as regras deram iguais, seguimos, mas você pode escolher por uma regra
e seguir com os cálculos. Nosso próximo passo é calcular a amplitude de classe:
At
Ac =
k

No nosso exemplo, temos que a amplitude total é 90 – 45 = 45. O número de classe é

7, logo:
45
Ac =
7
Ac ≅ 6, 43

Ferramentas Estatísticas 30
Precisamos arredondar para o próximo número inteiro para que caibam todos os
números do levantamento, logo a amplitude de classe será de 7. A separação por classe,
ficará:

Tabela 15: Separação por classe. Fonte: Elaborado pela autora.

Ferramentas Estatísticas 31
E a tabela montada:

Pesos (Kg) fi fa fr %
45 |--- 52 7 7 0,14 14
52 |--- 59 10 17 0,2 20
59 |--- 66 10 27 0,2 20
66 |--- 73 7 34 0,14 14
73 |--- 80 5 39 0,1 10
80 |--- 87 5 44 0,1 10
87 |--- 94 6 50 0,12 12
TOTAL 50 1 100

Tabela 16: Dados. Fonte: Elaborado pela autora.

Onde na primeira coluna temos os intervalos; veja que na primeira célula de intervalo,
temos os valores que vão de 45 até 52, mas não inclui o 52 nesta primeira, ele entra na
2ª classe. Os limites superiores nunca estão contidos naquela classe e sim na próxima
onde ele se torna o limite inferior. Na matemática quando temos 45 |-- 52, isso significa
que inclui o 45 naquele intervalo, mas não inclui o 52, logo neste primeiro intervalo
estão os valores: 45, 46, 47, 48, 49, 50 e 51. E assim por diante.

3.4 Tipos de gráficos

Os dados podem ser representados por gráficos, a partir das tabelas. Os gráficos são
ferramentas visuais usadas para representar dados de maneira clara e concisa, para você
bater o olho e já tirar algumas informações rápidas. Existem diversos tipos de gráficos,
cada um adequado para diferentes tipos de dados e análises. Vamos estudar alguns agora:

Gráfico de linhas

O gráfico de linha une os pontos da frequência por segmentos de retas. Ideal para
mostrar tendências ao longo do tempo. Por exemplo:

Figura 3: Gráfico de linha. Fonte: G1, 2024.

Ferramentas Estatísticas 32
Neste gráfico, podemos obter:

Título: Variação do dólar em 2024

Dados analisados: dólar comercial e dólar turismo (cada linha representa um)

Fonte: Valor Pro, retirado de uma matéria do G1.

Leitura geral do gráfico: Podemos observar tanto o dólar comercial quanto o dólar
turismo no ano de 2024 esteve em alta, com leves baixas, tendo dois picos de alta, uma
em 16 de abril e outra em 25 de junho.

Gráfico de Colunas

O gráfico de colunas pode ser utilizado para representar informações de frequências,

porcentagens, volumes, taxas, tempo, entre outros. A altura (ou comprimento) de cada
barra é dada pela frequência, frequência relativa ou porcentagem da classe.

Figura 4: Gráfico de colunas. Fonte: Le Monde Diplomatique Brasil, 2024.

Neste gráfico, podemos obter:

Título: Prevalência de insegurança alimentar na América Latina.

Classificação: “Grave” e “Moderada ou grave”

Fonte: Le Monde Diplomatique Brasil

Leitura geral do gráfico: Onde está laranja representa que a insegurança alimentar é
grave e onde está verde temos que a insegurança alimentar é moderada ou grave.
Interpretações possíveis: Em 2021 cerca de 12,5% da população estava com a
insegurança alimentar grave. Entre os anos de 2014 e 2021 aumentou o nível de
insegurança alimentar tanto grave quanto a moderada ou grave.

Ferramentas Estatísticas 33
Gráfico de barras

É a mesma ideia do gráfico de colunas, porém é apresentado no modo horizontal.

Figura 5: Gráfico de barras. Fonte: BBC, 2024.

Neste gráfico podemos tirar várias conclusões, algumas são:

▪ A empresa mais endividada do mundo é a Toyota;

▪ A 4ª empresa mais endividada do mundo é a Verizon;
▪ A empresa Mercedes-Benz possui um endividamento de 109 bilhões de dólares.

Gráfico de setores

O gráfico de setores, também conhecido como gráfico de pizza, são divididos em

“pedaços de pizza”, fatias que são proporcionais à frequência relativa de classe, e os
dados são apresentados em forma de porcentagem. Ele é indicado para situações em
que os dados estão divididos em poucas categorias (poucas linhas na tabela). Esse tipo
de gráfico pode ser ainda subdividido em: pizza 2d, pizza 3d e rosca, veja os exemplos
a seguir sobre a quantidade de eleitores:

Ferramentas Estatísticas 34
Figura 6: Gráfico de pizza 2D. Fonte: Elaborado pela autora.

Figura 7: Gráfico de pizza 3D. Fonte: Elaborado pela autora.

Ferramentas Estatísticas 35
 Figura 8: Gráfico de rosca. Fonte: Elaborado pela autora.

O foco deste tema foi a etapa de organização dos dados no processo estatístico. Muitas
vezes subestimada e ignorada, esta etapa é imprescindível para que a interpretação
dos dados possa ser feita de maneira correta. Por isso, dedicamo-nos a pontuar as
principais formas de representação de uma base de dados.

Estudamos as tabelas e os gráficos que são ferramentas essenciais na estatística

pois ajudam a organizar, visualizar e interpretar dados de forma eficiente e clara. As
tabelas oferecem uma forma estruturada e detalhada de apresentar dados, facilitando
cálculos e análises precisas. Os gráficos, por outro lado, transformam esses dados
em representações visuais que facilitam a compreensão, identificação de padrões e
comunicação eficaz dos resultados. Juntas, essas ferramentas são indispensáveis para
uma análise estatística completa e eficiente.

Vimos também as séries estatísticas que são fundamentais para a organização,

análise, e interpretação de dados. Elas fornecem insights valiosos que podem
informar decisões estratégicas em diversos campos, desde economia e finanças até
ciências naturais e sociais.

" Além da Sala de Aula

Ultimamente, tem sido mais requisitado, no setor corporativo, que os profissionais
saibam o momento certo de usar cada tipo de gráfico. Indicamos a leitura do livro
Storytelling com dados: vamos praticar!, de Knaflic (2023), nas páginas 7 a 25,
disponíveis na Minha Biblioteca, que busca analisar justamente isso.

Ferramentas Estatísticas 36
Lembre-se de que, para iniciar a leitura do livro sinalizado, é necessário fazer login no
Ambiente Virtual de Aprendizagem e, em seguida, fazer login na Minha Biblioteca.

Título: Storytelling com dados: vamos praticar!

Páginas indicadas: 7 a 25
Referência: KNAFLIC, C. N. Storytelling com dados:
Acesse
vamos praticar!. Editora Alta Books, 2023. E-book. ISBN aqui
9788550817521. Disponível em: [Link]
[Link]/#/books/9788550817521/.
Acesso em: 10 mai. 2024.

4 Teoria na Prática

Pesquisa de satisfação do cliente em uma empresa de E-Commerce.

Um dos assuntos trabalhados nesta neste percurso de aprendizagem foi tabelas de

frequência. Por mais que sua interpretação seja, no geral, simples, montá-la requer
treinamento e conhecimentos em matemática. Nesse sentido, vamos monte sua própria
tabela de frequência de acordo com os dados trazidos no caso a seguir.

A TechGadgets é uma empresa de e-commerce que vende uma variedade de

produtos eletrônicos, como smartphones, laptops, tablets e acessórios relacionados.
Recentemente, a empresa decidiu realizar uma pesquisa de satisfação do cliente
para entender melhor as necessidades e percepções dos seus clientes em relação aos
produtos e serviços oferecidos.

O principal objetivo da pesquisa de satisfação do cliente é avaliar o nível de satisfação dos

clientes da TechGadgets, identificar áreas de melhoria nos produtos e serviços, e entender
as preferências e expectativas dos clientes em relação à experiência de compra online.

Metodologia:

1. Desenvolvimento do Questionário: a equipe de pesquisa desenvolveu um

questionário abrangente, incluindo perguntas sobre a qualidade dos produtos,
facilidade de navegação no site, tempo de entrega, atendimento ao cliente, entre
outros aspectos relevantes.
2. Coleta de Dados: o questionário foi enviado por e-mail para uma amostra aleatória
de clientes que realizaram compras nos últimos seis meses. Além disso, um link
para a pesquisa foi disponibilizado no site da empresa para clientes interessados
em participar voluntariamente.
3. Análise de Dados: após o término do período de coleta de dados, as respostas foram
tabuladas e analisadas utilizando técnicas estatísticas para identificar padrões,
tendências e insights relevantes.

Ferramentas Estatísticas 37
Resultados:

▪ 1 estrela: 20 clientes.
▪ 2 estrelas: 50 clientes.
▪ 3 estrelas: 70 clientes.
▪ 4 estrelas: 100 clientes.
▪ 5 estrelas: 10 clientes.

De acordo com esse contexto, responda:

▪ Qual foi o tipo de amostragem empregada nessa pesquisa?

▪ Essa pesquisa foi quantitativa ou qualitativa?
▪ Elabore a tabela de distribuição de frequências desses dados.

5 Sala de Aula
Nas videoaulas a seguir falaremos sobre o Big Data e
a IoTs; são conceitos distintos, porém complementares.
resumidamente o “Big Data” refere-se a conjuntos de dados
extremamente grandes e complexos que são difíceis de Acesse
processar usando técnicas tradicionais de processamento
aqui
de dados. Já as IoTs, chamada Internet das Coisas, descreve
a complexa rede de dispositivos descentralizados que coletam informações e as
encaminham de volta a um ponto central na Internet.

O grande volume de dados gerados pelas IoTs devido aos seus sensores geram quase
que em tempo real as informações, responsável pelo aumento do Big Data, que recebem
informações não apenas das IoTs mas de outras fontes como veremos a seguir. Além
de falarmos sobre os tipos de análises, vamos conhecer alguns cases de sucesso com o
uso do Big Data e IoTs.

Esse conteúdo está disponível em seu Percurso de Aprendizagem, no Ambiente Virtual.

Clique aqui para fazer login e acesse o Sala de Aula na sua disciplina.

6 Infográfico
Vimos que a estatística é um ramo da matemática que tem como foco a coleta,
organização e interpretação de dados. Desde a reflexão sobre o problema inicial a ser
resolvido e o final do processo com a eventual decisão sobre esse problema, há um
caminho sistematizado a ser percorrido. Este infográfico tem como objetivo, portanto,
desmembrar o passo a passo do método estatístico para que você já consiga pensar
nas suas pesquisas.

Ferramentas Estatísticas 38
 Fases do método estatístico

Fase Fase
Definição do problema Apuração dos dados
Definir com clareza o problema que se pretende solucionar. 1 5 Resumir os dados por meio de sua contagem, separar os tipos de
respostas e agrupar os dados de acordo com as suas características.

Fase Fase
Delimitação do problema Apresentação dos dados
Definir local em que a pesquisa e coleta de dados será realizada, 2 6 Apresentar os dados no formata de tabelas e/ou gráficos.
horário da coleta.

Fase Fase
Planejamento Análise dos dados
Definir o cronograma de atividades necessárias para obtenção 3 7 Extrair conclusões a respeito dos dados que foram coletados,
dos dados. permitindo descrever detalhadamente o fenômeno observado.

Fase Fase
Coleta de dados Interpretação dos dados
Obter os dados, seja por meio da observação ou da utilização de
ferramentas.
4 8 Tomar decisões a respeito dos dados coletados e analisados.

7 Direto ao Ponto
Durante este percurso de aprendizagem, estudamos o processo estatístico. Das 8 fases
do método, passamos pelas seis primeiras, sendo as duas últimas o tema da próxima
unidade. Dessa maneira, discutimos o que é estatística e qual é a sua importância no
século XXI, período marcado por avanços tecnológicos que impactaram a maioria das
carreiras profissionais, inclusive as da área de gestão.

Depois, estudamos os conceitos de pesquisa populacional e amostral, central em se

tratando de estatística. Finalizamos estudando os diversos tipos de gráficos e tabelas,
sem os quais a sexta fase do processo estatístico não poderia ocorrer.

Para sua autorreflexão:

▪ Identificou o que é Big Data e quais são seus impactos?

▪ Identificou pesquisas populacionais e amostrais?
▪ Categorizou dados qualitativos e quantitativos?
▪ Percebeu quando usamos cada tipo de gráfico e de tabela?

Ferramentas Estatísticas 39
8 Referências
DOANE, D.; SEWARD, L. Estatística aplicada à administração e economia. 4. ed. Porto
Alegre: AMGH, 2014.

IASCO-PEREIRA, H. C.; LIBÂNIO, G. Investimentos externos diretos da China no Brasil: a

presença de empresas chinesas na economia brasileira nos séculos XX e XXI. Revista de
Economia Contemporânea, v. 27, p. e232721, 2023. Disponível em: [Link]
br/j/rec/a/yy43pnbBXTJ9rw4chwJXqyr/?format=pdf&lang=pt. Acesso em: 10 mai. 2024.

KAHNEMAN, D. Rápido e devagar: duas formas de pensar. Objetiva, São Paulo, 2012.

LEVIN, J. Estatística para ciências humanas. São Paulo: Prentice Hall, 2004.

MORAIS, I. S. de; GONÇALVES, P. de F.; LEDUR, C. L.; et al. Introdução a Big Data e
Internet das Coisas (IoT). Rio de Janeiro: Grupo A, 2018. E-book. ISBN 9788595027640.
Disponível em: [Link]
Acesso em: 09 mai. 2024.

MORAIS, I. S; GONÇALVES, P. F.; LEDUR, C. L.; et al. Introdução a Big Data e Internet das
Coisas (IoT). Rio de Janeiro: Grupo A, 2018. E-book. ISBN 9788595027640. Disponível
em: [Link]
pageid/32. Acesso em: 01 jul. 2024.

MORETTIN, L. G. Estatística Básica: probabilidade e inferência, volume único. São Paulo:

Pearson Prentice Hall, 2010.

SHARPE, N. R.; VEAUX, R. D. D.; VELLEMAN, P. F. Estatística aplicada. Rio de Janeiro:

Grupo A, 2011. E-book. ISBN 9788577808656. Disponível em: [Link]
[Link]/#/books/9788577808656/. Acesso em: 10 mai. 2024.

SILVA, M. T. GALVÃO, T. F. Uso de serviços de saúde entre adultos residentes na Região

Metropolitana de Manaus: inquérito de base populacional, 2015. Epidemiologia e
Serviços de Saúde, v. 26, n. 4, p. 725–734, nov. 2017.

SILVA, P. L. da; NUNES, S. C.; ANDRADE, D. F. Estilo do líder e comprometimento dos

liderados: associando construtos em busca de possíveis relações. Revista Brasileira de
Gestão de Negócios, v. 21, p. 291-311, 2019. Disponível em: [Link]
rbgn/a/Gd98SNqSd6nRJYFfQZ7P89D/?format=pdf&lang=pt. Acesso em: 09 mai. 2024.

Ferramentas Estatísticas 40