i

Edmundo Francisco Simões

Osvaldo André

Licenciatura em Educação e Assistência Social

TEMA: Introdução a Estatística

3°Ano; 1º Semestre; Pós laboral

Universidade Pedagógica de Maputo

Maio de 2026
 ii

Edmundo Francisco Simões

Osvaldo André

TEMA: : Introdução a Estatística

Trabalho de pesquisa a ser apresentado na FEP

Curso de Licenciatura em Educação e Assistência
Social, na cadeira de Estatística e Indicadores
Sociais, sob orientação do

Docente: Antonio Braz J. Chidassicua

Universidade Pedagógica de Maputo

Maio de 2026
 iii

Índice
Introdução.........................................................................................................................................i
Objetivos..........................................................................................................................................ii
Objetivo Geral..............................................................................................................................ii
Objetivos Específicos..................................................................................................................ii
Metodologia de pesquisa.................................................................................................................ii
Fundamentação Teórica.................................................................................................................iii
Estatística....................................................................................................................................iii
Tipos de Estatística.....................................................................................................................iii
Estatística Descritiva...............................................................................................................iii
Estatística Inferencial..............................................................................................................iv
População................................................................................................................................iv
Amostra...................................................................................................................................iv
Organização de Dados e Frequência................................................................................................v
Importância da Organização........................................................................................................v
Dados brutos.............................................................................................................................v
Rol...........................................................................................................................................vi
Frequência Absoluta...............................................................................................................vi
Frequência relativa..................................................................................................................vi
Medidas de Posição.......................................................................................................................vii
Média Aritmética.......................................................................................................................vii
Mediana....................................................................................................................................viii
Moda.........................................................................................................................................viii
Considerações do grupo..................................................................................................................ix
Conclusão........................................................................................................................................x
Referências Bibliográficas..............................................................................................................xi
 i

Introdução
A Estatística constitui-se como uma das disciplinas mais fundamentais e transversais do
conhecimento moderno, permeando desde as ciências naturais e exatas até as humanidades e
ciências sociais. Em sua essência, ela representa muito mais do que um simples conjunto de
fórmulas matemáticas ou técnicas de cálculo; trata-se de uma ciência da informação que fornece
os alicerces metodológicos para transformar dados brutos em conhecimento significativo,
permitindo que a incerteza seja quantificada, compreendida e gerida de forma sistemática.

Historicamente, os primórdios da estatística remontam às civilizações antigas, que já realizavam

censos para fins tributários e militares. Contudo, foi a partir dos séculos XVII e XVIII, com os
trabalhos pioneiros de matemáticos como Blaise Pascal, Pierre de Fermat, Jacob Bernoulli e,
posteriormente, com o desenvolvimento da teoria da probabilidade por Laplace e a formalização
dos métodos inferenciais por Ronald Fisher no século XX, que a estatística consolidou-se como
campo científico autônomo. Essa evolução histórica reflete uma necessidade humana profunda e
perene: a de tomar decisões informadas em contextos de informação incompleta e variabilidade
inerente aos fenômenos observados.

A relevância contemporânea da estatística é inquestionável e amplificada pela era do Big Data e

da Inteligência Artificial. Ela é a linguagem que valida descobertas científicas em ensaios
clínicos, que orienta políticas públicas com base em indicadores sociais e econômicos, que
otimiza processos industriais através do controle estatístico de qualidade e que fundamenta
modelos preditivos em finanças e marketing. No entanto, este poder analítico traz consigo uma
responsabilidade ética considerável. A má aplicação de métodos estatísticos, o p-hacking (a
manipulação de análises até obter resultados significativos), a má interpretação de correlações
como causalidades e o uso de algoritmos enviesados são desafios prementes que exigem não
apenas proficiência técnica, mas também um sólido pensamento crítico e literacia estatística.

Portanto, estudar estatística transcende a mera aquisição de competências de cálculo. É um

exercício de pensamento científico que treina o indivíduo a questionar a origem e a qualidade
dos dados, a compreender as limitações das conclusões, a comunicar resultados com precisão e
humildade intelectual e a navegar em um mundo cada vez mais complexo e data-driven.
 ii

Objetivos
Objetivo Geral
Compreender a Estatística como ciência e suas aplicações.

Objetivos Específicos
Conceituar e distinguir os tipos de estatística;

Descrever a organização de dados e frequência;

Apresentar exemplos de situações reias vividas no período de estágio.

Metodologia de pesquisa
Para realização do presente trabalho recorremos a uma pesquisa de índole bibliográfica e oque
concerte a estrutura apresenta introdução, desenvolvimento e conclusão.

De acordo com Lakatos e Marconi (2010), a pesquisa bibliográfica constitui-se pela análise
crítica de materiais já publicados, possibilitando ao estudante construir novos conhecimentos a
partir da sistematização teórica. No caso específico, essa abordagem foi utilizada para
compreender o papel da visita domiciliária institucional como técnica de intervenção e sua
aplicabilidade em diferentes contextos, articulando a literatura científica com exemplos práticos.
 iii

Fundamentação Teórica
Estatística
A palavra estatística vem do status (estados em latim). como é do conhecimento geral, a leitura
de um simples jornal ou revista implica, hoje em dia, entender a linguagem dos gráficos e dos
números.

A Estatística é uma ciência que coleta, organiza, analisa e interpreta dados para auxiliar na
tomada de decisões em condições de incerteza. Segundo Afonso et al. (2021), ela pode ser
definida como "o conjunto de métodos e técnicas que permitem extrair informação confiável de
dados numéricos". Etimologicamente a Estatística foi definida como a Ciência das coisas que
pertencem ao Estado ou da coisa Pública. É objectivo da Estatística extrair informação dos
dados para obter uma melhor compreensão das situações que representam

Tipos de Estatística
Estatística Descritiva
Conjunto de técnicas para resumir e descrever características importantes de um conjunto de
dados. Dedica-se à organização, sumarização e apresentação clara dos dados, através de medidas
de tendência central (como média, mediana e moda), medidas de dispersão (variância, desvio
padrão, amplitude) e representações gráficas (histogramas, boxplots, diagramas de dispersão).
Seu objetivo é oferecer um retrato fiel e compreensível do conjunto de dados analisado.

 Resume dados através de medidas numéricas e gráficas;

 Não tira conclusões sobre populações maiores;
 Foca na organização e apresentação clara dos dados;
 O objectivo da estatística descritiva é informar, prevenir e esclarecer;
 Permitir a tomada de melhores e mais rápidas decisões: porque é possível controlar mais
informação num mais curto espaço de tempo.
 iv

Estatística Inferencial
Segundo Bussab e Morettin (2017), é "o conjunto de métodos que, baseando-se na teoria das
probabilidades, permite fazer generalizações sobre uma população a partir de uma amostra". A
estatística inferencial eleva o patamar da análise, utilizando a teoria das probabilidades para
extrapolar conclusões de uma amostra para uma população mais ampla, testar hipóteses
científicas, estabelecer relações de causa e efeito e fazer previsões. É neste domínio que
conceitos como intervalo de confiança, significância estatística (valor-p) e poder do teste ganham
protagonismo.

Os resultados finais de uma eleição são objecto de estudo da Estatística Destrutiva.

As previsões feitas por ocasião das eleições, imediatamente depois do fecho das urnas, são feitas
a partir de uma amostra utilizando a Estatística Indutiva.

 Permite tirar conclusões sobre populações;

 Utiliza amostragem e teoria da probabilidade;
 Inclui estimação e testes de hipóteses.

População
Segundo Moore (2010), População: "Conjunto completo de indivíduos, objetos ou medidas que
possuem uma característica comum de interesse". A população pode ser finita ou infinita. Na
prática, quando uma população é finita, com um número grande de elementos, considera-se
como população infinita.

Amostra
Segundo Moore (2010), Amostra: "Subconjunto da população selecionado para estudo". Todo o
subconjunto não vazio e com menor número de elementos do que o conjunto definido como
população constitui, por definição, uma amostra dessa população.

Num estudo estatístico é sempre melhor usar uma população em vez de uma amostra, mas tal
nem sempre é possível.

Exemplo prático

População: Todos os 27 funcionários do Dom Orione.

Amostra: 13 funcionários entrevistados.

 v

Organização de Dados e Frequência

A organização de dados representa a primeira e mais crucial etapa em qualquer análise
estatística. Segundo Bussab e Morettin (2017), dados brutos, não organizados, são como
"pedras preciosas não lapidadas" possuem valor potencial, mas só revelam seu verdadeiro
significado após um processo sistemático de tratamento e estruturação. A organização de dados e
o estudo de frequências constituem a base sólida sobre a qual toda a análise estatística é
construída. Dominar essas técnicas iniciais não é apenas uma questão de procedimento técnico,
mas sim de desenvolver um pensamento estruturado sobre a informação.

Como observa Moore (2010), "dados bem organizados contam metade da história". A escolha
adequada entre apresentação por valores individuais ou agrupamento em classes, a decisão sobre
o número de intervalos, e a seleção do gráfico mais informativo são decisões metodológicas
críticas que influenciam diretamente todas as conclusões subsequentes.

Importância da Organização
 Facilita a visualização e compreensão dos dados
 Permite a aplicação adequada de técnicas estatísticas
 Reduz erros de análise e interpretação
 Economiza tempo e recursos computacionais

Dados brutos
PCI, Paraperesia, Autismo, Paraperesia, Encefalopatia, Microcefalia, Microcefalia, PCI,
Hidrocefalia, PCI, Encefalopatia, PCI, Paraperesia, Microcefalia, Encefalopatia, Tetraparesea
espastica, PCI, Microcefalia, Encefalopatia, Encefalopatia, Microcefalia, Microcefalia,
Hidrocefalia, Encefalopatia, Paraperesia, Tetraparesea espastica, PCI, Microcefalia,
Hidrocefalia, Encefalopatia, PCI, Paraperesia, Hidrocefalia, Encefalopatia, Hidrocefalia,
Encefalopatia Tetraparesea espastica, Tetraparesea espastica. (Dados de diagnostico clinico das
criancas internadas no centro Dom Orione).
 vi

Rol
É o arranjo dos dados brutos em ordem crescente ou decrescente.

Ex.: Autismo, Encefalopatia, Encefalopatia, Encefalopatia, Encefalopatia, Encefalopatia,

Encefalopatia, Encefalopatia, Encefalopatia, Encefalopatia, Hidrocefalia, Hidrocefalia,
Hidrocefalia, Hidrocefalia, Hidrocefalia, Microcefalia, Microcefalia, Microcefalia, Microcefalia,
Microcefalia, Microcefalia, Microcefalia, Paraperesia, Paraperesia, Paraperesia, Paraperesia,
Paraperesia, PCI, PCI, PCI, PCI, PCI, PCI, PCI, Tetraparesea espastica, Tetraparesea espastica,
Tetraparesea espastica, Tetraparesea espastica.

Frequência Absoluta
é o número de vezes que o dado estatistico aparece na amostra.

Ex.:
xi Fi
Autismo O1
Encefalopatia 09
Hidrocefalia 05
Microcefalia 07
Paraperesia 05
PCI 07
Tetraparesea 04
espastica
N= Σf=38

Frequência relativa
É o quociente entre a frequência absoluta desse valor e o número total da população.

100 %xFi
Fórmula: Fr= . Número de crianças internadas no Dom Orione e de 38 e somente 4
n
foram diagnosticados com Paraperesia.

100 % . Fi 100 % .4 400 %

Fr= = = =10 , 52 %
n 38 38
 vii

Gráfico de Diagnóstico
10
9
8
7
6
5
4
3
2
1
0
Category 1

Medidas de Posição
Média Aritmética
A média aritmética é uma medida de tendência central (posição) calculada somando todos os
valores de um conjunto de dados e dividindo o total pelo número de elementos. Ela representa o
"ponto de equilíbrio" da distribuição, indicando o valor central onde os dados tendem a se
concentrar.

Fórmula: x̄ = Σx / n

Exemplo de cálculo:

Número de vezes em que o diagnóstico é repetido: 1, 4, 5, 5, 7, 7, 9.

Σx = 1+4+5+ 5 + 7 + 7 + 9 = 38

n=7

x̄ = 38 / 7 = 5.42
 viii

Mediana
A Mediana (Md) representa o valor central de um conjunto de dados. Para encontrar o valor da
mediana é necessário colocar os valores em ordem crescente ou decrescente.

Quando o número de elementos de um conjunto é par, a mediana é encontrada pela média dos
dois valores centrais. Assim, esses valores são somados e divididos por dois.

Procedimento:

1. Ordenar os dados

2. Localizar a posição central

Exemplo ímpar: 1, 9, 5, 7, 5, 7, 4 → Ordenado: 1, 4, 5, 5, 7, 7, 9. → Mediana = 05.

Exemplo par: 1, 4, 5, 5, 7, 7.

Posição: (6 + 1) / 2 = 3,5

5+5
Resolução: Md= =05
2

Moda
A Moda (Mo) representa o valor mais frequente de um conjunto de dados, sendo assim, para
defini-la, basta observar a frequência com que os valores aparecem. Isto é, o valor que ocorre
com maior frequência.

Um conjunto de dados é chamado de bimodal quando apresenta duas modas, ou seja, dois
valores são mais frequentes.

Exemplo

O diagnóstico Clínico das crianças internadas no centro Dom Orione são repetidos da seguinte
forma: 1, 9, 5,7, 5, 7 e 4. Qual o valor da moda desta amostra?

A moda é: 5 e 7 = bimodal

Quando acrescentamos um numero : 1, 9, 5, 7, 5, 7, 4, 7. Neste caso a moda é: 7.

 ix

Considerações do grupo
Na prática contemporânea, com o advento de grandes volumes de dados, os princípios aqui
apresentados permanecem válidos, ainda que ampliados por ferramentas computacionais mais
poderosas. O profissional que domina a organização e análise de frequências está apto não
apenas a descrever realidades, mas a identificar padrões, detectar anomalias de maneira clara e
persuasiva.

Portanto, investir tempo e cuidado nesta etapa inicial do processo estatístico representa um
retorno analítico exponencial, garantindo que as análises mais complexas tenham como alicerce
dados confiáveis, compreensíveis e adequadamente estruturados.
 x

Conclusão
A Estatística mais do que uma disciplina técnica, a estatística emerge como uma filosofia de
investigação que nos equipa para lidar com a incerteza, um elemento inevitável e ubíquo em
todos os domínios do conhecimento e da ação humana.

Recapitulando a jornada, partimos dos fundamentos da estatística descritiva, que nos ensina a dar
ordem e sentido aos dados, resumindo-os em medidas e gráficos que capturam sua essência.
Avançamos para o domínio da estatística inferencial, onde, através da amostragem e da
probabilidade, aprendemos a ultrapassar os limites do observado para fazer afirmações
generalizáveis, testar teorias e tomar decisões com um nível quantificado de confiança.

Contudo, como todo instrumento poderoso, a estatística exige uso responsável e crítico. A
conclusão não pode ignorar os desafios éticos e práticos que acompanham sua aplicação. A
"crise de reprodutibilidade" em algumas ciências, os vieses algorítmicos que perpetuam
desigualdades sociais, a manipulação de gráficos para enganar e a confusão entre correlaão e
causalidade são armadilhas perigosas.

Olhando para o futuro, a estatística não se dissolve, mas converge e se expande. Ela é o núcleo
fundamental da Ciência de Dados, do Machine Learning e da Inteligência Artificial. Os modelos
preditivos mais sofisticados assentam em princípios estatísticos. A análise de grandes volumes
de dados em tempo real exige uma reinvenção e escalabilidade dos métodos tradicionais. Assim,
o estatístico do século XXI é também um cientista de dados, um guardião da ética algorítmica e
um comunicador de informações complexas.

Em síntese final, dominar a estatística é dominar a gramática da evidência empírica. É

desenvolver um ceticismo saudável, uma curiosidade metódica e um respeito profundo pela
complexidade dos fenómenos. Permite-nos distinguir o sinal do ruído, a tendência da flutuação
aleatória, a descoberta genuína do artefacto metodológico. Conclui-se, portanto, que o estudo da
estatística é, acima de tudo, um investimento na construção de um pensamento mais claro, mais
rigoroso e melhor preparado para navegar e contribuir para um mundo cada vez mais moldado
por dados.
 xi

Referências Bibliográficas
AFONSO, M. L. et al. Estatística Básica para Ciências Sociais. São Paulo: Atlas, 2021.

BUSSAB, W. O.; MORETTIN, P. A. Estatística Básica. 9. ed. São Paulo: Saraiva, 2017.

CRESWELL, J. W. Investigação Qualitativa e Projeto de Pesquisa. Porto Alegre: Penso, 2014.

LEVIN, J. Estatística Aplicada a Ciências Humanas. 11. ed. São Paulo: Harbra, 2016.

MOORE, D. S. A Estatística Básica e Sua Prática. Rio de Janeiro: LTC, 2010.

TRIOLA, M. [Link]ção à Estatística. 12. ed. Rio de Janeiro: LTC, 2017.