Medidas de Centralidade e

Posição
Livro: Introdução à Bioestatística (6ª edição), de Sonia Vieira
Aula baseada no Capítulo 3, intitulado “Medidas de Tendência Central”
Introdução
• Em geral, as pessoas acham mais fácil interpretar dados por meio de
um gráfico.
• Esse caminho é interessante para variáveis qualitativas, mas pode já
não ser tão recomendado para variáveis quantitativas.
• Por exemplo, agrupamos dados contínuos em intervalos de classe
para esboçar histogramas e polígonos de frequência.
• Esse agrupamento faz com que se perca exatidão, bem como está
sujeito a subjetividades em sua construção:
▪ Qual número 𝑘 de intervalos de classe usar?
▪ Quais os limites de cada um dos 𝑘 intervalos de classe?
Introdução
• Além das distribuições de frequências e dos gráficos, uma forma de
sumarizar informações contidas em dados quantitativos é por meio
de medidas estatísticas.
• Tais medidas apontam características específicas do conjunto de
dados, possibilitando uma visão geral do mesmo.
• O Capítulo 3 discute as medidas estatísticas denominadas medidas de
tendência central.
• Entretanto, é necessário apresentar algumas notações (i.e., símbolos)
matemáticas para que se consiga entender as fórmulas que serão
apresentadas ao longo do livro.
3.1 Símbolos matemáticos
• Para representar os 𝑛 valores numéricos de uma variável quantitativa,
escrevemos:
𝒙 = 𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑖 , … , 𝑥𝑛
• O subscrito 𝑖, chamado índice, indica a posição da
entrada/observação na variável descrita pelo vetor de dados 𝒙.
• Logo, 𝑥𝑖 é a 𝑖-ésima observação da variável 𝒙 e, portanto, lemos:
▪ 𝑥1 representa a primeira observação;
▪ 𝑥2 representa a segunda observação;
▪ Os três pontos (reticências) são lidos como “e assim por diante”;
▪ 𝑥𝑛 representa a 𝑛-ésima e última observação.
Exemplo 3.1 (representação de dados)
• Os pesos, em quilogramas (kg), de cinco recém-nascidos são:
3,500 2,750 3,250 2,250 3,750
• Em termos notacionais, podemos escrever:
𝑥1 = 3,500 𝑥2 = 2,750 𝑥3 = 3,250
𝑥4 = 2,250 𝑥5 = 3,750
• Logo, a variável que descreve o peso é dada pelo vetor 𝒙 de
comprimento 𝑛 = 5 a seguir:
𝒙 = 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 = 3,500; 2,750; 3,250; 2,250; 3,750
3.1 Símbolos matemáticos
• A coleção 𝑥1 , 𝑥2 , … , 𝑥𝑛 não é ordenada pela grandeza dos dados.

• A sequência 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 do Exemplo 3.1 não era ordenada, de

modo que o peso do primeiro bebê da amostra (𝑥1 = 3,500 kg) não é
o menor, ainda que, coincidentemente, o peso do último bebê da
amostra (𝑥5 = 3,750 kg) seja o maior.

• Quaisquer que sejam os dados, os valores 𝑥1 , 𝑥2 , … , 𝑥𝑛 são

registrados na ordem em que foram coletados.
3.1 Símbolos matemáticos
• A soma dos valores 𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 é escrita de forma compacta por
meio do operador somatório, denotado pela letra grega Σ.

• O somatório é escrito como segue:

𝑛

𝑥1 + 𝑥2 + 𝑥3 + ⋯ + 𝑥𝑛 = ෍ 𝑥𝑖
𝑖=1

• Lê-se da seguinte forma: “Somatório de x índice 𝑖, com 𝑖 variando de

1 até 𝑛.”
Exemplo 3.2 (notação de somatório)
• Vimos no Exemplo 3.1 que a variável dos pesos dos 𝑛 = 5 bebês ao
nascer é dada por:
𝒙 = 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 = 3,500; 2,750; 3,250; 2,250; 3,750
• Usando a notação de somatório, a soma desses pesos é:
𝑛

෍ 𝑥𝑖 = 𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 + 𝑥5
𝑖=1
= 3,500 + 2,750 + 3,250 + 2,250 + 3,750
= 15,500
3.2 Medidas de tendência central
• Uma medida de tendência central representa o valor central ou o
valor mais comum de um conjunto de dados.

• As medidas de tendência central mais conhecidas são:

▪ Média
▪ Moda
▪ Mediana
3.2.1 Média
• Há vários tipos de média (e.g., aritmética, ponderada, geométrica,
harmônica, quadrática, cúbica, móvel, aparada e trimédia).
• Na área da saúde, a média aritmética (a.k.a. média) é a mais usada.
• Seu cálculo consiste em somar todas as observações da variável e
dividir pelo tamanho da amostra, tendo-se:
𝑛
1 𝑥1 + 𝑥2 + ⋯ + 𝑥𝑛
𝑥ҧ = ෍ 𝑥𝑖 =
𝑛 𝑛
𝑖=1
• O símbolo 𝑥ҧ é lido como “x-barra”.
Exemplo 3.3 (cálculo da média)
• Um professor de Educação Física mediu a circunferência abdominal
de 𝑛 = 10 homens que se apresentaram em uma academia de
ginástica.
• Ele obteve os seguintes valores, em centímetros:
88 83 79 76 78 70 80 82 86 106

• A média é:
88 + 83 + 79 + 76 + 78 + 70 + 80 + 82 + 86 + 106 828
𝑥ҧ = = = 82,8
10 10
• Logo, a circunferência abdominal média desses homens é de 82,8 cm.
3.2.1 Média
• A média é a medida de tendência central mais usada na prática,
sendo muito corriqueiras expressões como:
▪ Média de aprovação em determinada disciplina;
▪ Idade média dos jogadores de futebol de um time;
▪ Duração média de uma viagem (da Terra até a Lua, por exemplo).

• Em sua interpretação física, a média é o centro de equilíbrio de um

conjunto de dados.
Exemplo 3.4 (tendência central)
• Representando os dados do Exemplo 3.3 (como não há repetições,
dizemos que cada ponto tem uma única unidade de massa) em um
diagrama de pontos e entendendo o eixo das abscissas como os
braços de uma balança mecânica, a média estaria no fulcro.
• A média está situada no ponto de apoio que dá equilíbrio à balança.
[Link] Média de dados discretos apresentados
em tabelas de distribuição de frequências
• Aprendemos a sumarizar dados • Neste caso, a média é dada por:
quantitativos discretos em
tabelas de frequência no σ𝑘𝑗=1 𝑎𝑗 𝑛𝑗
Capítulo 1. 𝑥ҧ =
σ𝑘𝑗=1 𝑛𝑗
Valor Freq. absoluta
𝑎1 𝑛1
𝑎2 𝑛2
• Veremos o uso desta notação no
⋮ ⋮
Exemplo 3.5.
𝑎𝑘 𝑛𝑘
Total 𝑛
Exemplo 3.5 (média de dados discretos em
tabela de distribuição de frequências)
• Uma psicóloga que trabalha em Recursos Humanos perguntou aos 20
funcionários de uma empresa quantos filhos em idade escolar eles
tinham, obtendo-se:
𝒙 = 𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥20
= 1; 0; 1; 0; 2; 1; 2; 1; 2; 2; 1; 5; 0; 1; 1; 1; 3; 0; 0; 0
• Calcula-se a média com os 𝑘 = 6 valores distintos e suas frequências:
Valor Freq. Absoluta
0 6 0⋅6+1⋅8+2⋅4+3⋅1+4⋅0+5⋅1
1 8 𝑥ҧ =
6+8+4+1+0+1
2 4 24
=
3 1 20
4 0 = 1,2
5 1
Total 20
[Link] Média de dados discretos apresentados
em tabelas de distribuição de frequências
• Aprendemos a agrupar dados • Neste caso, a média é dada por:
quantitativos contínuos em 𝑘
classes e sumarizar em tabelas σ𝑘𝑗=1 𝑚𝑗 𝑛𝑗
de frequência no Capítulo 1. 𝑥ҧ =
Valor Ponto médio Freq. abs. σ𝑘𝑗=1 𝑛𝑗
𝑙0 ⊢ 𝑙1 𝑚1 𝑛1
𝑙1 ⊢ 𝑙2 𝑚2 𝑛2
⋮ ⋮ ⋮
• Veremos o uso desta notação no
𝑙𝑘−1 ⊢ 𝑙𝑘 𝑚𝑘 𝑛𝑘
Exemplo 3.6.
Total – 𝑛
Exemplo 3.6 Tabela 3.4 Número de nascidos vivos
segundo a faixa de peso ao nascer (kg)
(média de dados Faixa de peso ao Ponto médio da Nº de nascidos
nascer (kg) classe (𝒎𝒋 ) vivos (𝒏𝒋 )
contínuos em tab. 1,5 ⊢ 2,0 1,75 3

de dist. de 2,0 ⊢ 2,5

2,5 ⊢ 3,0
2,25
2,75
16
31
frequências) 3,0 ⊢ 3,5 3,25 34
3,5 ⊢ 4,0 3,75 11
Usando os pontos médios 4,0 ⊢ 4,5 4,25 4
dos 𝑘 = 7 intervalos de 4,5 ⊢ 5,0 4,75 1
classes, calcula-se a Total – 100
média como segue:
1,75 ⋅ 3 + 2,25 ⋅ 16 + 2,75 ⋅ 31 + 3,25 ⋅ 34 + 3,75 ⋅ 11 + 4,25 ⋅ 4 + 4,75 ⋅ 1
𝑥ҧ =
3 + 16 + 31 + 34 + 11 + 4 + 1
300
=
100
= 3
[Link] Efeito do valor discrepante na média
• A média é uma excelente medida de tendência central dos dados.

• No entanto, ela é bastante sensível à presença de “valores

discrepantes” (a.k.a. outliers) nos dados.

• Para entender isso, veja o Exemplo 3.7.

Ex. 3.7 (média de conj. de dados c/ outlier)
• Nos meses de junho, julho e agosto de 2019, houve 3.254 casos de
sarampo no estado de São Paulo, 18 no Rio de Janeiro, 13 em
Pernambuco, 13 em Minas Gerais, 12 em Santa Catarina, 7 no Paraná,
7 no Rio Grande do Sul, 3 no Maranhão, 3 em Goiás, 3 no Distrito
Federal, 1 no Mato Grosso do Sul, 1 no Espírito Santo, 1 no Piauí, 1 no
Rio Grande do Norte, 1 na Bahia e 1 em Sergipe.
• Nesses 𝑛 = 16 estados, o número médio de casos de sarampo é:
3254 + 18 + 13 + 13 + 12 + 7 + 7 + 3 + 3 + 3 + 1 + 1 + 1 + 1 + 1 + 1 3339
𝑥ҧ = = = 208,6875
16 16
• Essa média representa bem o conjunto de dados? Onde houve surto?
[Link] Efeito do valor discrepante na média
• Quando há um valor muito discrepante (abaixo ou acima da maioria),
a média não é uma boa medida para expressar a tendência central.
• Nessas circunstâncias, precisamos trabalhar com medidas
resistentes/robustas (i.e., não sensíveis) à presença de outliers em um
conjunto de dados.
• Uma medida com essa característica é a mediana (𝑥), ෤ a qual
estudaremos a seguir.
• O símbolo 𝑥෤ é lido como “x-til”.
3.2.2 Mediana
• Lembre-se que 𝒙 = 𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 não têm valores ordenados
pela grandeza dos dados, indicando apenas o valor que foi observado
primeiro até o valor que foi observado por último.
• O rol consiste em ordenar os 𝑛 valores observados do menor para o
maior (incluindo repetições), escrevendo-se o seguinte:
𝒙1:𝑛 = 𝑥 1 , 𝑥 2 , 𝑥 3 , … , 𝑥 𝑛
• O primeiro valor do rol é o mínimo: 𝑥 1 = min 𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛
• O último valor do rol é o máximo: 𝑥 𝑛 = max 𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛
• Há uma ordenação não decrescente: 𝑥 1 ≤𝑥 2 ≤𝑥 3 ≤⋯≤𝑥 𝑛
3.2.2 Mediana
• A mediana é o valor que divide o rol em duas partes iguais:
▪ A primeira parte do rol possui números menores ou iguais à mediana;
▪ A segunda parte do rol possui números maiores ou iguais à mediana.
• Para 𝑛 ímpar, a mediana é o valor que se encontra exatamente no
meio do rol (i.e., é o termo central).
• Considere o exemplo ilustrativo a seguir:
𝒙1:3 = 𝑥 1 , 𝑥 2 , 𝑥 3 = 3; 5; 9
• Se 𝑛 é ímpar, a mediana é 𝑥෤ = 𝑥 𝑛+1
2
• A mediana é o valor do rol que está na posição 𝑛+1
2
= 3+1
2
= 4
2
= 2.
3.2.2 Mediana
• Quando 𝑛 é par, o rol possui dois valores centrais.
• Neste caso, a mediana é definida pela média dos dois valores centrais
do rol:
𝑥 𝑛 + 𝑥 𝑛+1
𝑥෤ = 2 2
2
• Considere outro exemplo ilustrativo:
5 + 7 12
𝒙1:4 = 𝑥 1 , 𝑥 2 , 𝑥 3 , 𝑥 4 = 3; 5; 7; 9 ⇒ 𝑥෤ = = =6
2 2
• Os termos centrais 5 e 7 ocupam as posições 𝑛2 = 42 = 2 e 𝑛2 + 1 = 3.
Exemplo 3.8 (determinação da mediana)
• Vimos no Exemplo 3.1 que os pesos dos 𝑛 = 5 bebês ao nascer são:
𝒙 = 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5
= 3,500; 2,750; 3,250; 2,250; 3,750
• Organizando esses 𝑛 = 5 pesos em rol, tem-se:
𝒙1:5 = 𝑥 1 , 𝑥 2 , 𝑥 3 , 𝑥 4 , 𝑥 5
= 2,250; 2,750; 3,250; 3,500; 3,750
• Como 𝑛 = 5 é ímpar, a posição que a mediana ocupa é 𝑛+1
2
= 5+1
2
= 3.
• Logo, a mediana é:
𝑥෤ = 𝑥 3 = 3,250
Exemplo 3.8 (determinação da mediana)
• Em outras palavras, a mediana é 3,250 kg porque é o valor que está
na posição central do rol.
3.2.2 Mediana
• No Exemplo 3.7, sobre os totais de casos de sarampo em 16 estados,
vimos que a presença de um outlier fez com que a média não
descrevesse bem a tendência central.

• A tendência central dos dados é mais bem descrita pela mediana do

que pela média quando há outliers no conjunto de dados, como
veremos no Exemplo 3.9.
Ex. 3.9 (decidindo entre média e mediana)
• São dadas as idades de 𝑛 = 8 pessoas em uma sala:
𝒙 = 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 , 𝑥6 , 𝑥7 , 𝑥8
= 42; 3; 9; 5; 7; 9; 1; 9
• A idade média é:
σ8𝑖=1 𝑥𝑖 42 + 3 + 9 + 5 + 7 + 9 + 1 + 9 85
𝑥ҧ = = = = 10,625
8 8 8
• O rol é:
𝒙1:8 = 𝑥 1 , 𝑥 2 , 𝑥 3 , 𝑥 4 , 𝑥 5 , 𝑥 6 , 𝑥 7 , 𝑥 8
= 1; 3; 5; 7; 9; 9; 9; 42
Ex. 3.9 (decidindo entre média e mediana)
• Uma vez que 𝑛 = 8 é par, o rol possui duas posições centrais que
estão localizadas nas posições 𝑛2 = 82 = 4 e 𝑛2 + 1 = 5.
• Como 𝑥 4 =7e𝑥 5= 9, a mediana é:
𝑥 4 +𝑥 5 7 + 9 16
𝑥෤ = = = =8
2 2 2
• Tem-se então 𝑥ҧ = 10,625 anos (idade média) e 𝑥෤ = 8 anos (idade
mediana).
• Qual medida de tendência central é mais indicada para descrever o
conjunto de dados? Por quê?
3.2.2 Mediana
• Para certos conjuntos de dados que possuem outliers, o uso da média
é mais razoável do que a mediana.
• Para ilustrar, suponha que você tenha jogado 𝑛 = 3 vezes na loteria e
que, em cada aposta, tenha obtido os seguintes prêmios:
▪ Na primeira vez (𝑖 = 1), você ganhou: 𝑥1 = R$ 0,00
▪ Na segunda vez (𝑖 = 2), você ganhou: 𝑥2 = R$ 0,00
▪ Na terceira vez (𝑖 = 3), você ganhou: 𝑥3 = R$ 1.000.000,00
• A mediana é zero (diga isso a seus parentes), mas a média é ⅓ do
valor de 𝑥3 (esse valor diz mais sobre seu ganho nas três tentativas).
3.2.3 Moda
• A moda (𝑥)ሶ é o valor que ocorre com maior frequência.
• O valor mais frequente pode não ser único ou não existir, tendo-se:
▪ A distribuição é unimodal se existe uma única moda;
▪ A distribuição é bimodal se existem duas modas;
▪ A distribuição é multimodal (a.k.a. plurimodal) se há três ou mais modas;
▪ Se todos os valores têm a mesma frequência, não existe moda.
• Para distribuição de frequências de variáveis quantitativas agrupadas
em intervalos, a classe modal é a que tem a maior frequência.
• Para distribuição de frequências de variáveis qualitativas, a categoria
modal é a que possui a maior frequência.
Exemplo 3.10 (determinação da moda)
1. O conjunto de dados
𝒙 = 1; 1; 2; 5; 3; 7; 4; 7; 8; 7; 9; 6; 7
tem moda
𝑥ሶ = 7,
pois este é o valor que ocorre
mais vezes.
Exemplo 3.10 (determinação da moda)
2. O conjunto de dados 𝒙 = 1; 2; 2; 3; 4; 4; 5; 6; 7 é bimodal, sendo
2 e 4 suas modas, pois esses dois pontos são os valores de 𝒙 que
mais aparecem e com a mesma frequência.

3. O conjunto de dados 𝑥 = 0; 2; 4; 6; 8; 10 não tem moda.

Exemplo 3.11 (classe modal)

IMC Freq. abs. %

Abaixo do peso 1 2,1
Normal 4 8,3
Acima do peso 20 41,7
Obesidade I 14 29,2
Obesidade II 7 14,6
Obesidade III 2 4,2
Total 48 100,0
Exemplo 3.12 (moda de dado qualitativo)
Tabela 3.7 Número de indivíduos • Qual é o grupo sanguíneo
segundo o grupo sanguíneo modal?
Grupo sanguíneo Frequência absoluta • Por quê?
O 550
A 456
B 132
AB 29
Total 1.167
Considerações finais
• A moda é informativa quando o conjunto de dados é grande.
• A moda é útil para analisar distribuições de frequências de variáveis
qualitativas, identificando a categoria modal, posto que não é possível
calcular média e mediana de variáveis nominais ou ordinais.
• Se o conjunto de dados numéricos for relativamente pequeno (i.e.,
𝑛 < 30 observações), você pode até identifica-la (a moda ou classe
modal, dependendo do problema), porém, na maioria das vezes, ela
não terá qualquer sentido prático.
• Nesses casos, a média e a mediana são mais indicadas para estudar a
tendência central de variáveis quantitativas.
3.3 Exercícios resolvidos (Questão 1)
• O peso médio dos ratos com 30
dias de vida é:
76 + 81 + 50 + 47 + 63 + 65 + 63 + 64
𝑥ҧ30 =
8
509
=
8
= 63,625
3.3 Exercícios resolvidos (Questão 1)
3.3 Exercícios resolvidos (Questão 2)
Tabela 1.8 Número de faltas de 30 Para calcular o número mediano
funcionários ao trabalho (Clínica ABC,
segundo semestre de 2019)
de faltas ao trabalho desses 30
1 2 0
funcionários, faça o seguinte:
3 2 1 1. Organize em rol;
1 0 6
2. Como 𝑛 é par, identifique as
1 0 4
duas posições centrais;
0 0 3
1 1 3 3. Calcule a mediana fazendo a
0 2 1 média das observações
1 1 2 situadas nas duas posições
1 2 4 centrais do rol.
0 0 0
3.3 Exercícios resolvidos (Questão 2)
Tabela 1.8 Número de faltas de 30
funcionários ao trabalho (Clínica ABC,
segundo semestre de 2019)
1 2 0
3 2 1
1 0 6
1 0 4
0 0 3
1 1 3
0 2 1
1 1 2
1 2 4
0 0 0
3.3 Exercícios resolvidos (Questão 2)
• As posições centrais são:
𝑛 30 𝑛
2
= 2
= 15 e 2
+ 1 = 16
• Logo, a mediana é:
𝑥 15 + 𝑥 16
𝑥෤ =
2
1+1
=
2
= 1
• Metade dos empregados não
faltou ou faltou apenas 1 dia.
3.3 Exercícios resolvidos (Questão 3)