Podemos dizer, então, que a Estatística é uma parte da Matemática Aplicada que

fornece métodos para a coleta, organização, descrição, análise e

interpretação de dados para a utilização dos mesmos na tomada de decisões.

Estatística Descritiva: coleta, organização e a descrição dos dados.

Estatística Inferencial: análise e a interpretação dos dados.

- Quando conseguimos coletar os dados de toda a população estamos realizando

um censo.

Normalmente, é muito caro e demorado obter informações sobre toda a

população. Assim, comumente trabalhamos com amostras para obter
informações sobre toda a população.
Distribuições de frequência

• Dados desorganizados denominamos dados brutos.

• Tipo de tabela, cujos elementos não foram numericamente organizados,

denominamos tabela primitiva.

• Denominamos os dados dispostos em ordem crescente ou decrescente de rol.

• À diferença entre o maior e o menor número do rol chama-se amplitude total dos
dados.

• Denominamos frequência o número que fica relacionado a um determinado valor

da variável. Ou seja, quantas vezes ele se repete dentro do mesmo conjunto de
dados.
O agrupamento de valores de variáveis em intervalos é chamado de classes.

• O símbolo significa que incluímos o limite inferior do intervalo e excluímos o

limite superior do intervalo.

• Chamamos de frequência de uma classe o número de valores da variável

pertencentes à
classe.
Variáveis

• Qualitativas: quando seus possíveis “valores” são atributos.

• Nominais: não é possível ordenar os atributos. Ex.: Religiões

• Ordinais: é possível ordenar os atributos. Ex.: Nível de escolaridade

• Quantitativas: quando seus possíveis valores são números.

• Discretas: assume valores em um conjunto enumerável. Ex.: números naturais,

inteiros e racionais

• Contínuas: assume valores em intervalos reais. Ex.: Amplitude térmica durante

o dia
Variável é a característica de interesse que é medida em cada elemento da amostra ou
população. Como o nome diz, seus valores variam de elemento para elemento. As variáveis
podem ter valores numéricos ou não numéricos.
Variáveis podem ser classificadas da seguinte forma:

[Link]áveis Quantitativas: são as características que podem ser medidas em uma escala
quantitativa, ou seja, apresentam valores numéricos que fazem sentido. Podem ser contínuas
ou discretas.

1. Variáveis discretas: características mensuráveis que podem assumir apenas um

número finito ou infinito contável de valores e, assim, somente fazem sentido valores
inteiros. Geralmente são o resultado de contagens. Exemplos: número de filhos,
número de bactérias por litro de leite, número de cigarros fumados por dia.
2. Variáveis contínuas, características mensuráveis que assumem valores em uma
escala contínua (na reta real), para as quais valores fracionais fazem sentido.
Usualmente devem ser medidas através de algum instrumento. Exemplos: peso
(balança), altura (régua), tempo (relógio), pressão arterial, idade.
[Link]áveis Qualitativas (ou categóricas): são as características que não possuem valores
quantitativos, mas, ao contrário, são definidas por várias categorias, ou seja, representam
uma classificação dos indivíduos. Podem ser nominais ou ordinais.

1. Variáveis nominais: não existe ordenação dentre as categorias. Exemplos: sexo, cor
dos olhos, fumante/não fumante, doente/sadio.

2. Variáveis ordinais: existe uma ordenação entre as categorias. Exemplos:

escolaridade (1o, 2o, 3o graus), estágio da doença (inicial, intermediário, terminal),
mês de observação (janeiro, fevereiro,..., dezembro).
MEDIANA (Md)

É o número que se encontra no centro de uma série de números, estando estes dispostos
segundo uma ordem. Estando ordenados os dados numéricos e sendo n o número de
elementos, o valor mediano será:
- O termo de ordem (n+1)/2, se n for ímpar.
- A média aritmética dos termos de ordem n/2 e n/2+1, se n for par.
O valor da mediana pode coincidir ou não com um elemento da série. Quando o número de
elementos da série é ímpar, há coincidência. O mesmo não acontece, porém, quando esse
número é par.

A mediana depende da posição e não é influenciada por valores extremos dos elementos
na série ordenada. Essa é uma das diferenças marcantes entre a mediana e a média (que se
deixa influenciar, e muito, pelos valores extremos, também chamados de outliers).
Para encontramos a mediana para DADOS AGRUPADOS SEM INTERVALOS DE CLASSE,
verificaremos qual termo será nossa mediana, e através da “frequência acumulada”
acharemos a mediana.
Para a mediana de DADOS AGRUPADOS EM CLASSE, não nos interessa saber se o número
de elementos é par ou ímpar. Para determinar a classe mediana, devemos calcular n/2,
adicionarmos a coluna de frequências acumuladas a tabela e em seguida usarmos a fórmula:
PROPRIEDADES DA MEDIANA :
Uma das características principais é a robustez à presença de outliers.

- Somando-se (ou subtraindo-se) uma constante C de todos os valores de uma lista de

números, a mediana da lista fica aumentada (ou diminuída) desta constante.

- Multiplicando-se (ou dividindo-se) uma constante C de todos os valores de uma lista de

números, a mediana da lista fica multiplicada (ou dividida) por esta constante.

- A soma dos módulos dos desvios da sequência de números xi em relação a um número α é

mínima se α for a mediana dos números.
BOX PLOT

O Box Plot (ou Box-and-whisker plot) ou diagrama de caixas é um gráfico que utiliza os
quartis para representação dos dados. O Box Plot pode ser representado tanto na horizontal
quanto na vertical.

Sempre teremos um retângulo (box) com um traço no meio. Assim, teremos três segmentos
paralelos.

Um deles é o primeiro quartil, o outro o segundo quartil (mediana) e o outro é o terceiro

quartil.

Teremos também dois traços (whiskers). Eles vão representar o menor valor e o maior valor
que não forem discrepantes (outliers).

Teremos ainda os valores discrepantes (outliers) representados por bolinhas ou asteriscos.

Amplitude total
É a diferença entre o maior elemento e o menor elemento. Se os dados estiverem agrupados
em intervalos de classe, a amplitude será dada pela diferença entre o limite superior da
última classe e o limite inferior da primeira classe.

Propriedades:
Somando-se (ou subtraindo-se) uma constante c de todos os valores de uma lista de
números, a amplitude não é alterada.
Multiplicando-se (ou dividindo-se) uma constante c de todos os valores de uma lista de
números, a amplitude da lista fica multiplicada (ou dividida) por esta constante.

Amplitude Interquartílica
A diferença Q3-Q1 é denominada amplitude interquartílica. A metade desse valor, (Q3-Q1)/2
é denominada amplitude semi-interquartílica ou desvio quartílico.
A amplitude interquartílica também é chamada de “intervalo interquartílico” ou “intervalo
interquartil” ou ainda “distância interquartílica”.
As propriedades da amplitude interquartílica são exatamente as mesmas que estudamos
para a amplitude total.
Propriedades dos desvios
A soma algébrica dos desvios tomados em relação à média é nula.

A soma dos quadrados dos desvios da sequência de números xi em relação a um número m é

mínima se m for a média aritmética dos números.
A soma dos módulos (valores absolutos) dos desvios é mínima quando os desvios são
calculados em relação à mediana.

Desvio absoluto médio

Se os dados estiverem agrupados, deveremos calcular a média ponderada dos

desvios, em que os pesos são as frequências.
Propriedades:

Somando-se (ou subtraindo-se) uma constante c de todos os valores de uma lista

de números, o desvio médio não é alterado.

Multiplicando-se (ou dividindo-se) uma constante c de todos os valores de uma

lista de números, o desvio médio da lista fica multiplicado (ou dividido) por esta
constante.
PROBABILIDADE

Quando o evento é igual ao espaço amostral, dizemos que o evento é certo.

Quando o evento é igual ao conjunto vazio, dizemos que o evento é impossível.
AMOSTRAGEM
1. Tipos de Amostragem: Amostragem Probabilística, Amostragem não probabilística,
Amostragem Aleatória Simples, Amostragem Aleatória Estratificada, Amostragem Aleatória
por Conglomerado, Amostragem Sistemática, Amostragem por Conveniência, Amostragem
por quotas, Amostragem Intencional.

2. Amostragem Aleatória Estratificada – Aqui a população é dividida em estratos. Esses

estratos são subconjuntos da população bastante semelhantes entre si.

3. Decorar: a variância do estimador da média amostral é dado pela variância populacional

dividida pelo tamanho da amostra.
4. As amostras de dividem em casuais e não casuais:

4.1. Casuais: são aquelas onde a probabilidade de seleção de cada um dos elementos é
igual, ou seja, cada elemento tem a mesma chance de ser selecionado para compor a
amostra. Esse tipo de amostragem é o adequado para se realizar inferências estatísticas.

Tipos de amostra casual:

4.1.1. Amostragem Aleatória Simples - consiste na forma mais básica de escolha dos
elementos de uma amostra: sorteio.

4.1.2. Amostragem Sistemática - possui duas premissas básicas.: selecionar aleatoriamente

um elemento da amostra e, posteriormente, selecionar os demais elementos a partir de
intervalos pré- definidos.
4.1.3. Amostragem Estratificada - Aqui a população é dividida em estratos. Esses estratos
são subconjuntos da população bastante semelhantes entre si.

4.1.4. Amostragem por Conglomerados – aqui a população é dividida em conglomerados,

onde cada conglomerado possui uma heterogeneidade que representa as características da
população.

4.2. Não casual - são aquelas onde há uma escolha dos elementos que farão parte da
amostra. É uma amostragem tendenciosa onde não é possível se fazer inferências
estatísticas sobre a característica da população.

Tipos de amostragem não casuais:

4.2.1. Amostragem Acidental (por conveniência);
4.2.2. Amostragem Intencional (por julgamento);
4.2.3. Amostragem por quotas (proporcional).
VARIÁVEIS ALEATÓRIAS

Variável aleatória (v.a.) é uma variável que é associada a uma distribuição de probabilidade.

Uma variável aleatória discreta pode assumir apenas certos valores, usualmente números
racionais, e resultam basicamente de contagens. Os possíveis resultados no lançamento de
um dado são limitados e servem como exemplo de variável aleatória discreta. Os valores das
variáveis estão restritos a apenas certos números: 1, 2, 3, 4, 5 e 6.

Uma variável aleatória contínua resulta de uma medida e pode assumir qualquer valor
dentro de um dado intervalo.

Distribuição de probabilidades é uma lista de todos os resultados possíveis de um

experimento e também das probabilidades associadas a cada um dos resultados.
Obviamente, a soma de todas as probabilidades será sempre igual a 1.
A esperança matemática (também chamada de expectância, valor médio ou MÉDIA) é,
por definição, o número:

Essa expressão significa que, para calcular a esperança de uma variável aleatória, devemos
multiplicar cada valor da variável pela sua respectiva probabilidade e depois somar tudo.
PROPRIEDADES:

E(k ∙ X) = k ∙ E(X)
Ou seja, se multiplicamos uma variável aleatória por k, a sua esperança fica multiplicada por
k.

E(X + k) = E(X) + k
Se adicionamos uma constante k a todos os valores de uma variável aleatória, também
adicionamos k unidades à sua esperança.

E(X + Y) = E(X) + E(Y)

A esperança da soma de duas variáveis é igual à soma das esperanças das variáveis.

E(k) = k
A esperança de uma constante é igual à própria constante.

Se X e Y são variáveis aleatórias independentes, então E(XY) = E(X) ∙ E(Y). Atenção: o

contrário nem sempre é válido.
MODA
A Moda será o valor com maior probabilidade. Se todos os valores são equiprováveis, não há
moda.

FUNÇÃO DE DISTRIBUIÇÃO
A função de distribuição F(x) (ou função de distribuição acumulada) da variável X é definida
por:

Assim, a função de distribuição nos dá a probabilidade de a variável aleatória assumir valores

menores do que ou iguais ao valor.
MEDIANA

A mediana é o valor de X em que a função de distribuição ultrapassa 50% pela

primeira vez. Em nosso exemplo anterior, a função de distribuição ultrapassa 50%
justamente para X = 3.

Portanto, Md = 3.

Se a função de distribuição assumir exatamente o valor de 50%, a mediana será a

média aritmética entre o valor de X que possui função de distribuição igual a 50%
e o próximo.
VARIÂNCIA E DESVIO PADRÃO

Por definição, a variância de uma variável aleatória X, de população infinita, é:

Desenvolvendo essa expressão, e sabendo que μ = E(x), teremos:

PROPRIEDADES:

V(X + k) = V(X)
Isto significa que se você adicionar uma constante a todos os valores da variável, a variância
não se altera.
V(k ∙ X) = k² ∙ V(X)

Se você multiplicar todos os valores da variável por uma constante k, a variância ficará
multiplicada pelo quadrado desta constante.

O desvio padrão também não é alterado quando adicionamos uma constante a todos os
valores da variável.

Como o desvio padrão é a raiz quadrada da variância, então o desvio padrão fica multiplicado
por |k| quando multiplicamos todos os valores por uma constante k.
COVARIÂNCIA E CORRELAÇÃO

Medem a “força” da relação entre duas variáveis aleatórias. Utilizando a seguinte notação:
Teremos, por definição, dadas duas variáveis aleatórias, X e Y, a covariância entre X e Y:

A correlação entre X e Y é um número definido por:

- Se os valores da variável Y tendem a crescer quando os valores de X crescem, então
cov(X,Y)>0.

- Se os valores da variável Y tendem a diminuir quando os valores de X crescem, então

cov(X,Y)<0.

- Assim, o sinal de cov(X,Y) nos dá uma informação sobre a relação entre X e Y.

- A covariância nos dá uma noção da tendência (se uma variável cresce, a outra cresce, por
exemplo), mas não nos dá ideia da força dessa relação.

- Por outro lado, a correlação sempre assume valores no intervalo [−1,1], ou seja, a correlação
pode valer no mínimo -1 e no máximo 1.
- Quando ρ(X,Y)=1, temos uma correlação linear perfeita positiva, ou seja, os pontos estão
perfeitamente sobre uma reta ascendente (quando X cresce, Y cresce; quando X decresce, Y
decresce).

- Quando ρ(X,Y)=-1, temos uma correlação linear perfeita negativa, ou seja, os pontos estão
perfeitamente sobre uma reta descendente (quando X cresce, Y decresce; quando X
decresce, Y cresce).

- Se a correlação é zero (ou próxima de zero), não existe relação linear entre as variáveis
(pode ser que exista outro tipo de relação entre as variáveis – uma relação trigonométrica,
logarítmica ou polinomial, por exemplo).
Desenvolvendo seu produto e utilizando as propriedades de esperança, podemos
escrever a covariância de outra maneira:

Assim, podemos dizer que a covariância entre as variáveis X e Y é a esperança do

produto
menos o produto das esperanças.
Se X e Y são variáveis aleatórias independentes, então:
E(XY)=E(X)∙E(Y)
cov(X,Y)=0
ρ(X,Y)=0
Mas, se a covariância é igual a 0, você não pode concluir que as variáveis são
independentes.
COEFICIENTE DE VARIAÇÃO E VARIÂNCIA RELATIVA

O coeficiente de variação de uma variável aleatória X é dada por:

A variância relativa é dada pelo quadrado do coeficiente de variação:

TEOREMA DE CHEBYSHEV
O teorema de Chebyshev (ou Desigualdade de Chebyshev) afirma que a proporção mínima
de valores de dados que pertencem ao intervalo μ±kσ é

Assim, sendo p a proporção de dados que pertencem ao intervalo o teorema de Chebyshev

garante que: