Universidade Católica de Moçambique

Instituto de Educação à Distância

Resolução de Exercícios
Nome: Anolvia Henriques António
Código: 708234286
Docente: Jordão Cardoso

Curso: Licenciatura em Administração

Pública
Disciplina: Estatística Aplicada a Admin-
sitração Pública
Ano de Frequência: 2º ano, T: O

Quelimane, Agosto de 2024

 Folha de Feedback

Classificação
Categorias Indicadores Padrões Pontuação Nota do
Subtotal
máxima tutor
• Capa 0.5
• Índice 0.5
Aspectos organi- • Introdução 0.5
Estrutura
zacionais • Discussão 0.5
• Conclusão 0.5
• Bibliografia 0.5
• Contextualização
(Indicação clara do 1.0
problema)
• Descrição dos objec-
Introdução 1.0
tivos
• Metodologia ade-
quada ao objecto do 2.0
trabalho
• Articulação e domí-
nio do discurso aca-
Conteúdo démico (expressão
2.0
escrita cuidada, coe-
rência / coesão tex-
Análise e discus- tual)
são • Revisão bibliográfica
nacional e internaci-
2.
onais relevantes na
área de estudo
• Exploração dos da-
2.0
dos
• Contributos teóricos
Conclusão 2.0
práticos
• Paginação, tipo e
Aspectos ge- tamanho de letra, pa-
Formatação 1.0
rais ragrafoespaçamento
entre linhas
Normas APA 6ª • Rigor e coerência
Referências edição em cita- das cita-
4.0
Bibliográficas ções e bibliogra- ções/referências bi-
fia bliográficas
 0

Folha para recomendações de melhoria: A ser preenchida pelo tutor

_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
___________________
 1

Índice
Introdução ........................................................................................................................................ 2

1. Resolução de amostras................................................................................................................. 3

1.1.Elaboração da tabela de frequências .......................................................................................... 3

1.1.1. Cálculo da média, mediana e moda para dados não agrupados ………………..…………...4

1.1.2. Cálculo da média, mediana e moda para dados agrupados ................................................... 4

1.1.3. Coeficiente de Variação..........................................................................................................6

2. Descrição das Teorias de Probabilidade………………………………………………………...7

2.1 Teoria Clássica de Probabilidade. ............................................................................................. 7

2.1.1. Descrição das Teorias de Probabilidade…………………………………………………....8

2.1.1.1. Teoria Clássica de Probabilidade. ...................................................................................... 8

2.1.2.Teoria Axiomática de Probabilidade:…………..…………………………………………....8

2.1.1.1. Teoria Clássica de Probabilidade. ...................................................................................... 8

2.1.2.Teoria Axiomática de Probabilidade:…………..…………………………………………....8

Metodologias ................................................................................................................................... 9

Conclusão ...................................................................................................................................... 10

Referencias .................................................................................................................................... 11
 2

Introdução

A estatística é uma ferramenta poderosa que nos permite organizar, resumir e analisar da-
dos de forma quantitativa. Ela desempenha um papel crucial na tomada de decisões informadas
em diversas áreas, desde negócios até ciências naturais. Esta pesquisa aborda alguns dos princi-
pais conceitos e técnicas estatísticas, com o objetivo de proporcionar uma compreensão sólida
sobre a representação de dados, medidas de tendência central, medidas de dispersão e probabili-
dade.

Ao longo desta pesquisa, serão fornecidos exemplos práticos e exercícios para ilustrar os concei-
tos abordados. O objetivo é fornecer uma base sólida para a compreensão e aplicação de técnicas
estatísticas, capacitando os leitores a analisar e interpretar dados de forma eficaz.

Objectivo Geral

 Resolver as questões propostas e descrever as teorias de probabilidade

Objectivos Específicos

 Elaborar a tabela de frequências

 Calcular a média, mediana e moda para dados não agrupados
 Calcular a média, mediana e moda para dados agrupados
 Coeficiente de variação.
 3

1. Resolução de amostras
Dada a seguinte amostra: 3, 8, 4, 5, 4, 8, 5, 2, 6, 5, 7, 6, 6, 1, 5,6, 4, 8, 9,

a) Elabore a tabela de frequências

b) Calcule a média, mediana e moda para dados não agrupados
c) Calcule a média, mediana e moda para dados agrupados
d) Coeficiente de variação

1.1. Elaboração da tabela de frequências

Dada a seguinte amostra: 3, 8, 4, 5, 4, 8, 5, 2, 6, 5, 7, 6, 6, 1, 5, 6, 4, 8, 9, 1.

Tabela de frequências:
Valor Frequência
1 2
2 1
3 1
4 3
5 5
6 4
7 1
8 3
9 1

Para elaborar esta tabela de frequências, seguimos os seguintes passos:

 Identificamos todos os valores distintos presentes na amostra.

 Para cada valor distinto, contamos quantas vezes ele aparece na amostra. Essa contagem
é a frequência.
 Organizamos os valores distintos e suas respectivas frequências em uma tabela, onde ca-
da linha contém um valor e sua frequência correspondente.

A tabela de frequências é uma representação organizada dos dados, mostrando claramente quan-
tas vezes cada valor ocorre na amostra. Ela facilita a visualização da distribuição dos dados e é
uma ferramenta útil para análises estatísticas posteriores.

Observe que, na tabela acima, podemos ver que o valor 5 é o que ocorre com maior frequência (5
vezes), seguido pelos valores 4, 6 e 8, que aparecem 3 vezes cada. Os valores 1, 3, 7 e 9 têm fre-
quência 1, ou seja, aparecem apenas uma vez na amostra.
 4

A tabela de frequências é um passo importante na organização e resumo dos dados, preparando-

os para cálculos e análises estatísticas adicionais.
1

1.1.1. Cálculo da média, mediana e moda para dados não agrupados

Dados não agrupados

 Média: Soma de todos os valores / Número total de valores = (3 + 8 + 4 + 5 + 4 + 8 + 5

+ 2 + 6 + 5 + 7 + 6 + 6 + 1 + 5 + 6 + 4 + 8 + 9 + 1) / 20 = 5.2
 Mediana: Ordenando os dados em ordem crescente, a mediana é o valor central.
Dados ordenados: 1, 1, 2, 3, 4, 4, 4, 5, 5, 5, 5, 5, 6, 6, 6, 6, 7, 8, 8, 8, 9
 A mediana é o 11º valor (contando a partir do menor), que é 5.
 Moda: O valor que mais se repete na amostra. Na amostra, o valor 5 é o que mais se re-
pete, aparecendo 5 vezes.
Portanto, a moda é 5.

Conclusão:
 Média = 5.2
 Mediana = 5
 Moda = 5

As medidas de tendência central (média, mediana e moda) nos fornecem diferentes perspectivas
sobre o valor central ou típico do conjunto de dados. A média é influenciada por todos os valores,
enquanto a mediana representa o valor central após a ordenação dos dados. A moda é o valor
mais frequente.

No caso desta amostra, as três medidas coincidem, indicando que o valor central é 5. No entanto,
em conjuntos de dados assimétricos ou com valores discrepantes, essas medidas podem diferir,
fornecendo informações complementares sobre a distribuição dos dados.

1.1.2. Cálculo da média, mediana e moda para dados agrupados

Até agora, abordamos o cálculo de medidas de tendência central (média, mediana e moda) para
dados não agrupados, onde cada valor da amostra é tratado individualmente. No enta to, em
muitas situações, os dados podem ser agrupados em intervalos ou classes, especialmente quando
estamos lidando com grandes conjuntos de dados.
 5

Agrupar os dados em classes pode tornar a análise mais eficiente e fornecer insights adicionais
sobre a distribuição dos dados. Nessa abordagem, os valores são divididos em intervalos contí-
guos, e as frequências são contadas para cada intervalo ou classe

Para calcular a média, mediana e moda para dados agrupados, vamos primeiro organizar os dados
em uma distribuição de frequências agrupadas:

Classe Valor Médio Frequência

0-2 1.5 3
3-5 4 7
6-8 7 8
9-11 10 2

Média:
 A média é calculada como a soma dos produtos (valor médio da classe * frequência
da classe) dividida pela soma das frequências.
Média = (1.5 * 3 + 4 * 7 + 7 * 8 + 10 * 2) / (3 + 7 + 8 + 2)
= (4.5 + 28 + 56 + 20) / 20
= 108.5 / 20
= 5.425

Mediana:
Para encontrar a mediana, primeiro calculamos a frequência acumulada para cada classe. Em se-
guida, localizamos a classe que contém o valor central (a metade da soma das frequências). A
mediana será o valor médio dessa classe.
Classe Frequência Frequência
Acumulada
0-2 3 3
3-5 7 10
6-8 8 18
9-11 2 20

A soma das frequências é 20, então o valor central é o 10º valor. A classe que contém o 10º valor
é a classe 3 - 5. Portanto, a mediana é o valor médio dessa classe, que é 4.
 6

Moda:

A moda é a classe com a maior frequência. Neste caso, a classe 6 - 8 tem a maior frequência de 8,
então a moda é 7 (valor médio dessa classe).

Conclusão:

▪ Média = 5.425
▪ Mediana = 4
▪ Moda = 7

Observemos que, para dados agrupados, as medidas de tendência central podem ser diferentes
dos valores calculados para dados não agrupados. Isso ocorre porque os valores são agrupados
em classes, e as medidas são calculadas com base nesses agrupamentos, em vez de considerar
cada valor individual.

1.1.3. Coeficiente de Variação

O coeficiente de variação é expresso como uma percentagem e é calculado dividindo o desvio

padrão pela média do conjunto de dados. Formalmente, é definido como:

▪ Coeficiente de Variação (CV) = (Desvio Padrão / Média) x 100%

Para calcular o coeficiente de variação, precisamos primeiro encontrar o desvio padrão e a média
da amostra

▪ Média = (3 + 8 + 4 + 5 + 4 + 8 + 5 + 2 + 6 + 5 + 7 + 6 + 6 + 1 + 5 + 6 + 4 + 8 + 9 + 1) /
20 = 5.2

Desvio Padrão

▪ Calculamos a diferença entre cada valor e a média: (3 - 5.2), (8 - 5.2), (4 - 5.2), ..., (1 -
5.2)
▪ Elevamos cada diferença ao quadrado: (3 - 5.2)^2, (8 - 5.2)^2, (4 - 5.2)^2, ..., (1 - 5.2)^2
▪ Somamos esses quadrados: (3 - 5.2)^2 + (8 - 5.2)^2 + ... + (1 - 5.2)^2
▪ Dividimos a soma pelo número de valores (20) menos 1: [(3 - 5.2)^2 + ... + (1 - 5.2)^2] /
(20 - 1)
▪ Extraimos a raiz quadrada do resultado: √[(3 - 5.2)^2 + ... + (1 - 5.2)^2 / 19]
 7

Realizando os cálculos:

Desvio Padrão = √[((-2.2)^2 + (2.8)^2 + (-1.2)^2 + ... + (-4.2)^2) / 19]

= √(83.64 / 19)
= √4.4021
= 2.0976

Coeficiente de Variação = (Desvio Padrão / Média) x 100%

= (2.0976 / 5.2) x 100%
= 0.4034 x 100%
= 40.34%

Portanto, o coeficiente de variação para esta amostra é de aproximadamente 40,34%.

Um coeficiente de variação alto, como neste caso, indica uma alta dispersão ou variabilidade dos
dados em relação à média. Quanto maior o coeficiente de variação, maior é a dispersão dos da-
dos.

O coeficiente de variação é uma medida adimensional, o que permite comparar a variabilidade

relativa de diferentes conjuntos de dados, independentemente de suas unidades ou escalas. É am-
plamente utilizado em controle de qualidade, análise de risco e pesquisas científicas.

2. Descrição das Teorias de Probabilidade

A probabilidade é um conceito fundamental na estatística e desempenha um papel crucial na to-

mada de decisões baseadas em dados. Existem várias teorias que fornecem a base para o cálculo e
interpretação das probabilidades, cada uma com suas próprias abordagens e suposições. Nesta
seção, exploraremos as principais teorias de probabilidade, juntamente com os aspectos relacio-
nados à representação de dados estatísticos, medidas de tendência central e medidas de dispersão.

2.1. Teoria Clássica de Probabilidade

A teoria clássica de probabilidade é baseada na ideia de que todos os resultados possíveis de um

experimento são igualmente prováveis e conhecidos. A probabilidade de um evento é definida
como o número de resultados favoráveis dividido pelo número total de resultados possíveis. Esta
teoria é amplamente utilizada em situações envolvendo eventos equiprováveis, como o lançamen-
to de dados ou a extração de cartas de um baralho.
 8

2.1.1. Teoria Frequentista de Probabilidade

A teoria frequentista define a probabilidade como o limite da frequência relativa de um evento, à

medida que o número de repetições do experimento aumenta indefinidamente. Essa abordagem se
baseia na ideia de que, se um experimento for repetido várias vezes nas mesmas condições, a
frequência relativa de um evento converge para um valor fixo, que é considerado a probabilidade
desse evento. Esta teoria é amplamente utilizada em estudos experimentais e simulações.

2.1.1.1.Teoria Subjetiva ou Bayesiana de Probabilidade

A teoria subjetiva ou bayesiana de probabilidade introduz o conceito de que a probabilidade é

uma medida de crença ou grau de confiança em um evento, baseada nas informações disponíveis.
Essa teoria utiliza o Teorema de Bayes para atualizar as probabilidades à medida que novas in-
formações são obtidas. A abordagem bayesiana é amplamente utilizada em áreas como inteligên-
cia artificial, aprendizado de máquina e tomada de decisões sob incerteza.

2.1.2. Teoria Axiomática de Probabilidade:

A teoria axiomática de probabilidade, desenvolvida por Andrei Kolmogorov, fornece um trata-
mento matemático rigoroso ao conceito de probabilidade. Ela define a probabilidade com base
em um conjunto de axiomas ou regras básicas, garantindo a consistência e a coerência dos cálcu-
los de probabilidade. Essa teoria é fundamental para a formalização e o desenvolvimento da teo-
ria das probabilidades como um ramo da matemática.

Ao abordar as teorias de probabilidade, é importante considerar também a representação de dados

estatísticos, as medidas de tendência central (média, mediana e moda) e as medidas de dispersão
(variância, desvio padrão e coeficiente de variação). Essas medidas desempenham um papel cru-
cial na análise e interpretação de dados, fornecendo informações valiosas sobre a distribuição e a
variabilidade dos dados.

As teorias de probabilidade, juntamente com as técnicas de análise de dados, formam a base para
a tomada de decisões informadas em uma ampla variedade de áreas, desde negócios até ciências
naturais e sociais. Compreender essas teorias e suas aplicações é essencial para lidar com incerte-
zas, avaliar riscos e realizar previsões precisas
 9

Metodologias

Não utilizei uma metodologia específica de pesquisa para extrair essas informações. As minhas
abordagens, foram baseadas nas leituras dos manuais, artigos entre outros actualizados que falam
do tema. Mais especificamente, para construir essas respostas, acessei e sintetizei informações
actualizadas. No entanto, algumas abordagens comuns incluem:

Pesquisa bibliográfica:

▪ Revisão de livros-texto sobre estatística e probabilidade, abrangendo conceitos teóricos,

exemplos e exercícios práticos.
▪ Consulta a artigos científicos publicados em periódicos especializados, que apresentam
estudos de caso, desenvolvimentos teóricos e aplicações das técnicas estatísticas.
▪ Análise de materiais de referência, como manuais técnicos e guias de boas práticas, de-
senvolvidos por organizações e instituições reconhecidas.

É importante ressaltar que a escolha das metodologias mais adequadas dependerá dos objetivos
específicos do estudo, dos recursos disponíveis e das limitações práticas envolvidas. Muitas ve-
zes, uma combinação de diferentes abordagens é necessária para obter uma compreensão abran-
gente e robusta dos conceitos estatísticos e das teorias de probabilidade.
 10

Conclusão
Ao longo desta pesquisa, exploramos conceitos fundamentais da estatística, incluindo a
representação de dados estatísticos, medidas de tendência central, medidas de dispersão e teorias
de probabilidade. Esses tópicos desempenham um papel crucial na análise e interpretação de da-
dos, fornecendo insights valiosos para a tomada de decisões informadas em diversas áreas.

A representação adequada de dados, por meio de tabelas de frequência, gráficos e diagramas,

facilita a visualização e comunicação de informações estatísticas. As medidas de tendência cen-
tral, como média, mediana e moda, permitem resumir um conjunto de dados e identificar o valor
central ou típico. Por outro lado, as medidas de dispersão, como variância, desvio padrão e coefi-
ciente de variação, fornecem informações sobre a variabilidade dos dados em relação à tendência
central

Além disso, abordamos as principais teorias de probabilidade, incluindo as teorias clássica, fre-
quentista, subjetiva (ou bayesiana) e axiomática. Essas teorias fornecem diferentes perspectivas e
abordagens para calcular e interpretar as probabilidades, cada uma com suas próprias suposições
e aplicações específicas.

Ao longo da pesquisa, apresentamos exemplos práticos e exercícios para ilustrar os conceitos

abordados, permitindo uma compreensão mais profunda e a aplicação dos conhecimentos adqui-
ridos. Destacamos a importância de utilizar metodologias adequadas, como pesquisa bibliográfi-
ca, estudos empíricos, simulações computacionais, colaboração e aprendizagem contínua, para
adquirir e aprimorar os conhecimentos em estatística e probabilidade.
 11

Bibliografia

Walpole, R. E., Myers, R. H., Myers, S. L., & Ye, K. (2012). Probabilidade e estatística para
engenheiros e cientistas (9ª ed.). Pearson Education.

Devore, J. L. (2015). Probabilidade e estatística para engenharia e ciências (9ª ed.). Cengage
Learning.

Hogg, R. V., McKean, J. W., & Craig, A. T. (2019). Introdução à estatística matemática (8ª ed.).
Pearson Education.

Efron, B., & Hastie, T. (2016). Inferência estatística da era do computador: algoritmos, evidên-
cias e ciência de dados. Cambridge University Press.

Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B. (2013). Análi-
se de Dados Bayesianos (3ª ed.). Chapman e Hall/CRC.

Stigler, S. M. (1986). A História da Estatística: A Medição da Incerteza antes de 1900. Harvard

University Press.