CADEIRA

BIOESTATISTICA
2017
 Introduo Estatstica
Origem da palavra Estatstica

A origem da palavra Estatstica estava

asssociada palavra latina Status ( Estado).
 Introduo
As primeiras necessidades estavam voltadas para
as necessidades do estado, na formao de
polticas pblicas, fornecendo dados demogrficos
e econmicos administrao pblica.

A abrangncia da estatstica aumentou no

comeo do sculo XIX, para incluir a acumulao
de anlise de dados de maneira geral.
Hoje , a utilizao da estatstica se
expandiu para muito alm das suas origens ,
individuais e organizaes usam a
estatstica para compreender certos
fenmenos ou dados e tomar decises
bem-informados nas cincias naturais e
sociais na medicina ,na administrao
pblica, nos negcios e outras reas .
 Introduo Estatstica

A estatstica moderna produto do sculo

A estatstica hoje

XX , embora muitos dos fundamentos

matemticos tenham sido elaborados em
sculos anteriores .
No campo da biologia a estatstica ter
nascido como ramo cientifico no ano de
1925 , com a publicao do livro
Statiistical Mathedos do Ingls Ronald
A. Fisher.
 Cont.

Neste sculo , a criao de instrumentos

precisos para a agronomia sade publica
(epidemiologia , bioestatstica , etc) ,
controle de qualidade industrial e propsitos
econmicos e sociais necessitavam
avanos substanciais nas praticas
estatsticas .
Em suma hoje a Estatstica comporta a
seguinte formula :

Estatstica = Cincia + Tecnologia + Arte

 Introduo Estatstica
2- Conceitos Gerais
A estatstica como cincia comporta dois
grandes ramos :

1. A estatstica geral ou metodolgica

Ferramentas : Tabelas e grficos, Medidas de tendncia
central e mediadas de variabilidades ou disperso.
2. Estatstica aplicada
A ferramenta mais importante a teoria de
probabilidades.
Assim a estatstica matemtica
enquadra-se na estatstica geral, enquanto
que a Bioestatstica a parte da
estatstica aplicada .

A Estatstica aplicada, define-se como

cincia que tem por objectivo o estudo da
exposio e do movimento das
populaes humanas nas suas
caractersticas biolgicas .
Ou seja, a estatstica aplicada s cincias da
vida humana como o caso da Biomtria
(mensurao da vida e processos vitais ) , da
Sociomtria (mensurao cultural , de atitudes e
relacionamentos) e da Psicomtria ( mensurao
da personalidade , desenvolvimento mental e
comportamento individual ).
 2- Conceitos Gerais

A designao Bioestatstica foi proposta em

1923 por Raymond Pear num esforo para
substituir a expresso inglesa de Vital
Statistics( estatstica vital) , pois havia
confuso terminolgica devido ao facto das
designaes Bio e Vita , significarem ambas
Vida No grego e latim.

Estatstica um conjunto de
procedimentos atravs dos quais os dados
de natureza qualitativa so recolhidos ,
organizados , apresentados e analisados .
Quando os dados provm de observaes
biolgicas , caracterizam a presena da
bioestatstica , tambm chamada
biometria ( medio biolgica ).
 2- Conceitos Gerais
A bioestatistica ocupa-se portanto da
aplicao de mtodos matemticos estatsticos
no estudo de fenmenos biolgicos .
Ao colectar os dados referentes as
caractersticas de um grupo de objectos ou
indivduos , muitas vezes impossveis observar
todo o grupo , caso seja muito grande, em vez
de examinar todo o grupo denominado
Populao ou Universo , examina-se uma
pequena parte chamada Amostra.
 2- Conceitos Gerais
EX. Compra de 1000 cxs de
medicamentos .

Populao ou Universo qualquer

conjunto de elementos, indivduos ou
objectos , tendo alguma caracterstica
comum que permite a observao , a
classificao ou medio . Portanto trata-
se de indivduos ou objectos no sentido mais
amplo do termo .
O numero de elementos de uma
populao chama-se grandeza ou
dimenso da mesma e representa-se por
N.
Uma populao pode ser finita ou infinita.
Aos valores numricos que caracterizam
uma populao d-se o nome de
parmetros da populao .
 2- Conceitos Gerais
Amostra o conjunto de observaes
individuais , seleccionados de uma determinada
maneira , sendo parte ou subconjunto de uma
populao .
O numero de indivduos que fazem parte de uma
amostra designa-se por dimenso ou grandeza da
amostra e representa-se por n .
As amostras representativas devem ser aleatrias
ou seja, cada elemento da populao tem uma
mesma probabilidade de ser seleccionado ou
escolhido.
As informaes obtidas, seja com base nos
elementos que constituem a populao, seja
com base nos elementos que constituem
amostra. So denominadas tecnicamente de
dados.

Dados - So pontos estatsticos baseados

em observaes individuais que quantificam a
informao sobre uma populao ou grupo de
indivduos.
Ex: Estudo do estado de nutrio de 100
crianas dos 0 aos 5 anos.
3. Tipos de estatsticas ( como disciplina)
3.1- Estatstica Descritiva (dedutiva)

3.2-Estatstica inferencial ( induo )

 3.1- Estatstica Descritiva (dedutiva)
a parte da estatstica que procura descrever e avaliar um
certo grupo, sem tirar quaisquer concluses ou inferncias
sobre o grupo maior.

A estatstica descritiva pode ser resumida nas seguintes etapas:

Definio do problema

Planejamento

Colecta dos dados

Organizao de dados

Apresentao dos dados (tabelas ou grficos)

Descrio dos dados

 3.2- Estatstica inferencial (indutiva)

Se uma amostra representativa de uma
populao, concluses importantes sobre
a populao podem ser inferidas de sua
anlise.
A parte da estatstica que trata das
condies sob as quais essas inferncias
so vlidas chama-se estatstica
inferencial.
 4-Variveis
So caractersticas dotadas de variabilidade (ou uma
varivel um objecto de estudo de uma determinada
pesquisa).

So chamadas variveis ou melhor variveis aleatrias

( casuais).

Variveis Porque estas caractersticas dentro do grupo

variam de objectos a objectos dentro de uma populao.
Ex: A idade ou peso de pessoas.
Aleatrias Porque se devem ao acaso e so
imprevisveis e imprediziveis.
 Convencionalmente a varivel
simboliza-se por uma letra maiscula,
vulgarmente a letra X e as
observaoes de cada varivel pela
mesma letra acrescida de um ndice .
Ex: X1, X2,.Xn
Portanto Xi a observao de
ordem i da varivel X ( onde i =
1,2,3,..,n).
 4-Variveis
Classificao das variveis quanto ao tipo
variveis classificam-se em :
1-Varivel Quantitativa
aquela que representada por um valor numrico .
Portanto a varivel quantitativa expressa quantidade.
Ex: O valor de hemoglobina de um doente, a glicemia,
a tenso arterial, o numero de partos, de abortos etc.
A varivel quantitativa subdivide-se em :
Varivel quantitativa discreta nmeros inteiros
( resultantes de uma contagem) . Ex : a idade.
Varivel quantitativa continua nmeros
decimais( resultante de uma medio ) . Ex: altura
 4-Variveis

2-Varivel Qualitativa

Ex: Profisses , patologias , especialidades acadmicas

,etc.
A varivel qualitativa subdivide-se em:
Varivel qualitativa binria ou bicotmica Aquela
que assume apenas dois estados ou categorias
possveis. Ex: O sexo ( M/F) etc.
Varivel qualitativa simples ou nominal Aquela que
assume mais de duas categorias ou atributos de
qualidade. Ex: A cr dos olhos , etc..
Classificao da varivel quanto
a escala de medida.
A vida moderna tem obrigado a espcie humana a
ter uma atitude permanente de mensurao em
toda a dimenso . Ex: Medimos a quantidade de
dinheiro que possumos , o tempo que levamos a
fazer uma interveno cirrgica, a eficcia de um
novo medicamento, etc.
A varivel quanto a escala de medida
classifica-se em :
1. Escala numrica aquela em que as
mensuraes das variveis so expressas em
nmeros , podendo ser qualquer ( inteiro ou
decimal ). EX: a idade.
2. Escala intervalar aquela em que as
mensuraes das variveis so expressas num
conjunto de nmeros ( intervalos ), que
possuem limites inferiores e superiores. Ex:
Faixa etria .
3. Escala categrica aquela em que a
mensurao da varivel apresentada por
categorias.
Ex: Uma grvida pode terminar a gestao em
aborto , parto normal ou cesariana .outro
exemplo pode ser a categoria militar
4. Escala nominal aquela em que a
mensurao da varivel e apresentada em
5. Escala ordinal aquela em que o
procedimento da mensurao feito
expressando uma certa ordem.

Ex: O diagnostico inicial de um doente

observado num banco de urgncia pode ser o
primeiro diagnostico , mas no
necessariamente o diagnostico final , que o
ultimo e mais fidedigno, uma vez que o
medico j ter feito uso de recursos
tecnolgicos para confirmar o primeiro
diagnostico .
Classificao da varivel quanto ao nvel de
medida
Quanto ao nvel de medida as variveis
Classificam-se em :
1. Variveis Nominais Permitem apenas a
classificao qualitativa ou seja podem ser
medidas apenas em termos de quais itens ou
grupos pertencem , mas no se pode quantificar
nem mesmo ordenar tais categorias,
Ex: Dois indivduos de sexo oposto , so
diferentes em termos da varivel ( sexo) ,
mas no se pode dizer qual deles tem
maisda qualidade representada pela
varivel.
2. Variveis ordinais Permitem ordenar
os itens medidos em termos de qual tem
menos e qual tem mais da qualidade
representada pela variavel, mais ainda no
permitem que se diga 0 quanto mais.
Ex: O nvel social das populaes residentes
em uma localidade. Mdia alta mais alta
do que a media, mas no se pode dizer, por
exemplo que 18% mais alta.
3. Variveis intervalares Permitem no
apenas ordenar os itens que esto sendo
medidos , mas tambm quantificar e comparar
o tamanho das diferenas entre eles.

Representao da Varivel quantitativa

numa tabela de frequncias.
1. Tabela Simples
a) Dados brutos So dados recolhidos e no
foram organizados.
b) Rol simples Quando os dados esto
organizados( na ordem crescente ou
decrescente )
 Distribuio de frequncias

apresentada numa tabela , em que os valores

observados e ordenados ,so organizados em
classes, que podemos formar com dados brutos
e constituir os seus limites de classes ( limites
aparentes e limites reais), com os
respectivos pontos mdios de classes
todas as frequncias absolutas e
relativas , simples acumuladas.
 Teoria das classes de valores

fundamental conhecer a teoria que norteia a

criao das classes de valores, sem a qual torna-se
bastante difcil elaborar a distribuio de frequncias
e mais difcil ainda fazer a sua interpretao .
Classes de valores o conjunto de dados
observados e que se situam entre dois valores
extremos , os quais se designam por limites. Para se
definir os limites de uma classe, dever ser indicado
o chamado intervalo de classe ( IC).
Intervalo de classe a diferena entre o limite
superior ( valor mximo superior) e o limite inferior
( valor mnimo inferior) de uma classe.
Uma dada classe de valores tem um chamado limite
inferior ( Li) e outro chamado limite superior ( Ls) .
Para a construo do 1. limite inferior de uma
classe deveremos considerar o valor mnimo da
serie de observaes e somar a este valor o
intervalo de classe, para obtermos limite superior
da 1. classe .
Para a formao dos limites inferiores e superiores
subsequentes, deveremos adoptar a metodologia
down- left- right .
Uma dada classe de valores poder ser de intervalo
aberto ou de intervalo fechado.
Classe de intervalo aberto O Ls (limite superior)
de uma dada classe ao mesmo tempo Li (limite
inferior) da classe seguinte .
Por consequncia a utilizao de classes de valores, pode
provocar dificuldades no enquadramento de um dado
valor observado, pelo que dever ser dada uma ateno
particular, quando procedemos a incluso dos valores
nas respectivas classes.
Os limites de classes ( Lc) subdividem-se em dois
tipos fundamentais.
1. Limites aparentes ( La)
2. Limites Reais (Lr)
Limites aparentes- So aqueles que
resultam do fraccionamento directo dos
valores observados em classes, tendo em
considerao o rol simples e o intervalo de
classe .

Limites Reais - So aqueles que resultam

do fraccionamento directo dos valores
observados em classes, tendo em
considerao os La e uma constante
decimal de Pearson ( Kp )
Constante decimal de Pearson ( Kp )
um valor decimal que deve ser subtrado
ao Limite aparente inferior da 1. classe de
valores, e ao mesmo tempo , deve ser
somado aos limites superiores das restantes
classes .
Geralmente o Kp = 0,5
Regra de aplicao do Kp : A constante
decimal de Pearson Kp tem sempre um
decimal a mais em relao aos valores
observados.
 Exemplo

1.

Pois, todos os valores observados possuem apenas um

algarismo aps avirgula
2.

Pois, existe entre os valores observados um nmero com

dois algarismos aps a virgula
3.

Pois, existe entre os valores observados um nmero decimal com um

algarismo aps a virgula.
 Ponto mdio de classe(p.m.c)
O ponto mdio de classe deve ser sempre
obtido a partir dos limites reais ou seja achar a
mdia do Li e Ls de cada classe .

Classificao das frequncias

As frequncias dividem-se em frequncias
absolutas e relativas. Ambas podem ser
simples ou acumuladas
1. Frequncias absolutas simples ( fas )
um numero inteiro que exprime a quantidade de
indivduos que esto contidos numa determina
classe ou grupo.
Frequncia relativa simples ( frs) so sempre
valores percentuais ou mais precisamente uma
relao e por consequncia so sempre taxas, cuja
a constante multiplicadora geralmente 100.
Dai as frs expressam a possibilidade de um
fenmeno ocorrer em 100 tentativas possveis.
As frequncias acumuladas constroem-se a partir
das simples num movimento para baixo , para
esquerda e para direita.
OBS : A distribuio de uma varivel deve ser
apresentada numa tabela de valores, a qual
deve conter um titulo , um corpo( onde se
incluem colunas e linhas) e um rodap (ou
fonte ) compreensvel.
Toda a tentativa em representar uma tabela de
distribuio sem um titulo, um corpo e uma fonte
cientificamente reprovvel.

Distribuio de frequncia da varivel quantitativa

continua .
Ex: Hemoglobina dos 11 pacientes internados num
determinado hospital.
Xi : 9,2; 11,4; 7,5; 10,1;9,2;13,2; 8; 15,5;12,4 e 9,6 g/dl -
Srie de observaes ( dados brutos )
n = 10 ( amostras ou tamanho amostral )
Rol Simples IC = 2
Xi : 7,5 ; 8,0; 9,2; 9,2; 9,6 ; 10,1; 11,4 ; 12,4; 13,2 e 15,4 g/dl
 Passos de Resoluo para obtermos o
limite aparente (La)
1. Tomar um intervalo de classe (IC) para

calcular a coluna do limite aparente (La).

Para o nosso caso tomamos IC=2
2. Se consideramos 7,5 o nmero menor
(inferior) no grupo (ou srie de observaes),
claro que ser o limite inferior da primeira
classe, e para obtermos o limite superior ser
7,5+2=9,5, logo teremos .
3. A segunda classe ter como limite inferior
9,5 e consequentemente vamos somar por 2
at encontrarmos a ltima classe.
 Passos de Resoluo para obtermos o
limite real (Lr)
1. Como se sabe a constante Kp=0.5 e como os

elementos nos dados possuem apenas uma casa decimal,

ento: Kp=0.05, segundo a regra da aplicao.
2. Subtramos 7,5 0,05 para obtermos o limite inferior, e
somamos 9,5+0.05
Para o limite superior da primeira classe do limite real (Lr),
logo teremos .

Obs. A partir da segunda classe os limites inferiores

sero representados pelos limites superiores das classes
anteriores, enquanto que os limites superiores obtm-se
somando os limites superiores de (La) por Kp=0.05 .
Clculo do ponto mdio da classe
(p.m.c) e outros resultados
p.m.c=
Ex(1 classe) p.m.c=, etc

Obs. A distribuio de frequncias ser feita a partir

do limite aparente (La).
Titulo : Tabela de distribuio de frequncias da hemoglobina em
10 doentes internados no hospital Americo Boavida
Luanda(2000)
Corpo ( tabela )
Classe La Lr p.m.c fas Fac frs Frac

1. 7,5 --- 9,5 7,45 9,55 8.5 04 04 0.4 40 40

2. 9,5 - 11,5 9,55 11,55 10.55 03 07 0,3 30 70

3. 11,5 -13,5 11,55 13,55 12.55 02 09 0,2 20 90

4. 13,5 - 15,5 13,55 15,55 14.55 01 10 0,1 10 100

Total ( ) 10 -------- 1,0 100 ------

Fonte : Servio de estatstica do hospital A. Boavida.


1. Nota importante: Se precisarmos do valor do
Kp a partir da tabela, deve ser calculado apartir da
coluna do Lr, neste caso como todos os valores
observados de Lr possuem dois algarismo aps a
virgula, portanto, Kp ter tambm dois algarismos,
isto ; La
Classe Lr p.m.c fas Fac frs Frac
1. 7,5 --- 9,5 7,45 9,55 8.5 04 04 0.4 40 40

2. 9,5 - 11,5 9,55 11,55 10.55 03 07 0,3 30 70

3. 11,5 -13,5 11,55 13,55 12.55 02 09 0,2 20 90

4. 13,5 - 15,5 13,55 15,55 14.55 01 10 0,1 10 100

Total ( ) 10 -------- 1,0 100 ------


1. Nota importante: Se precisarmos do valor do
Kp a partir da tabela, deve ser calculado apartir da
coluna do Lr, neste caso como todos os valores
observados de Lr possuem dois algarismo aps a
virgula, portanto, Kp ter tambm dois algarismos,
isto ; La
Class Lr p.m.c fas Fac frs Frac
e
1. 7,34 --- 9,5 7,3405 9,5005 8.5 04 04 0.4 40 40

2. 9,5 - 11,66 9,55 11,6605 10.55 03 07 0,3 30 70

3. 11,66 -13,82 11,6605 13,8205 12.55 02 09 0,2 20 90

4. 13,82 - 15,98 13,8205 15,9805 14.55 01 10 0,1 10 100

Total ( ) 10 -------- 1,0 100 ------



Verificaes da tabela

fas = n

frs 1 ou frs 100

Frmula para frs

frs = fas/n ou frs = fas/n .
100 %
Distribuio da varivel quantitativa
discreta

A construo para uma varivel quantitativa discreta ,

obedece ao mesmo principio de uma varivel quantitativa
continua .
Nota : Aqui h que referir que do expresso na teoria da
formao de classes, no real do ponto de vista cientifico ,
construir os limites reais e por consequncia aplicar a
constante decimal de pearson, nem calcular o ponto mdio
de classe, pois a varivel quantitativa discreta no admite
valores decimais .
Nesta conformidade resta apenas a observncia para a
construo dos limites aparentes, frequncias absolutas e
relativas , quer sejam simples ou acumuladas.
EX: Exemplo das gestantes do servio de obstetrcia
da maternidade Lucrcia Paim , na qual a avaliao do
nmero de gestaes em 10 gestantes observados foi
o seguinte :

Xi : 5; 7; 4; 3; 2; 8; 5; 1; 6 e 9 gestaes
n = 10
Xi: 1; 2; 3; 4; 5 ;5; 6; 7; 8 e 9 gestaes
IC= 2
Ttulo:Tabela de distribuio de frequncias do numero de
gestaes em 10 mulheres observadas na maternidade
Lucrcia Paim Luanda / 11. 03. 2003
Classe La fas Fac frs Frac
1. 1 --- 3 03 03 30 30

2. 4 --- 6 04 07 40 70

3. 7 --- 9 03 10 30 100

Total 10 ------------ 100 ----------

Fonte : Servios de estatstica da maternidade Lucrcia Paim



Obs. Devido as implicaes na representao

grfica da varivel quantitativa discreta , as classes
de valores devem sempre ser de intervalos
fechados .

Obs. No caso do intervalo de , v-se que estar

incluso no respectivo intervalo enquanto que, o
limite inferior das classes posteriores comeam
sempre com o sucessor do limite superior da classe
anterior. Neste caso , etc.

A distribuio tabular de uma varivel quantitativa

discreta mais simplificada em relao a da varivel
quantitativa continua .
 Representao Tabular
1. Tabela de entrada simples ou nica
2. Tabela de entrada dupla
3. Tabela de entrada tripla
4. Tabela de entrada mltipla
1. Tabela de entrada Simples ou nica
uma tabela que apresenta a frequncia
absoluta simples e a frequncia relativa
simples de apenas uma varivel . Ambas
as frequncias devero ter um total .

EX: Tabela de distribuio do numero de casos da

patologia associada a gravidez em 71 gestantes /
2000
 Ttulo:
Tabela de distribuio do numero de casos da patologia associada a gravidez em
71 gestantes / 2000

Patologia (Xi ) N. de casos frs ( %)

(fas)
Cirurgia ginecolgica 6 8,5
Doena renal crnica 2 2,8
Diabetes gestacional 0 0
Diabetes Mellitus 0 0
Doena cardaca 0 0
Pneumopatia 1 1,4
Malria 47 66,2
Infeco
Fonte: Centros urinaria obsttrico de Luanda
de atendimento 10 14,1
Drepanocitose 5 7,1
Total 71 100

ote
2. Tabela de entrada dpla

Este tipo de tabela relaciona duas

variveis qualitativas , como tambm
pode relacionar uma varivel quantitativa
agrupada e outra qualitativa, ou mesmo
duas variveis quantitativas agrupadas .
No exemplo a seguir vamos observar a
relao entre uma quantitativa discreta e
uma varivel qualitativa simples.
Ttulo:Distribuio da idade, sexo e raa nos 247
doentes internados no servio de doenas
infecciosas . HAB- I. trimestre/ 2001
Raa
Idade Total
Branca Negra Mestia

18 40 36 94
15 - 19
32 32 18 82
20 - 24
30 22 19 71
25 - 29
Total 80 94 73 247
Geral

Fonte: Servios de estatstica do departamento de

doenas infecciosas -HAB
3. Tabela de Entrada Tripla

uma tabela com mais variveis,

devendo conter pelo menos trs variveis
quer sejam qualitativas ou quantitativas
agrupadas . E por consequncia mais
complexa a leitura deste tipo de tabela ,
que embora possam resumir uma grande
quantidade de informao , exigem uma
leitura cuidadosa e sistematizada , para
avaliarmos a dimenso do fenmeno nela
caracterizado ou apresentado.
Ttulo:Distribuio da idade, sexo e raa nos 247
doentes internados no servio de doenas
infecciosas . HAB- I. trimestre/ 2001
Raa
Idade Sexo Branca Total
Negra Mestia

M 08 10 16 34
15 - 19 F 10 30 20 60
M 12 15 05 32
20 - 24 F 20 17 13 50
M 09 08 02 19
25 - 29 F 21 14 17 52
Total Geral 80 94 73 247

Fonte: Servios de estatstica do departamento de

doenas infecciosas -HAB
4. Tabela de entrada mltipla

um tipo de tabela que deve conter pelo

menos quatro variavas , quer sejam
quantitativas agrupadas ou qualitativas .
Tambm podemos designa-la como Tabela
Matriz , porque ela pode conter um nmero
considervel de variveis em estudo.
uma tabela muito complexa , cuja a
interpretao exige cuidado e conhecimento.
Ttulo:Distribuio da idade, sexo, raa , segundo o teste do HIV nos 380
doentes de consulta externa HAB I. Trimestre 2001

Teste Raa
HIV Branca Negra Mestia Total

Idade Sexo Pos. Neg. Pos. Neg. Pos. Neg.

M 05 10 01 12 0 10 38
15 -- 19 F 01 20 0 23 02 11 57
M 02 24 02 14 01 21 64
20 -- 24 F 03 50 03 13 0 22 91
M 05 14 0 19 03 32 73
25 --29 F 04 20 01 21 01 10 57
Total 20 138 07 102 07 106 380

Fonte : Servio de estatstica do HAB / Luanda

Nota importante:
1. Em estatstica , jamais podemos apresentar
graficamente uma varivel, sem que esse grfico tenha
uma tabela correspondente para confirmao, a no ser o
grfico seja devidamente compreensivo, isto que tenha
toda a informao sobre a frequncia absoluta simples e
relativa da varivel, um titulo e fonte devidamente
expresso .
2. Uma tabela pode ser nica forma de representao de
uma varivel, sem que se faa acompanhar do grfico
respectivo, mas nunca o grfico poder s-lo. Diz-se, pode
existir uma tabela sem o correspondente grfico , mas
nunca o seu contrario.
3. Do ponto de vista cientifico, mais legvel e facilmente
interpretvel, a representao grfica de uma varivel, do
que a representao tabular da mesma varivel .
 a s
i
at M
M
sor ED
s
of e ID
Pr A
S
Curso de
 Captulo2
Introduo:O processo de mensurao ligado a
tcnicas de avaliao de valores, quer estes sejam
mdios ou centrais, quer ainda eles possam
atestar a variabilidade ou disperso do fenmeno.
Essa mensurao feita por dois grupos
fundamentais de procedimentos designados como:
1. Medidas de tendncia central( ou de
posio ou localizao)
2. Medidads de variabilidade ou disperso

Curso de Medidas
1. Medidas de tendncia central
So aqueles que medem, o valor mdio,
mediana, ideal ou aquele de maior frequncia
numa srie de distribuio de valores.

As mais utilizadas so:

1. Mdia Aritmtica
2. Mdia ponderada
3. Mediana
4. Moda
Curso de Medidas
Mdia (X ou )
Mdia aritmtica
Se os dados estiverem em Se os dados estiverem
na forma bruta, basta agrupados, o somatrio ser
do produto de cada varivel
somar todos e dividir pelo
pela sua respectiva
total da amostra (n). frequncia. Trata-se de uma
mdia aritmtica ponderada.

Curso de Medidas
Mediana (Me)

o valor de uma
observao , capaz de
dividir a srie de
observaes em duas
partes iguais.
Curso de
Mediana (Me)

Curso de Medidas
O seu clculo simples, e deve
ser feito a partir do rol simples,
considerando duas possibilidades.

a) Quando n par
b) Quando n mpar

Curso de
Mediana (Me)

1. Se n for par:

o
u

Curso de Medidas
Mediana (Me)
Se n for mpar:

ou

Curso de Medidas
Mediana (Me)
Me o valor central da distribuio que a divide
em duas partes iguais.

Curso de Medidas
Moda (Mo ou )
Mo o valor que ocorre com mais frequncia na
distribuio, isto , o valor que mais se repete.

Nota:Quando h dois valores que se repetem na

mesma quantidade, chamamos a srie de BIMODAL.

Analogamente, para a TRIMODAL e POLIMODAL.

Se todos os valores se repetirem na mesma quantidade

ento a srie AMODAL, isto , no existe moda.

Curso de Medidas
Moda

Prof Juliana Medidas

Moda (Mo)
2 5 5 5 6 7 9 9 9 10 10
Mo1 = 5 e Mo2 = 9 Srie
Bimodal
4 4 4 5 6 7 7 7 8 9 9 9
Mo1= 4, Mo2= 7 e Mo3= 9 Srie
Trimodal
Mo1 = 60
Mo2 = 70
2 2 5 5 9 9 12 12 Srie
No existe moda Srie Amodal Bimodal

Curso de Medidas
 Moda (Mo)
No caso da tabela em classes, sabemos
que a moda est entre o limite inferior
e superior de uma classe, mas no h
como saber o seu valor exato.

possvel encontrar sua aproximao

por meio de vrios procedimentos.

Moda Bruta
Ser o ponto mdio da classe de maior frequncia.

A MAIORIA dos alunos

tiraram 35 pontos.

Curso de Medidas
 Medidas de variabilidade ou
disperso
So aquelas que calculam o grau de disperso das
observaes em redor dos centrais, em particular da
mdia aritmtica, pois a medida de localizao mais
importante, ser relativamente a ela que se define a
principal medida de variabilidade ou disperso
So medidas de variabilidade ou disperso as seguintes:
1. Amplitude
2. varincia,
3. desvio padro,
4. coeficiente de variao e
5. erro padro

Curso de Medidas
1. Amplitude
a diferena entre o valor mximo e mnimo
do rol simples:

Amplitude=
Exemplo:
9,8,7,7,6,5,4,2,1,1 anos
Amplitude=9 anos- 1 ano
Amplitude= 8 anos

Curso de
 2. Varincia
A varincia define-se como sendo a medida que
se obtm somando os quadrados dos desvios das
observaes relativamente a sua mdia
aritmtica, dividindo pelo nmero de observaes
da amostra menos um

Onde chama-se desvio mdio quadrado, e chama-

se grau de liberdade

Curso de
 Objectivo do clculo da varincia
A varincia tem como objectivo, analisar o grau
de variabilidade de determinadas situaes,
atravs dela podemos perceber desempenhos
iguais, muito prximos, ou muito distantes.
Enquanto que a mdia aritmtica pode ser usada
para avaliar situaes de forma geral, a varincia
determina de forma mais especifica as possveis
variaes

Curso de
 3. Desvio padro
O desvio padro igual a raiz quadrada da
varincia.
O desvio padro nos d uma ideia de quanto os
valores da amostra variam em torno da mdia
aritmtica.
ou
Observao: o desvio padro, uma medida
que s pode assumir valores positivos.
Quanto maior for, maior ser a disperso dos
dados.
Alm disso, o desvio
Curso de
4. Coeficiente de
variao
O coeficiente de variao (CV) a disperso
percentual mdia das observaes em redor
da mdia aritmtica.
Por outras palavras, o CV o rcio do desvio
padro sobre a mdia aritmtica. quanto mais
baixo, menos risco pode ser calculado para
uma populao ou para uma amostra

Curso de

Regra geral do CV
Considera-se que um CV acima de 10%
expresso de uma grande disperso das
observaes em redor dos valores
centrais( mdia aritmtica, media e moda)
Frmula

Curso de
 5. Erro padro
Embora o erro padro seja mais uma medida de
estimativa, do que propriamente de disperso, ele
completa o estudo geral de variabilidade dos
fenmenos ,e introduz-nos bastante mais no
domnio inferencial do que no domnio meramente
descritivo ou deduo

Esta medida essencial, para compreender a

variabilidade de um modo geral, e essencial para
generalizar os resultados da variabilidade das
amostras para a populao geral

Curso de
 Regra geral do erro padro

Em estatstica, o erro padro ( margem de erro)

igual ou inferior a uma unidade, expresso de
que os resultados da variabilidade obtidos na
amostra em estudo podem ser aceites ou
generalizados a toda populao, donde foi
extrada esta amostra, desde que a mesma tenha
sido seleccionado aleatoriamente.
Frmula

Curso de
 Exerccios
1. Tomemos como exemplo as taxas de
morbilidade observadas em 500 doentes,
estratificados em grupos etrios, em que
pretendemos calcular a mdia geral da taxa de
morbilidade.
Grupo de idade Taxa de Nmero de
morbilidade (Frs) doentes (n)
-20 anos 47,5 40
20-39 anos 15,0 120
40-59 anos 22,4 250
+ 60 anos 51,1 90
Total 500
 Soluo

Interpretao: o valor mdio que representa a taxa de morbilidade

observada nos 500 doentes de 27,8%.

2. O valor da hemoglobina em gramas decilitro, nos 10 doentes

internados no hospital Amrico Boavida tem os seguintes dados em rol
simples:
10,1;15,1;9,6;7,8;9,0;12,4;8,2;8,2;11,4 e 13,9 g/dl.

a) Calcule a mdia
b) Mediana
c) Moda
d) Varincia
e) Desvio padro
f) Coeficiente de variao
g) Erro padro
 Soluo
A) Mdia
B) Mediana

C) Moda
Mo=2
d) Varincia:
D) Desvio padro

E) Coeficiente de variao

Erro padro
Representao grfica
1. Varivel Contnua
A representao grfica de qualquer varivel tem padres
universais, no sendo possvel enveredar por um processo
grfico inaceitvel do ponto de vista cientfico.

Obs. Uma varivel continua sempre representada

graficamente por um histograma . Essa forma grfica somente
podem ser bem representadas, se tivermos calculado
correctamente os limites reais das classes e o respectivo
ponto mdio de cada classe de valores.
Exemplo: O valor da hemoglobina em gramas decilitro, nos 10
doentes internados no hospital Amrico Boavida tem os
seguintes dados em rol simples:
7,8;8,2;8,2;9,6;10,1;11,4;12,4;13,9 e 15,1
 Representao grfica
L.a Lr P.M.C fas Fac frs Frac
7,8- 7,75- 8,8 5 5 50 50
9,8 9,85
9,8- 9,85- 10,85 2 7 20 70
11,8 11,85
11,8- 11,85- 12,85 1 8 10 80
13,8 13,85
13,8- 13,85- 14,85 2 10 20 100
15,8 15,85
Total ---- ---- ----- ----
 Representao grfica
Histograma

Histograma
 Representao grfica
2. Varivel discreta
Obs. Uma varivel discreta sempre representada graficamente por um
grfico de barras . Essa forma grfica somente podem ser bem
representadas, se tivermos calculado correctamente os limites
aparentes das classes.

EX: Exemplo das gestantes do servio de obstetrcia da maternidade

Lucrcia Paim , na qual a avaliao do nmero de gestaes em 10
gestantes observados foi o seguinte :

Xi : 5; 7; 4; 3; 2; 8; 5; 1; 6 e 9 gestaes
n = 10
Xi: 1; 2; 3; 4; 5 ;5; 6; 7; 8 e 9 gestaes
IC= 2
Representao grfica
L.a fas Fac frs Frac

1---3 3 3 30 30

4 ---6 4 7 40 70

7---9 3 10 30 100

Total ----- ----

Grfico de barras
3

3
 1. Grfico circular(Sector,
GRFICO EM SETORES: Pizza)

designado por meio de um crculo, onde

cada classe representada por um setor

circular, cujo ngulo proporcional ao

tamanho da amostra.

Obs: Usado quando se deseja mostrar as

partes de um todo, ou seja, quando se deseja

 Representao
grfica(Tabela)
L.a fas frs Grau

1---3 3 30 108
4 ---6 4 40 144
7---9 3 30 108
Total 360
 1. Grfico circular

Grfico circular

7---9; 108 1---3; 108

4 ---6; 144
Grfico circular
 Grfico de linhas
Grfico de linhas
Representao grfica
L.a fas frs

1---3 3 30

4 ---6 4 40

7---9 3 30

Total
 Grfico de linhas
Grfico de linhas

40

30 30
Outras formas de
grficos
Grfi co de Barras

3 3
 Grfico de linhas
Grfico de linhas

C An
om P
ro
b lis b
ri in e ad ab
a a
e t es ili
d
Curso de Sade
 ANLISE
COMBINATRIA

Um motivo to mundano quanto os jogos de azar que
acabou levando ao desenvolvimento da Anlise
Combinatria. A necessidade de calcular o nmero de
possibilidades existentes nos jogos gerou o estudo dos
mtodos de contagem.

Grandes matemticos se ocuparam com o assunto: o

italiano Niccollo Fontana (1500-1557), conhecido
como Tartaglia, e os franceses Pierre de Fermat
(1601-1665) e Blaise Pascal (1623-1662). A Anlise
Combinatria visa desenvolver mtodos que permitam
contar de uma forma indireta o nmero de elementos de
um conjunto, estando esses elementos agrupados sob
certas condies.
 A Construo de
Grupos
A Anlise Combinatria um conjunto de
procedimentos que possibilita a construo, sob certas
circunstncias, de grupos diferentes formados por um
nmero finito de elementos de um conjunto.

Na maior parte das vezes, tomaremos conjuntos Z

com n elementos e os grupos formados com
elementos de Z tero k elementos, isto , k ser a
taxa do agrupamento, com k n.
Dois conceitos so fundamentais para a anlise
combinatria: Fatorial de um nmero e o Princpio
Fundamental da Contagem.

Os trs tipos principais de agrupamentos so as

Permutaes, os Arranjos e as Combinaes.
 Fatorial de um
Nmero
Nos problemas de contagem muito comum um tipo de
problema em que, para se obter o resultado referente
ao total das possibilidades, deve-se multiplicar um
determinado nmero natural pelos seus antecedentes
at chegar unidade.
Para facilitar a obteno desses resultados, as
calculadoras (consideradas cientficas) vm com uma
tecla conhecida como fatorial de n, que significa
produto do nmero natural n pelos seus antecedentes
at chegar unidade.
Considere n um nmero inteiro no negativo. O fatorial
de n, indicado por n!, definido como sendo a seguinte
multiplicao:
n! = n (n-1) (n-2) ... 3 2 1
 Exemplos
Exemplos:
1. 7! = 7 6 5 4 3 2 1 = 5 040
2. 0! = 1 e 1! = 1
3. Quatro pessoas que esto de p pretendem
ocupar quatro cadeiras. Qual o nmero total de
maneiras diferentes de ocup-las?
4! = 4.3.2.1 = 24
1. se o nmero de objecto for igual ao nmero
de posies, logo teremos uma permutao
 Princpio fundamental da
contagem
Se determinado acontecimento ocorre em n
etapas diferentes, e se a primeira etapa pode
ocorrer de k1 maneiras diferentes, a segunda de
k2 maneiras diferentes, e assim sucessivamente,
ento o nmero total T de maneiras de ocorrer o
acontecimento dado por:
T = k1 k2 k3 ... kn
Exemplos:
Imagine que dispomos de uma moeda e
um dado. Lanando simultaneamente o
dado e a moeda, quantos so os possveis
resultados? 6 x 2 = 12
 Princpio
Existem Aditivo
situaes e multiplicativo
de contagem, em que da Contagem
adicionamos
as possibilidades, e existem outras, nas quais
multiplicamos as possibilidades. J estudamos aquelas
situaes em que tivemos que efetuar uma
multiplicao. Em tais situaes utilizamos o princpio
multiplicativo para justificar. Mas como sabemos,
diante de um experimento, se multiplicamos ou
adicionamos as possibilidades?
Antes de procurarmos dar uma resposta a essa
questo, o que fundamental para os problemas de
contagem, importante entender a utilizao de 2
conectivos(smolos em nossa lngua portuguesa: E ou
OU.
 Continuao...
Obs.O conectivo E utilizado, em princpio, na
Lngua Portuguesa no sentido aditivo. Porm, em
Matemtica, o mesmo conectivo E indica
simultaneamente, dependncia (Multiplicao).

Concluso:
Quando, num problema de contagem, aparecer o
conectivo E, devemos pensar em simultaneidade,
em dependncia(sentido multiplicativo-
multiplicar).
Quando aparecer o conectivo OU num problema de
contagem, deveremos interpret-lo no sentido
aditivo(somar).
 Exemplo
1. Dispondo 3 luvas e 4 batas, de quantas

maneiras diferentes posso me vestir?

Soluo:
luvas: Preta, Amarela e vermelha
Batas: Preta, verde, Amarela e vermelha
Obs: Aqui usamos o princpio multiplicativo,
porque possvel usar luvas e batas ao
mesmo tempo

Como o exercicio expressa o smolo E, logo

teremos uma multiplicao:
 Exemplo
2. Dispondo de 3 modelos diferentes de tnis e 2
modelos diferentes de sapato, de quantas
maneiras diferentes posso escolher um calado
para usar?
Soluo: Aqui usamos o princpio aditivo
porque no possvel usar os dois calados
ao mesmo tempo

Logo:
 Exemplo
3. Com os algarismos 2, 3, 4, 5,6 e 7
determine quantos nmeros de 3
algarismos podem ser formados?

4. Com os algarismos 3,4,5,6 e 7

determine quantos nmeros de 4
algarismos distintos podem ser
repetidos?
 Soluo
4. soluo: 6.6.6=216 (aqui pode-se repetir
os algarismo)

5. soluo:5.4.3.2=120 opes
 Permutaes
Permutao Simples
Permutaes, so agrupamentos com n elementos, de
forma que os n elementos sejam distintos entre si pela
ordem. As permutaes podem ser simples, com
repetio ou circulares.

Permutaes simples de n elementos distintos so os

agrupamentos formados com todos os n elementos e
que diferem uns dos outros pela ordem de seus
elementos. O nmero de permutaes simples de n
objetos distintos representado por
.
 Exemplos:
ROMA uma das permutaes das letras da
palavra AMOR.
No caso de letras, cada permutao formada
denomina-se anagrama.

Conjunto Z Z = {A, B, C} n=3

Grupos de
Permutao {ABC,ACB,BAC,BCA,CAB,CBA} Pn
Simples

P3 = 3! =
Frmula de Clculo Pn = n!
6
 Nota
1.
se o nmero de objecto for igual ao
nmero de posies, logo teremos uma
permutao
Exemplo:
Quatro pessoas que esto de p
pretendem ocupar quatro cadeiras. Qual o
nmero total de maneiras diferentes de
ocup-las?
.

4! = 4.3.2.1 = 24 maneiras
 Permutao com Repetio
Se entre os n elementos de um conjunto existem a
elementos repetidos, b elementos repetidos, c
elementos repetidos e assim sucessivamente, o
nmero total de permutaes que podemos formar
dado por:
Conjunto

Z Z = {B, A, B, A} n=4

Repetio de
B = 2, A = 2 a = 2, b = 2
elementos
Permutao
{BABA, BAAB, BBAA,
com Pn(a,b,c,...)
AABB, ABAB, ABBA}
Repetio
Frmula de
Pn(a,b,c,...) = P4(2,2) =
Clculo
 Exemplo
1. determine o nmero total de anagramas da
palavra BARRACA.
Soluo: Pn(a,b) =
2. determine o nmero total de anagramas da
palavra FARMCIA.
Pn(a,b) =
 Permutao circular
Existe um tipo de permutao denominada circular,
em que os elementos so dispostos em crculos ou
ao redor de uma mesa circular. Por exemplo, vamos
colocar trs objetos A, B, e C, distintos em 3 lugares
numa circunferncia.
Sendo (PC)3 o nmero de permutaes circulares
de trs elementos temos que:
(PC)3 = 2!
Em geral
 Exemplo
1) Uma famlia composta por seis pessoas: o pai,
a me e quatro filhos. Num restaurante, essa
famlia vai ocupar uma mesa redonda. Em quantas
disposies diferentes essas pessoas podem se
sentar em torno da mesa?

Soluo:
 Arranjo Simples
Arranjos, so agrupamentos formados com k
elementos, de forma que os k elementos sejam
distintos entre si pela ordem ou pela espcie. Os
arranjos podem ser simples ou com repetio.

No ocorre a repetio de qualquer elemento em

cada grupo de k elementos. Considerando um
conjunto com n elementos, chama-se arranjo
simples de taxa k todo agrupamento de k
elementos distintos dispostos numa certa ordem.
Dois arranjos diferem entre si, pela ordem de
colocao dos elementos. Veja um exemplo abaixo:
Obs:
 Exemplo
Conjunto Z Z = {A, B, C} n=3

N de elementos Taxa de 2
k=2
dos Grupos elementos

Grupos de Arranjo {AB, AC, BA, BC, CA,

An,k
Simples CB}

A3,2 = 3! / (3-2)!
Frmula de Clculo An,k = n! / (n-k)!
=6
 Arranjo com Repetio
Todos os elementos podem aparecer
repetidos em cada grupo de k elementos. Veja
o exemplo abaixo:
Conjunto Z Z = {A, B, C} n=3
N de elementos Taxa de 2
k=2
dos Grupos elementos

Arranjos com {AA,AB,AC,BA,B

An(k)
Repetio B,BC,CA,CB,CC}

Frmula de
A3(2) = 32 = 9
Clculo
 Combinao

Combinaes, so agrupamentos de k elementos,

de forma que os k elementos sejam distintos entre
si apenas pela espcie. A posio dos elementos
no importa e no os distingue.
Combinaes simples de n elementos distintos
tomados k a k so subconjuntos formados por k
elementos distintos escolhidos entre os n
elementos dados. Duas combinaes so diferentes
quando possuem elementos distintos, no
importando a ordem em que os elementos so
colocados:
 Exemplo
Conjunto Z Z = {A, B, C} n=3

N de
Taxa de 2
elementos dos k=2
elementos
Grupos
Grupos de
Combinao {AB, AC, BC} Cn,k
Simples
Frmula de Cn,k = n! / k!(n- C3,2 = 3! / 2!(3-
Clculo k)! 2)! = 3
 Combinao com
repetio
Quando temos n elementos distintos e queremos
formar grupos com k elementos no
necessariamente distintos, onde a ordem dos
elementos do grupo no importante, portanto,
no feita a permutao dos k elementos dos
grupos formados.
 Resumo
1.
se o nmero de objecto for igual ao nmero de
posies, logo teremos uma permutao.
Exemplo: quantos nmeros de 5 algarismos podem ser
formados com os seguintes algarismos:
Soluo: nmeros
2. Para os casos de ARRANJO e COMBINAO, no
necessrio (embora acontea) que o nmero de
objectos seja igual ao nemro de posies, mas deve-
se ter em conta a ordem.
A) No caso de ARRANJO a ordem importante
Exemplo: quantos nmeros de 3 algarismos podem ser
formados com os seguintes algarismos:
Soluo: Usamos arranjo com repetio, pois a
ordem importa
 Continuao

B) No caso de COMBINAO a ordem no

importante
Exemplo: Quantos subconjuntos de apenas
3 elementos podem ser formados a partir
do conjunto A=
Soluo: Aqui a ordem no importa, logo
usamos combinao simples:
Cn,k = n! / k!(n-k)!= =10
 Teoria elementar do
probabilidade
Introduo:Um dos instrumentos fundamentais
para a compreenso da estatstica em geral, o
conhecimento e manuseamento das
PROBABILIDADES.

O conhecimento das probabilidades,conferem a

capacidade para mergulharmos na anlise
inferencial com profundidade, uma vez que a
induo assenta no facto de provarmos se uma
probabilidade(P), lida numa tabela de valores
crticos, tal como veremos adiante. Isto tem por
base essencial, o conceito de probabilidade de
 Continuao...
Desde o sculo XVII, e com base nos jogos de
azar, desenvolveram-se procedimentos para prever
os resultados desses jogos. A criao da Teoria de
probabilidaes fica a dever-se a Pascal (1623-
1695), Fermat (1608-1665) e huygen (1629-
1695).
Posteriormente foi desenvolvido o procedimento
de Clculo de probabilidades atravs da
contribuio de Laplace .
 Continuao...
No estudo das probabilidades estamos interessados
em estudar o experimento aleatrio, isto , aquele
cujo resultado incerto, embora o conjunto de
resultados possveis seja conhecido.
Por exemplo, lanar um dado ou uma moeda e
observar o resultado obtido constituem um
experimento aleatrio. Da mesma forma, sortear
uma bola de um conjunto de bolas numeradas de
1 a 100 tambm um experimento aleatrio.
Em termos gerais, a probabilidade determina a
possibilidade de ocorrer um determinado resultado.
 Espao Amostral ()
Espao Amostral ()
o conjunto de todos os resultados possveis de um experimento
aleatrio.

Exemplos:
Lanamento de uma moeda: = {c, k} sendo c = cara e k = coroa
Lanamento de duas moedas: = { c c, c k, k c, k k }
Lanamento de um dado: = {1, 2, 3, 4, 5, 6 }
Retirada de uma carta do baralho:
= { A 2 3 4 5 6 7 8 9 10 J Q K ()
A 2 3 4 5 6 7 8 9 10 J Q K ()
A 2 3 4 5 6 7 8 9 10 J Q K ()
A 2 3 4 5 6 7 8 9 10 J Q K () }
 Evento

Evento
A cada experimento est associado um resultado obtido, no previsvel,
chamado evento. Um evento qualquer subconjunto de um espao
amostral, sendo representados por letras maisculas A, B, C, D, etc.

Exemplo:
Lanam-se dois dados. Enumerar o espao amostral e depois os
seguintes eventos:
A: sada de faces iguais
B: sada de faces cuja soma seja igual a 10
C: sada de faces cuja soma seja menor que 2
D: sada de faces cuja soma seja menor que 15
E: sada de faces onde uma face o dobro da outra
F: sada de faces desiguais