ÍNDICE

1.Introdução...............................................................................................................................3
1.1.Objectivos.........................................................................................................................4
1.2.Metodologia......................................................................................................................4
2.Revisão de literatura................................................................................................................5
2.1.Medidas de Tendência Central.........................................................................................5
2.1.1.Utilização das Medidas de Tendência Central...........................................................5
2.2.Medidas de posição...........................................................................................................6
2.2.1.Média Aritmética........................................................................................................6
2.2.2.Dados não agrupados (brutos) - média aritmética simples.........................................6
2.2.3.Dados agrupados - média aritmética ponderada.........................................................6
2.2.4.Dados agrupados em intervalos - média aritmética ponderada..................................7
3.Moda.......................................................................................................................................7
4.Mediana...................................................................................................................................8
4.1.Dados não agrupados (brutos)..........................................................................................8
4.2.Dados agrupados...............................................................................................................9
4.3.Dados agrupados em intervalos........................................................................................9
Conclusão.................................................................................................................................10
Bibliografias.............................................................................................................................11

1.Introdução

Autor: Sergio Alfredo Macore sergio.macore@gmail.com Pemba - 846458829

O presente trabalho tem como tema ‘’Medidas de tendência central Agrupadas e não
Agrupadas em casos de Malária no Distrito de Pemba no período de 2019’’. É sabido
que, a Estatística trabalha com diversas informações que são apresentadas por meio de
gráficos e tabelas e com diversos números que representam e caracterizam um determinado
conjunto de dados. Dentre todas as informações, podemos retirar valores que representem, de
algum modo, todo o conjunto. Esses valores são denominados “Medidas de Tendência
Central ou Medidas de Centralidade”.

De um lado, em estatística, uma tendência central é um valor central ou valor típico para uma
distribuição de probabilidade. As medidas de tendência central mais comuns são a média
aritmética, a mediana e moda. Tendências centrais podem ser calculadas tanto para um
número finito de valores quanto para uma distribuição teórica, a exemplo da distribuição
normal. Ocasionalmente autores usam tendência central (ou centralidade), significando "a
tendência de dados quantitativos de se agruparem ao redor de um valor central." Tal
significado pode ser esperado da definição usual das palavras tendência e centralidade no
dicionário.

Autor: Sergio Alfredo Macore sergio.macore@gmail.com Pemba - 846458829

1.1.Objectivos

 Recolher, organizar e interpretar dados referentes a diversas variáveis através de

tabelas de distribuição de frequências, representação gráfica, medidas de tendência
central agrupadas e não agrupadas;
 Interpretar fenómenos probabilísticos e resolver problemas que envolvem a medida de
tendência central no caso da Malária em Pemba;
 Distinguir variáveis aleatórias unidimensionais e bidimensionais.

1.2.Metodologia

Para elaboração deste trabalho foi feito uma revisão bibliográfica. Onde foi usado o método
indutivo, que é um método responsável pela generalização, isto é, partimos de algo particular
para uma questão mais ampla, mais geral.

Para Lakatos e Marconi (2007:86), Indução é um processo mental por intermédio do qual,
partindo de dados particulares, suficientemente constatados, infere-se uma verdade geral ou
universal, não contida nas partes examinadas. Portanto, o objectivo dos argumentos indutivos
é levar a conclusões cujo conteúdo é muito mais amplo do que o das premissas nas quais nos
baseia-mos.

Autor: Sergio Alfredo Macore sergio.macore@gmail.com Pemba - 846458829

2.Revisão de literatura

2.1.Medidas de Tendência Central

Até agora, estudamos de um modo geral, os grupos de valores que uma variável pode
assumir. Assim é que podemos localizar a maior concentração de valores de uma dada
distribuição, isto é, se ela se localiza no início, no meio ou no final, ou ainda, se há uma
distribuição por igual.

Porém, para ressaltar as tendências características de cada distribuição, isoladamente, ou

em confronto com outras, necessitamos introduzir conceitos que se expressem através de
números, que nos permitam traduzir essas tendências. Esses conceitos são denominados
elementos típicos da distribuição e são as:

Medidas de posição;
Medidas de variabilidade ou dispersão;
Medidas de assimetria.

As mais importantes das medidas de posição são as medidas de tendência central, as quais
recebem tal denominação pelos dados observados tenderem, em geral, a se agrupar em
torno dos valores centrais. Dentre as medidas de tendência central destacamos:

a) A média aritmética simples;

b) A média aritmética ponderada;
c) A mediana;
d) A moda.

E para este trabalho falaremos sobre as medidas de tendência central agrupada e não
agrupadas.

2.1.1.Utilização das Medidas de Tendência Central

Na maioria das situações, não necessitamos calcular as três medidas de tendência central.
Normalmente precisamos de apenas uma das medidas para caracterizar o centro da série.
Surge, então, a questão: qual medida deve ser utilizada?

A medida ideal em cada caso é aquela que melhor representa a maioria dos dados da
série. Quando todos os dados de uma série estatística são iguais, a média, a mediana e
a moda coincidirão com este valor e, portanto qualquer uma delas representará bem a
série. No entanto, este caso dificilmente ocorrerá na prática.

Autor: Sergio Alfredo Macore sergio.macore@gmail.com Pemba - 846458829

Na maioria das vezes, teremos valores diferenciados para a série e consequentemente9 a
medida irá representar bem, apenas os dados da série que se situam próximos a este valor.
Os dados muitos afastados em relação ao valor da medida não serão bem representados
por ela. Desta forma, se uma série apresenta forte concentração de dados em sua área
central, a média, a mediana e a moda ficam também situadas em sua área central
representando bem a série como na figura abaixo. Como a mais conhecida é a média,
optamos por esta medida de tendência central.

2.2.Medidas de posição

As medidas de posição são valores que representam a tendência de concentração dos

dados observados. As mais importantes são as medidas de tendência central. As três
medidas de tendência central mais utilizadas são: média aritmética, moda e mediana.

2.2.1.Média Aritmética

É um valor que representa uma característica do conjunto de dados. Essa característica é

tal que a soma dos dados é preservada. A média é obtida a partir de todos os elementos
da distribuição e do tamanho da amostra .

Notação: representamos a média de um conjunto de dados por (lê-se barra).

Cálculo da Média Aritmética. +

2.2.2.Dados não agrupados (brutos) - média aritmética simples.

No caso de uma lista de dados não-agrupados, calculamos a média aritmética pela

fórmula:

Exemplo. Exemplo de cálculo de média aritmética com dados brutos.

2.2.3.Dados agrupados - média aritmética ponderada.

No caso em que temos os dados agrupados, ou seja, sabemos a frequência de cada

observação, o cálculo da média aritmética pode ser simplificado. Assim, a média
aritmética pode ser cálculada pela fórmula:

Exemplo. Exemplo de cálculo de média aritmética ponderada

Autor: Sergio Alfredo Macore sergio.macore@gmail.com Pemba - 846458829

2.2.4.Dados agrupados em intervalos - média aritmética ponderada

No caso em que temos os dados agrupados em intervalos, utilizamos a média aritmética

ponderada, onde os pesos são dados pelo ponto médio do intervalo. Assim, a média
aritmética é calculada pela fórmula:

Exemplo. Exemplo de cálculo de médias com dados agrupados em intervalos

Considere a seguinte tabela:

Dados de Malaria 2019

Unidade sanitaria Malaria 0-4 anos Malaria 5+ anos
CS 18 de Outubro 391 1478
CS B. Caraico 1489 3679
CS B. Ingonane 375 1492
CS B. Natite 2570 10575
CS B. Cimento 720 3181
CS Eduardo Mondlane 1550 4704
CS B. Muxara 1646 5587
CS Mahate 917 4665
CS Paquite 467 1350
CS Chuiba 607 1695
HP Pemba 2038 5263
TOTAL 12770 43669

3.Moda

Definimos a moda de um conjunto de dados como o valor mais frequente deste conjunto.
Notação: representamos a moda de um conjunto de dados por.

Exemplo. Exemplo de modas

1, 2, 4, 5 e 8 - não existe valor mais frequente - não existe moda (Amodal).

2, 2, 3, 7 e 8 - Mo = 2 (Unimodal).
1, 1, 10, 5, 5, 8, 7, 2 - Mo = 1 e 5 (Bimodal).

Dados agrupados - Neste caso, a moda é definida como “classe modal”, isto é, a
classe com a maior frequencia.
Exemplo 1.5. Exemplo de cálculo de classe modal

Considere a seguinte tabela:

Assim, Mo = 8 ().

Autor: Sergio Alfredo Macore sergio.macore@gmail.com Pemba - 846458829

 Dados agrupados em intervalos: Neste caso, utiliza-se a fórmula de Czuber:
onde:

É a amplitude intervalar,
É a frequência da classe modal,
É o limite inferior da classe modal,
É a frequência da classe anterior à classe modal,
É a frequência da classe posterior à classe modal.

Exemplo. Exemplo de cálculo de moda pela fórmula de Czuber

Considere a seguinte tabela: Assim, e . Daí

4.Mediana

Definimos a mediana de um conjunto de dados como o valor que divide um conjunto de

dados (ordenados) em duas partes com a mesma quantidade de dados. Notação:
representamos a mediana de um conjunto de dados por. O elemento mediano () aponta o
local (nos dados) onde a mediana está localizada. A mediana será o valor assumido na
posição.

4.1.Dados não agrupados (brutos)

No caso de dados brutos, se o tamanho amostral () é ímpar, temos que. Note que no caso
tamanho amostral é par, teremos dois valores possíveis para o elemento mediano: e .
Neste caso a mediana será a média dos valores assumidos nestas posições.
Exemplo 1.7. Exemplo de cálculo de mediana para dados brutos

1, 2, 4, 5 e 8. Como é ímpar, temos, e.

2, 2, 3, 7, 8 e 10. Aqui é par, assim e. Daí.

4.2.Dados agrupados

Neste caso, olhar a frequência acumulada ajuda a encontrar a mediana.

Caso 1: ímpar.

Autor: Sergio Alfredo Macore sergio.macore@gmail.com Pemba - 846458829

Exemplo 1.8. Exemplo de cálculo de mediana com dados agrupados para ímpar
Considerando a seguinte tabela: Como, temos que . Daí. Note que a frequência
acumulada indica que nas posições de até temos o valor.

Caso 2: par.

Exemplo 1.9. Exemplo de cálculo de mediana com dados agrupados para par

Considere a seguinte tabela: Neste caso, daí temos e. Portanto Note, novamente, que a
frequência acumulada indica que nas posições de até temos o valor.

4.3.Dados agrupados em intervalos

Neste caso, utilizamos independentemente de ser par ou ímpar. A classe mediana é a

primeira classe tal que. Portanto, definimos a mediana pela fórmula onde:

É o limite inferior da classe mediana,

É a amplitude do intervalo,
É a frequência acumulada da classe anterior à classe mediana,
É a frequência da classe mediana.

Conclusão

Para finalizar, dizer que, há várias medidas de tendência central, entretanto neste material
foi realizado o estudo apenas daquelas que forem as mais significativas para a teoria de
pesquisa mercadológica. As mais importantes medidas de tendência central, são a média

Autor: Sergio Alfredo Macore sergio.macore@gmail.com Pemba - 846458829

aritmética, média aritmética para dados agrupados, média aritmética ponderada,
mediana, moda, média geométrica, média harmónica, quartis.

Sendo a média uma medida tão sensível aos dados, é preciso ter cuidado com a sua
utilização, pois pode dar uma imagem distorcida dos dados. Pode-se mostrar que, quando
a distribuição dos dados é "normal", então a melhor medida de localização do centro é a
média. A distribuição normal é uma das mais importantes e que surge com mais
frequência nas aplicações (esse facto justifica a grande utilização da média).

A média possui uma particularidade bastante interessante, que consiste no seguinte: se

calcularmos os desvios de todas as observações relativamente à média e somarmos esses
desvios, o resultado obtido é igual a zero. A média tem uma outra característica, que
torna a sua utilização vantajosa em certas aplicações: quando o que se pretende
representar é a quantidade total expressa pelos dados, utiliza-se a média. Na realidade, ao
multiplicar a média pelo número total de elementos, obtemos a quantidade pretendida.

Bibliografias

1. FERREIRA, Armando Mateus, SPSS- Manual de Utilização, Escola Superior Agraria

Castelo Branco, 1999

Autor: Sergio Alfredo Macore sergio.macore@gmail.com Pemba - 846458829

 2. FONSECA, Jairo S. & MARTINS, Gilberto A.. Curso de Estatística. 5ª ed. São Paulo,
Atlas, 1994.
3. HEALEY, Joseph. Statistics, a tool for social research. California, Wadswort
Plublishing Company Belmont, 1990.
4. SPIGEL, Murray. Estatística. São Paulo, Schaum McGraw – Hill, 1998.

Autor: Sergio Alfredo Macore sergio.macore@gmail.com Pemba - 846458829