Capitulo6_Estatisticadescritiva (1)

Prévia do material em texto

6 Estatística descritiva 
 
 
Dra. Amanda Pifano Neto Quintal 
 
 
Introdução 
 
Um aluno de piloto de avião estava tirando sua autorização de vôo. Ele era excelente para 
decolagem, sendo que tirou 10 na prova de decolagem. Entretanto, todas as vezes que o 
aluno ia pousar, o piloto tutor responsável tinha que intervir, pois ele não conseguiu fazer 
nenhum pouso corretamente, tirando nota zero para o pouso. Assim, a média deste aluno de 
pilotagem foi de 10 + 0 = 5 pontos. Mas... Você voaria com este piloto? 
 
As medidas de posição e dispersão podem avaliar melhor estes dados. E, assim, saberemos 
qual a melhor medida para avaliar estes dados? Neste capítulo iremos abordar quando 
usamos ou não a média como medida de posição ou se usamos outras opções como mediana 
e moda. 
 
Ainda, a dispersão dos dados vai garantir ver padrões de ditribuição dos dados e suas 
variabilidades, sendo estas imprescindíveis para estatística. Portanto, a estatística descritiva 
visa descrever com detalhes os dados de uma forma mais completa possível, sem se 
preocupar em tirar conclusões sobre um conjunto maior de dados de uma população. 
 
Desta maneira, a estatística descritiva avalia a distribuição dos dados para, posteriormente, 
identificar o melhor método estatístico a ser utilizado para a avaliação, a depender do tipo de 
medida de tendência central e de distribuição. 
 
 
 
Objetivos 
 
O objetivo da estatística descritiva é descrever dados de acordo com medidas de posição 
central ou medidas de dispersão, para entendermos quais medidas devem ser usadas e 
quando; bem como sua finalidade. Para esta etapa inicial, objetiva-se: 
 
• Entender conceitos e usos a respeito das medidas de posição, como média, mediana, 
moda e separatrizes 
• Avaliar as medidas de dispersão, absoluta e relativa, como variância, desvio padrão e 
coeficiente de variação 
• Verificar os momentos de assimetria e curtose 
 
 
 
Esquema 
 
6.1 Medidas descritivas 
6.2 Medidas de posição 
6.3 Medidas de dispersão 
6.4 Assimetria e curtose 
Estatística descritiva 
 
Amanda Pifano Neto Quintal 
 
 
6.1 Medidas Descritivas 
 
A estatística descritiva visa descrever dados disponíveis de forma mais completa possível. 
Enquanto a medida de distribuição de frequência permite identificar os grupos ou classes de 
valores os quais uma variável pode assumir, as medidas descritivas permitem localizar a maior 
concentração dos valores de acordo com a distribuição total. 
 
Portanto, os elementos típicos de uma distribuição são (Figura 1): 
 
 
Figura 1. Elementos típicos das medidas descritivas de posição, dispersão, assimetria e curtose; e seus exemplos. 
 
As medidas de posição ou medidas de tendência central remetem à tendência de um grupo 
de valores a ficarem mais próximos de um valor central, que pode ser usado para descrever 
os dados ou representá-los. São medidas de posição: média, mediana e moda (Costa, 1998). 
 
Medidas de dispersão informam o grau de dispersão, ou seja, de afastamento dos valores 
observados de acordo com um valor de tendência central. São medidas de dispersão absoluta 
amplitude, variância e desvio padrão. A principal medida de dispersão relativa é o coeficiente 
de variação. 
 
Assimetria é o grau de desvio observado, alterando a simetria dos dados. E, por fim, curtose 
é o grau de achatamento de uma curva em relação à distribuição normal de dados. 
 
<INSERIR MARCADOR: Questionamento> 
Vamos detalhar melhor? 
<FIM MARCADOR> 
 
6.2 Medidas de Posição 
 
As medidas de tendência central são valores calculados com o objetivo de representar os 
dados de uma forma ainda mais condensada do que se usando uma tabela. Quando o desejo 
é representar, por meio de um valor único, determinado conjunto de informações que variam, 
parece razoável escolher um valor central, mesmo que este valor seja uma abstração 
(Callegari-Jacques, 2003. p.26). 
 
MEDIDAS DESCRITIVAS
POSIÇÃO
Tendência central
Separatrizes
DISPERSÃO
Absoluta
Relativa
ASSIMETRIA E 
CURTOSE
Há várias medidas de tendência central. Vamos abordar a seguir sobre a média aritmética, 
moda e mediana. 
 
Para estudarmos melhor estas medidas de tendência central, vamos considerar os valores de 
IMC – índice de massa corporal, que estão distribuídos conforme a tabela 1. 
 
 
Tabela 1: Dados fictícios de parâmetros referentes à população e estatística relacionado a amostra. 
 
Índice de massa corporal (IMC) Valor tabelado Característica 
1,0 15,5 Abaixo do ideal 
18,5 25,0 Peso normal 
25 30,0 Sobrepeso 
30 35,0 Obesidade Grau 1 
35 40,0 Obesidade Grau 2 
40 100,0 Obesidade Grau 3 
 
 
 
Para fins de cálculo, vamos considerar os grupos de IMC compostos por seis pessoas com 
seus respectivos índices de massa corporal, em grupo ordenado em Rol crescente: 
 
  18,19,25,25,30,35IMC = 
 
6.2.1 Média aritmética 
 
A média aritmética ou simplesmente média é a medida de tendência central mais utilizada 
pela facilidade de cálculo, proporcionando o valor central de uma dada distribuição, resumindo 
todos os outros valores em apenas um só. 
 
Segundo Crespo (2009), o cálculo da média é definido pela fórmula matemática: 
 
1
n
i
i
X
X
n
==

 
 
Ou seja, devemos somar todos os valores dos indivíduos do grupo e dividir pelo número total 
de indivíduos deste mesmo grupo. Assim, teremos: 
 
18 19 25 25 30 35
25,33
6
X
+ + + + +
= = 
 
Se observarmos a distribuição do IMC, temos dois indivíduos com peso normal, dois 
indivíduos com sobrepeso e dois indivíduos com grau de obesidade 1 e 2. Entretanto, se 
apresentarmos os pacientes referindo-nos apenas à média, classificaríamos todos os 
pacientes deste grupo como sobrepeso, devido ao IMC médio de 25,33. 
 
Assim, na estatística, a separação de grupos por afinidade demonstra dados mais 
homogêneos e bem distribuídos, o que torna a média um bom parâmetro para ser utilizado. 
Assim, poderíamos avaliar por categorias, por exemplo, somente o grupo sobrepeso. 
 
Quando estes valores assumem uma discrepância muito grande de valores dentro do mesmo 
grupo, medidas não paramétricas (que não usam a média) podem ser a melhor opção para 
comparar os indivíduos. 
 
 
6.2.2 Mediana 
 
Mediana é o valor de posição central de um conjunto de uma série previamente ordenada em 
Rol (Neto, 1998). A mediana pode ser identificada em duas situações distintas: 
 
Quando o conjunto for composto por número ÍMPAR, o valor central será: 
 
1
( )
2
n
Mediana Md
+
= 
 
Vamos retornar ao nosso conjunto IMC = {18, 19, 25, 25, 30}, ou seja, ele possui uma 
distribuição de 5 elementos no seu conjunto, portanto, é composto por algarismo ímpar. 
Considerando então a fórmula: 
 
5 1
( ) 3
2
Mediana Md
+
= = 
 
Retornando ao conjunto, IMC = {18, 19, 25, 25, 30}, o valor central será o 25, pois 
independente do lado que iniciará a contagem (direita ou esquerda), o valor central será o 
terceiro algarismo do conjunto. 
 
 
 
Quando o conjunto for composto por número PAR, teremos dois valores centrais, localizados 
em: 
 
2
( )
2 2
n n
Mediana Md e
+
= 
 
Vamos retornar ao nosso conjunto IMC = {18, 19, 25, 25, 30 e 35}, ou seja, ele possui uma 
distribuição de 6 elementos no seu conjunto, portanto é composto por algarismo ímpar. 
Considerando então a fórmula: 
6
( ) 3
2
6 2
4
2
Mediana Md
Md
= =
+
= =
 
 
Retornando ao conjunto, IMC = {18, 19, 25, 25, 30 e 35}, o valor central será o 25, pois 
independente do lado que iniciará a contagem (direita ou esquerda), o valor central será o 
terceiro algarismo somado ao quarto algarismo do conjunto e dividido por dois (uma simples 
média entre estes dois valores). 
 
<ABRE BOX: Sintetizando...> 
Portanto, a mediana identifica o valor central no conjunto ordenado a ser estudado. 
<FIM MARCADOR> 
 
 
6.2.3 Moda 
 
Outro valor de posição é a Moda. Ela é o valor que mais se repete dentro do conjunto 
estudado. No caso do IMC, a moda assume o valor 25, pois este aparece duas vezes. 
 
Quando não há números que se repetem na distribuiçãode um conjunto, temos um grupo 
amodal. Se este conjunto apresenta dois valores repetidos ou mais, temos um conjunto 
bimodal ou polimodal, respectivamente. 
 
<ABRE BOX: Importante! > 
Quando a média, mediana e moda possuem valores iguais (ou semelhantes), como 
descrevemos nos exemplos anteriores, espera-se que a distribuição dos elementos de um 
conjunto (Figura 2): 
<FIM MARCADOR> 
 
 
 
 
Figura 2. Curva de distribuição de valores iguais de média, moda e mediana. 
 
 
6.2.4 Separatrizes 
 
São medidas de posição que separam as séries em grupos em partes iguais; como percentis, 
decis e quartis, que separam em 100, 10 e 4 partes iguais, respectivamente. 
 
• Quartis: dividem os dados em quartas partes (cada parte tem 25% dos dados). São 
indicados por Q1, Q2 = Md e Q3. 
• Decis: dividem os dados em décimas partes (cada parte tem 10% dos dados). São 
indicados por D1, D2, ..., D9. 
• Percentis: dividem os dados em centésimas partes (cada parte tem 1% dos dados). 
São indicados por P1, P2, ..., P99. 
 
<ABRIR BOX: PESQUISANDO NA WEB> 
Vamos verificar um exemplo prático sobre uso de separatrizes (PERCENTIS) na área 
acompanhamento do crescimento fetal. Disponível em: 
<https://blog.casadadoula.com.br/gravidez/o-que-e-percentil-fetal/> Acesso em: 08 abr. 2020. 
<FIM MARCADOR> 
 
Vamos utilizar como exemplo os quartis. Lembrem-se que para isto é necessário organizar o 
Rol. Se vamos dividir os valores de um conjunto em quatro partes iguais, precisamos definir 
3 valores de posição (Q1, Q2 e Q3) para dividir os elementos de um conjunto (Figura 3): 
 
 
 
Figura 3. Divisão de quartis. 
 
 
Onde: 
• Q1 (Primeiro quartil) é valor situado na série após uma primeira quarta parte (25%), 
contendo os algarismos de menores valores, restando três partes (75%) com os 
maiores. 
• Q2 (Segundo quartil) é o valor que divide o conjunto em dois (50% para cada lado) e 
coincide com a mediana (Q2 = Md). 
• Q3 (Terceiro quartil) é o valor situado na série após as três partes (75%) sendo a 
quarta parte restante (25%) contendo os algarismos com os maiores valores. 
 
Assim, podemos novamente retornar ao exemplo do índice de massa corporal IMC. O primeiro 
valor a ser calculado é o valor que se divide ao meio o seu conjunto, ou seja, o segundo quartil 
(Q2). 
 
<ABRE BOX: Ponto-chave> 
O Q2 é o valor que coincide necessariamente com a mediana (Verificar o cálculo no tópico 
1.2.2 deste capítulo). 
<FIM MARCADOR> 
 
Para os cálculos sequenciais de Q1 e Q3, devemos considerar se o conjunto possui “N” 
composto por algarismos pares ou ímpares. 
 
Para conjuntos com N ímpar e considerando o conjunto IMC = {18, 19, 25, 25, 30}, o valor de 
posição central torna-se a mediana e equivale ao Q2 = 25. Destacando este número, sobram 
dois subconjuntos para os quais deve ser realizada a média dos seus valores, definindo assim 
Q1 e Q3, 18,5 e 32,5, respectivamente. 
 
https://blog.casadadoula.com.br/gravidez/o-que-e-percentil-fetal/
 
 
Para conjuntos com “N” par e considerando o IMC = {18, 19, 25, 25, 30, 35}, primeiramente 
deve-se definir o valor da mediana = Q2 pela média dos dois valores centrais, sendo igual a 
25. Posteriormente, tem-se formado dois subconjuntos nos quais destacam-se os valores 
centrais de Q1 e Q1, sendo 19 e 30, respectivamente. Notem que os valores que foram usados 
para calcular o Q2 são repetidos nos subconjuntos. 
 
 
 
Uma forma de identificar os valores dos quartis e sua distribuição associando limites inferiores 
e superiores, quartil 1, 2 e 3, mediana e outliers é a utilização do gráfico descritivo Boxplot 
(Figura 4). 
 
Figura 4. Boxplot e suas definições. 
Fonte: Santos, 2015 
 
<ABRIR BOX: AMPLIANDO CONHECIMENTO> 
Um artigo de Souza e colaboradores (2017) descreve bem a utilização de medidas de posição 
e boxplot, utilizando tendências de auto avaliação de saúde em relação ao excesso de peso 
na população adulta residente nas capitais do Centro-Oeste do Brasil. Site consultado: 
https://www.scielosp.org/pdf/rbepid/2017.v20n2/299-309/pt Acesso em: 24 mai. 2020. 
<FIM MARCADOR> 
https://www.scielosp.org/pdf/rbepid/2017.v20n2/299-309/pt
6.3 Medidas de Dispersão 
 
As medidas de dispersão informam sobre a variabilidade do conjunto de dados, elas indicam 
o quanto os dados estão dispersos em torno de uma medida de posição. São elas (Figura 5): 
 
 
 
Figura 5. Medidas de dispersão. 
 
 
6.3.1 Amplitude 
 
Amplitude se caracteriza pela diferença entre o maior e o menor valor observado em um 
conjunto. Considerando o conjunto {18, 19, 25, 25, 30, 35}, temos: 
 
min 35 18 17Amplitude xmáx x= − = − = 
 
Assim, temos os valores distribuídos, dispersos, dentro deste intervalo. 
 
 
6.3.2 Intervalo interquartil 
 
O intervalo interquartil remete à diferença entre o terceiro e o primeiro quartil. Considerando 
os cálculos dos quartis (item 1.2.4), temos: 
 
3 1 30 19 11IntervaloInterquarti Q Q= − = − = 
 
Assim, este intervalo descreve a distribuição de 50% dos valores que estão distribuídos mais 
próximos a medida de posição central. 
 
 
6.3.3 Variância 
 
Variância é uma medida de dispersão central que considera o somatório da média aritmética 
dos quadrados dos desvios. Ou seja, todos os valores individuais dos elementos de um grupo 
subtraídos da média para verificar o quanto disperso estão com relação à medida de posição 
central média. 
 
Tanto para definição da variância amostral ou populacional, temos: 
 
2
2 1
( )
n
i
i
Populacional
X
N

 =
−
=

 
 
2
2 1
( )
1
n
i
i
Amostral
X X
S
n
=
−
=
−

 
 
 
Vamos considerar o grupo: IMC = {18, 19, 25, 25, 30 e 35} para cálculo de variância: 
 
 
( ) ( ) ( ) ( ) ( ) ( )
2 2 2 2 2 2
2
2
18 25,33 19 25,33 25 25,33 25 25,33 30 25,33 35 25,33
6 1
53,7 40,07 0,11 0,11 21,81 93,51 209,31
41,86
5 5
S
S
− + − + − + − + − + −
= =
−
+ + + + +
= = =
 
 
 
Mas, podemos, ainda, fazer os mesmos cálculos em forma fracionada (Tabela 2), para redizir 
a chance de erro durante os cálculos e, assim, teremos: 
 
Tabela 2: Cálculo de variância amostral 
 
Número de 
amostras (N) 
Valores das 
amostras (Xi) 
Xi – Média (Xi – Média)2 
1 18 -7,33 53,70 
2 19 -6,33 40,07 
3 25 -0,33 0,11 
4 25 -0,33 0,11 
5 30 4,67 21,81 
6 35 9,67 93,51 
 ∑ = 209,31 / 5 = 41,86 
 
 
 
6.3.4 Desvio padrão 
 
O desvio padrão (S) é a medida de dispersão em torno da média, em termos de cálculos, é a 
raiz quadrada da variância, assim, teremos: 
 
2 22 41,8 6,46S = = 
 
<ABRE BOX: Importante! > 
Note na fóruma que o desvio padrão é a raiz quadrada da variância, cuidado com os símbolos, 
porque S2 significa variância e não que ela está elevada ao quadrado. 
<FIM MARCADOR> 
 
 
 
6.3.5 Coeficiente de variação 
 
O coeficiente de variação (CV) é uma medida relativa de dispersão, sendo expressa pelo 
quociente entre o desvio padrão e a média. Esta medida elimina o efeito da magnitude dos 
dados e exprime a variabilidade em relação à média, sendo expresso em porcentagem. 
 
Considerando os dados previamente calculados, temos como desvio padrão 6,46 e média de 
25,33. Portanto, teremos: 
 
( )
100%
( )
DesvioPadrão S
CV x
Média X
= 
 
6,46
100 25,5%
25,33
CV x= = 
 
RESUMINDO... 
 
Tabela 3: Medidas de dispersão calculadas 
 
Média Amplitude 
Intervalo 
interquartil 
Variância Desvio Padrão 
Coeficiente de 
variação 
25,33 17 11 41,86 6,46 25,5% 
 
 
 
<INSERIR MARCADOR: Usado para um questionamento> 
Mas o que significa tudo isso? Para que descrever todos os cálculos de estatística descritiva? 
<FIM MARCADOR> 
 
As medidas descritivas tanto de dispersão quanto de posição permitem identificar se um grupo 
amostral possui dados suficientes, homogêneos ou heterogêneos, para posterior escolha da 
estatística a ser definida. 
 
Não existe estatística sem variância, ou seja, se não houver dispersão entorno da média, 
significa que todos os indivíduosseriam iguais. Mas estas diferenças devem atingir um certo 
limite, permitindo que o grupo permaneça homogêneo dentro de sua distribuição, ou seja, que 
haja dispersão, mas em níveis abaixo de 20% de CV. 
 
Grupos com dispersão heterogênea, acima de 20% de CV, significa que a distribuição dos 
dados estão muitos discrepantes e que, necessariamente, haverá necessidade de aumentar 
a quantidade de indivíduos amostrais para inserir no estudo, demonstrando que as repetições 
estão insuficientes. Ou permitirá, ainda, definir testes não paramétricos para sua avaliação. 
 
No nosso exemplo de cálculo com IMC, temos a distribuição de um grupo heterogêneo com 
coeficiente de variação acima de 25%, o que significa que nosso grupo necessita de mais 
indivíduos para padronizar a distribuição dos valores. Concluindo, o IMC usado só reforça a 
diferença entre os indivíduos, sendo abaixo do peso, peso ideal, sobrepeso e grau de 
obesidade. 
 
Assim, a estatística comprova matematicamente o que é exposto dentro da biologia, na qual 
a dificuldade é encontrar o teste certo que represente as amostras biológicas. A estatística 
descritiva permite esta descrição dos dados para o melhor teste a ser usado. 
 
6.4 Assimetria e Curtose 
 
As medidas de assimetria e curtose completam as medidas de posição e dispersão no sentido 
de proporcionar uma descrição e compreensão mais completa das distribuições de 
frequências. Estas distribuições não diferem apenas quanto ao valor médio e variabilidade, 
mas também quanto à sua forma de distribuição. 
 
Na distribuição simétrica, verificamos que a média, mediana e moda coincidem seus valores, 
formando a curva de distribuição normal (Figura 2). 
 
Na distribuição assimétrica, a curva de distribuição é deslocada para a direita ou para a 
esquerda. Na distribuição assimétrica à esquerda ou negativa, a média é menor que mediana 
que é menor que a moda. Enquanto que na assimetria a direita ou positiva, a média é maior 
que a mediana que é maior que a moda (Figura 6). 
 
 
Figura 6. Distribuição assimétrica. 
 
 
Para calcular, usamos o coeficiente de assimetria de Pearson (C.A.), que é definido por: 
 
Média Moda
CoeficientedeAssimetria
Variância
−
= 
 
Assim, podemos interpretar da seguinte maneira: 
 
• Coeficiente negativo possui sua curva de distribuição assimétrica negativa ou à 
esquerda (Média < Mediana < Moda) 
• Coeficiente positivo possui a curva de distribuição assimétrica positiva ou à direita 
(Média > Mediana > Moda) 
• Coeficiente nulo apresenta a curva de distribuição simétrica ou normal (Média = 
Mediana = Moda) 
 
<ABRE BOX: Exemplificando! > 
Vamos retornar ao exemplo de IMC: 
<FIM MARCADOR> 
 
25,33 25
0,08
41,86
CoeficientedeAssimetria
−
= = 
 
Verifiquem que estamos muito próximos de 0 e de uma distribuição normal, dados ainda os 
valores de média = 25,33, mediana e moda = 25. Entretanto, a curva tem uma discreta 
assimetria à direita. 
 
Já a curtose é caracterizada pelo grau de achatamento de uma curva em relação a curva 
normal, tomada como padrão. Ela pode ser classificada como leptocúrtica, sendo muito 
alongada; mesocúrtica, não sendo muito achatada e nem muito alongada e platicúrtica, sendo 
a mais achatada (Figura 7): 
 
 
 
Figura 7. Classificação da curtose. 
Fonte: Portal Action, 2020 
 
Para calcularmos a curtose há a necessidade de calcular as separatrizes quartis e decis, já 
descritos neste capítulo. Assim, temos a definição da fórmula: 
 
( )
3 1
( )
2 9 1
Q Q
CoeficientedeCurtose k
D D
−
=
−
 
 
Onde, o coeficiente de curtose (k) é a diferença entre o terceiro quartil (Q3) menos o primeiro 
quartil (Q1) dividida por duas vezes a diferença entre o nono decil (D9) e D1 e o primeiro decil 
(D1). 
 
Assim, podemos interpretar da seguinte maneira: 
 
• K < 0,263, curva leptocúrtica 
• K = 0,263, curva mesocúrtica 
• K > 0,263, curva platicúrtica 
 
 
Segundo Garcia e Duarte, 2020: 
A elevada infectividade do SARS-CoV-2, agente etiológico da COVID-19, na 
ausência de imunidade prévia na população humana, bem como de vacina contra este 
vírus, faz com que o crescimento do número de casos seja exponencial. Nesse 
contexto, são indicadas intervenções não farmacológicas (INF), visando inibir a 
transmissão entre humanos, desacelerar o espalhamento da doença, e 
consequentemente diminuir e postergar o pico de ocorrência na curva epidêmica. Com 
isso, é possível reduzir a demanda instantânea por cuidados de saúde e mitigar as 
consequências da doença sobre a saúde das populações, incluindo a minimização da 
morbidade e da mortalidade associadas (Figura 8). 
 
 
 
Figura 8. Curva epidêmica hipotética mostrando o curso normal da epidemia e o achatamento da curva esperado 
com adoção de medidas não farmacológicas. 
Fonte: Garcia e Duarte, 2020. 
 
 
Portanto, o achatamento de curva do tipo platicúrtica posterga o pico da curva epidêmica, 
reduz a demanda dos cuidados da saúde, reduzindo o número de casos e efeitos sobre a 
saúde da população. 
 
<ABRIR BOX: AMPLIANDO CONHECIMENTO> 
Garcia e Duarte (2020) detalham sobre as intervenções não farmacológicas para o 
enfrentamento à epidemia da COVID-19 no Brasil. Site consultado: 
https://www.scielo.br/pdf/ress/v29n2/2237-9622-ress-29-02-e2020222.pdf Acesso em: 25 
mai. 2020. 
<FIM MARCADOR> 
 
 
6.5 Conclusão 
 
As medidas descritivas de posição (média, mediana e moda) permitem identificar a medida 
de valor central, enquanto que a medida de dispersão (variância, desvio padrão, coeficiente 
de variação) caracteriza a distribuição de valores em torno de um ponto central. Ainda, 
descreve a forma das curvas normais, assimétricas e de curtose. 
 
Estas medidas permitem descrever os dados, resumindo-os, podendo ainda identificar se a 
quantidade de amostras é suficiente ou se determinada população se apresenta de forma 
homogênea ou heterogênea de distribuição de valores. 
 
Assim, a estatística descritiva resume o que se apresenta dentro da biologia, aumentando a 
sua confiabilidade, desde que utilizada de forma correta. 
 
 
Resumo 
 
 
A estatística descritiva permite-nos resumir, descrever e compreender os dados de uma 
distribuição usando medidas de tendência central (média, mediana e moda), medidas de 
https://www.scielo.br/pdf/ress/v29n2/2237-9622-ress-29-02-e2020222.pdf
dispersão (valores mínimo e máximo, desvio padrão e variância e coeficiente de variação) e 
separatrizes (percentis, quartis e decis). 
 
Além de avaliar a distribuição dos dados em forma, as medidas de dispersão permitem-nos 
avaliar se os nossos dados estão distribuídos de acordo com o padrão normal de distribuição 
ou se há desvios nessa distribuição (assimetria e curtose). 
 
A estatística descritiva não permite avaliar quem é melhor ou pior grupo, mas avalia o grupo 
com distribuição mais homogênea ou heterogênea. Com isso, temos uma descrição dos 
dados que permite avaliar, a partir deste tipo de distribuição, qual tipo de análise estatística 
para comparação de grupos deverá ser utilizado. 
 
 
Leituras 
 
 
• FRAGA, W.D. O que é percentil fetal? 2019. Site consultado: 
https://blog.casadadoula.com.br/gravidez/o-que-e-percentil-fetal/ Acesso em: 8 abr. 
2020. 
 
• GARCIA, L.P. e DUARTE, E. Intervenções não farmacológicas para o enfrentamento 
à epidemia da COVID-19 no Brasil. Epidemiol. Serv. Saúde, Brasília, n. 29, v. 2, 
e2020222, 2020. Site consultado: https://www.scielo.br/pdf/ress/v29n2/2237-9622-
ress-29-02-e2020222.pdf Acesso em: 25 mai. 2020. 
 
 
 
 
Referências 
 
• CALLEGARI-JACQUES, S. M. Bioestatística princípios e aplicações. Porto Alegre: 
Artmed, 2003. 
 
• COSTA, S. F. Introdução ilustrada a estatística. 3° Edição. São Paulo: Editora Harbra, 
1998. 
 
• CRESPO, A. A. Estatística fácil. 19° Edição. São Paulo: Saraiva, 2009. 
 
• FRAGA, W.D. O que é percentil fetal? 2019. Site consultado: 
https://blog.casadadoula.com.br/gravidez/o-que-e-percentil-fetal/ Acesso em: 8 abr. 
2020. 
 
• GARCIA, L.P. e DUARTE, E. Intervenções não farmacológicas para o enfrentamentoà epidemia da COVID-19 no Brasil. Epidemiol. Serv. Saúde, Brasília, n. 29, v. 2, 
e2020222, 2020. Site consultado: https://www.scielo.br/pdf/ress/v29n2/2237-9622-
ress-29-02-e2020222.pdf Acesso em: 25 mai. 2020. 
 
• GONÇALVES, M. B.; FAILLACE, N. C. B.; FIORELLI, A.; NEVES, V.R.; CARVALHO, 
L. R. P.; GIMENES, C.; BARRILE, S. R.; ARCA, E. A. Respostas agudas do exercício 
em bicicleta aquática em adultos jovens saudáveis. SALUSVITA. Bauru, v. 34, n. 3, p. 
527-540, 2015. Site consultado: 
file:///C:/Users/Adm/Downloads/Respostasagudasdoexerccioembicicletaaquticaemad
ultosjovenssaudveis.pdf Acesso em 24 mai. 2020. 
 
https://blog.casadadoula.com.br/gravidez/o-que-e-percentil-fetal/
https://www.scielo.br/pdf/ress/v29n2/2237-9622-ress-29-02-e2020222.pdf
https://www.scielo.br/pdf/ress/v29n2/2237-9622-ress-29-02-e2020222.pdf
https://blog.casadadoula.com.br/gravidez/o-que-e-percentil-fetal/
https://www.scielo.br/pdf/ress/v29n2/2237-9622-ress-29-02-e2020222.pdf
https://www.scielo.br/pdf/ress/v29n2/2237-9622-ress-29-02-e2020222.pdf
file:///C:/Users/Adm/Downloads/Respostasagudasdoexerccioembicicletaaquticaemadultosjovenssaudveis.pdf
file:///C:/Users/Adm/Downloads/Respostasagudasdoexerccioembicicletaaquticaemadultosjovenssaudveis.pdf
• NETO, P. L. O. C. Estatística. 17° Edição. São Paulo: Edgard Blucher LDTA. 1999. 
 
• PORTAL ACTION. Curtose. 2020. Site consultado: 
http://www.portalaction.com.br/estatistica-basica/26-curtose Acesso em: 25 mai. 2020. 
 
• SANTOS, V. Como elaborar um Boxplot? Aprenda em poucos passos. 2015. Site 
consultado: https://www.fm2s.com.br/como-elaborar-um-box-plot/ Acesso em: 25 mai. 
2020. 
http://www.portalaction.com.br/estatistica-basica/26-curtose
https://www.fm2s.com.br/como-elaborar-um-box-plot/