Estatística descritiva: medidas e exemplo resolvido

A estatística descritiva reúne procedimentos para organizar, apresentar e resumir dados observados. Tabelas, gráficos, médias e medidas de dispersão ajudam a enxergar padrões, mas não substituem a pergunta da pesquisa nem autorizam, sozinhos, conclusões sobre uma população inteira.

Imagine uma equipe que registrou o tempo de espera de cinco atendimentos em uma biblioteca universitária. Saber apenas a média deixa dúvidas: houve muita variação? Um atendimento demorou especialmente? Os registros incluem todos os turnos? Este guia usa um conjunto fictício pequeno para mostrar os cálculos e as decisões que precisam acompanhá-los em um trabalho acadêmico.

Estatística descritiva e inferencial: qual é a diferença?

A análise descritiva caracteriza o conjunto disponível. A inferência acrescenta procedimentos e pressupostos para estimar características de uma população, quantificar incerteza ou avaliar hipóteses a partir de uma amostra. Uma descrição pode fazer parte de um estudo inferencial, mas não é equivalente a ele.

Se cinco pessoas responderam a um formulário voluntário, é possível descrever essas cinco respostas. Não é possível afirmar que elas representam todos os estudantes apenas porque uma planilha calculou percentuais com duas casas decimais. A seleção das pessoas e a qualidade das medidas continuam relevantes.

Antes de testar uma hipótese, investigue como os dados foram produzidos. Uma variável mal definida compromete tanto a descrição quanto a comparação posterior. Definir “tempo de espera” como intervalo entre retirar uma senha e iniciar o atendimento é mais preciso que registrar uma impressão geral de demora.

Identifique a unidade de observação e as variáveis

A unidade de observação é aquilo a que cada registro se refere: pessoa, atendimento, instituição ou outra entidade. Uma mesma pessoa pode gerar vários atendimentos; tratá-los como pessoas diferentes muda a interpretação. Documente também a unidade de medida e o período de coleta.

Números usados como códigos não tornam uma variável quantitativa. O código 2 para um curso e o código 4 para outro não permitem dizer que um curso vale o dobro do outro. Escalas ordinais também exigem cuidado: a distância entre categorias pode não ser constante.

Exemplo resolvido: cinco tempos de espera

Considere estes tempos fictícios, já ordenados: 2, 3, 3, 4 e 8 minutos. Há cinco observações, soma igual a 20 e nenhum valor ausente. O conjunto serve apenas para demonstrar contas; não descreve uma biblioteca real e não fundamenta decisões sobre qualidade de serviço.

A frequência relativa divide a contagem da categoria pelo denominador declarado. Aqui, duas ocorrências de 3 minutos correspondem a 2/5 = 40%. Em pesquisas com respostas múltiplas, a soma dos percentuais por opção pode superar 100%; isso precisa ser explicado, e não corrigido artificialmente.

Média, mediana e moda

A média aritmética é 20/5 = 4 minutos. A mediana é 3 minutos, o valor central depois de ordenar as cinco observações. A moda também é 3 minutos, pois esse valor ocorre duas vezes, mais que os demais. As três medidas respondem a perguntas diferentes e não precisam coincidir.

O atendimento de 8 minutos puxa a média para cima. Se ele passasse a 18 minutos, a média seria 6, mas a mediana continuaria 3. Isso mostra a sensibilidade da média a valores extremos. Não demonstra que a mediana seja sempre melhor: a escolha depende da distribuição e da finalidade do resumo.

Em um conjunto com número par de observações quantitativas, a mediana usual é a média dos dois valores centrais. A moda pode não ser única. Também é possível que todos os valores tenham a mesma frequência, situação em que uma moda não ajuda a identificar um valor predominante.

Dispersão: por que a média não basta?

Dois grupos podem ter a mesma média e comportamentos bastante diferentes. Os conjuntos fictícios 4, 4, 4 e 0, 4, 8 têm média 4. No primeiro não há variação; no segundo, os valores se afastam do centro. Uma medida de dispersão explicita essa diferença.

Para os cinco tempos, a amplitude é 8 − 2 = 6 minutos. Ela usa somente os extremos. A soma dos desvios em relação à média é zero; por isso, simplesmente somar desvios não produz uma medida útil de dispersão. Elevá-los ao quadrado evita o cancelamento.

Os desvios em relação a 4 são −2, −1, −1, 0 e 4. Seus quadrados são 4, 1, 1, 0 e 16, cuja soma é 22. Se esses cinco registros constituem toda a população de interesse, a variância populacional é 22/5 = 4,4 minutos quadrados, e o desvio padrão é aproximadamente 2,10 minutos.

Se os mesmos dados forem uma amostra e a finalidade for estimar a variância populacional pelo estimador amostral usual, usa-se n − 1 no denominador: 22/4 = 5,5 minutos quadrados. O desvio padrão amostral é aproximadamente 2,35 minutos. Informe qual definição e qual função do programa foram usadas.

O desvio padrão retorna à unidade original; a variância permanece ao quadrado. Não confunda desvio padrão com erro padrão da média. O primeiro descreve dispersão dos valores; o segundo se relaciona à variabilidade de um estimador em um contexto inferencial.

Escolha gráficos de acordo com a pergunta

• Gráfico de barras: compara frequências ou medidas entre categorias.
• Histograma: representa a distribuição de uma variável quantitativa em intervalos; a largura das classes altera sua aparência.
• Boxplot: resume posição e dispersão por quartis e ajuda a comparar grupos.
• Dispersão: examina a relação entre duas variáveis quantitativas, sem estabelecer causalidade por si só.

Use títulos informativos, eixos identificados e unidades. Em gráficos de barras, um eixo vertical truncado pode exagerar diferenças. Se houver justificativa para uma escala específica, deixe-a visível. Evite efeitos tridimensionais que dificultem a comparação de alturas e áreas.

Valores ausentes, erros e observações extremas

Uma célula vazia não equivale a zero. Zero minutos pode ser uma observação válida; ausência significa que o tempo não foi registrado. Separar essas situações evita médias artificiais. Ao apresentar uma tabela, informe quantos registros estavam disponíveis para cada cálculo.

Um valor extremo pode resultar de erro de digitação ou de uma situação real importante. Confira o registro original, a unidade e as condições do atendimento. Não remova a observação somente para aproximar a distribuição de uma forma desejada. Se excluir ou corrigir dados, registre critérios e consequências.

Por exemplo, um tempo de 180 pode estar em segundos enquanto os demais estão em minutos. Converter uma unidade confirmada é diferente de apagar uma espera longa. Se a origem não puder ser esclarecida, explicite a incerteza e considere apresentar resultados com e sem o registro, com justificativa.

Como apresentar a análise no trabalho acadêmico

Um relato adequado para o exemplo seria: “Nos cinco atendimentos fictícios, o tempo médio foi de 4 minutos, com mediana de 3 e amplitude de 6 minutos”. Acrescentar o desvio padrão exige informar se o conjunto foi tratado como população completa ou amostra. A redação deve manter o alcance restrito aos registros observados.

Perguntas frequentes sobre estatística descritiva

Toda pesquisa precisa usar média?

Não. Categorias nominais pedem contagens ou proporções. Mesmo para dados quantitativos, a mediana e outras medidas podem ser mais informativas em certas distribuições. Escolha o resumo pelo significado da variável e pela pergunta, sem seguir uma lista automática de fórmulas.

Posso generalizar uma porcentagem da amostra?

Uma porcentagem descreve a amostra quando calculada sobre seus registros. Generalizar exige avaliar desenho amostral, cobertura, vieses e incerteza. Uma amostra grande selecionada de forma inadequada pode produzir uma descrição precisa de um grupo que não representa a população pretendida.

Preciso calcular tudo manualmente?

Programas reduzem o trabalho, mas compreender um exemplo manual ajuda a identificar erros de unidade, denominador e configuração. Confira ao menos algumas contas simples e mantenha o registro do procedimento para que outra pessoa consiga reproduzi-lo.

Vídeo para aprofundar