⚡ Aula 01: Análise Exploratória de Dados, Medidas de Posição, Dispersão e Visualização Estatística

MOC da Disciplina • MOC da Área 01 ← Disciplina Anterior: Equações Diferenciais • Próxima Aula: Teoria Geral de Probabilidades →

---

Integração Curricular & Contexto

• Disciplina: Probabilidade e Estatística
• Área: 01 Matemática e Estatística
• Material Oficial Base: Análise de Dados Quantitativos
• Objetivo: Compreender os fundamentos da estatística descritiva e exploratória aplicada à engenharia, classificar tipos de variáveis quantitativas e qualitativas, sintetizar conjuntos de dados experimentais através de tabelas de frequência absoluta e relativa, dominar representações gráficas (histogramas, ogivas e boxplots), calcular e interpretar medidas de tendência central (média, mediana e moda) e separatrizes (quartis e percentis), quantificar a variabilidade instrumental por meio da variância, desvio padrão e coeficiente de variação ($CV$), e aplicar o controle estatístico de qualidade na fabricação e conformidade de componentes elétricos segundo as normas internacionais de metrologia (ISO GUM).

---

📌 Sumário da Aula

1. 1. Conceitos Fundamentais da Análise de Dados
   • 1.1 População versus Amostra
   • 1.2 Tipologia das Variáveis
2. 2. Organização e Visualização de Dados Experimentais
   • 2.1 Distribuição de Frequências em Classes
   • 2.2 Histogramas e Boxplots
3. 3. Medidas de Tendência Central (Posição)
   • 3.1 Média Aritmética Amostral ($\bar{x}$)
   • 3.2 Mediana ($\tilde{x}$)
   • 3.3 Moda ($Mo$)
4. 4. Medidas de Posição Relativa (Separatrizes) e Outliers
   • 4.1 Quartis e Intervalo Interquartil ($IQR$)
   • 4.2 Critério de Detecção de Outliers de Tukey
5. 5. Medidas de Dispersão e Variabilidade
   • 5.1 Variância Amostral ($s^2$)
   • 5.2 Desvio Padrão Amostral ($s$)
   • 5.3 Coeficiente de Variação de Pearson ($CV$)
6. 6. Aplicação em Engenharia Elétrica: Controle Estatístico e Metrologia
   • 6.1 Tolerância de Componentes Resistivos
   • 6.2 Incerteza Padrão Tipo A (Guia ISO GUM)
7. 7. 💻 Laboratório Computacional em Python (NumPy, SciPy & Pandas)
8. 8. 📚 Questões de Fixação Resolvidas e Exercícios Práticos (Auditadas)
   • Questão 1 — Determinação de Média e Mediana Amostral
   • Questão 2 — Cálculo de Variância e Desvio Padrão Amostral
   • Questão 3 — Coeficiente de Variação de Pearson
   • Questão 4 — Intervalo Interquartil e Detecção de Outliers
9. 9. Considerações Finais e Próximos Passos

---

1. Conceitos Fundamentais da Análise de Dados

1.1 População versus Amostra

• População ($\mathcal{N}$): Conjunto total de todos os elementos, medidas ou dispositivos sob investigação que compartilham uma característica comum (ex.: todos os 100.000 capacitores cerâmicos fabricados em um lote diário).
• Amostra ($n$): Subconjunto representativo extraído da população, cujas propriedades são mensuradas para realizar inferências sobre o todo ($n<\mathcal{N}$).

1.2 Tipologia das Variáveis

1. Variáveis Qualitativas (Categóricas):
   • Nominais: Categorias sem ordenação hierárquica intrínseca (ex.: tipo de condutor: Cobre, Alumínio; fornecedor de disjuntores: ABB, Siemens, Schneider);
   • Ordinais: Categorias com hierarquia natural bem definida (ex.: nível de tensão: Baixa Tensão, Média Tensão, Alta Tensão).
2. Variáveis Quantitativas (Numéricas):
   • Discretas: Valores obtidos por contagem em números inteiros ($\mathbb{N}$) (ex.: número de atuações de um religador automático em um alimentador: 0, 1, 2, 3…);
   • Contínuas: Valores obtidos por medição em escala real contínua ($\mathbb{R}$) (ex.: corrente eficaz em ampères, temperatura de enrolamento de transformador em ${}^{\circ }\text{C}$).

---

2. Organização e Visualização de Dados Experimentais

2.1 Distribuição de Frequências em Classes

Quando o número de medições contínuas é elevado, organiza-se os dados em $k$ classes de amplitude intervalar $h$:

• Número de Classes ($k$): Estimado pela Regra de Sturges: $k\approx 1+3,322{\log }_{10}(n)\text{ou}k\approx \sqrt{n}$
• Amplitude da Classe ($h$): $h=\frac{x_{\max }-x_{\min }}{k}$.

2.2 Histogramas e Boxplots

Figura 1: Medidas Descritivas de Posição, Dispersão, Separatrizes e Regras de Detecção de Outliers no Boxplot.

• Histograma: Gráfico de colunas justapostas onde a base representa os limites da classe e a área do retângulo é proporcional à frequência da classe.
• Boxplot (Diagrama de Caixa): Representação gráfica compacta baseada em 5 números: Mínimo, $Q_1$, Mediana ($Q_2$), $Q_3$ e Máximo, destacando visualmente a simetria e a presença de observações atípicas (outliers).

---

3. Medidas de Tendência Central (Posição)

3.1 Média Aritmética Amostral ($\bar{x}$)

A média aritmética é o centro de gravidade da distribuição de dados: $\bar{x}=\frac{1}{n}{\sum }_{i=1}^n{x}_i$ Para dados agrupados com frequências $f_i$ e pontos médios de classe $x_i$: $\bar{x}=\frac{\sum f_i{x}_i}{\sum f_i}$

3.2 Mediana ($\tilde{x}$)

A Mediana é o valor central que divide a amostra ordenada em rol em duas metades com exatamente $50\%$ das observações abaixo e $50\%$ acima dela: $\tilde{x}=\{\begin{array}{ll}{x}_{\left(\frac{n+1}{2}\right)},& \text{se }n\text{ for ıˊmpar}\\ \frac{x_{\left(\frac{n}{2}\right)}+x_{\left(\frac{n}{2}+1\right)}}{2},& \text{se }n\text{ for par}\end{array}$

Propriedade Fundamental: A mediana é uma medida robusta, totalmente imune à influência de valores extremos ou distorções causadas por leituras anômalas no instrumento.

3.3 Moda ($Mo$)

O valor que ocorre com a maior frequência observada no conjunto de dados. Se nenhum valor se repetir, a amostra é amodal; se dois valores empatarem, é bimodal.

---

4. Medidas de Posição Relativa (Separatrizes) e Outliers

4.1 Quartis e Intervalo Interquartil ($IQR$)

• Primeiro Quartil ($Q_1$): Separa os $25\%$ menores valores ($P_{25}$);
• Segundo Quartil ($Q_2$): Coincide exatamente com a Mediana ($50\%$);
• Terceiro Quartil ($Q_3$): Separa os $75\%$ menores valores ($P_{75}$);
• Intervalo Interquartil ($IQR$): Faixa que contém os $50\%$ centrais dos dados: $IQR=Q_3-Q_1$

4.2 Critério de Detecção de Outliers de Tukey

Um ponto experimental $x$ é classificado como valor atípico (outlier) se violar as barreiras de controle: $x<Q_1-1,5\cdot IQR\text{ou}x>Q_3+1,5\cdot IQR$

---

5. Medidas de Dispersão e Variabilidade

Uma média sem o desvio padrão não possui nenhum valor metrológico na engenharia.

5.1 Variância Amostral ($s^2$)

Mede a dispersão quadrática média das observações em torno da média amostral: $s^2=\frac{1}{n-1}{\sum }_{i=1}^n(x_i-\bar{x}{)}^2$

Graus de Liberdade e Correção de Bessel ($n-1$): Divide-se por $n-1$ (em vez de $n$) para que $s^2$ seja um estimador não tendencioso (não viciado) da verdadeira variância populacional ${\sigma }^2$.

Pelo Teorema de König para cálculo computacional rápido: $s^2=\frac{1}{n-1}\left[{\sum }_{i=1}^n{x}_i^2-\frac{1}{n}{\left({\sum }_{i=1}^n{x}_i\right)}^2\right]$

5.2 Desvio Padrão Amostral ($s$)

É a raiz quadrada positiva da variância, possuindo a mesma unidade física de medida da grandeza original: $s=\sqrt{s^2}$

5.3 Coeficiente de Variação de Pearson ($CV$)

Medida adimensional de dispersão relativa expressa em porcentagem, que permite comparar a precisão de grandezas elétricas com unidades e ordens de grandeza distintas (ex.: comparar a estabilidade de uma corrente de $1000\text{ A}$ com uma tensão de $5\text{ V}$): $CV=\frac{s}{\bar{x}}\times 100\%$

• Se $CV<15\%$: Amostra homogênea de alta precisão / baixa dispersão;
• Se $15\%\le CV\le 30\%$: Média dispersão;
• Se $CV>30\%$: Amostra heterogênea de alta dispersão.

---

6. Aplicação em Engenharia Elétrica: Controle Estatístico e Metrologia

6.1 Tolerância de Componentes Resistivos

Um fabricante produz resistores de carvão de especificação nominal $R=100\Omega$ com tolerância comercial de $\pm 5\%$. Isto significa que qualquer peça aprovada no controle de qualidade deve apresentar valor ôhmico na faixa: $R\in [95\Omega ,105\Omega ]$ Se um ensaio amostral de $n=50$ peças apresentar média $\bar{R}=100,2\Omega$ e desvio padrão $s=1,1\Omega$, o intervalo $(\bar{R}\pm 3s)=[96,9\Omega ,103,5\Omega ]$ garante que mais de $99,7\%$ da produção está dentro da tolerância contratada (Capabilidade de Processo $C_p>1,33$).

6.2 Incerteza Padrão Tipo A (Guia ISO GUM)

Na calibração de instrumentos de bancada (como osciloscópios e multímetros digitais True RMS), quando são feitas $n$ repetições independentes da mesma leitura sob as mesmas condições, a Incerteza Padrão Experimental da Média $u_A$ é dada pelo desvio padrão da média: $u_A=\frac{s}{\sqrt{n}}=\sqrt{\frac{\sum (x_i-\bar{x}{)}^2}{n(n-1)}}$ O resultado final da medição deve ser expresso formalmente na forma: $X=\bar{x}\pm u_A$.

---

7. 💻 Laboratório Computacional em Python (NumPy, SciPy & Pandas)

O script a seguir executa a análise descritiva completa de uma amostra de medições de tensão de rede elétrica:

Parâmetros de Projeto e Considerações Analíticas:

• Amostra de 30 leituras de Tensão de Fase em Rede de 127 V (com ruído e 1 outlier)
• Cálculos Estatísticos
• Gráficos: Histograma e Boxplot

---

8. 📚 Questões de Fixação Resolvidas e Exercícios Práticos (Auditadas)

Abaixo, a resolução analítica rigorosa dos exercícios oficiais da apostila 01 - Análise de Dados Quantitativos.pdf:

Questão 1 — Determinação de Média e Mediana Amostral

Questão 1

Um técnico efetuou cinco medições de resistência em um cabo condutor, obtendo os seguintes valores em ohms: $\{10,2;10,5;10,1;10,3;10,4\}$. A média aritmética e a mediana das medições são, respectivamente:

• A) $\bar{R}=10,30\Omega$ e $\tilde{R}=10,30\Omega$

• B) $\bar{R}=10,25\Omega$ e $\tilde{R}=10,30\Omega$

• C) $\bar{R}=10,30\Omega$ e $\tilde{R}=10,25\Omega$

• D) $\bar{R}=10,35\Omega$ e $\tilde{R}=10,40\Omega$

Gabarito Comentado e Dedução Passo a Passo

Alternativa Correta: A ($\bar{R}=10,30\Omega$ e $\tilde{R}=10,30\Omega$)

Resolução Analítica:

1. Soma das medições: $\sum x_i=10,2+10,5+10,1+10,3+10,4=51,5\Omega$.
2. Média amostral: $\bar{R}=\frac{51,5}{5}=10,30\Omega$.
3. Ordenando o rol de dados em ordem crescente: $\{10,1;10,2;10,3;10,4;10,5\}$.
4. Como $n=5$ é ímpar, a mediana é o elemento central (3º termo): $\tilde{R}=10,30\Omega$.

---

Questão 2 — Cálculo de Variância e Desvio Padrão Amostral

Questão 2

Para a amostra de medições de tensão em milivolts $\{2;4;6\}$, a variância amostral $s^2$ e o desvio padrão $s$ são:

• A) $s^2=4{\text{ mV}}^2$ e $s=2\text{ mV}$

• B) $s^2=2,67{\text{ mV}}^2$ e $s=1,63\text{ mV}$

• C) $s^2=2{\text{ mV}}^2$ e $s=\sqrt{2}\text{ mV}$

• D) $s^2=8{\text{ mV}}^2$ e $s=2,83\text{ mV}$

Gabarito Comentado e Dedução Passo a Passo

Alternativa Correta: A ($s^2=4{\text{ mV}}^2$ e $s=2\text{ mV}$)

Resolução Analítica:

1. Média amostral: $\bar{x}=\frac{2+4+6}{3}=\frac{12}{3}=4\text{ mV}$.
2. Desvios em relação à média: $(2-4)=-2$, $(4-4)=0$, $(6-4)=2$.
3. Soma dos quadrados dos desvios: $(-2{)}^2+0^2+2^2=4+0+4=8$.
4. Variância amostral (dividida por $n-1=3-1=2$): $s^2=\frac{8}{2}=4{\text{ mV}}^2$
5. Desvio padrão amostral: $s=\sqrt{4}=2\text{ mV}$.

---

Questão 3 — Coeficiente de Variação de Pearson

Questão 3

Uma fonte de bancada apresenta tensão média ajustada de $\bar{V}=200\text{ V}$ e desvio padrão medido de $s=4\text{ V}$. O Coeficiente de Variação ($CV$) desta fonte vale:

• A) $2,0\%$

• B) $4,0\%$

• C) $0,5\%$

• D) $5,0\%$

Gabarito Comentado e Dedução Passo a Passo

Alternativa Correta: A ($2,0\%$)

Resolução Analítica: Pela definição do Coeficiente de Variação de Pearson: $CV=\frac{s}{\bar{x}}\times 100\%=\frac{4\text{ V}}{200\text{ V}}\times 100\%=0,02\times 100\%=2,0\%$ O valor é muito inferior a $15\%$, caracterizando um instrumento de excelente estabilidade metrológica.

---

Questão 4 — Intervalo Interquartil e Detecção de Outliers

Questão 4

Em um lote de baterias de íon-lítio, a medição de capacidade em mAh forneceu $Q_1=2400\text{ mAh}$ e $Q_3=2600\text{ mAh}$. Pelo critério de Tukey, uma bateria será considerada atípica (outlier superior) se sua capacidade for estritamente superior a:

• A) $2900\text{ mAh}$

• B) $2800\text{ mAh}$

• C) $2700\text{ mAh}$

• D) $3000\text{ mAh}$

Gabarito Comentado e Dedução Passo a Passo

Alternativa Correta: A ($2900\text{ mAh}$)

Resolução Analítica:

1. Amplitude interquartil: $IQR=Q_3-Q_1=2600-2400=200\text{ mAh}$.
2. Limite superior de Tukey: ${\text{Lim}}_{\text{sup}}=Q_3+1,5\cdot IQR=2600+1,5(200)=2600+300=2900\text{ mAh}$

---

9. Considerações Finais e Próximos Passos

Nesta Aula 01, consolidamos o instrumental da análise quantitativa de dados:

• A tipagem de variáveis e organização em tabelas e histogramas.
• O cálculo das medidas de tendência central e separatrizes (quartis e boxplots).
• As medidas de dispersão ($s^2,s,CV$) e os fundamentos de incerteza metrológica (ISO GUM).

Na Aula 02, ingressaremos na fundamentação axiomática da aleatoriedade: Teoria Geral de Probabilidades, Espaço Amostral, Eventos, Axiomas de Kolmogorov e Análise Combinatória.

---

Referências Bibliográficas Citadas

• MONTGOMERY, Douglas C.; RUNGER, George C. Estatística Aplicada e Probabilidade para Engenheiros. 6. ed. Rio de Janeiro: LTC, 2016.
• BUSSAB, Wilton de Oliveira; MORETTIN, Pedro Alberto. Estatística Básica. 9. ed. São Paulo: Saraiva, 2017.
• INMETRO. Avaliação de Dados de Medição — Guia para a Expressão da Incerteza de Medição (GUM). Duque de Caxias: Inmetro, 2012.
• Material didático oficial de Probabilidade e Estatística, 2026.