Aula 3 - Representações gráficas

Objetivos

• Conhecer a apresentação visual de dados amostrais e sua aplica-

ção na pesquisa estatística;

• Aprender a construir os tipos mais comuns de representações

gráficas na Estatística;

• Conhecer alguns tipos de gráficos para variáveis múltiplas;

• Usar o Excel na elaboração de gráficos.

Assunto
Nesta aula, veremos como é possível representar um conjunto de dados
amostrais visualmente, de forma a permitir uma rápida compreensão da
informação coletada. Veremos os formatos de gráficos mais comuns para re-
presentar uma única variável e algumas maneiras de trabalhar com múltiplas
informações visíveis, assim como aprenderemos a aplicar esse conhecimento
nas pesquisas estatísticas.

Introdução
Uma forma simples de sumarizar uma variável é através das representações
gráficas. Gráficos e diagramas ajudam a visualizar os dados imediatamen-
te - entende-se, de pronto, a distribuição das frequências, ajudando-nos a
reconhecer padrões já existentes.

Há dezenas de possíveis representações gráficas na Estatística. Nesta aula, no

entanto, vamos nos ater às formas mais utilizadas em relatórios e trabalhos
acadêmicos, de forma a permitir a descrição adequada de dados amostrais.

O uso de gráficos em trabalhos estatísticos cresceu a partir da popularização

dos computadores: gráficos que eram, penosamente, desenhados a mão

Estatística 61 UAB
 podem ser feitos, hoje em dia, em segundos, e com possibilidades infinitas
de cores e formas. Porém, há um lado bom e um lado mau no uso crescente
de representações gráficas.

No lado bom, os gráficos fáceis de fazer incentivam a importância da análise

exploratória. No mau, existe o uso excessivo de recursos visuais mais sofis-
ticados, como animações, dimensões múltiplas, muitas cores, texturas e
formas originais. O embelezamento excessivo das representações estatísticas
gráficas é ótimo para uma apresentação de negócios, mas péssimo para a
Ciência, por distrair a atenção dos valores reais.

Há uma regra muito simples no uso de gráficos: fazer tudo o mais simples
possível. Poucas linhas, cores padronizadas e uma apresentação limpa são
muito mais eficazes para apresentar dados científicos.

Logo, devemos lembrar que dados de uma pesquisa devem ser entendidos e
necessitam ser representados o mais precisamente possível. Qualquer resul-
tado extraído de um grupo de dados é, igualmente, importante, então não
há necessidade de distrair o leitor com cores e formas.

As representações gráficas de uma variável, geralmente, envolvem a apre-

sentação de frequências de distribuição, que podem ser agrupadas ou cumu-
lativas. Mais adiante, no curso, veremos o uso das representações de dados
brutos na Estatística Inferencial. Para a análise descritiva de um grupo de
dados, os métodos de representação visual incluem:

• Gráficos de barras e de “torta”;

• Gráficos de frequência contínua e histogramas;

• Polígonos de frequência absoluta e curva de frequência acumulada;

• Diagramas do tipo “ramo e folha”.

Nos próximos itens vamos aprender a construir cada um deles.

Gráficos de barras e “torta”

Gráficos de barras e “tortas” são o tipo mais comum de representação es-
tatística. Esse tipo de sumário gráfico permite uma visualização imediata
das frequências de ocorrência de dados categóricos. Para dados ordinais, a
representação em um gráfico de barras fornece uma compreensão instan-

UAB 62 Licenciatura em Matemática

tânea sobre a distribuição, enquanto o gráfico de “torta” nos permite ver o
tamanho das “fatias” de cada categoria nominal prontamente.

Aí, neste tipo de representação são usados dados categóricos (nominais e

ordinais podem ser usados diretamente; mas os contínuos precisam ser se-
parados em intervalos) com frequências absolutas.

Vamos, então, representar, em um gráfico de barras, os dados de uma variá-

vel nominal. Estamos interessados em saber qual candidato seria eleito como
representante estudantil de uma universidade, e para isso, entrevistamos
573 alunos de um total de 5000, ou seja, um pouco mais de 10% dos elei-
tores em potencial. Descobrimos que 54 votariam em José, 167 em Maria,
198 em João, 89 em Ana e 65 em Robert.

Agora que nossos dados foram quantificados, podemos criar um gráfico de

barras. Primeiro, devemos criar a área do gráfico. Nela temos o eixo de x, na
horizontal, que vai conter as classes de materiais dentro da variável e o eixo
de y, vertical, graduado de forma a representar as frequências absolutas de
cada classe.

Em seguida, desenhamos as barras correspondentes a cada classe; o ta-

manho da barra é limitado pela repetição de cada classe. Todo gráfico deve
ser acompanhado de uma legenda, detalhando o tamanho da amostra e
de onde vieram os dados (fig. 1). A frequência absoluta de cada categoria
também pode ser exibida.

Figura 1: Frequências absolutas das intenções de votos para a eleição de um repre-

sentante estudantil de uma universidade (n = 573).

Estatística 63 UAB
 Nesse caso, a variável é nominal, portanto podemos ordenar as categorias
no eixo de x da forma que quisermos. Se a variável fosse ordinal, a ordem
das categorias também deverá ser mantida no gráfico. A grande vantagem
desse tipo de gráfico é a visualização imediata da categoria mais frequente;
no caso, sabemos, imediatamente, qual é o candidato que possui mais in-
tenções de voto.

Outra forma de se representar esse tipo de dados é através do gráfico de

“torta” (fig. 2). A grande diferença entre o gráfico de barras e o de torta
é que o último representa dados proporcionais: os 360° do círculo repre-
sentam 100% e cada fatia representa a proporção que cada categoria tem
nesses 100%:

Figura 2: Frequências relativas das intenções de votos para a eleição de um represen-

tante estudantil de uma universidade (n = 573).

Os gráficos de torta são perfeitos para comparar as diferenças de frequ-

ências entre diferentes amostras, especialmente, se elas têm tamanhos di-
ferentes. Por exemplo, se estivéssemos pesquisando eleições estaduais ou
nacionais, poderíamos comparar os resultados entre os municípios, mesmo
que as amostras fossem respectivamente de 330, 240, 159 e 58 eleitores.

Para fazer, manualmente, um gráfico de torta, devemos transformar as fre-

quências absolutas em relativas e daí em graus. Isso é muito simples: se

UAB 64 Licenciatura em Matemática

100% = 360°, então 1% = . Assim, seguindo nosso exemplo anterior,
vamos construir uma tabela (tabela 1).

Tabela 1: Frequências absolutas e relativas das intenções de votos para a

eleição de um representante estudantil de uma universidade (n = 573) e seus
equivalentes em graus (°).

Candidato Fr. absoluta Fr. relativa (%) Graus (°)

José 54 9,42 33,93

Maria 167 29,14 104,92

João 198 34,55 124,40

Ana 89 15,53 55,92

Robert 65 11,34 40,84

Total 573 100 360

Com o uso do compasso e do transferidor, podemos desenhar o gráfico de

torta e colorir as “fatias” a gosto.

Gráficos de barras contínuas e histogramas

Esses dois tipos de representação são utilizados para sumarizar intervalos ou
escalas de razão, ou seja, variáveis contínuas. Medidas como altura, peso ou
comprimento podem ser representadas assim, dando ideia do padrão geral
da distribuição. O número de casas decimais usadas, nesses casos, depen-
de do nível de detalhe necessário e da acurácia da medição, mas de forma
geral, variáveis contínuas possuem valores que aparecem apenas uma vez.
Assim, antes de começar os gráficos, devemos criar intervalos de valores,
como fizemos com o tempo de resposta de estudantes a um quebra-cabeça
na aula anterior. O gráfico de barras contínuas daqueles dados teria a apa-
rência vista na fig. 3.

Estatística 65 UAB
 Figura 3: Histograma de frequências absolutas dos intervalos de tempo de resolução
de um quebra-cabeça, em segundos, por 20 alunos de uma escola.

A diferença entre o gráfico de barras contínuas e um histograma é a mesma

que entre um gráfico de barras e um de torta: o gráfico de barras contínuas
é criado em cima de frequências absolutas e o histograma, das relativas, ou
proporcionais. A principal característica do histograma é que a soma das
áreas de suas barras vai sempre ser 1, o que é igual a 100%.

Vamos imaginar que coletamos informação sobre o comprimento das es-

pigas de uma variedade de milho. Após medirmos 30 espigas, chegamos à
tabela 2.

Tabela 2: Tabela de frequências absoluta e relativa dos intervalos de compri-

mento, em centímetros, de 30 espigas da variedade A de milho.

UAB 66 Licenciatura em Matemática

 Tamanho da espiga (cm) Fr. absoluta Fr. relativa

15 – 16,9 2 0,07

17 – 18,9 6 0,2

19 – 20,9 10 0,33

21 – 22,9 9 0,3

23 – 24,9 3 0,1

Total 30 1

Com as frequências relativas, podemos construir um histograma (fig. 4).

Figura 4: Histograma de frequências relativas dos intervalos de comprimento, em

centímetros, de 30 espigas da variedade A de milho.

A vantagem dos histogramas é a mesma do gráfico de torta: podemos colo-

car, lado a lado, informações vindas de amostras com tamanhos diferentes,

Estatística 67 UAB
 pois os dados estão representados em proporções. Não se poderia fazer isso
com um gráfico de barras contínuas a não ser que as amostras fossem do
mesmo tamanho.

Polígonos e curvas de frequência

Outra forma de apresentar frequências, graficamente, é através dos polígo-
nos e curvas de frequência. O polígono de frequência pode ser usado quan-
do não há intervalos entre os valores e, basicamente, é um gráfico cujos
pontos são conectados por uma linha. Por exemplo, digamos que estamos
tentando descobrir o número de moradores em 109 apartamentos de um
conjunto residencial. Os resultados que encontramos estão na tabela 3.

Tabela 3: Tabela de frequências absolutas do número de moradores em 109

domicílios de um conjunto habitacional.

Número de moradores por domicílio Número de domicílios

1 17

2 30

3 26

4 17

5 13

6 6

Total 109

O polígono de frequência pode ser construído tanto com frequências abso-

lutas quanto relativas. Contudo, nesse caso, usaremos, apenas, as absolutas
(fig.5).

UAB 68 Licenciatura em Matemática

Figura 5: Polígono de frequências absolutas do número de moradores em 109 domi-
cílios de um conjunto habitacional.

Podemos representar os mesmos dados em uma curva de frequências acu-

muladas. Desta vez, vamos usar frequências relativas e vamos somar cada
valor com o anterior, como vimos nas aulas passadas. Adicionaremos, então,
mais duas colunas à nossa tabela, criando a tabela 4.

Tabela 4: Tabela de frequências absoluta, relativa e acumulada do número de

moradores em 109 domicílios de um conjunto habitacional.

Número de Número de lotes Fr. relativa Fr. acumulada

espécies vegetais (%) (%)

1 17 15,60 15,60

2 30 27,52 43,12

3 26 23,85 66,97

4 17 15,60 82,57

5 13 11,93 94,50
6
6 5,50 100
Total 109 100 100

Estatística 69 UAB
 O gráfico resultante será uma curva de frequências acumuladas, como vista
na fig. 6.

Figura 6: Curva de frequências relativas acumuladas do número de moradores em

109 domicílios de um conjunto habitacional.

Esse tipo de gráfico é, extremamente, útil para comparar distribuições or-

dinais entre amostras de tamanhos diferentes e para entender onde está a
maioria dos dados. Curvas cumulativas são muito usadas em avaliações am-
bientais, no controle de qualidade, em avaliações de segurança e em estudos
sobre populações humanas.

Diagramas de “ramo e folha”

Todas as representações gráficas anteriores perdem informação, pois não
representam todos os valores reais de uma variável, e sim, os sumariza e
agrupa de forma a dar uma visão geral dos dados.

Os diagramas de “ramo e folha”, às vezes, chamados dendrogramas, (ape-

sar desse termo também ser usado para outros diagramas, especialmente
em Linguística e Biologia), preservam os valores individuais dos dados.

Outra vantagem dos diagramas de “ramo e folha” é que eles podem ser
montados manualmente, ou com o auxílio de uma máquina de escrever ou
processador de texto, sem a necessidade de planilhas ou programas estatís-
ticos.

Vejamos um exemplo: coletamos a emissão de dióxido de carbono de 35

indústrias (em toneladas por ano) e conseguimos os seguintes dados:

UAB 70 Licenciatura em Matemática

 48 57 66 48 50 58 47
48 49 48 47 57 40 50
43 40 44 40 34 42 47
48 53 43 43 25 45 39
38 35 30 38 38 28 27

Para criar o diagrama, devemos separar os valores em dois dígitos. Escreve-

mos os dígitos das dezenas verticalmente, formando o “ramo”:

2
3
4
5
6

Depois acrescentamos os dígitos que sobraram (as unidades) nas fileiras cor-
respondentes: são as “folhas”:

2| 5 7 8
3| 0 4 5 8 8 8 9
4| 0 0 0 2 3 3 3 4 5 7 7 7 8 8 8 8 8 9
5| 0 0 3 7 7 8
6| 6

Todos os dados estão expostos no diagrama. Se quisermos, também coloca-

remos dois “ramos” para cada dezena: um conterá as “folhas” de 0 a 4, e
o outro, de 5 a 9:

2|
2| 5 7 8
3| 0 4
3| 5 8 8 8 9
4| 0 0 0 2 3 3 3 4
4| 5 7 7 7 8 8 8 8 8 9
5| 0 0 3
5| 7 7 8
6|
6| 6

Estatística 71 UAB
 Além desse tipo de diagrama permitir que observemos, imediatamente, quais
os valores mais repetidos, pode-se usar a informação para outros tipos de
análises ou representações, pois a amostra já está totalmente representada.

Gráficos com informações múltiplas

Às vezes, é necessário que se represente mais de uma informação em um
único gráfico, seja por que desejamos verificar se há alguma influência entre
duas características de um mesmo elemento de uma população, ou por que
queremos representar como duas ou mais características são afetadas por
uma determinada variação de condições.

Gráficos mais complexos, baseados nos tipos que vimos até agora, podem
ser usados para representar duas ou mais amostras de uma mesma popu-
lação. Por exemplo, se quisermos visualizar a variação do número de mo-
radores, em cada domicílio de um conjunto habitacional através dos anos,
podemos usar um polígono de frequência como o da figura 5 e criar “linhas”
separadas para cada ano estudado (fig.7).

Figura 7: Polígonos de frequências absolutas do número de moradores em 109 domi-

cílios de um conjunto habitacional nos Censos de 2000, 2005 e 2010.

A mesma técnica pode ser usada com gráficos de barras ou curvas de frequ-
ência, usando os dados sobre uma mesma variável de amostras obtidas de
populações diferentes, ou da mesma população em momentos diferentes,
como o gráfico acima.

Até agora, nossos gráficos apresentam, no eixo de y, a frequência absoluta

ou relativa da ocorrência de uma característica, ou seja, estamos represen-

UAB 72 Licenciatura em Matemática

tando apenas uma variável. Para representar as relações entre duas ou mais
variáveis, x e y vão representar duas características que se encontram em um
indivíduo, ou elemento, da amostra.

Por exemplo, podemos usar um gráfico de dispersão para verificar a relação

entre duas variáveis. Digamos que pesamos e medimos 12 alunos de uma
sala de aula e gostaríamos de saber se, como era esperado, os alunos mais
pesados são também os mais altos.

Então, usamos do eixo de x para a altura e o de y para o peso, e criamos um

gráfico com doze pontos, cada um representando um aluno (fig. 8).

Figura 8: Relação entre altura (em kg) e peso (em cm) de 12 alunos de uma escola
municipal.

É fácil perceber pelo gráfico da figura 7 que, de forma geral, quanto mais
alto um aluno, mais pesado ele é, mesmo que a relação entre as duas variá-
veis não seja perfeita. Quanto mais dados apresentamos em um gráfico de
dispersão, ou seja, quanto maior a amostra, mais visualmente clara se torna
a existência, ou não, de uma relação entre as variáveis.

Temos que nos lembrar que, cada ponto em um gráfico de dispersão é um

elemento ou indivíduo da amostra; assim, se n = 250, haverá 250 pontos em
um gráfico de dispersão xy. Voltaremos a falar desse tipo de gráfico e de sua
interpretação, quando abordarmos Regressão.

Estatística 73 UAB
 Os gráficos “em caixas” ou boxplots são muito úteis para visualizar subgru-
pos dentro de uma amostra. Digamos que tenhamos medido a altura dos
indivíduos em um grupo de 13 mulheres e 13 homens (n = 26) e gostaríamos
de visualizar uma possível diferença na dispersão e tendência central da al-
tura em cada um dos gêneros.

Podemos, então, criar um gráfico boxplot, usando o eixo de y para a altura

em centímetros e o eixo de x para as duas categorias de interesse: mulheres
e homens.

Assim, o gráfico é criado traçando-se uma linha vertical sobre cada categoria
que vai do menor ao maior valor para cada categoria, marcando os extremos
da dispersão. A partir dessa linha, é marcado um ponto da medida da ten-
dência central escolhida e marca-se, a partir da medida central, um valor de
medida de dispersão acima e abaixo dela.

Por exemplo, se usarmos a média, então marcaremos na linha a média e o

desvio padrão positivo e negativo; se usarmos a mediana, usaremos o pri-
meiro e o terceiro quartis (um quartil se consegue, dividindo a distância entre
a mediana e os extremos em dois).

A partir dessas medidas, desenha-se uma caixa limitando onde a maioria

da população se encontra. O gráfico visto na fig. 9 ilustra como, em nossa
amostra, há uma diferença aparente na distribuição das alturas entre mulhe-
res e homens, sendo eles, geralmente, mais altos.

Figura 9: Boxplot das alturas, em cm, de 13 mulheres e 13 homens; a linha central

marca a mediana.

UAB 74 Licenciatura em Matemática

Sendo uma representação geral, o boxplot é mais indicado para amostras
grandes, e é normalmente usado para ilustrar análises de variância. Em tra-
balhos gerais, ou quando a amostra é, relativamente, pequena, uma forma
de representar a diferença entre subgrupos, sem perder nenhuma informa-
ção é o gráfico de valores individuais.

Nele, cada valor (no nosso caso, cada indivíduo) é marcado como um ponto,
formando uma linha vertical sobre cada categoria do eixo de x. Os dados
usados no gráfico da figura 9, se apresentados em um gráfico de valores
individuais, apresentam-se como visto na figura 10.

Figura 10: Gráfico de valores individuais da altura, em cm, de 13 mulheres e 13 ho-

mens. O losango representa a média.

É possível representar a média ± desvio padrão, ou a mediana e o primeiro

e terceiro quartis (Q1 e Q3), usando símbolos, como o da média acima, ou
linhas horizontais curtas.

Há dezenas de outros gráficos múltiplos para representar a relação entre va-

riáveis ou observar diferenças dentro de subgrupos amostrais e muitos deles
são utilizados em conjunto com testes estatísticos específicos.

Várias análises fazem uso de gráficos tridimensionais (com os de eixos x, y e

z), como pesquisas de geografia, geologia, cartografia e oceanografia que
usam a estatística espacial. Os tipos apresentados aqui, no entanto, são os
mais comumente usados para descrever dados.

Estatística 75 UAB
 Representações gráficas no Excel
O Excel tem uma função para criar gráficos, o “Assistente de gráfico” (um
ícone com um gráfico no alto da barra de tarefas, à direita). Há vários gráfi-
cos que podem ser criados com essa função, desde que a tabela usada para
criá-los esteja, adequadamente, preparada. Mas alguns deles não podem ser
preparados pelo Excel e dependem de programas de estatística mais sofisti-
cados, porém, é possível ilustrar um relatório de estatística descritiva usando
apenas o Excel.

O primeiro passo para criar um gráfico no Excel é selecionar os dados que

queremos representar. Geralmente, isso é feito, movendo as teclas direcio-
nais enquanto se pressiona a tecla “shift”, até que se cubra a área desejada
(fig. 11). Não é necessário incluir sempre o título das colunas, uma vez que
essa informação pode ser incluída depois.

Figura 11: Tabela de Excel com a frequência de intenção de votos em uma eleição
para representante estudantil; a área selecionada será usada para confeccionar um
gráfico.

Em seguida, clicamos no ícone do assistente de gráfico (fig. 12), e assim

abriremos uma caixa de diálogo da função.

UAB 76 Licenciatura em Matemática

Figura 12: Assistente de gráficos no Excel da Microsoft.

A caixa de diálogo do Assistente de Gráfico oferece uma grande variedade

de formatos pré-estabelecidos, além de permitir formatos personalizados.
Por exemplo, se queremos fazer um gráfico de barras (no Excel, chamado
de colunas; o de barras é orientado horizontalmente), clicamos no ícone
correspondente (fig. 13).

Figura 13: Caixa de diálogo do Assistente de Gráfico no Excel da Microsoft.

Estatística 77 UAB
 Há várias opções de representação, desde a mais simples, que vamos fazer,
até aquelas que comportam dois conjuntos de dados ou têm barras tridi-
mensionais. Vamos escolher a apresentação mais simples, que é a recomen-
dada na maioria dos relatórios estatísticos ou trabalhos acadêmicos (fig. 14).

As apresentações mais, visualmente, sofisticadas, com efeitos de textura,

tridimensionais, etc., são, de modo geral, usadas em brochuras comerciais e
em jornais e revistas.

Figura 14: Segunda etapa da criação de um gráfico de colunas no Excel da Microsoft.

Podemos editar o gráfico, acrescentando a legenda dos eixos, removendo

legendas laterais desnecessárias, retirando linhas verticais, etc. (fig.15). Há
inúmeras opções de edição e apenas a prática com esse programa de com-
putador permite explorar todas as possibilidades.

UAB 78 Licenciatura em Matemática

Figura 15: Editando um gráfico de colunas no Excel da Microsoft.

Depois de concluído, ainda podemos editar o gráfico, mudando cores e le-

gendas. E o mesmo pode ser salvo na própria planilha do Excel (fig. 16) ou
em uma nova planilha. Assim, sempre que a tabela original dos dados for
modificada, o gráfico será, automaticamente, atualizado. Se ele for copiado
e colado em um documento de Word, também existe a opção de atualização
automática, desde que os dois documentos estejam associados.

Figura 16: Gráfico de barras (colunas) preparado pelo Excel da Microsoft.

Estatística 79 UAB
 Os mesmos passos devem ser seguidos para preparar um gráfico de torta.
Basta selecionar esse tipo quando abrir o assistente de gráfico (fig. 17).

Figura 17: Caixa de diálogo do Assistente de Gráfico do Excel da Microsoft, mostran-

do as opções para um gráfico de torta (pizza).

Seguindo os mesmos passos que o gráfico anterior, podemos editar o dia-

grama durante a criação ou após estar pronto. O gráfico de torta final será
aquele que vimos na figura 2.

Polígonos e curvas de frequência acumulada são feitos com a opção de “grá-

ficos de linhas” no assistente de gráfico. A forma do gráfico vai depender se
estamos usando frequências absolutas ou acumuladas.

Para os gráficos de dispersão, selecionamos a opção inicial “Dispersão (XY)”

na Caixa de Diálogo. O Assistente de Gráfico permite que algumas séries, ou
variáveis, incluídas em uma tabela, sejam removidas da apresentação gráfica.

Também é possível mudar o valor inicial dos eixos, como visto no gráfico da
figura 8, após o mesmo estar pronto. Para isso, basta clicar duas vezes no
eixo que se quer modificar, abrindo a caixa de diálogo para edição dele (fig.
18). Assim, muitas outras características podem ser editadas.

UAB 80 Licenciatura em Matemática

Figura 18: Caixa de diálogo para edição de um eixo de um gráfico do Excel da Mi-
crosoft.

Por fim, esse editor de planilhas pode criar a maior parte das representa-
ções gráficas mais importantes para auxiliar a visualização imediata de dados
amostrais. A enormidade de funções e opções de edição desses gráficos me-
rece ser experimentada, e apenas com a prática é possível explorar a maioria
dos recursos que esse programa de computador oferece.

Resumo
Representações gráficas são, extremamente, úteis para a visualização de da-
dos amostrais e são parte indispensável de qualquer relatório de pesquisa
que envolva análises estatísticas. Os tipos mais comuns de gráficos de frequ-
ência para uma variável são os gráficos de barras, de torta, os histogramas,
os polígonos de frequência, as curvas de frequência acumulada e os gráficos
de “ramo e folha”.

Todos os gráficos pedem, para sua confecção, a criação de tabelas de frequ-

ência. Informações múltiplas podem ser representadas em gráficos de fre-
quências, representando amostras múltiplas, ou em gráficos multivariados,
em que mais de uma variável podem ser representadas, como os gráficos de
dispersão.

Estatística 81 UAB
 Subgrupos amostrais podem ser representados através de gráficos de caixas
(boxplots) ou de valores individuais. O editor de planilhas do Excel possui
um Assistente de Gráfico que permite a criação rápida de uma variedade de
representações gráficas e apresenta inúmeros recursos para personalizar os
gráficos criados.

Referências
CHATFIELD, C.: Problem Solving – A Statistician’s Guide. London: CHAPMAN & HALL.
1991.
LEVIN, J.: Estatística Aplicada às Ciências Humanas. São Paulo: HARPER & ROW DO
BRASIL. 1978.
SCHMULLER, J.: Statistical Analysis with Excel. Hoboken: Willey Publishing Inc. 2009.
VIEIRA, S. M.: Introdução à Bioestatística. 3ª edição. São Paulo: EDITORA CAMPUS. 1998.

UAB 82 Licenciatura em Matemática

Estatística 83 UAB
UAB 84 Licenciatura em Matemática