Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
m
e
r
o
d
e
e
m
p
r
e
s
a
s
Figura 11: Diagrama de uma distribuio de frequncia.
Tabela 3.3 Valor do monitor e nmero de empresas com o mesmo preo
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:40 21/12/2010 17:30:51
41
Probabilidade e Estatstica
Mtodos Grficos
A partir de agora, chamaremos o nmero de repeties de frequn-
cia de ocorrncia ou simplesmente de frequncia.
Nmero de repeties = frequncia de ocorrncia = frequncia.
3.1.4 Distribuio de frequncia com intervalos de
classe
Quando a amostra grande, a tabela tambm tende a ser grande; nesse
caso, mais racional efetuar o grupamento dos valores em vrios inter-
valos de classe.
Exemplo:
Ao acaso, foram pesquisados os preos de 200 monitores LCD, de um
mesmo modelo, em 200 empresas de informtica. Veja os valores no
anexo da apostila e observe que, aps o ordenamento dos preos em
ordem crescente (ROL), o valor mnimo encontrado R$ 412,0 e o va-
lor mximo R$ 440,0. Com os preos ordenados, montamos a tabela
a seguir:
Valor do
monitor(R$)
Frequncias
412 |------- 415 10
415 |------- 418 15
418 |------- 421 20
421 |------- 424 25
424 |------- 427 30
427 |------- 430 30
430 |------- 433 28
433 |------- 436 22
436 |------- 439 12
439 |------- 442* 8
Total 200
*Se voc est com dvida sobre o modo como a tabela foi monta-
da, no se preocupe, pois o objetivo deste captulo exatamente
esse. Fique atento e no perca os prximos passos da matria.A
partir de agora, iremos chamar a primeira coluna de classe.
Tabela 3.4 Preos de 200 monitores LCD em 200 empresas de informtica
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:41 21/12/2010 17:30:51
42
Curso de Licenciatura em Informtica
Captulo 3
a) Elementos de uma distribuio de frequncia com intervalos de classe
Antes de iniciarmos a construo de uma distribuio de frequncia
com intervalos de classe, vamos ver alguns conceitos importantes.
a) Classe
Classe o intervalo de variao da varivel, simbolizada por i. O nme-
ro total de classes simbolizado por k.
Exemplo:
Na tabela anterior, temos: k=10 e para 415 |------- 418 a classe 2 (i =2).
b) Limites de classe:
So os extremos de cada classe. O menor nmero o limite inferior de
classe (li) e o maior nmero o limite superior de classe (Li).
Exemplo:
Em 427 |------- 430 Limite inferior l6= 427 e limite superior L6= 430
O smbolo |------ representa um intervalo fechado esquerda e aberto
direita. O dado 427 do ROL, no pertence classe 5, e sim, classe 6,
representada por 427 |----- 430.
c) Amplitude de intervalo de classe
a diferena entre o limite superior e o inferior da classe. simbolizada
por hi = Li - li.
Exemplo:
Na tabela anterior, hi= 427 424 = 3.
Obs.: Na distribuio de frequncia com classe, o hi ser igual em todas
as classes.
d) Amplitude total da distribuio
a diferena entre o limite superior da ltima classe e o limite inferior
da primeira classe.
AT = L(max) - l(min).
Exemplo:
Na tabela anterior, AT = 442 - 412= 30.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:42 21/12/2010 17:30:51
43
Probabilidade e Estatstica
Mtodos Grficos
e) Amplitude total da amostra
a diferena entre o valor mximo e o valor mnimo da amostra.
Em que:
AA = Xmax - Xmin.
Xmax = 440 (mximo valor real encontrado do monitor)
Xmin = 412 (mnimo valor real encontrado do monitor)
Em nosso exemplo, AA = 440 - 412 = 28.
Observe que: AT sempre ser maior que AA. Voc tem que estar con-
vencido dessa armao.
f) Ponto mdio de classe:
o ponto que divide o intervalo de classe em duas partes iguais.
Exemplo:
Em 418 |------- 421 o ponto mdio x3 = (418+421)/2 = 419,5, ou seja,
x3=(l3+L3)/2.
Veja como ca a distribuio de frequncia de preos de 200 monitores
anterior:
Classes Frequncias
i=1 (Primeira Classe) 412 |------- 415 10
i=2 (Primeira Classe) 415 |------- 418 15
i=3 (Primeira Classe) 418 |------- 421 20
i=4 (Primeira Classe) 421 |------- 424 25
i=5 (Primeira Classe) 424 |------- 427 30
i=6 (Primeira Classe) 427 |------- 430 30
i=7 (Primeira Classe) 430 |------- 433 28
i=8 (Primeira Classe) 433 |------- 436 22
i=9 (Primeira Classe) 436 |------- 439 12
i=10 (Primeira Classe) 439 |------- 442* 8
Total 200
Tabela 3.5 Classe Frequncia de preos de 200 monitores
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:43 21/12/2010 17:30:51
44
Curso de Licenciatura em Informtica
Captulo 3
ATIVIDADE 3.3
1) Determine a amplitude da amostra -1, -2 , 3, 4, 5.
2) Dada a distribuio de frequncia a seguir, que representa os
dimetro de furos encontrados em gabinetes de computadores:
Dimetros de Furos
(mm)
Computa-
dores
10 |------- 13 5
13|------- 16 15
16|------- 19 25
19|------- 22 35
22|------- 25 45
25|------- 28 30
28|------- 31 28
31|------- 34 22
34|------- 37 12
37|------- 40 8
Total 225
Determine:
a) o limite superior da sexta classe;
b) o limite inferior da segunda classe;
c) a Amplitude total da distribuio;
d) o Ponto mdio da quinta classe;
e) o intervalo de classe;
f) quantos computadores apresentaram dimetros de furos
entre 28 a 31 mm;
g) quantos computadores apresentaram dimetros de furos
superiores a 22 mm;
h) percentualmente, quantos computadores apresentaram
dimetros de furos entre 16 e 28 mm.
b) Mtodo prtico para construo de uma distribuio de frequncia
Vamos mostrar um mtodo prtico para construo de uma dis-
tribuio de frequncia.
Depois de feita a pesquisa de campo, siga os seguintes passos:
(Vamos utilizar o exemplo dos preos de 200 monitores LCD levantados
em 200 empresas de informtica).
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:44 21/12/2010 17:30:51
45
Probabilidade e Estatstica
Mtodos Grficos
1 - Organize os dados brutos em um ROL;
2 - Calcule a amplitude amostral AA;
No nosso exemplo: AA =440 - 412 =28.
3 - Calcule o nmero de classes por meio da Regra de Sturges;
A Regra de Sturges uma frmula que compacta os dados e esta-
belecer o nmero de classes que a distribuio de frequncia ter.
Ela dada conforme a frmula seguir:
i =1 + 3,3 . log n
Em que:
i = nmero de classes (valor inteiro mais prximo);
n = nmero de amostra da nossa pesquisa.
Obs.: Qualquer regra para determinao do nmero de classes da
distribuio de frequncia (o nmero de linhas que ter a tabela)
no nos leva a uma deciso nal; isso pois esta vai depender de
um julgamento pessoal, que deve estar ligado natureza dos da-
dos e clareza que se deseja obter na distribuio de frequncia.
Existem outras opes regra de Sturges, como:
1/2
i = n
No caso do nosso exemplo dos 200 monitores:
n = 200 amostras
i =1 + 3,3 . log 200
i = 8,6 , adotamos i = 9
Observe que, efetivamente no nosso exemplo, i = 10.
Veremos em breve o motivo.
4 - Calcule a amplitude do intervalo de classe h = AA/i.;
No nosso exemplo: AA/i = 28/9 = 3,11.
Obs.: Adotaremos neste caso h = 3 para termos intervalos de classe va-
lores inteiros e assim obter uma melhor visualizao na tabela.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:45 21/12/2010 17:30:52
46
Curso de Licenciatura em Informtica
Captulo 3
5 - Monte a tabela da seguinte forma:
i |------- Li= i + h
Exemplo:
|------- L = + h
1 1 1
412 |------- 415
Em que:
1
o menor nmero inteiro da amostra.
Obs.:
1
deve ser preferencialmente um valor inteiro menor ou igual a
Xmin e
L
1
deve ser preferencialmente um valor inteiro maior ou igual a + h.
1
No nosso exemplo: o menor nmero da amostra 412. Assim, teremos:
L
1
= +
1 h
= 412+3 = 415, logo, a primeira classe ser representada por
412 |------- 415.
O primeiro elemento das classes seguintes sempre sero formados pelo
ltimo elemento da classe anterior.
Assim a segunda classe ca:
= L e L = ( + h )
2 1 2 2
|------- L = ( + h )
2 2 2
= 415 e L = 415 + 3 = 418
2 2
415 |------- 418 Observe que confere com a tabela 3.6.
As classes seguintes respeitaro o mesmo procedimento.
Ao nal da montagem da tabela, percebemos que a ltima classe
10 e no 9, conforme estabelecia a regra de sturges. Isso ocorre
porque a regra de sturges fornece a orientao do nmero de classe,
mas preferimos utilizar nmeros inteiros nos limites inferiores e su-
periores de classe para melhorar a apresentao da tabela, com isto,
a classe passou de 9 para 10.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:46 21/12/2010 17:30:52
47
Probabilidade e Estatstica
Mtodos Grficos
c) Representao grca de uma distribuio
Em todos os grcos acima, utilizamos o primeiro quadrante do sistema
de eixos coordenados cartesianos ortogonais. Na linha horizontal (eixo
das abscissas), colocamos os valores da varivel e, na linha vertical (eixo
das ordenadas), as frequncias.
Histograma: formado por um conjunto de retngulos justapos-
tos, cujas bases se localizam sobre o eixo horizontal, de tal modo
que seus pontos mdios coincidam com os pontos mdios dos in-
tervalos de classe. A rea de um histograma proporcional soma
das frequncias simples ou absolutas.
Exemplo: Vamos montar o histograma da distribuio de frequncia
anterior:
Valor do monitor
(R$)
Frequncias
412|------- 415 10
415|------- 418 15
418|------- 421 20
421|------- 424 25
424|------- 427 30
427|------- 430 30
430|------- 433 28
433|------- 436 22
436|------- 439 12
439|------- 442 8
Total 200
Histograma da distribuio de freqncia
30
25
20
15
10
5
0
412 415 418 421 424 427 430 433 436 439 442
f
Tabela 3.6 Valores dos monitores
Figura 12: Histograma da distribuio de frequncia
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:47 21/12/2010 17:30:52
48
Curso de Licenciatura em Informtica
Captulo 3
Quem estiver utilizando a planilha eletrnica Excel deve instalar
esse recurso em Ferramentas/Suplementos/Ferramentas de Anli-
se; caso contrrio, pode-se utilizar as ferramentas de desenho dos
aplicativos.
3.1.5 Polgono de frequncia
um grco em linha, sendo as frequncias marcadas sobre perpendi-
culares ao eixo horizontal, levantadas pelos pontos mdios dos interva-
los de classe. Fornece, na realidade, o contorno, ou seja, a envoltria, em
vez de retngulos paralelos.
Exemplo de polgono de frequncia:
30
25
20
15
10
5
0
412 415 418 421 424 427 430 433 436 439 442
f
Figura 13: Exemplo de Polgono de frequncia da distribuio de dados
a) Frequncias simples ou absolutas
So os valores que realmente representam o nmero de dados de cada
classe. A soma das frequncias simples igual ao nmero total dos da-
dos da distribuio. Veja exemplo a seguir.
b) Frequncias relativas
So os valores das razes entre as frequncias absolutas de cada classe
e a frequncia total da distribuio. A soma das frequncias relativas
igual a 1 (100 %).
Exemplo de frequncias relativas fri (%)
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:48 21/12/2010 17:30:52
49
Probabilidade e Estatstica
Mtodos Grficos
classe fri (%)
412|------- 415 10 5,0%
415|------- 418 15 7,5%
418|------- 421 20 10,0%
421|------- 424 25 12,5%
424|------- 427 30 15,0%
427|------- 430 30 15,0%
430|------- 433 28 14,0%
433|------- 436 22 11,0%
436|------- 439 12 6,0%
439|------- 442 8 4,0%
Total 200 100%
c) Frequncia simples acumulada de uma classe Fi
o total das frequncias de todos os valores inferiores ao limite superior
do intervalo de uma determinada classe.
classe fri (%) Fi
412|------- 415 10 5,0% 10
415|------- 418 15 7,5% 25
418|------- 421 20 10,0% 45
421|------- 424 25 12,5% 70
424|------- 427 30 15,0% 100
427|------- 430 30 15,0% 130
430|------- 433 28 14,0% 158
433|------- 436 22 11,0% 180
436|------- 439 12 6,0% 192
439|------- 442 8 4,0% 200
Total 200 100%
d) Frequncia relativa acumulada de uma classe Fri
a frequncia acumulada da classe, dividida pela frequncia total da
distribuio.
Tabela 3.7 Exemplo de frequncias relativas fri
Tabela 3.8 Exemplo de frequncias relativas fri e acumulada Fri
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:49 21/12/2010 17:30:53
50
Curso de Licenciatura em Informtica
classe fri (%) Fi Fri (%)
412|------- 415 10 5,0% 10 5,0%
415|------- 418 15 7,5% 25 12,5%
418|------- 421 20 10,0% 45 22,5%
421|------- 424 25 12,5% 70 35,0%
424|------- 427 30 15,0% 100 50,0%
427|------- 430 30 15,0% 130 65,0%
430|------- 433 28 14,0% 158 79,0%
433|------- 436 22 11,0% 180 90,0%
436|------- 439 12 6,0% 192 96,0%
439|------- 442 8 4,0% 200 100,0%
Total 200 1
Observar que temos o valor acumulativo em percentagens. Como
exemplo, podemos ver da tabela anterior que o preo do monitor at
R$ 436,00 est entre os 90% dos monitores pesquisados, ou seja, apenas
10% dos monitores custam mais do que R$ 436,00
3.1.6 Curva de frequncia (curva polida):
Enquanto o polgono de frequncia nos d a imagem real do fenme-
no estudado, a curva de frequncia nos d a imagem tendencial; ou
seja, mostra o comportamento dos dados segundo um grco de linha
j estudado. O polimento, do ponto de vista geomtrico, corresponde
eliminao dos vrtices da linha poligonal de um polgono de frequn-
cia. Para conseguir o polimento, vamos utilizar uma frmula bastante
simples, apresentada a seguir:
A fci (frequncia calculada da classe ou frequncia polida) , na
realidade, uma mdia ponderada das frequncias em torno da fre-
quncia a ser polida.
Em que:
fci = frequncia calculada da classe considerada (frequncia
polida).
= frequncia simples da classe a ser polida.
fant = frequncia simples da classe anterior a ser polida.
fpost = frequncia simples da classe posterior a ser polida.
Captulo 3
Tabela 3.9 Exemplo de frequncias relativas fri e acumulada Fri
( )
4
. 2 fpost fant
fci
+ +
=
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:50 21/12/2010 17:30:53
51
Probabilidade e Estatstica
Mtodos Grficos
30
25
20
15
10
5
0
412 415 418 421 424 427 430 433 436 439 442
f
Figura 14 - Curva de Frequncia ou Curva polida da distribuio de dados
ATIVIDADE 3.5
1) A tabela a seguir apresenta as velocidades dos Links de Inter-
net de 400 computadores conectados a uma grande empresa.
Kbytes
Quantidade de com-
putadores conectados
300|------- 400 14
400|------- 500 46
500|------- 600 58
600|------- 700 76
700|------- 800 68
800|------- 900 62
900|------- 1000 48
1000 |-------1100 22
1100 |-------1200 6
439|------- 442 8
Total 200
Com relao a essa tabela, determine:
a) a frequncia da quarta classe;
b) a frequncia relativa da sexta classe;
c) a frequncia acumulada da quinta classe;
d) o nmero de computadores cuja velocidade do link no
atinge 700 kbites;
e) o nmero de computadores cuja velocidade do link atinge e
ultrapassa 800 kbites;
f) a percentagem de computadores cuja velocidade do link
no atinge 600 kbites;
g) a percentagem de computadores cuja velocidade do link
seja maior ou igual a 900 kbites;
h) a percentagem de computadores cuja velocidade do link
seja maior ou igual a 500 kbites e inferior a 1000 kbites;
i) a classe dos 72 computadores mais rpidos no link.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:51 21/12/2010 17:30:53
52
Curso de Licenciatura em Informtica
Captulo 3
2) Os dados a seguir, obtidos em uma pesquisa realizada no co-
mrcio local, apresentam as diferenas encontradas nos preos de
100 placas-me. Com base nisso:
a) forme com esses dados uma distribuio de frequncia com
intervalo de classe;
b) confeccione o histograma e o polgono de frequncia
correspondentes.
3,9 7,4 10.0 11,8 2,3 4,5 10,5 8,4 15,6 7,6
18,8 2,9 2,3 0,4 5 9 5,5 9,2 12,4 8,7
4,5 4,4 10,6 5,6 8,5 2,4 17,8 11,6 0,8 4,4
7,1 3.2 2,7 9,5 2,7 9,5 13,1 3,8 6,3 7,9
4,8 5,3 12,9 6,9 6,3 7,5 2,6 3,3 4,6 16
3,9 7,4 10.0 11,8 2,3 4,5 10,5 8,4 15,6 7,6
18,8 2,9 2,3 0,4 5 9 5,5 9,2 12,4 8,7
4,5 4,4 10,6 5,6 8,5 2,4 17,8 11,6 0,8 4,4
7,1 3.2 2,7 9,5 2,7 9,5 13,1 3,8 6,3 7,9
4,8 5,3 12,9 6,9 6,3 7,5 2,6 3,3 4,6 16
3) Examinando o histograma abaixo, que corresponde s notas re-
lativas aplicao de um teste de inteligncia a um grupo de alu-
nos do curso de anlise e desenvolvimento de sistema, responda:
a) Qual o intervalo de notas que apresentou maior frequncia?
b) Qual a amplitude total da distribuio?
c) Qual o nmero total de alunos?
d) Qual a frequncia do intervalo de classe 14 | 15?
e) Quantos alunos receberam notas entre 9 e 16?
f) Quantos alunos receberam notas no-inferiores a 12?
25
20
15
10
5
1
4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:52 21/12/2010 17:30:53
53
Probabilidade e Estatstica
Mtodos Grficos
Ol, Aluno(a)!
Chegamos ao nal do terceiro captulo, em que foram apresenta-
das diversas formas de organizar e analisar os dados de uma srie
de observaes, as tabelas de frequncias e os mtodos grcos.
importante que esses contedos estejam bem compreendidos; caso
contrrio, faa uma reviso, pois eles sero necessrios nos prximos
captulos.
Sigamos adiante!
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:53 21/12/2010 17:30:53
54
Curso de Licenciatura em Informtica
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:54 21/12/2010 17:30:54
MEDIDAS DE ORDENAMENTO E
DE POSIO
Ol, Aluno(a)!
Neste captulo, estudaremos as medidas de ordenamento e de po-
sio, denominadas tambm de medidas de tendncia central, tais
como mdia, moda, mediana e separatrizes, as quais nos permitiro
resumir e analisar uma srie de dados.
Bons estudos!
Prof. Sebastio A. Carneiro
4.1 Medidas de posio
As mais importantes medidas de posio so as medidas de tendncia
central, pois se verica uma tendncia dos dados observados a se agru-
parem em torno dos valores centrais.
As medidas de tendncia central mais utilizadas so: mdia aritmtica,
moda e mediana. Outras medidas de tendncia central menos utiliza-
das, que no estudaremos neste curso, so as mdias: geomtrica, har-
mnica, quadrtica, cbica e bi quadrtica.
Outras medidas de posio so as separatrizes, que englobam: a prpria
mediana, os decis, os quartis e os percentis.
4.2 Mdia de populao e de amostras
Em estatstica, o conceito de mdia tambm pode ser usado para descre-
ver um conjunto de observaes. Quando o conjunto das observaes
uma populao, chamado de mdia da populao e representaremos
por . Quando o conjunto das observaes uma amostra estatstica,
chamado de mdia amostral e representaremos por X . Na prtica, ao
lidar com grandes populaes, quase sempre impossvel achar o va-
lor exato da mdia da populao, devido ao tempo, ao custo e a outras
restries de recursos. Por esse motivo, estudaremos somente a mdia
amostral que ser chamada de mdia, simplesmente.
Captulo 4
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:58 21/12/2010 17:30:56
59
Probabilidade e Estatstica
Medidas de Ordenamento e de Posio
das no perodo da promoo?
3) Marque a opo correta. um professor, aps vericar que toda
a classe obteve nota baixa, eliminou as questes a que os alunos
no responderam. Com isso, as notas de todos os alunos foram
aumentadas de 3 pontos. Ento:
a) ( ) a mdia aritmtica cou alterada de 3, assim como a soma
dos desvios;
b) ( ) a mdia aritmtica diminui de 3;
c) ( ) no houve alterao nem na mdia nem nos desvios;
d) ( ) a mdia aritmtica aumentou de 3.
4) Considerando que voc tem srie aritmtica, na qual o primei-
ro termo -3, a razo -5 e o nmero de elementos 389, pede-se:
qual a soma dos desvios da srie considerada?
5) Qual a soma dos desvios da mdia da srie considerada a
seguir?
33 28 23 18 13 8
12 33 54 75 96 117
-9 38 85 132 179 226
-30 43 116 189 262 335
-51 48 147 246 345 444
-72 53 178 303 428 553
-93 58 209 360 511 662
b) Mdia Aritmtica para dados agrupados:
b1) Sem intervalos de classe
Numa rede, trafega um uxo dirio de dados, conforme a tabela a se-
guir. Qual a mdia diria de dados que trafega na rede?
Fluxo de dados Durao (h)
128 MB 2
256 MB 6
350 MB 8
380 MB 5
400 MB 3
Total 24
Tabela 4.1 Trfego de uxo dirio de dados na rede
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:59 21/12/2010 17:30:57
60
Curso de Licenciatura em Informtica
Captulo 4
O uxo de dados ser representado pela varivel Xi, a durao com
que os dados trafegam na rede, representaremos por .
Xi
128 MB 2
256 MB 6
350 MB 8
380 MB 5
400 MB 3
Total 24
Como a durao so nmeros indicadores da intensidade de cada valor
da varivel, as frequncias funcionam como fatores de ponderao, o que
nos leva a calcular a mdia aritmtica ponderada da seguinte forma:
Devemos observar que a mdia ponderada no uma nova frmula
para o clculo da mdia. Na realidade, h um agrupamento dos
valores repetidos
Devemos, assim, montar uma nova coluna (Xi.) na tabela:
Xi Xi.
128 MB 2 128 . 2 = 256
256 MB 6 256 . 6 = 1536
350 MB 8 350 . 8 = 2800
380 MB 5 380 . 5 = 1900
400 MB 3 400 . 3 = 1200
Total = 24 Xi. = 7692
Tabela 4.2 Trfego de uxo dirio de dados na rede representada por Xi .
Tabela 4.3 Ocorrncia de trfego de uxo dirio (Xi x )
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:60 21/12/2010 17:30:57
61
Probabilidade e Estatstica
Medidas de Ordenamento e de Posio
Calcular a mdia conforme a frmula a seguir:
Ou seja, a quantidade mdia de dados que trafegam na rede de 320,5 MB.
ATIVIDADE 4.2
1) Marque a alternativa correta:
Em uma prova de Estatstica, 3 alunos obtiveram a nota 8,2; ou-
tros 3 obtiveram a nota 9,0; 5 obtiveram a nota 8,6; 1 obteve a nota
7,0 e 1, a nota 8,9. A mdia aritmtica :
a) ( ) uma mdia aritmtica simples com valor 8,0;
b) ( ) uma mdia aritmtica simples com valor 8,7;
c) ( ) uma mdia aritmtica ponderada com valor 8,0;
d) ( ) uma mdia aritmtica ponderada com valor 8,5;
e) ( ) nenhuma das respostas anteriores.
2) Em uma classe de 50 alunos, as notas obtidas foram as
seguintes:
Notas Nmero de alunos
4 3
5 8
6 12
7 12
8 8
9 5
10 2
Qual a nota mdia da turma?
3) Suponha que adicionamos 100 a cada um dos valores de uma
amostra. O que acontece com a mdia?
b2) Com intervalos de classe
No caso de mdia aritmtica para dados agrupados com intervalos de
classe, convencionamos que todos os valores includos em um determi-
nado intervalo de classe coincidem com o seu ponto mdio, e denimos
a mdia da mesma maneira como calculamos a mdia aritmtica para
dados agrupados sem intervalos de classe.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:61 21/12/2010 17:30:57
62
Curso de Licenciatura em Informtica
Xi =(Li +li)/2
Em que:
Xi Ponto mdio da classe;
Li Limite superior da classe;
Li - Limite inferior da classe.
Exemplo:
Vamos usar o exemplo da pesquisa dos preos de 200 monitores LCD
da marca AOC, em 200 empresas de informtica, para calcular a mdia
de preos.
Valor do monitor (R$) Frequncias
412 |------- 415 10
415|------- 418 15
418|------- 421 20
421|------- 424 25
424|------- 427 30
427|------- 430 30
430|------- 433 28
433|------- 436 22
436|------- 439 12
439|------- 442 8
Total 200
Calculando os valores de Xi. , teremos:
Classe Fi Xi Xi.
412|------- 415 10 413,5 4135
415|------- 418 15 416,5 6247,5
418|------- 421 20 419,5 8390
421|------- 424 25 422,5 10562,5
424|------- 427 30 425,5 12765
427|------- 430 30 428,5 12855
430|------- 433 28 431,5 12082
433|------- 436 22 434,5 9559
Captulo 4
Tabela 4.4 Preos de 200 monitores LCD da marca AOC em 200
empresas de informtica.
Tabela 4.5 Ocorrncias de Preos de 200 monitores LCD da marca AOC,
em 200 empresas de informtica (Xi. )
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:62 21/12/2010 17:30:58
63
Probabilidade e Estatstica
Medidas de Ordenamento e de Posio
436|------- 439 12 437,5 5250
439|------- 442 8 440,5 3524
Total 200 85370
Logo, a mdia ser:
ATIVIDADE 4.3
1) Calcule o valor mdio da placa-me (mainboard ou motherbo-
ard), cujos valores esto distribudos a seguir:
Tipo de placa-me Valor R$ Quantidade
Tipo 1 300|------- 305 14
Tipo 2 305|------- 310 46
Tipo 3 310|------- 315 58
Tipo 4 315|------- 320 76
Tipo 5 320|------- 325 68
Tipo 6 325|------- 330 62
Tipo 7 330|------- 335 48
Tipo 8 335|------- 340 22
2) Marque a opo correta: Um aluno faz trs provas com pesos
2, 2 e 3. Se ele tirou 2 e 7 nas duas primeiras, quanto precisa tirar
na terceira prova para car com mdia maior ou igual a 6?
a) ( ) pelo menos 5
b) ( ) pelo menos 6
c) ( ) pelo menos 7
d) ( ) pelo menos 8
4.5 Moda (Mo)
A moda utilizada quando desejamos obter uma medida rpida e apro-
ximada de posio. J a mdia aritmtica a medida de posio que
possui a maior estabilidade.
especialmente til para reduzir a informao de um conjunto de da-
dos qualitativos, apresentado sob a forma de nomes ou categorias, para
os quais no se pode calcular a mdia.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:63 21/12/2010 17:30:58
64
Curso de Licenciatura em Informtica
Captulo 4
o valor que ocorre com maior frequncia em uma srie de
valores.
Desse modo, o salrio modal dos empregados de uma fbrica o sal-
rio mais comum, isto , o recebido pelo maior nmero de empregados
dessa fbrica.
4.5.1 Moda quando os dados no esto agrupados
A moda facilmente reconhecida, basta, de acordo com a denio,
procurar o valor que mais se repete.
Exemplo:
Na srie {7 , 8 , 9 , 10 , 10 , 10 , 11 , 12}, a moda 10.
H sries nas quais no existe o valor modal, isto , no h repeties
de valores.
Exemplo:
A srie {3 , 5 , 8 , 10 , 12} no apresenta moda. Ela amodal.
.Em outros casos, pode haver dois ou mais valores de concentrao. Di-
zemos, ento, que a srie tem dois ou mais valores modais.
Exemplo:
A srie {2 , 3 , 4 , 4 , 4 , 5 , 6 , 7 , 7 , 7 , 8 , 9} apresenta duas modas: 4 e 7.
Ela bimodal.
4.5.2 Moda quando os dados esto agrupados
a) Sem intervalos de classe
Uma vez agrupados os dados, possvel determinar imediatamen-
te a moda: basta xar o valor da varivel de maior frequncia.
Exemplo: Na medio de temperatura durante o ms de junho de 2005,
na cidade de Curitiba, qual a mais recorrente?
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:64 21/12/2010 17:30:58
65
Probabilidade e Estatstica
Medidas de Ordenamento e de Posio
Temperaturas Frequncia
0 C 3
1 C 9
2 C 12
3 C 6
Resposta: 2 C a temperatura modal, pois a de maior frequncia.
a) Com intervalos de classe
A classe que apresenta a maior frequncia denominada classe
modal. Pela denio, podemos armar que a moda, nesse caso,
o valor dominante que est compreendido entre os limites inferior
e superior da classe modal. O mtodo mais simples para o clculo
da moda consiste em tomar o ponto mdio da classe modal. Da-
mos a esse valor a denominao de moda bruta.
Mo = (* + L* ) / 2
Em que:
* = limite inferior da classe modal e,
L*= limite superior da classe modal.
Exemplo:
Calcule o preo modal dos pendrives de 4Gb, os preos esto dispostos
na tabela a seguir:
Figura 16: Pendrive de 4Gb
Preo R$ Frequncia
54|------ 58 9
58|------ 62 11
62|------ 66 8
66|------ 70 5
Tabela 4.6 Ocorrncias de temperaturas em junho de 2005, na cidade de Curitiba.
Tabela 4.7 Distribuio de Frequncia dos preos dos pendrives
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:65 21/12/2010 17:30:58
66
Curso de Licenciatura em Informtica
Captulo 4
Resposta: a classe modal 58|-------- 62, pois a de maior frequncia. *=58
e L*=62
Mo = (58+62) / 2 = R$ 60 (esse valor estimado, pois no conhecemos
o valor real da moda).
O clculo da moda tambm pode ser feito pela frmula de CZU-
BER. Vale a pena pesquis-lo
ATIVIDADE 4.4
1) Calcule o tipo modal dos mouses pticos a seguir:
Mouse Quantidades
Tipo 1 344
Tipo 2 234
Tipo 3 656
Tipo 4 125
Tipo 5 111
Tipo 6 256
2) Calcule o valor modal da placa-me (mainboard ou mother-
board), cujos valores esto distribudos na tabela a seguir:
Tipo de placa-me Valor R$ Quantidade
Tipo 1 300 |------- 305 14
Tipo 2 305 |------- 310 46
Tipo 3 310 |------- 315 58
Tipo 4 315 |------- 320 76
Tipo 5 320 |------- 325 68
Tipo 6 325 |------- 330 62
Tipo 7 330 |------- 335 48
Tipo 8 335 |------- 340 22
3) quando queremos vericar que tipo de monitor apresentou
maior nmero de defeitos, utilizamos:
a) ( ) moda;
b) ( ) mediana;
c) ( ) mdia;
d) ( ) qualquer das anteriores.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:66 21/12/2010 17:30:58
67
Probabilidade e Estatstica
Medidas de Ordenamento e de Posio
4.6 Mediana (MD)
Ordenados os elementos da srie de dados, a mediana o valor (perten-
cente ou no srie) que a divide ao meio, isto , 50% dos elementos da
srie so menores ou iguais mediana e os outros 50% so maiores ou
iguais mediana.
Emprego da Mediana
Quando desejamos obter o ponto que divide a distribuio em
duas partes iguais.
Quando h valores extremos que afetam de maneira acentuada
a mdia aritmtica
4.6.1 Mediana para srie com nmero mpar de termos
Dada uma srie de valores, por exemplo: {5, 2, 6, 13, 9, 15, 10}.
De acordo com a denio de mediana, o primeiro passo a ser dado o da
ordenao (crescente ou decrescente) dos valores: {2, 5, 6, 9, 10, 13, 15}
Temos n=7 (mpar).
O valor que divide a srie acima em duas partes iguais 9; logo, a Md = 9.
Exemplo:
Clculo da mediana da srie {1, 3, 0, 0, 2, 4, 1, 2, 5}:
1 - Ordenar a srie {0, 0, 1, 1, 2, 2, 3, 4, 5};
n = 9; logo, o 5 elemento da srie ordenada ser a mediana;
5 elemento = 2
4.6.2 Mediana para srie com nmero par de termos:
A mediana obtida pela mdia dos dois elementos centrais da srie
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:67 21/12/2010 17:30:58
68
Curso de Licenciatura em Informtica
Captulo 4
Exemplo: Clculo da mediana da srie {1, 3, 0, 0, 2, 4, 1, 3, 5, 6}:
1 - Ordenar a srie {0, 0, 1, 1, 2, 3, 3, 4, 5, 6};
Para dividir a srie, o valor tem que estar entre os valores centrais 2 e 3;
5 Termo = 2
6 Termo = 3
A mediana ser = (2+3) / 2, ou seja, Md = 2,5 . A mediana, no exemplo,
a mdia aritmtica do 5 e 6 termos da srie.
Notas:
Quando o nmero de elementos da srie estatstica for mpar,
haver coincidncia da mediana com um dos elementos da
srie.
Em uma srie a mediana, a mdia e a moda no tm, necessa-
riamente, o mesmo valor.
A mediana depende da posio e no dos valores dos elemen-
tos na srie ordenada. Essa uma das diferenas marcantes
entre mediana e mdia (que se deixa inuenciar, e muito,
pelos valores extremos). Vejamos:
Em {5, 7, 10, 13, 15}, a mdia = 10 e a mediana = 10;
Em {5, 7, 10, 13, 65}, a mdia = 20 e a mediana = 10;
A mdia do segundo conjunto de valores maior do que a do
primeiro por inf uncia dos valores extremos, ao passo que a me-
diana permanece a mesma.
4.6.3 Mediana para srie com dados agrupados
a) Sem intervalos de classe:
No caso da mediana para srie com dados agrupados sem inter-
valos de classe, o bastante, identicar a frequncia acumulada
imediatamente superior metade da soma das frequncias. A
mediana ser o valor da varivel que corresponde a tal frequncia
acumulada.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:68 21/12/2010 17:30:59
69
Probabilidade e Estatstica
Medidas de Ordenamento e de Posio
Exemplo:
Calcule a mediana da tabela abaixo:
Varivel
Xi
Frequncia
Fi
Frequncia
acumulada F
0 2 2
1 6 8
2 9 17
3 13 30
4 5 35
total 35
Como o somatrio das frequncias 35, a frmula f car: (35+1) / 2 =
18 (30 o valor imediatamente superior a 18); logo, a mediana
ser igual a 3.
No caso de existir uma frequncia acumulada (Fi), tal que:
a mediana ser dada por:
Exemplo:
Calcule a mediana da tabela abaixo:
Varivel Xi Frequncia F Frequncia acumulada F
12 1 1
14 2 3
15 1 4
16 2 6
17 1 7
20 1 8
total 8
Tabela 4.8 Distribuio de Frequncia
Tabela 4.9 Distribuio de Frequncia
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:69 21/12/2010 17:30:59
70
Curso de Licenciatura em Informtica
Captulo 4
Como temos = 8/2=4
Aplicando a frmula acima, teremos:
Md= [X(8/2)+ X(8/2+1)]/2
Md= (3 termo + 4 termo) / 2 = (15 + 16) / 2 = 15,5
Md=15,5
b) Com intervalos de classe
Desejamos calcular a mediana da tabela abaixo, que representa os pesos
de 40 alunos.
Pesos (kg)
50 |------ 54 4
54 |------ 58 9
58 |------ 62 11
62 |------ 66 8
66 |------ 70 5
70 |------ 74 3
Total 40
Devemos seguir estes passos:
1) Determinamos as frequncias acumuladas;
2) Calculamos ;
3) Marcamos a classe correspondente frequncia acumu-
lada imediatamente superior . Tal classe ser a classe
mediana;
4) Calculamos a mediana pela seguinte frmula:..
Em que:
* o limite inferior da classe mediana;
Tabela 4.10 Pesos de 40 alunos
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:70 21/12/2010 17:30:59
71
Probabilidade e Estatstica
Medidas de Ordenamento e de Posio
F(ant) a frequncia acumulada da classe anterior classe mediana;
f* a frequncia simples da classe mediana;
h* a amplitude do intervalo da classe mediana.
Primeiramente, vamos incluir a frequncia acumulada na Tabela.
Classes Frequncia acumulada F
50 |------ 54 4 4
54 |------ 58 9 13
58 |------ 62 11 24
62 |------ 66 8 32
66 |------ 70 5 37
70 |------ 74 3 40
Total 40
Temos:
Logo, a classe mediana ser 58 |----- 62, pois 24, correspondente a frequncia
acumulada imediatamente superior 20, veja na tabela anterior.
Assim:
* = 58 (limite inferior do intervalo)
F(ant) = 13 (frequncia acumulada inferior a 20)
f* = 11 (frequncia simples do intervalo 58 |----- 62)
h* = 4 (intervalo de classe, observef qxuoeeigual a 4)
Portanto, a mediana ser:
Md= 60,54 kg
Interpretao: Md = 60,54 kg
50% dos alunos, ou seja, 20 alunos, pesam menos ou igual a 60,54 kg.
Tabela 4.11 Pesos de 40 alunos
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:71 21/12/2010 17:30:59
72
Curso de Licenciatura em Informtica
Captulo 4
ATIVIDADE 4.5
1) Calcule a marca mediana dos mouses pticos a seguir:
Mouse Quantidades
Tipo 1 344
Tipo 2 234
Tipo 3 656
Tipo 4 125
Tipo 5 111
Tipo 6 256
2) medida que tem o mesmo nmero de valores, abaixo e acima
dela, :
a) ( ) a moda.
b) ( ) a mdia.
c) ( ) a mediana.
d) ( ) o lugar mediano.
3) Calcule a marca mediana dos teclados:
Teclados Quantidades
Fabricante A 344
Fabricante B 234
Fabricante C 656
Fabricante D 125
Fabricante E 111
4) Calcule o tipo mediano da placa-me (mainboard ou motherbo-
ard), cujos valores esto distribudos abaixo:
Tipo de placa-me Valor R$ Quantidade
Tipo 1 300 |------- 305 14
Tipo 2 305 |------- 310 46
Tipo 3 310 |------- 315 58
Tipo 4 315 |------- 320 76
Tipo 5 320 |------- 325 68
Tipo 6 325 |------- 330 62
Tipo 7 330 |------- 335 48
Tipo 8 335 |------- 340 22
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:72 21/12/2010 17:30:59
73
Probabilidade e Estatstica
Medidas de Ordenamento e de Posio
4.7 Assimetria
As medidas de assimetria mostram o quanto a curva de frequncia se
desvia ou afasta da posio simtrica (rea do lado esquerdo igual a rea
lado direito do grco de distribuio de frequncia).
Simetria: uma distribuio de frequncia simtrica quando a
mdia, a mediana e a moda so iguais, ou seja, apresentam um
mesmo valor ou, ainda, coincidem num mesmo ponto. Neste caso,
temos o lado esquerdo igual ao lado direito.
Assimetria: uma distribuio de frequncia assimtrica quan-
do a mdia, a mediana e a moda recaem em pontos diferentes
da distribuio, isto , apresentam valores diferentes, sendo que
o deslocamento desses pontos pode ser para a direita ou para a
esquerda. Quanto ao grau de deformao, as curvas de frequncia
podem ser:
Simtrica Mdia = Moda
Assimtrica Positiva Mdia > Moda
Assimtrica Negativa Mdia < Moda
A Figura 17 a seguir ilustra os tipos de assimetria:
f
Simtrica
x = Md = Mo x
moda
mediana
mdia
f
x Mo < Md < x x < Md < Mo
Assimtrica Positiva Assimtrica Negartiva
Figura 17: Tipos de assimetria
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:73 21/12/2010 17:30:59
74
Curso de Licenciatura em Informtica
Captulo 4
ATIVIDADE 4.6
a) Determine o tipo de assimetria das sries a seguir:
1. Srie A
Estatura(m) frequncia
2 |----- 6 6
6 |----- 10 12
10|----- 14 24
14|----- 18 12
18|----- 22 6
Total 60
2. Srie B
Estatura(m) frequncia
2 |----- 6 6
6 |----- 10 12
10|----- 14 24
14|----- 18 30
18|----- 22 6
Total 78
3. Srie C
Estatura(m) frequncia
2 |----- 6 6
6 |----- 10 30
10|----- 14 24
14|----- 18 12
18|----- 22 6
Total 78
4.8 Separatrizes
As medidas separatrizes so medidas de posio e tm por f nalidade dividir
uma srie de dados. As medidas separatrizes so: mediana, quartil, decil e
percentil.
4.8.1 Quartis
Denominamos quartis os trs valores que separam a srie em 4 partes
iguais.
Q Q = Md Q
1 2 3
25% 0% 75% 50% 100%
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:74 21/12/2010 17:30:59
75
Probabilidade e Estatstica
Medidas de Ordenamento e de Posio
Q1 Primeiro quartil, valor que representa os primeiros 25% dos
elementos da srie;
Q2 Segundo quartil (mediana) , valor que representa os primeiros
50% dos elementos da srie;
Q3 Terceiro e ltimo quartil, valor que representa os primeiros
75% dos elementos da srie;
a) Quartis em dados no agrupados
Deve-se utilizar o mesmo princpio do clculo da mediana para os 3
quartis. Efetivamente, sero calculadas 3 medianas na mesma srie.
Exemplo1:
Calcule os quartis da srie {5, 2, 6, 9, 10, 13, 15}.
O primeiro passo a ser dado o da ordenao (crescente ou decrescen-
te) dos valores:
{2, 5, 6, 9, 10, 13, 15}.
O valor que divide a srie acima em duas partes iguais 9; logo, a Md =
9, que ser = Q .
2
Observe que temos agora {2, 5, 6} e {10, 13, 15} como os dois grupos de
valores iguais proporcionados pela mediana (quartil 2). Para o clculo
dos quartis 1 e 3, basta calcular as medianas das partes iguais provenien-
tes da verdadeira Mediana da srie (quartil 2).
Logo, em {2, 5, 6} a mediana = 5. Ou seja: o quartil 1;
em {10, 13, 15} a mediana =13. Ou seja: o quartil 3.
Exemplo 2:
Calcule os quartis da srie {1, 1, 2, 3, 5, 5, 6, 7, 9, 9, 10, 13}.
A srie j est ordenada, ento calcularemos o Quartil 2 = Md = (5+6)/2 = 5,5.
O quartil 1 ser a mediana da srie esquerda de Md: {1, 1, 2, 3, 5, 5}
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:75 21/12/2010 17:31:00
76
Curso de Licenciatura em Informtica
Captulo 4
Q = (2+3)/2 = 2,5
1
O quartil 3 ser a mediana da srie direita de Md: {6, 7, 9, 9, 10, 13}
Q = (9+9)/2 = 9
3
b) Quartis para dados agrupados em classes
Usamos a mesma tcnica do clculo da mediana, bastando subs
tituir, na frmula da mediana, por .
Para determinar os quartis, devemos seguir estes passos:
1) determinamos as frequncias acumuladas;
2) calculamos ,
Sendo k o nmero de ordem do quartil;
3) calculamos a Mediana pela seguinte frmula:..
Em que:
* o limite inferior da classe mediana.
F(ant) a frequncia acumulada da classe anterior classe mediana.
f* a frequncia simples da classe mediana.
h* a amplitude do intervalo da classe mediana.
Exemplo 3:
Calcule os quartis da tabela abaixo, que representa os pesos de 40
alunos.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:76 21/12/2010 17:31:00
77
Probabilidade e Estatstica
Medidas de Ordenamento e de Posio
Pesos (kg)
50 |------ 54 4
54 |------ 58 9
58 |------ 62 11
62 |------ 66 8
66 |------ 70 5
70 |------ 74 3
Total 40
Vamos calcular o primeiro quartil (Q ).
1
Primeiramente, vamos incluir a frequncia acumulada na Tabela.
Pesos (kg) F
50 |------ 54 4 4
54 |------ 58 9 13
58 |------ 62 11 24
62 |------ 66 8 32
66 |------ 70 5 37
70 |------ 74 3 40
Total 40
Temos k=1 para o primeiro quartil
Calculamos
Procuramos na tabela anterior frequncia acumulada, imediatamente,
superior a 10; neste caso, temos o valor 13.
Pesos (kg) F
50 |------ 54 4 4
54 |------ 58 9 13 Valor imediatamente superior a 10
58 |------ 62 11 24
Logo, a classe do primeiro quartil 54 |------ 58,
Assim:
* = 54.
F(ant) = 4
f* = 9
h* = 4
Tabela 4.12 Pesos de 40 alunos
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:77 21/12/2010 17:31:00
78
Curso de Licenciatura em Informtica
Captulo 4
Logo, o primeiro quartil ser:
Q = 56,66 kg
1
Interpretao: Q = 56,66 kg
1
25% dos alunos pesam menos ou igual a 56,66 kg.
Ou ainda, podemos a rmar que 75% dos alunos pesam mais que 56,66 kg.
Vamos calcular o terceiro quartil (Q ):
3
Temos k=3
Calculamos
Logo,.a classe do terceiro quartil 62 |------ 66
Assim:
* = 62
F(ant) = 24
f* = 8
h* = 4
Logo, o terceiro quartil (Q3) ser:
Q = 65 kg
3
Interpretao: Q = 65 kg
3
75% dos alunos pesam menos ou igual a 65kg.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:78 21/12/2010 17:31:01
79
Probabilidade e Estatstica
Medidas de Ordenamento e de Posio
ATIVIDADE 4.7
Calcule os 3 quartis das sries a seguir:
a) Teclados:
Teclados Quantidades
Tipo 1 344
Tipo 2 234
Tipo 3 656
Tipo 4 125
Tipo 5 111
b) Tipos de placa-me:
Tipos de placa-me Quantidades Quantidade
Tipo 1 300 |------- 305 14
Tipo 2 300 |------- 310 46
Tipo 3 300 |------- 315 58
Tipo 4 300 |------- 320 76
Tipo 5 300 |------- 325 68
Tipo 6 300 |------- 330 62
Tipo 7 300 |------- 335 48
Tipo 8 300 |------- 345 22
4.8.2 Decis
Denominamos decis os nove valores que separam uma srie em 10 par-
tes iguais.
D1
10% 0% 50% 100% 20% 30% 40% 60% 70% 80% 90%
D2 D3 D4 D5=Md D6 D7 D8 D9
D1 Primeiro decil, valor que representa os primeiros 10% dos elemen-
tos da srie;
D2 Segundo decil, valor que representa os primeiros 20% dos elemen-
tos da srie;
D5 Quinto decil (mediana), valor que representa os primeiros 50%
dos elementos da srie;
D9 Nono e ltimo decil, valor que representa os primeiros 20% dos
elementos da srie;
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:79 21/12/2010 17:31:01
80
Curso de Licenciatura em Informtica
Para o clculo dos percentis, usaremos a mesma tcnica do clculo
dos quartis, bastando substituir, na frmula, por .
4.8.3 Percentil ou Centil
Denominamos percentis ou centis os noventa e nove valores que sepa-
ram uma srie em 100 partes iguais.
D1
10% 0% 50% 100% 20% 30% 40% 60% 70% 80% 90%
D2 D3 D4 D5=Md D6 D7 D8 D9
Indicamos: P , P , ... , P .
1 2 99
evidente que P = Md ; P = Q e P = Q .
50 25 1 75 3
Os percentis, normalmente, so usados para grandes sries de dados.
Para o clculo dos percentis, usaremos a mesma tcnica do clculo
dos quartis, bastando substituir, na frmula,
por .
Exemplo:
Vamos calcular o 8 percentil (P
8
) da tabela abaixo, que representa os
pesos de 40 alunos:
Pesos (kg)
50 |------ 54 4
54 |------ 58 9
58 |------ 62 11
62 |------ 66 8
66 |------ 70 5
70 |------ 74 3
Total 40
Captulo 4
Tabela 4.13 Pesos de 40 alunos
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:80 21/12/2010 17:31:01
81
Probabilidade e Estatstica
Medidas de Ordenamento e de Posio
Novamente, vamos incluir a frequncia acumulada na Tabela.
Pesos (kg) F
50 |------ 54 4 4
54 |------ 58 9 13
58 |------ 62 11 24
62 |------ 66 8 32
66 |------ 70 5 37
70 |------ 74 3 40
Total 40
Temos k=8
Calculamos
Logo,.a classe do 8 percentil 50 |------ 54
Assim:
* = 50
f* = 4
h* = 4
Logo, o 8 percentil (P ) ser:
8
P = 53,2 kg
8
Interpretao: P = 53,2 kg
8
8% das pessoas pesam menos ou igual a 53,2kg.
F(ant) = 0
ATIVIDADE 4.8
1) Calcule o 16o, o 29o e o 73o percentis das sries a seguir:
a) Teclados:
Teclados Quantidades
Tipo 1 344
Tipo 2 234
Tipo 3 656
Tipo 4 125
Tipo 5 111
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:81 21/12/2010 17:31:02
82
Curso de Licenciatura em Informtica
Captulo 4
b) Tipos de placa-me:
Tipos de placa-me Valor R$ Quantidade
Tipo 1 300 |------- 305 14
Tipo 2 305 |------- 310 46
Tipo 3 310 |------- 315 58
Tipo 4 315 |------- 320 76
Tipo 5 320 |------- 325 68
Tipo 6 325 |------- 330 62
Tipo 7 330 |------- 335 48
Tipo 8 335 |------- 340 22
Cuidado! Sempre a frequncia acumulada anterior da primeira
classe ser zero.
ATIVIDADE 4.8
Aps construir o histograma e a curva polida do seu trabalho pr-
tico, calcule a mdia, a mediana, o primeiro, o segundo e o terceiro
quartis, alm dos percentis (P ,P ,P ,P ,P
15 25 35 50 75
e P
80
), determinando
tambm o tipo de assimetria que o histograma apresenta.
Chegamos ao nal deste captulo, no qual aprendemos a calcular as
medidas de ordenamento e posio. importante que esse contedo
esteja bem compreendido; caso contrrio, faa uma reviso, pois ele
ser necessrio para entender os prximos contedos.
Vamos para o captulo 5!
Prof. Sebastio A. Carneiro
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:82 21/12/2010 17:31:02
MEDIDAS DE VARIABILIDADE
Ol, Turma!
Neste captulo, veremos que a mdia no suciente para identicar
uma srie de dados. Devemos encontrar uma medida que nos mos-
tre a forma como os elementos da srie se distribuem, dispersam-se
ou variam em torno da mdia.
Bons estudos!
Prof. Sebastio A. Carneiro
Ser que a mdia uma medida suciente para caracterizar uma srie
de dados?
Veja o exemplo a seguir:
Exemplo 1:
Observe o trfego de dados numa rede de computadores: em uma
horah trfego de dados a 49 Mbps(rpida) e na prxima hora h tr-
fego de dados a 51 Mbps(rpida tambm), enquanto que em outra rede
uma hora o trfego de dados1 Mbps (muito lenta)e na prxima hora
o trfego de dados 99 Mbps(muito rpida).
49Mbps 49Mbps
01:00h
51Mbps 51Mbps
02:00h
Figura 18: Dois computadores se comunicando a 49 Mbps e 51 Mbps
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:83 21/12/2010 17:31:03
84
Curso de Licenciatura em Informtica
Captulo 5
1Mbps 1Mbps
01:00h
99Mbps 99Mbps
02:00h
Figura 19 Dois computadores se comunicando a 1 Mbps e 99 Mbps
As duas redes tm a mesma mdia de comunicao de dados nas 2 horas
de comunicao, 50 Mbps, mas em condies diferentes: observe que a
primeira rede mais estvel que a segunda.
Portanto, temos a mesma mdia, mas em condies diferentes.
Por esse motivo, vamos estudar o conceito de variabilidade, pois,
se algum pedisse para voc escolher, qual voc escolheria?Embora
a mdia de trfego das duas redes de computadores seja 50 Mbps.
A responda, com certeza, seria uma rede mais estvel (Figura 5.1),
pois varia menos. Assim, veremos a seguir como quanticar as va-
riaes das sries em torno da mdia.
5.1 Medidas de disperso
Disperso ou Variabilidade:
a maior ou a menor diversicao dos valores de uma varivel
em torno de um valor de tendncia central (mdia ou mediana)
tomado como ponto de comparao.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:84 21/12/2010 17:31:05
85
Probabilidade e Estatstica
Medidas de Variabilidade
A mdia o valor que melhor representa uma srie de valores, mas ela,
por si s, no pode destacar o grau de homogeneidade ou heteroge-
neidade existente entre os valores que compem o conjunto. Por esse
motivo, precisamos de mais elementos que concretizem bem uma srie
de valores.
Consideremos os seguintes conjuntos de valores das variveis X, Y e Z:
X = { 5, 5, 5, 5, 5 } X = 5
Y = { 3, 4, 5, 6, 7 } Y = 5
Z = { 0, 1, 5, 9, 10 } Z = 5
Observe que os trs conjuntos apresentam a mesma mdia aritmtica
(25/5 = 5). Entretanto, fcil notar que o conjunto X mais homogneo
que os conjuntos Y e Z. O conjunto Y, por sua vez, mais homogneo
que o conjunto Z.
5.2 Medidas de disperso absoluta
5.2.1 Amplitude total (AT):
a) Para uma srie de dados, a amplitude total a diferena entre o maior e o
menor valor observado:
AT = X mximo - X mnimo.
Exemplo:
Para os valores 4, 5, 8, 2 e 17 a amplitude total ser: AT = 17 - 14 = 13
b) Para uma srie de dados, mesmo quando os dados esto agrupados sem
intervalos de classe, ainda temos:
AT = X mximo - X mnimo
Exemplo:
Para os dados seguintes, agrupados sem intervalos, a amplitude total ser:
Xi Fi
10 11
11 6
13 5
14 13
AT = 14 - 10 = 4
Tabela 5.1 dados agrupados sem intervalos
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:85 21/12/2010 17:31:08
86
Curso de Licenciatura em Informtica
Captulo 5
c) Para uma srie de dados com intervalos de classe, a amplitude total
ser o limite superior da ltima classe e o limite inferior da primeira
classe. Logo:
AT = L mximo l mnimo
Exemplo:
Para os dados agrupados em intervalos de classe conforme a seguir, a
amplitude total ser:
Classes
10 |------ 16 4
16 |------ 22 5
22|-------26 2
AT = 26 - 10 = 16
A amplitude total tem o inconveniente de s levar em conta os
dois valores extremos da srie.
a nica medida de disperso que no tem na mdia o ponto de
referncia.
5.2.2 Varincia
Varincia a medida que considera a totalidade dos valores da varivel
em estudo. Baseia-se nos desvios em torno da mdia.
a) VARINCIA
2
DA POPULAO (o )
A varincia de uma populao, que representaremos por
2
o , a
mdia aritmtica dos quadrados dos desvios absolutos.
Sabemos que:
d= xi
Em que:
Mdia aritmtica da populao, representada por uma srie x
i,
em que i = 1, 2, ....,n
Tabela 5.2 Dados agrupados em intervalos de classe.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:86 21/12/2010 17:31:09
87
Probabilidade e Estatstica
Medidas de Variabilidade
Logo:
Tambm pode ser representada deste modo:
b) VARINCIA DA AMOSTRA
2
(s )
Se o conjunto das observaes uma amostra estatstica, teremos, neste
caso, a varincia amostral e a representaremos por
2
s ; sua mdia repre-
sentada por X .
A varincia de uma amostra, que representaremos por
2
s , dada
conforme indicao a seguir:
Sabemos que:
d= xi x
Em que:
x Mdia aritmtica da amostra, representada por uma srie x
i ,
,
em que i = 1, 2, ....,n
Logo:
Tambm pode ser representada deste modo:
No clculo da varincia de uma amostra, devemos dividir a soma
dos desvios quadrticos por (n-1) e no n, para que o valor es-
perado da varincia seja o melhor estimador da variabilidade do
conjunto de dados.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:87 21/12/2010 17:31:09
88
Curso de Licenciatura em Informtica
Captulo 5
c) VARINCIA PARA SRIE DE DADOS SIMPLES
Exemplo:
Clculo da varincia da amostra representada por - 2 cm , -1 cm, 0 cm
, 1 cm , 4 cm.
Primeiramente, devemos calcular a mdia:
O passo seguinte calcular os desvios e seus quadrados. Acompanhe a
tabela a seguir:
Xi x d = xi x
2
d = (xi x
2
)
- 2 0,4 - 2,4 5,76
- 1 0,4 - 1,4 1,96
0 0,4 - 0,4 0,16
1 0,4 0,6 0,36
4 0,4 3,6 12,96
= (xi x
2
) = 21,12
Tabela 5.3 Desvios e seus quadrados de uma srie de dados.
Temos n = 5,a varincia ca:
Propriedades:
PROPRIEDADE 1
Quando somamos ou subtramos uma constante (k) a todos os
valores de uma varivel, a sua varincia ca inalterada, pois a va-
rincia de uma constante igual a zero.
PROPRIEDADE 2
Quando multiplicamos ou dividimos todos os valores de uma va-
rivel por uma constante (k), a sua varincia ca multiplicada ou
dividida pelo quadrado da constante.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:88 21/12/2010 17:31:10
89
Probabilidade e Estatstica
Medidas de Variabilidade
ATIVIDADE 5.1
1) Marque a opo correta: Para a srie amostral de valores 0, -1,
-2, 5, 4, -3, -7, 2, -4 e 6:
a) ( ) a mdia 3,4 e a varincia, 17,8.
b) ( ) a mdia zero e a varincia, 16.
c) ( ) a mdia 3,4 e a varincia, 4.
d) ( ) a mdia zero e a varincia, 17,8.
e) ( ) a mdia zero, mas impossvel calcular a varincia.
2) Faa uma anlise visual e observe qual srie mais dispersa:
X: 10,11,12,13 e
Y: 1, 110, 120, 130
Agora, comprove a sua armao.
3) Calcule a varincia da srie amostral: 3 kg, 4kg e 7kg, indican-
do o valor correto dentre as opes a seguir:
a) ( ) 4,3 kg
b) ( ) 2,9 kg
2
c) ( ) 2,9 kg
2
d) ( ) 4,3 kg
4) Calcule a varincia, considerando os dois casos, populao e a
mostra, da srie 31 Kbytes, 38 Kbytes , 19 Kbytes , 27 Kbytes , 24
Kbytes, 42 Kbytes , 32 Kbytes , 18 Kbytes , 43 Kbytes , 15 Kbytes,
39 Kbytes, indicando o valor correto dentre as opes a seguir:
2
a) ( ) S = 90,7 Kbytes e
2
o = 99,8 Kbytes
2 2
b) ( ) S = 90,7 Kbytes e
2 2
o = 99,8 Kbytes
2
c) ( ) S = 90,7 e
2
o = 99,8
2 2
d) ( ) S = 99,8 Kbytes e
2 2
o = 90,7 Kbytes
5) Suponha que adicionamos 500 a cada um dos valores de
uma amostra. O que acontece com a mdia, desvio mdio e a
varincia?
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:89 21/12/2010 17:31:10
90
Curso de Licenciatura em Informtica
Captulo 5
2
d) VARINCIA PARA DISTRIBUIO DE FREQUNCIA -
Quando os dados estiverem agrupados em intervalos de frequen-
cia, a varincia calculada conforme a seguir:
Exemplo:
Clculo da varincia da srie a seguir, que representa a variao interna
o
de computadores em C:
X: 0,0,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2,2,2,3,3,3,3,3,3,3,4,4,4
Considerar os dados como populacional
Inicialmente, montar a DF:
Xi f i
0 2
1 6
2 12
3 7
4 3
Em seguida, calcular a mdia:
xi f i xi . f i
0 2 0
1 6 6
2 12 24
3 7 21
4 3 12
E = 30 Exi . = 63
2,1C
Tabela 5.4 Distribuio de frequncia
Tabela 5.5 Distribuio de frequncia com Xi Fi
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:90 21/12/2010 17:31:10
91
Probabilidade e Estatstica
Medidas de Variabilidade
Montar a tabela a seguir para facilitar os clculos:
Xi f i xi x (xi x
2
) (xi x
2
)
0 2 -2,1 4,41 8,82
1 6 -1,1 1,21 7,26
2 12 -0,1 0,01 0,12
3 7 0,9 0,81 5,67
4 3 1,9 3,61 10,83
= 30 32,7
Tabela 5.6 Distribuio de frequncia com
2
(xi x) . f i
Usamos a frmula a seguir para calcular a varincia:
Outra maneira de calcular a varincia populacional desenvolver o
somatrio:
Tente resolver essa igualdade!
Assim, a varincia para dados no agrupados ca:
E para dados agrupados, a varincia na populao ca:
ou
Para calcular a varincia de dados agrupados amostrais, bastar
substituir o denominador n por (n-1) ou |i por |i-1
Uma das vantagens de calcular a varincia dessa forma o fato
de no usar a mdia, pois a mdia em alguns casos tem que ser
arredondada, o que gera erros de arredondamento. Nos casos
em que a mdia no arredondada, as duas frmulas fornecem
o mesmo resultado.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:91 21/12/2010 17:31:10
92
Curso de Licenciatura em Informtica
Captulo 5
Exemplo:
Resoluo do exemplo anterior, usando a segunda maneira de calcular
a varincia:
Montar a tabela a seguir:
2 2
xi xi f i xi . f i xi . f i
0 0 2 0 0
1 1 6 6 6
2 4 12 24 48
3 9 7 21 63
4 16 3 12 48
Total =30 xi . = 63
2
xi . f i = 165
Calcular a varincia:
Observou? Como no houve arredondamento na mdia, os dois va-
lores da varincia so idnticos, como j era esperado.
ATIVIDADE 5.2
1) Calcule a varincia populacional das distncias a seguir:
2m 13m 15m 20m
2m 13m 15m 20m
2m 13m 15m 20m
2m 13m 15m 20m
2m 13m 15m 20m
2m 13m 15m 20m
2m 13m 15m 20m
2m 13m 15m 20m
2m 13m 15m
2m 13m 15m
2m 13m 15m
13m 15m
13m 15m
13m 15m
Tabela 5.7 Distribuio de frequncia com
2
xi f i
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:92 21/12/2010 17:31:11
93
Probabilidade e Estatstica
Medidas de Variabilidade
13m 15m
13m 15m
13m 15m
13m 15m
13m
13m
Observe que a unidade da srie est elevada ao quadrado (
o 2
C) ,
o que, sob o ponto de vista prtico, um inconveniente. Por esse
motivo, imaginou-se uma nova medida com utilidade e interpre-
tao prtica.
A varincia, na verdade, uma medida que tem pouca utilidade
como estatstica descritiva pois amplica os desvios, alm de apre-
sentar sua unidade ao quadrado; porm, extremamente impor-
tante na inferncia estatstica, alm de ser base para o conceito de
desvio padro.
5.2.3 Desvio padro S
O desvio padro, que representado por s, a medida de disperso mais
empregada no clculo de variabilidade, pois elimina a amplicao dos
desvios e sua unidade a mesma da srie de dados.
O desvio padro por denio simplesmente a raiz quadrada
positiva da varincia.
Assim, todas as frmulas de varincia so utilizadas no clculo
de desvio padro; basta, claro, tirar a raiz quadrada positiva das
frmulas da varincia.
Exemplo:
Clculo do desvio padro populacional da srie seguinte, que represen-
ta a variao interna de computadores em
o
C:
X: 0,0,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2,2,2,3,3,3,3,3,3,3,4,4,4
Como j calculada no exemplo anterior, a varincia da srie s
2
=1,09 (
o
C)
2
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:93 21/12/2010 17:31:12
94
Curso de Licenciatura em Informtica
Captulo 5
O desvio padro a raiz quadrada de s
o 2
2 1,09 ( C)
= , ou seja:
o
1,04 C
O desvio padro possui algumas propriedades, dentre as quais
destacamos:
PROPRIEDADE 1
Se somarmos, ou subtrairmos, uma constante a todos os valores
da srie, o desvio padro no se altera.
yi = xi c sy = sx
PROPRIEDADE 2
Se multiplicarmos, ou dividirmos, todos os valores da srie por
uma constante (diferente de zero), o desvio padro ca multipli-
cado, ou dividido, por essa constante.
yi = xi . c sy = sx . c
ATIVIDADE 5.3
1) Marque a opo correta: Dados os conjuntos de nmeros: A =
{-2, -1, 0, 1, 2} e B = {220, 225, 230, 235, 240}.
Podemos armar, de acordo com as propriedades do desvio pa-
dro, que o desvio padro de B igual:
a) ( ) ao desvio padro de A;
b) ( ) ao desvio padro de A, multiplicado pela constante 5;
c) ( ) ao desvio padro de A, multiplicado pela constante 5;
d) ( ) ao desvio padro de A mais a constante 230.
2) Considere os seguintes conjuntos de nmeros:
A = {10, 20, 30, 40, 50}
B = {100, 200, 300, 400, 500}
Que relao existe entre os desvios padres dos dois conjuntos de
nmeros?
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:94 21/12/2010 17:31:12
95
Probabilidade e Estatstica
Medidas de Variabilidade
3) Dados os conjuntos de nmeros:
A = {220, 230, 240, 250, 260}
B = {20, 30, 40, 50, 60}
Que relao existe entre os desvios padres dos dois conjuntos de
nmeros?
4) Suponha que adicionamos 100 a cada um dos valores de uma
amostra. O que acontece com a mdia, desvio mdio, varincia e
o desvio padro?
5) Marque a opo correta: O desvio padro de um conjunto de
dados 9. A varincia ser:
a) ( ) 3;
b) ( ) 18;
c) ( ) 36;
d) ( ) 81.
6) Marque a opo correta: A varincia de um conjunto de dados
9. desvio padro ser:
a) ( ) 3;
b) ( ) 18;
c) ( ) 36;
d) ( ) 81.
Na estatstica descritiva, o desvio padro por si s tem limitaes.
Veja o exemplo:
Um desvio padro de 2 unidades pode ser considerado pequeno
para uma srie de valores cujo valor mdio 200; no entanto, se a
mdia for igual a 20, o mesmo no pode ser dito. Alm disso, o fato
do desvio padro ser expresso na mesma unidade dos dados limita
o seu emprego quando desejamos comparar duas ou mais sries de
valores, expressas em unidades diferentes.
Veja outro exemplo:
O desvio padro da temperatura interna de computadores 2,5
o
C,
enquanto o desvio padro dos preos desses computadores de R$
30,00. A pergunta em relao variabilidade , quem variou mais
a temperatura interna dos computadores ou os preos?
Para contornar essas diculdades e limitaes, iremos denir a se-
guir o Coeciente de Variao de Pearson - CVP.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:95 21/12/2010 17:31:12
96
Curso de Licenciatura em Informtica
Captulo 5
5.2.4 Coeficiente de variao de Pearson - CVP
O coeciente de variao de Pearson contorna as limitaes de compa-
rao de sries diferentes do desvio padro.
O Coeciente de Variao de Pearson a razo entre o desvio pa-
dro e a mdia referente a dados de uma mesma srie:
Exemplo:
Vamos tomar os resultados das estaturas e dos pesos de um grupo de
indivduos:
DISCRIMINAO MDIA DESVIO PADRO
ESTATURAS 175 cm 5,0 cm
PESOS 68 kg 2,0 kg
Qual das duas medidas, estatura ou peso, apresenta maior variabilidade?
Resposta:
Observe que no podemos compar-las, pois so sries diferentes;
para resolver o problema, basta calcular o CVP da estatura e o CVP do
peso. O resultado maior ser o mais heterogneo (maior disperso ou
variabilidade).
CVP estatura = ( 5 / 175 ) x 100 = 2,86 %
CVP peso = ( 2 / 68 ) x 100 = 2,94 %.
Logo, nesse grupo de alunos, os pesos apresentam maior grau de disper-
so que as estaturas.
(Se tomssemos somente o desvio padro para responder a pergunta,
teramos, com certeza, uma resposta errada).
Tabela 5.8 Estaturas e pesos de um grupo de alunos
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:96 21/12/2010 17:31:12
97
Probabilidade e Estatstica
Medidas de Variabilidade
Observe! A srie estatura apresenta maior desvio padro; mesmo
assim, mais homognea que a srie peso, que apresenta menor
desvio padro.
ATIVIDADE 5.4
1) A renda mdia mensal na localidade A R$ 1.750,00 e na lo-
calidade B R$ 1.500,00. Os desvios padres so R$ 100,00 e R$
80,00. Faa uma anlise comparativa quanto ao grau de homoge-
neidade da renda nessas duas localidades.
2) Um grupo de 95 moas tem estatura mdia de 160,6 cm, com
um desvio padro igual a 5,97 cm. Outro grupo de 128 moas tem
uma estatura mdia de 161,9 cm, com um desvio padro igual a
6,01 cm. Qual o coe ciente de variao de cada um dos grupos?
Qual o grupo mais homogneo?
3) Um grupo de 200 famlias tem renda mdia de R$ 1.063,8,
com um coeciente de variao de 4,3%. Qual o desvio padro da
renda desse grupo?
4) Uma distribuio apresenta as seguintes estatsticas: S = 2,6 e
CVP = 1,9%. Determine a mdia dessa distribuio.
5) Numa pequena cidade, 165 famlias tm a renda mdia de R$
1.350,98, com um desvio padro de R$ 55,98. Qual a variabilidade
relativa das famlias?
ATIVIDADE 5.5
Aps construir o histograma e a curva polida do seu trabalho pr-
tico, calcule a mdia, a mediana e o primeiro, o segundo e o ter-
ceiro quartis; calcule tambm os percentis (P15,P25,P35,P50,P75
e P80) e o coeciente de variao de Pearson.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:97 21/12/2010 17:31:12
98
Curso de Licenciatura em Informtica
Captulo 5
Chegamos ao nal deste captulo, em que aprendemos a calcular as
medidas de variabilidade. Observe, no exemplo mostrado no incio
do captulo, envolvendo os trfegos de dados de duas redes de com-
putadores, que temos:
Primeiro caso:
2 computadores que se comunicam a 49 Mbps e 51 Mbps
Velocidade mdia = 50 Mbps e desvio padro = 1 Mbps
Segundo caso:
2 computadores que se comunicam a 1 Mbps e 99 Mbps
Velocidade mdia = 50 Mbps e desvio padro = 49 Mbps
Ou seja, no primeiro caso teremos uma mdia de 50 Mbps com uma
pequena variao de velocidade (desvio padro = 1Mbps), enquan-
to que no segundo caso temos tambm a mesma mdia de 50 Mbps,
s que neste caso com uma grande variao de velocidade (desvio
padro = 49 Mbps). Embora j no incio, intuitivamente, voc tenha
percebido o conceito de variabilidade, para esse exemplo simples, o
desvio padro na realidade quantica a variabilidade para qual-
quer srie de dados, e a sim voc poder comparar os dados.
Concluindo, a mdia no uma medida suciente por si s, necessi-
ta-se de mais informaes para se representar uma srie de dados.
Vamos adiante!
Prof. Sebastio A. Carneiro
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:98 21/12/2010 17:31:13
PROBABILIDADE
Prezado(a) Aluno(a)!
Neste captulo, estudaremos o clculo das probabilidades, pois a
maioria dos fenmenos de que trata a Estatstica de natureza ale-
atria ou probabilstica; na informtica, tambm assim. Veja o
exemplo:
Quando ocorre um problema de comunicao de dados no sistema
de uma empresa, surge logo a pergunta: Qual a probabilidade de
recuperao de dados?
Bons estudos!
Prof. Sebastio A. Carneiro
Antes de entramos em probabilidade, temos que entender alguns con-
ceitos importantes.
6.1 Experimento aleatrio
Experimentos aleatrios so fenmenos que, mesmo repetindo-
se vrias vezes sob condies semelhantes, apresentam resultados
imprevisveis. Ou seja o resultado nal depende do acaso.
Exemplo:
Da armao provvel que o meu time ganhe a partida hoje, pode
resultar:
que ele ganhe;
que ele perca;
que ele empate.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:99 21/12/2010 17:31:13
100
Curso de Licenciatura em Informtica
Captulo 6
6.2 Espao amostral
Espao amostral o conjunto universo ou o conjunto de resulta-
dos possveis de um experimento aleatrio.
Exemplos:
a) No experimento aleatrio lanamento de uma moeda temos o espa-
o amostral {cara, coroa}.
Figura 20 - Moeda
b) No experimento aleatrio lanamento de um dado temos o espao
amostral {1, 2, 3, 4, 5, 6}.
Figura 21 - Dado
c) No experimento aleatrio dois lanamentos sucessivos de uma moe-
da temos o espao amostral {(ca, ca), (co, co), (ca, co), (co, ca)}.
Obs.: Cada elemento do espao amostral que corresponde a um
resultado recebe o nome de ponto amostral. No primeiro exem-
plo, cara pertence ao espao amostral {cara, coroa}.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:100 21/12/2010 17:31:13
101
Probabilidade e Estatstica
Probabilidade
1) Conhecendo o baralho!
Espao amostral do baralho de 52 cartas:
Cartas pretas = 26
Paus = 13 (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei)
Espadas = 13 (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei)
Cartas vermelhas = 26
Ouros = 13 (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei)
Copas = 13 (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei)
Observar que temos cartas comuns (s, 2, ...rei) por tipo de nai-
pe (paus, espada, ouro e copa); esta observao ser importante
quando estudarmos eventos no mutuamente excludentes.
Naipe o nome dado s famlias ou tipos das cartas de um
baralho.
2) O Espao amostral no lanamento de 2 dados 36.
1 1 2 1 3 1 4 1 5 1 6 1
1 2 2 2 3 2 4 2 5 2 6 2
1 3 2 3 3 3 4 3 5 3 6 3
1 4 2 4 3 4 4 4 5 4 6 4
1 5 2 5 3 5 4 5 5 5 6 5
1 6 2 6 3 6 4 6 5 6 6 6
6.3 Eventos
Evento qualquer subconjunto do espao amostral.
Se considerarmos S como espao amostral e E como evento: as-
sim, qualquer que seja E, se E c S (E est contido em S), ento E
um evento de S.
1) Se E = S, E chamado de evento certo.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:101 21/12/2010 17:31:14
102
Curso de Licenciatura em Informtica
Captulo 6
Exemplo:
No lanamento de um dado.
Evento obter um nmero menor que 6.
2) Se E for unitrio, E chamado de evento elementar.
Exemplo:
No lanamento de um dado.
Evento obter um nmero igual a 6.
3) Se E = , E chamado de evento impossvel.
Exemplo:
No lanamento de um dado.
Evento obter um nmero igual a 7.
ATIVIDADE 6.1
1) No lanamento de duas moedas (uma de 10 centavos e outra
de 5 centavos) responda:
a) qual o espao amostral?
b) formule os eventos denidos pelas sentenas:
obter s cara;
obter pelo menos uma cara;
obter apenas um cara;
obter no mximo duas caras;
obter uma cara e uma coroa;
obter uma cara ou uma coroa.
2- No lanamento de dois dados, responda:
a) qual o espao amostral?
b) Formule os eventos denidos pelas sentenas:
obter a soma dos dados inferior a 8;
obter a soma dos dados superior a 8;
obter a soma dos dados exatamente 5;
obter um dado mpar outro par;
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:102 21/12/2010 17:31:14
103
Probabilidade e Estatstica
Probabilidade
6.4 Conceito de probabilidade
A denio clssica de probabilidade de um evento A, denotada
por P(A), para eventos equiprovveis :
P (A) =
Probabilidade um nmero real que satisfaz aos seguintes axiomas:
I) 0 s P(A) s 1
II) P(S) = 1
III) Se A e B forem eventos mutuamente excludentes {AB}= |,
ento P(AB) = P(A) + P(B)
Os 3 axiomas devem ser bem entendidos, por isso vamos coment-los.
O primeiro axioma 0 P(A) 1 indica que a menor probabilida-
de de um evento ocorrer zero e a maior probabilidade 1.
Exemplo 1:
P(A)=0 indica que a probabilidade de um evento ocorrer 0 (evento
impossvel).
No lanamento de um dado, qual a probabilidade de ocorrer 5,5? A
resposta probabilidade igual zero, pois P(A)=0/6=0.
Exemplo 2:
P(A)=1 indica que a maior probabilidade de um evento ocorrer
1(evento certo).
No lanamento de um dado, qual a probabilidade de ocorrer um
nmero menor ou igual a 6? A resposta qualquer resultado pos-
svel, logo P(A) = 6/6=1. Com isso, esclarecemos tambm o segundo
axioma P(S)=1.
Veremos o terceiro axioma mais adiante, quando estudarmos even-
tos mutuamente excludentes.
n. de vezes que o evento A pode ocorrer
n. de vezes que o espao amostral S ocorre
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:103 21/12/2010 17:31:14
104
Curso de Licenciatura em Informtica
Captulo 6
Obs.: Quando todos os elementos do espao amostral tm a mes-
ma chance de acontecer, o espao amostral chamado de conjun-
to equiprovvel.
Exemplo:
No lanamento de um dado, todos os 6 nmeros tm a mesma chance
de acontecer.
Exemplos:
1) No lanamento de uma moeda, qual a probabilidade de se obter cara
em um evento A?
S = {ca, co } = 2 A = {ca} = 1 P(A) = 1/2 = 0,5 = 50%
2) No lanamento de um dado, qual a probabilidade de se obter um
nmero par em um evento A?
S = {1,2,3,4,5,6 } = 6 A = {2,4,6 } = 3 P(A) = 3/6 = 0,5 = 50%
3) No lanamento de um dado, qual a probabilidade de se obter um
nmero menor ou igual a 6 em um evento A?
S = {1,2,3,4,5,6 } = 6 A = {1,2,3,4,5,6 } = 6 P(A) = 6/6 = 1,0 =
100%
A probabilidade de todo evento certo 1 ou 100%.
4) No lanamento de um dado, qual a probabilidade de se obter um
nmero maior que 6 em um evento A?
S = {1,2,3,4,5,6 } = 6 A = { >6} = 0 P(A) = 0/6 = 0 = 0%
A probabilidade de todo evento impossvel 0 ou 0%.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:104 21/12/2010 17:31:15
105
Probabilidade e Estatstica
Probabilidade
6.4.1 Eventos complementares
Sabemos que um evento pode ocorrer ou no. Sendo p a probabi-
lidade de que ele ocorra (sucesso) e q a probabilidade de que ele
no ocorra (insucesso), para um mesmo evento existe sempre a
relao:
p + q = 1
Exemplo:
Sabemos que a probabilidade de tirar o n. 4 no lanamento de
um dado p =1/6. Logo, a probabilidade de no se tirar o n. 4 no
lanamento de um dado q = 5/6.
Assim, temos: p+q = 1/6 + 5/6 = 1
6.4.2 Combinaes dos eventos
Muitas aplicaes da estatstica exigem a determinao da probabilidade
de combinaes dos eventos. H duas caractersticas de combinaes:
pode ser necessrio determinar a probabilidade de ambos os eventos
acontecerem P(A e B) ou a probabilidade de ocorrer apenas um deles, A
ou B, ou seja, P(A ou B).
Veja o exemplo a seguir:
Em uma empresa de informtica com 2 elevadores, poderamos per-
guntar: qual a probabilidade de ambos elevadores estarem em servio?
Ou ento: qual a probabilidade de um(A) ou outro(B) elevador estar em
servio?
Observe que:
a) ambos implica P(A e B);
b) um ou outro implica P(A ou B).
a) EVENTOS INDEPENDENTES
Eventos so independentes quando a ocorrncia de um no interfere na
ocorrncia de outro.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:105 21/12/2010 17:31:15
106
Curso de Licenciatura em Informtica
Captulo 6
Exemplo 1:
Quando lanamos dois dados, o resultado obtido em um deles indepen-
de do resultado obtido no outro.
Exemplo 2:
Agora, se eu retiro uma carta do baralho, sem reposio, a probabili-
dade de retirar outra carta do mesmo baralho afetada pela retirada da
primeira; logo, a retirada de cartas de um baralho, sem reposio, no
so eventos independentes.
Probabilidade de retirada da primeira carta de um baralho de 52 cartas
1/52.
Probabilidade de retirada da segunda carta do baralho, sem reposio,
1/51.
Exemplo 3:
Agora, se eu retiro uma carta do baralho, com reposio, a probabilida-
de de retirar outra carta do mesmo baralho no afetada pela retirada
da primeira; logo, a retirada de cartas de um baralho, com reposio, so
eventos independentes.
Probabilidade de retirada da primeira carta de um baralho de 52 cartas
1/52.
Probabilidade de retirada da segunda carta do baralho, com reposio,
1/52.
b) REGRA DO PRODUTO (regra do e)
A probabilidade de ocorrncia simultnea de dois ou mais eventos in-
dependentes igual ao produto das probabilidades de ocorrncias em
separado; ou seja, a probabilidade de que tais eventos se realizem simul-
taneamente dada pelo princpio multiplicativo:
Ptotal = P(A e B) = P(A) x P(B)
Exemplo:
No lanamento de dois dados, qual a probabilidade de obteno de 2 no
primeiro dado e de 5 no segundo dado?
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:106 21/12/2010 17:31:15
107
Probabilidade e Estatstica
Probabilidade
P1 (X=2)=1/6 e P2(X=5)=1/6
Assim:
P total = P (X=2) x P (X=5) = 1/6 x 1/6 = 1/36
Assim, a probabilidade de obteno de 2 no primeiro dado e de 5 no
segundo dado 1/36.
c) EVENTOS MUTUAMENTE EXCLUSIVOS
Dois ou mais eventos so mutuamente exclusivos quando a realizao
de um exclui a realizao do outro.
Exemplo 1:
Assim, no lanamento de uma moeda, o evento tirar cara e o evento
tirar coroa so mutuamente exclusivos, j que, ao se realizar um deles,
o outro no se realiza.
Exemplo 2:
Uma mulher grvida ter um menino de olhos castanhos ou uma meni-
na de olhos azuis so mutuamente exclusivos, j que, ao se realizar um
deles, o outro no se realiza.
Exemplo 3:
Numa partida de futebol, um time tem as seguintes chances: vencer,
empatar ou perder. Estas chances so eventos mutuamente exclusivos,
j que, ao se realizar um deles, o outro no se realiza.
d) PRINCPIO DA ADIO (regra do ou)
Se dois eventos so mutuamente exclusivos, quando a realizao de um
exclui a realizao do outro, a probabilidade de que um ou outro se rea-
lize igual soma das probabilidades de que cada um deles se realize.
Ptotal = P(1 ou 2) = P(1) + P(2)
A palavra-chave aqui a conjuno OU
Na realidade o OU inclusive, que signica um, ou outro, ou
ambos.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:107 21/12/2010 17:31:15
108
Curso de Licenciatura em Informtica
Captulo 6
Exemplo 1:
Qual a probabilidade de sair face mpar no arremesso de um dado?
P (1 ou 3 ou 5) = P(1) + P(3) + P(5);
Exemplo 2:
Qual a probabilidade de sair face mpar OU superior a 5 no arremesso
de um dado?
P ([mpar] ou [6] ) = ?
P ([1 ou 3 ou 5] ou[6] ) = P(1) + P(3) + P(5) + P(6)
P (A ou B) = P (ocorrncia de A, ou de B, ou de ambos)
No lanamento de um dado, qual a probabilidade de se tirar o n. 3 ou
o n. 4?
Os dois eventos so mutuamente exclusivos, ento:
P = 1/6 + 1/6 = 2/6 = 1/3
Exemplo 3:
Sabendo que a probabilidade de uma mulher grvida ter um menino de
olhos castanhos 3/8 ou uma menina de olhos azuis de 1/8, pede-se:
qual a probabilidade de uma mulher grvida ter um menino de olhos
castanhos ou uma menina de olhos azuis?
P(A) = P(menino de olhos castanhos) = 3/8
P(B) = P(meninas de olhos azuis) = 1/8
P(A U B) = P(A) + P(B)= 3/8 + 1/8 = 1/2
e) EVENTOS NO MUTUAMENTE EXCLUDENTES
Dois ou mais eventos so no mutuamente excludentes quando h ele-
mentos comuns entre os eventos. Assim, num baralho, o evento tirar
S e o evento tirar COPAS so no mutuamente excludentes, pois
temos uma carta de S que tambm copa.
Na probabilidade da unio de dois eventos, A e B, quando h elementos
comuns, devemos excluir as probabilidades dos elementos comuns a A
e B para no serem computadas duas vezes. Assim:
Ptotal= P(A) + P(B) - P(A e B)
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:108 21/12/2010 17:31:15
109
Probabilidade e Estatstica
Probabilidade
Exemplo:
Retirando-se uma carta de um baralho de 52 cartas, qual a probabilida-
de de a carta retirada ser um S ou uma carta de COPAS?
Copas = 13 (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei)
P(S)= 4/52 (s de paus, s de ouro, s de espada e s de copas)
P(Copas)= 13/52 (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei)
Observar que o s de copas repetiu 2 vezes e, na realidade, s temos
uma carta, da a necessidade de retir-la uma vez da frmula de adio.
P(S e Copas) = P(S) + P(Copas) - P(S e Copas) = 4/52 + 13/52 - 1/52 =
16/52
ATIVIDADE 6.2
Responda as questes a seguir:
1) Qual a probabilidade de sair o S de ouros quando retiramos
uma carta de um baralho de 52 cartas?
2) Qual a probabilidade de sair um REI quando retiramos uma
carta de um baralho de 52 cartas?
3) Em um lote de 12 peas, 4 so defeituosas. Sendo retirada uma
pea, calcule:
a) a probabilidade de essa pea ser defeituosa;
b) a probabilidade de essa pea no ser defeituosa.
4) De dois baralhos de 52 cartas retiram-se, simultaneamente,
uma carta do primeiro baralho e uma do segundo. Qual a proba-
bilidade de a carta do primeiro baralho ser um REI e a do segun-
do ser o 5 de paus?
5) Uma urna A contm: 3 bolas brancas, 4 pretas, 2 verdes; uma
urna B contm: 5 bolas brancas, 2 pretas, 1 verde; uma urna C
contm: 2 bolas brancas, 3 pretas, 4 verdes. Uma bola retirada de
cada urna. Qual a probabilidade de as trs bolas retiradas da 1,
2 e 3 urnas serem, respectivamente, branca, preta e verde?
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:109 21/12/2010 17:31:15
110
Curso de Licenciatura em Informtica
Captulo 6
6) De um baralho de 52 cartas retiram-se, ao acaso, duas cartas
sem reposio. Qual a probabilidade de a primeira carta ser o S
de paus e a segunda ser o REI de paus?
7) Qual a probabilidade de sair uma gura (rei, dama ou valete)
quando retiramos uma carta de um baralho de 52 cartas?
8) So dados dois baralhos de 52 cartas. Tiramos, ao mesmo tem-
po, uma carta do primeiro baralho e uma carta do segundo. Qual
a probabilidade de tirarmos uma DAMA e um REI, no necessa-
riamente nessa ordem?
9) Duas cartas so retiradas de um baralho sem haver reposio.
Qual a probabilidade de ambas serem COPAS ou ESPADAS?
10) Duas bolas so retiradas (sem reposio) de uma urna que
contm 2 bolas brancas e 3 bolas pretas. Qual a probabilidade d e
que a 1 seja branca e a 2 seja preta?
11) Duas bolas so retiradas (com reposio) de uma urna que
contm 2 bolas brancas e 3 bolas pretas. Qual a probabilidade de
que a 1 seja branca e a 2 seja preta?
12) Duas bolas so retiradas (sem reposio) de uma urna que
contm 2 bolas brancas, 3 bolas pretas e 5 bolas verdes, pede-se:
a) Qual a probabilidade de que ambas sejam verdes?
b) Qual a probabilidade de que ambas sejam da mesma cor?
13) Jogam-se trs dados. Qual a probabilidade de que a soma dos
pontos obtidos seja superior a 14?
14) Um baralho de 52 cartas subdividido em 4 naipes: copas,
espadas, ouros e paus.
a) Retirando-se uma carta ao acaso, qual a probabilidade de que
ela seja de ouros ou de copas?
b) Retirando-se duas cartas ao acaso com reposio da primeira
carta, qual a probabilidade de ser a primeira de ouros e a segunda
de copas? E se no houver reposio da primeira carta, qual a pro-
babilidade de ser a primeira de ouros e a segunda de copas?
c) Havendo reposio, qual a probabilidade de sair primeira car-
ta de ouros ou a segunda de copas?
15) Uma urna contm 7 bolas gravadas com as letras A ,A ,A ,C,
C, R, R. Extraindo-se as bolas uma por uma, qual a probabilidade
de se obter a palavra CARCAR?
16) Uma urna contm 3 bolas brancas e 4 bolas pretas. Extraindo-se,
simultaneamente, 3 bolas da urna, calcule a probabilidade de que:
a) Pelo menos duas sejam brancas;
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:110 21/12/2010 17:31:16
111
Probabilidade e Estatstica
Probabilidade
b) Pelo menos uma seja preta.
17) Uma caixa contm 5 bolas brancas e 3 bolas pretas. Duas bo-
las so retiradas simultaneamente ao acaso e substitudas por trs
bolas azuis. Em seguida, duas novas bolas so retiradas ao acaso
da caixa, pede-se:
a) Calcule a probabilidade de que essas duas ltimas bolas sejam
da mesma cor.
b) Se as duas ltimas bolas retiradas forem uma branca e uma pre-
ta, calcule a probabilidade de que, na primeira extrao, tenham
sado duas bolas brancas
Para utilizar o mtodo clssico de probabilidade, necessrio co-
nhecer o nmero total de resultados possveis de um experimento;
ou seja, seu espao amostral. Em geral, isso no to simples; nesse
caso, empregam-se tcnicas de contagem para calcular esse nmero.
o que veremos a seguir.
6.5 Tcnicas de contagem em probabilidade
As tcnicas de contagem fazem uso de frmulas de anlise combinat-
ria para o clculo do nmero de casos favorveis e do nmero de casos
possveis.
Figura 22: Cadeado com segredo
6.5.1 Permutao sem repeties
Permutao a anlise de todas as trocas de posies entre todas as
variveis envolvidas.
Exemplo: Todas as combinaes possveis das variveis X,Y e Z. ( n=3)
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:111 21/12/2010 17:31:16
112
Curso de Licenciatura em Informtica
Captulo 6
1 possibilidade X Y Z
2 possibilidade X Z Y
3 possibilidade Y X Z
4 possibilidade Y Z X
5 possibilidade Z Y X
6 possibilidade Z X Y
p = 3!
Por observao, temos: P = 6= 3.2.1= 3!
3
Portanto, analisando o exemplo anterior, podemos concluir que, para
permutaes sem repeties, temos:
P = n!
n
Lembre-se de que:
O smbolo n! lido n fatorial;
1! =1;
0!=1
6.5.2 Permutao com repeties
Permutao com repeties das variveis envolvidas est disponvel na
sala virtual.
X,X,Y,YY,Z,Z,Z,Z
6.5.3 Arranjo
Arranjo simples o tipo de agrupamento sem repetio em que um
grupo diferente de outro pela ordem ou pela natureza dos elementos
componentes.
Exemplo 1:
As duas (p=2) combinaes possveis das variveis X,Y e Z (n=3)
1 X Y Z
Tabela 6.1 Permutaes possveis de 3 variveis X,Y e Z
Tabela 6.2 Possibilidades de agrupamento de 3 variveis X,Y,Z em 2 posies.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:112 21/12/2010 17:31:16
113
Probabilidade e Estatstica
Probabilidade
2 X Z Y
3 Y X Z
4 Y Z X
5 Z Y X
6 Z X Y
p = 2
Ou seja: A = 6
3,2
Em que:
6 = 3! / 1 em que: 1 = (3-2)! = 1! =1
Exemplo 2:
Todas as combinaes possveis das variveis X,Y e Z , usando-se somente
uma posio.
1 X
2 X
3 Y
p = 1
Ou seja: A = 3
3,1
Em que:
3! / 2 em que: 2 = (3-1)! = 2! =2
Exemplo 3:
As duas (p=2) combinaes possveis das variveis X,Y, Z e H. (n = 4)
1 X Y
2 X Z
3 X H
4 Y X
5 Y Z
6 Y H
7 Z X
8 Z Y
9 Z H
10 H X
Tabela 6.3 Possibilidades de agrupamento de 3 variveis X,Y,Z em 1 posio.
Tabela 6.4 Possibilidades de agrupamento de 4 variveis X,Y,Z em 2 posies
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:113 21/12/2010 17:31:17
114
Curso de Licenciatura em Informtica
Captulo 6
11 H Y
12 H Z
p = 2
Ou seja: A = 12
4,2
Em que:
4! = 24
4! / 2 em que: 2 = (4-2)! = 2! =2
Portanto, analisando os exemplos anteriores, podemos concluir
que, para arranjo, temos:
6.5.4 Combinao
Combinao tem o mesmo conceito de arranjo, s que as inverses de
posies no devem ser consideradas (A B = B A); ou seja, a combina-
o das naturezas das variveis que importa.
Combinao = Arranjo pela natureza, a posio no importa.
Exemplo 1: As duas (p=2) combinaes possveis das variveis X,Y e Z
(n=3).
Arranjo Combinao Combinao
1 X Y 1 X Y 1 X Y
2 X Z 2 X Z 2 X Z
3 Y X 3 Y X
4 Y Z 4 Y Z 3 Y Z
5 Z Y 5 Z Y
6 Z X 6 Z X
A p = 2 C p = 2 C p = 2
3,2 3,2 3,2
Ou seja: C = 3
3,2
Em que:
C = A / 2
3,2 3,2
Tabela 6.5 Possibilidades de agrupamento de 2 variveis X,Y em 2 posies.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:114 21/12/2010 17:31:17
115
Probabilidade e Estatstica
Probabilidade
2 = 2! =2 Observar: p = 2.
Assim, temos:
C = A / 2 = A /
3,2 3,2 3,2
Exemplo 2:
Todas as combinaes possveis das variveis X, Y e Z , usando somente
uma posio.
Arranjo Combinao
1 X 1 X
2 Y 2 Y
3 Z 3 Z
A = 3
3,1
p = 1 C = 3
3,1
p = 1
Ou seja: C = 3
3,1
Em que:
C = A / 1
3,1 3,1
1 = 1! =1 Observar: p = 1.
Assim, temos:
C = A / 1 = A / p
3,1 3,1 3,1
Exemplo 3:
As duas (p = 2) combinaes possveis das variveis X, Y, Z e H (n = 4).
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:115 21/12/2010 17:31:17
116
Curso de Licenciatura em Informtica
Captulo 6
Arranjo Combinao Combinao
1 X Y 1 X Y 1 X Y
2 X Z 2 X Z 2 X Z
3 X H 3 X H 3 X H
4 Y X 4 Y X
5 Y Z 5 Y Z 4 Y Z
6 Y H 6 Y H 5 Y H
7 Z X 7 Z X
8 Z Y 8 Z Y
9 Z H 9 Z H 6 Z H
10 H X 10 H X
11 H Y 11 H Y
12 H Z 12 H Z
p = 2 p = 2 p = 2
A = 12 C = 6
4,2 4,2
Ou seja: C = 6
4,2
Em que:
C = A / 2
3,1 4,2
2 = 2! =2.1 Observar: p = 2.
Assim, temos:
C = A / 2 = A / p
4,2 4,2 4,2
Portanto, analisando os exemplos anteriores, podemos concluir
que, para combinaes, temos:
ATIVIDADE 6.3
Responda as questes a seguir:
1) Dispondo de seis cores, de quantas formas distintas podemos
pintar uma bandeira com trs listras verticais de cores diferentes?
2) Numa classe de 20 alunos, o professor deseja montar grupos de
cinco para trabalhar no laboratrio. Quantos grupos distintos ele
poder formar?
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:116 21/12/2010 17:31:18
117
Probabilidade e Estatstica
Probabilidade
3) Quantos subconjuntos de quatro elementos possuem um con-
junto de oito elementos?
4) Um baralho comum possui 52 cartas. De quantas formas dis-
tintas um jogador pode receber cinco cartas?
5) Existem 5 estradas que ligam as cidades A e B e 6 estradas que
ligam B e C. De quantas formas distintas possvel ir de A at C
passando por B?
6) Numa prova classicatria para as olimpadas, 10 atletas dis-
putam os 800 metros. Sabendo-se que apenas os quatro primei-
ros sero classicados para as nais, quantos resultados possveis
existem para os quatro primeiros lugares?
07) Com os algarismos 1, 2, 3, 4, 5, 6, 7, 8 e 9:
Quantos nmeros de quatro algarismos podem ser formados?
Quantos nmeros pares de trs algarismos distintos podem ser
escritos?
08) Quantas chapas de carro com trs letras e trs algarismos
possvel formar, considerando que temos 26 letras no alfabeto?
09) Quantos nmeros de telefone com sete algarismos e prexos
237 podem ser formados, considerando que temos 26 letras no
alfabeto?
10) Ser feita uma prova contendo 10 perguntas, s quais se deve
responder com V (verdadeiro) ou F (falso). obrigatrio respon-
der a todas. De quantas maneiras distintas isso poder ser feito?
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:117 21/12/2010 17:31:18
118
Curso de Licenciatura em Informtica
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:118 21/12/2010 17:31:18
VARIVEIS ALEATRIAS E
DISTRIBUIES DISCRETAS
Prezado(a) aluno(a)!
Apresentaremos, neste captulo, modelos de distribuio de proba-
bilidade, o que permitir a soluo de grande nmero de problemas
prticos.
Bons estudos!
Prof. Sebastio A. Carneiro
7.1 Varivel aleatria
Suponha um espao amostral S e atribumos um nmero a cada ponto
amostral. Fica denida, ento, uma funo chamada varivel aleatria.
Muitas vezes, no estamos interessados propriamente no resultado de
um experimento aleatrio, mas sim em alguma caracterstica numrica
a ele associada. Essa caracterstica associada, a qual ser chamada vari-
vel aleatria.
Assim, se o espao amostral relativo ao lanamento simultneo de duas
moedas S = {(ca,ca), (ca,co), (co,ca), (co,co)} e se X representa o n-
mero de caras que aparece, a cada ponto amostral podemos associar
um nmero para X, de acordo com a tabela abaixo:
Ponto Amostral Varivel aleatria (X)
(ca,ca) 2
(ca,co) 1
(co,ca) 1
(co,co) 0
Tabela 7.1 Varivel aleatria associada ao nmero de caras
Lembre-se de que a varivel aleatria nesse exemplo est asso-
ciada ao nmero de caras; nesse caso, para a condio (ca,ca) =
(cara, cara) X=2 (ou seja, 2 caras) e (ca,co) = (cara, coroa)X=1
(ou seja, 1 cara) e assim por diante.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:119 21/12/2010 17:31:18
120
Curso de Licenciatura em Informtica
Captulo 7
7.2 Distribuio de probabilidade
Seja X uma varivel aleatria que pode assumir os valores X , X ,
1 2
X
3
, ..., X
n
. A cada valor X
i
correspondem pontos do espao amos-
tral. Associamos, ento, a cada valor X
i
a probabilidade P
i
de ocor-
rncia de tais pontos no espao amostral.
Assim, temos:
Os valores X , X
1 2
, ..., X
n
e seus correspondentes P , P
1 2
, ..., P
n
de-
nem uma distribuio de probabilidade.
Para estabelecer a distribuio de probabilidade, acompanhe os passos
da tabela a seguir:
Ponto
Amostral
Varivel
Aleatria (X)
Comentrio
Possibilidade
ou frequncia
de X ocorrer
(ca,ca) 2 2 caras 1 vez
(ca,co) 1 1 cara
2 vezes
(co,ca) 1 1 cara
(co,co) 0 Zero cara 1 vez
Observe que, no lanamento simultneo de duas moedas, 2 caras s
podem ocorrer uma vez; j uma cara pode ocorrer duas vezes e ne-
nhuma cara, s uma vez. Assim, o espao amostral do lanamento
simultneo de duas moedas 2 caras, 1 cara e nenhuma cara.
Nmero de caras (X) Frequncia Probabilidade (X)
2 1 1/4
1 2 2/4
0 1 1/4
Total 4 4/4 = 1
Tabela 7.2 Possibilidade da Varivel Aleatria ocorrer.
Tabela 7.3 Probabilidade da Varivel Aleatria X ocorrer.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:120 21/12/2010 17:31:19
121
Probabilidade e Estatstica
Variveis Aleatrias e Distribuies Discretas
Assim, nalmente podemos escrever a distribuio de probabilidade:
Nmero de caras (X) Probabilidade (X)
2 1/4
1 2/4
0 1/4
Total 4/4 = 1
Ao denir a distribuio de probabilidade, estabelecemos uma cor-
respondncia unvoca entre os valores da varivel aleatria X e os
valores da varivel P (probabilidade). Essa correspondncia dene
uma funo em que os valores xi formam o domnio da funo e os
valores pi, o seu conjunto imagem.
Exemplo 1:
Determine a distribuio de probabilidade considerando a distribuio
de frequncias relativa ao nmero de acidentes dirios na Rodovia do
Sol, durante o ms de novembro/2005.
Nmero de Acidentes Frequncia
0 22
1 5
2 2
3 1
Podemos ento, escrever a tabela de distribuio de probabilidade:
Nmero de Acidentes (X) Probabilidade (X)
0 22/30 = 0,733
1 5/30 = 0,167
2 2/30 = 0,07
3 1/30 = 0,03
Total 30/30 = 1,00
Foi construda uma tabela em que aparecem os valores de uma varivel aleatria
X e as probabilidades de X ocorrer, a tabela de distribuio de probabilidades.
Tabela 7.4 Distribuio de Probabilidade da Varivel Aleatria X.
Tabela 7.5 Nmero de acidentes dirios na rodovia do SOL.
Tabela 7.6 Distribuio de probabilidade do nmero de acidentes dirios
na rodovia do Sol
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:121 21/12/2010 17:31:19
122
Curso de Licenciatura em Informtica
Captulo 7
Repare que:
ao operar com variveis aleatrias, estamos trabalhando com
distribuies de frequncias relativas;
a VA, do Exemplo 1, foi obtida com base em uma populao
conhecida.
Existem situaes nas quais a varivel aleatria pode ser gerada
com base em cenrios denidos pela opinio de um grupo de pesso-
as acerca de um determinado assunto; por exemplo, a rentabilidade
do mercado de aes nos prximos 12 meses.
ATIVIDADE 7.1
Responda as questes a seguir:
1) Na tabela a seguir est registrado o nmero de atendimentos
para manuteno em computadores, prestados por uma empresa
de informtica, durante um perodo de 50 dias.
Manuteno Dias
3 3
4 7
5 12
6 14
7 10
8 4
Pedem-se: a distribuio de probabilidade e o histograma de
probabilidade.
Prezado(a) aluno(a)!
Voc pode estar se perguntando agora: Tudo bem, estou estudan-
do distribuio de probabilidade, mas onde eu realmente vou usar
isso? Vou tentar exemplicar rapidamente sua utilidade.
No caso do exemplo da Rodovia do Sol, algum poderia perguntar:
qual o nmero de acidentes esperado para hoje?
O conceito a ser dado no item seguinte utilizar o conhecimento de
distribuio de probabilidade para responder a essa pergunta. En-
to, no perca o prximo item e a resposta deste questionamento.
Bons estudos!
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:122 21/12/2010 17:31:19
123
Probabilidade e Estatstica
Variveis Aleatrias e Distribuies Discretas
7.3 Valor esperado (esperana matemtica)
O valor esperado de uma varivel aleatria ou de uma funo de
varivel aleatria corresponde mdia ponderada dos valores que
essa varivel aleatria ou essa funo assume, usando-se como
pesos para ponderao as probabilidades correspondentes a cada
valor.
Para o caso de uma varivel aleatria discreta x, podemos
escrever:
Como sempre pi = 1, teremos:
E (x) = ( xi . pi )
Exemplo 7.2:
Uma instituio vende bilhetes de rifas por R$ 5,00 cada um. H 10
prmios no valor de R$ 25,00 e um prmio maior no valor de R$ 100,00.
Se forem vendidos 200 bilhetes, e voc comprar um deles, qual a sua
expectativa em relao ao sorteio?
Prmios pago (xi)
Probabilidade de
ocorrer o prmio
Valor esperado
xi . p(xi)
0 189/200 0
25 10/200 250/200
100 1/200 100/200
p(xi)=1 xi. p(xi)=1,75
Tabela 7.7 Distribuio de probabilidade rateio dos prmios
O valor esperado E(x)=1,75.
Como interpretar a resposta valor esperado E(x)=1,75?
Em longo prazo, haver um retorno para voc de R$ 1,75; ou seja, dos
R$ 5,00 que voc jogou, retornar para voc s R$ 1,75. O que a institui-
o ir ganhar a longo prazo R$ 5,00 1,75 = R$ 3,25.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:123 21/12/2010 17:31:20
124
Curso de Licenciatura em Informtica
Captulo 7
Observe que, a longo prazo, signica: se voc participar de novas
rifas nesta mesma condio, mesmo que voc ganhe na primeira
o melhor prmio, R$ 100,00 (Sortudo! voc ter um lucro de R$
95,00), na mdia de todas as jogadas voc ir receber R$ 1,75, en-
quanto que voc sempre gastou R$ 5,00. por esse motivo que todo
viciado em jogo vai falncia. A estatstica prova isso por meio do
valor esperado.
O que signica a longo prazo ?
Deve-se considerar longo prazo um nmero de tentativas superior
a 30 (n30). Para valores inferiores a esse, ca por conta do acaso, e
como os eventos so aleatrios, qualquer resultado possvel.
Exemplo 2:
Em 12 lanamentos de uma moeda, saram 9 caras. razovel aceitar
esse resultado?
A resposta sim, pois como no temos a condio de longo prazo (12 <
30), qualquer resultado possvel.
Exemplo 3:
Numa empresa de informtica, as previses de despesas para o prximo
ano foram calculadas em R$ 9, 10, 11, 12 e 13 bilhes, com as seguintes
probabilidades de ocorrncias 30%, 20%, 25%, 5% e 20%. Pede-se:
a) Qual a distribuio de probabilidades de despesas para o prximo
ano.
b) Qual o valor esperado das despesas para o prximo ano.
Despesas (xi)
Bilhes de R$
Probabilidades de ocor-
rer s despesas p(xi)
9 0,30
10 0,20
11 0,25
12 0,05
13 0,20
total = 1,00
Resposta para o item a):
Tabela 7.8 Distribuio de Probabilidades de despesas
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:124 21/12/2010 17:31:20
125
Probabilidade e Estatstica
Variveis Aleatrias e Distribuies Discretas
Despesas (xi)
Bilhes de R$
Probabilidades de
ocorrer as despesas p(xi)
Valor espera-
do xi .p (xi)
9 0,30 2,70
10 0,20 2,00
11 0,25 2,75
12 0,05 0,60
13 0,20 2,60
Valor Esperado E(X) = 10,65
Resposta para o item b):
Assim, a despesa esperada para o prximo ano R$ 10,65 bilhes.
Observe a importncia dessa informao. Com ela, a empresa pode
se planejar para o ano seguinte!
ATIVIDADE 7.2
Responda as questes a seguir:
1) Suponhamos que, aps 10 lanamentos de uma moeda, saram
7 caras. razovel aceitar esse resultado?
2) Suponhamos que, aps 1000 lanamentos de uma moeda, sa-
ram 700 caras. razovel aceitar esse resultado?
3) Um jogo consiste no lanamento de 3 moedas (no viciada).
Se der tudo cara ou tudo coroa, o ganho de R$ 5,00; mas, se
der uma ou duas caras, a perda de R$ 3,00. Qual o resultado
esperado para o jogo em reais?
7.4 Distribuio binomial
Vamos imaginar fenmenos cujos resultados s podem ser de dois ti-
pos: de sucesso e de insucesso. O fenmeno imaginado pode ser repeti-
do tantas vezes quantas se queiram (n vezes) nas mesmas condies. As
provas repetidas devem ser independentes, isto , o resultado de uma
no deve afetar os resultados das outras. No decorrer do experimento, a
probabilidade do sucesso (p) e a probabilidade do insucesso (q) manter-
Tabela 7.9 Valor Esperado das Despesas
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:125 21/12/2010 17:31:20
126
Curso de Licenciatura em Informtica
Captulo 7
se-o constantes. Nessas condies, X uma varivel aleatria discreta
que segue uma distribuio binomial.
O nome binomial devido frmula, pois representa o termo geral
do desenvolvimento do binmio de Newton para o qual s h duas
possibilidades nominais (verdadeiro ou falso, cara ou coroa, sucesso
ou insucesso, liga ou desliga, ganha ou perde, etc.).
Distribuio Binomial
Se em n experincias acontecem x sucessos com probabilidade p,
a distribuio binomial de probabilidades dada pela expresso:
Em que:
x = 0,1,2,...,n
C, como j foi visto, combinao.
Para entender a frmula, vamos observar os exemplos seguintes:
Exemplo 1:
Lanando uma moeda 5 vezes, qual a probabilidade de ocorrncia de 3
caras?
Temos:
p indica a ocorrncia de cara;
q indica a no ocorrncia de cara.
Vamos montar a tabela de possibilidades para o lanamento de uma
moeda 5 vezes, ocorrendo 3 caras (p):
1possibilidade p p p q q
2 possibilidade p p q p q
3 possibilidade p q p p q
4possibilidade q p p p q
5 possibilidade p p q q p
6 possibilidade p q q p p
Tabela 7.10 Possibilidades no lanando de uma moeda 5 vezes
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:126 21/12/2010 17:31:20
127
Probabilidade e Estatstica
Variveis Aleatrias e Distribuies Discretas
7 possibilidade q q p p p
8 possibilidade q p q p p
9 possibilidade q p p q p
10 possibilidade p q p q p
Observe que, independente da linha da tabela, temos: p3 .q2 possibili-
dades de ocorrncias de cara e temos que a quantidade total de possibi-
lidades 10 p3 .q2.
Assim, intuitivamente armamos que :
Desse modo, de uma forma geral, temos:
Exemplo 2:
Dois times de futebol, A e B, jogam entre si 6 vezes. Encontre a probabi-
lidade de o time A ganhar 4 jogos.
Temos:
p =1/3 indica a probabilidade de o time A ganhar;
q = 2/3 indica a probabilidade de o time B no ganhar (perder ou
empatar).
ATIVIDADE
Responda as questes a seguir:
1) Determine a probabilidade de obteno de 3 caras em 6 lances
de uma moeda.
2) Jogando-se um dado trs vezes, determine a probabilidade de
obteno de um mltiplo de 3 duas vezes.
3) Dois times de futebol, A e B, jogam entre si 6 vezes. Encontre a
probabilidade de o time A:
a) ganhar dois ou trs jogos;
b) ganhar pelo menos um jogo.
4) A probabilidade de um atirador acertar o alvo 2/3. Se ele ati-
rar 5 vezes, qual a probabilidade de acertar 2 tiros?
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:127 21/12/2010 17:31:20
128
Curso de Licenciatura em Informtica
Captulo 7
5) Seis computadores so escolhidos ao acaso da linha de produ-
o que apresenta 10% de peas defeituosas. Qual a probabilidade
de serem defeituosos dois deles?
7.5 DISTRIBUIO DE POISSON
A Distribuio de Poisson pode ser usada para determinar a probabi-
lidade de um dado nmero de sucessos quando os eventos ocorrem
em bases de tempo ou espao. Esse processo chamado de processo de
Poisson. Supe-se que os eventos so independentes e que o processo
estacionrio (constante).
Vejamos o motivo de estudar a Distribuio de Poisson.
Situaes em que Distribuio de Poisson utilizada:
a) usurios de computador ligados Internet;
b) as chamadas em uma central telefnica;
c) clientes chegando ao caixa de um supermercado;
d) acidentes com automveis em uma determinada estrada;
e) nmero de carros que chegam a um posto de gasolina;
f) nmero de falhas em componentes por unidade de tempo;
g) nmero de requisies para um servidor em um intervalo de
tempo t;
h) nmero de peas defeituosas substitudas num veculo durante o
primeiro ano de vida;
i) problemas com a bagagem de passageiros em viaja de avio;
j) nmero de chamadas telefnicas para a polcia por hora;
k) nmero de acidentes de trfego num cruzamento por semana.
Na distribuio de Poisson somente um valor necessrio para determi-
nar a probabilidade de um dado nmero de sucessos: o nmero mdio
de sucessos para a especf ca dimenso de tempo ou espao de interes-
se. Esse nmero mdio geralmente representado por (letra grega
lambda) ou por . A frmula para se determinar a probabilidade de
um dado nmero X de sucessos em uma distribuio de Poisson :
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:128 21/12/2010 17:31:21
129
Probabilidade e Estatstica
Variveis Aleatrias e Distribuies Discretas
Em que:
a mdia da distribuio;
e representa o nmero de Euler que uma constante de valor igual a
2,718;
x! o fatorial de x
Na matemtica, nmero de Euler, assim chamado em homena-
gem ao matemtico suo Leonhard Euler, a base dos logaritmos
naturais.
Lembre-se de que:
0 ! = 1;
0
x = 1, qualquer nmero elevado a zero igual a 1.
Exemplo 1:
Um departamento de manuteno de informtica recebe uma mdia de
cinco chamadas por hora. A probabilidade de que, em uma hora selecio-
nada aleatoriamente, sejam recebidas trs chamadas :
Soluo:
Exemplo 2:
Um departamento de polcia recebe em mdia 5 solicitaes por hora.
Qual a probabilidade de receber 2 solicitaes numa hora selecionada
aleatoriamente?
Soluo:
X = nmero designado de sucessos = 2
= o nmero mdio de sucessos num intervalo especco (uma hora) = 5
Exemplo 3:
Um departamento de manuteno de computadores recebe uma mdia
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:129 21/12/2010 17:31:21
130
Curso de Licenciatura em Informtica
Captulo 7
de cinco chamadas por hora. Qual a probabilidade de menos de trs cha-
madas serem recebidas durante uma hora aleatoriamente escolhida?
Soluo:
Lembrar que receber menos de 3 chamadas (X < 3), na verdade ele pode
receber 2 ou 1 ou nenhuma chamada (X 2); assim:
P(X < 3) = P(X 2) = P(X = 0) + P(X = 1) + P(X = 2)
0,0067 + 0,0337 + 0,0842 = 0,1246
Exemplo 4:
Na mdia, 12 pessoas por hora consultam um especialista em inform-
tica. Qual a probabilidade de
que trs ou mais pessoas consultem o especialista durante um perodo
de dez minutos?
Soluo:
Observe que o problema fornece a mdia por hora 12 - e solicita a pro-
babilidade de que trs ou mais pessoas consultem o especialista em um
perodo de dez minutos. Devemos, ento, converter a mdia por hora
para o perodo de dez minutos. Assim:
mdia por hora = 12
Para achar a mdia por 10 minutos, basta usar a regra de trs:
1h = 60 min ------------------------12
10 min ------------------------
= 2
Ou seja, em mdia, 2 pessoas consultam um especialista em informtica
no perodo de 10 minutos.
Assim, temos:
P(X 3) = P(X = 3) + P(X = 4 ) + P(X = 5 ) + ...
= 0,1804 + 0,0902 + 0,0120 + 0,0034 + 0,0009 + 0,0002 = 0,3232
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:130 21/12/2010 17:31:21
131
Probabilidade e Estatstica
Variveis Aleatrias e Distribuies Discretas
ATIVIDADE 7.3
Responda as questes a seguir:
1) Se o nmero de peixes pescados por hora em certo pesqueiro
uma varivel que segue a distribuio de Poisson com mdia
igual a 1,8, ache a probabilidade de que um pescador, trabalhando
durante uma hora:
a) no pegue nenhum peixe;
b) pegue exatamente 2 peixes;
c) pegue no mximo 4 peixes;
d) pegue pelo menos dois peixes.
2) Se 4% de passageiros de avio tm problemas com a bagagem,
qual a probabilidade de que, entre 150 passageiros, at dois te-
nham problemas com suas bagagens?
3) A experincia indica que um nmero mdio de 6 clientes por
hora pra, para colocar gasolina numa bomba. Pede-se:
a) qual a probabilidade de 3 clientes pararem qualquer hora?
b) qual a probabilidade de 3 clientes ou menos pararem em qual-
quer hora?
4) Um processo de produo produz 10 itens defeituosos por
hora. Encontre a probabilidade que 4 ou menos itens sejam defei-
tuosos numa retirada aleatria por hora.
5) Na mdia, 10 pessoas por hora consultam um especialista em in-
formtica. Qual a probabilidade de que 4 ou mais pessoas consultem o
especialista durante um perodo de quinze minutos?
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:131 21/12/2010 17:31:22
132
Curso de Licenciatura em Informtica
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:132 21/12/2010 17:31:22
VARIVEIS CONTNUAS E
DISTRIBUIES CONTNUAS
Prezado(a) aluno(a)!
Este o ltimo captulo do nosso curso. Nele, veremos as distribui-
es contnuas de probabilidade, que normalmente ocorrem, nas
medidas de situaes fsicas (peso, altura, tamanho, etc.) e sociais
(distribuio de renda, padres de consumo, etc.). O Contedo des-
te captulo fundamental para a inferncia estatstica (importante
ramo da Estatstica que tem por objetivo fazer armaes a partir
de amostras sobre um universo estudado (populao).
Bons estudos!
Prof. Sebastio A. Carneiro
8.1 Varivel aleatria contnua
Quando a varivel aleatria pode assumir qualquer valor do conjunto
dos nmeros, denominada varivel aleatria contnua. Por exemplo:
os salrios dos empregados de uma determinada categoria, as rentabi-
lidades mensais das aes, etc. Como o nmero de possveis valores de
uma varivel aleatria contnua X muito grande, no possvel regis-
trar todos os valores em uma lista, uma tabela ou um histograma.
Para os alunos que no gostam de trabalhar com integral, ou para
aqueles que desejam reforar os conceitos de funo densidade de
probabilidade (fdp), na sala virtual, h a mesma abordagem, s que
envolvendo conceitos de reas.
8.2 Funo densidade de probabilidade (FDP)
A distribuio de uma varivel aleatria contnua dada por uma
curva contnua e no por pontos discretos. Essa curva, ou funo
matemtica (x), denominada funo densidade de probabili-
dade (fdp).
A rea total sob a curva da distribuio (x) considerada igual a
1 ou 100%.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:133 21/12/2010 17:31:22
134
Curso de Licenciatura em Informtica
Captulo 8
Para os valores de x da varivel aleatria X, existe uma funo matem-
tica (x) que estabelece os valores de probabilidade para cada valor de x.
As condies so estabelecidas pelas seguintes premissas:
1) A funo probabilidade (x) sempre positiva:
f(x) > 0
2) A rea sob a funo de probabilidade (x) entre os limites menos
innito e mais innito da varivel X igual a 1 ou a 100%.
Essa equao deve car bem entendida para que os conceitos a se-
guir sejam perfeitamente assimilados. A equao mostra que toda a
rea da funo f(x) indicada pela integral deve ser igual a 1.
f(x)
x
1
). ( dx x f
Figura 23: rea total sob a funo de probabilidade (x)
O valor de probabilidade da varivel aleatria contnua X dado pela rea
de nida pela funo (x) entre os limites a e b, conforme a expresso:
Como:
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:134 21/12/2010 17:31:22
135
Probabilidade e Estatstica
Variveis Contnuas e Distribuies Contnuas
Assim:
O desenvolvimento anterior indica que a probabilidade da rea
compreendida entre a e b a relao entre a rea compreendida
entre a e b e toda a rea da funo f(x) que igual a 1. Assim, a
probabilidade de estarmos entre o intervalo a e b a prpria rea
compreendida entre a e b.
f(x)
x
a b
x
b
dx
a
x f b x a p ). ( ) (
Figura 24: rea p(a x b) sob a funo de probabilidade (x).
Exemplo 8.1:
Vericar se a funo (x) = 2x
2
+ 3 para (2 x > 0 )
f(x) = 0 para (0 > x ou x > 2)
uma funo distribuio de probabilidade (fdp).
Logo, a funo no uma distribuio de probabilidade (fdp).
Exemplo 8.2:
Vericar se a funo
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:135 21/12/2010 17:31:22
136
Curso de Licenciatura em Informtica
Captulo 8
para (3 x > 1)
f(x) = 0 para (1 > x ou x > 3)
uma funo distribuio de probabilidade.
Logo, a funo uma distribuio de probabilidade.
Exemplo 8.3:
Em relao ao exemplo anterior, calcular P (1,5 X 2,5).
Como j foi visto no exemplo anterior, a f(x) satisfaz a condio de dis-
tribuio de probabilidade.
Assim,
ATIVIDADE 8.1
Responda as questes a seguir:
1) Seja a funo f(x) = kx para 1 > x > 0
f(x) = 0 para 0 > x ou x > 1
Determine:
a) k para que f(x) seja uma funo distribuio de probabilidade;
b) o grco f (x);
c) P(1/2 > x > 0).
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:136 21/12/2010 17:31:23
137
Probabilidade e Estatstica
Variveis Contnuas e Distribuies Contnuas
2) O dimetro X de um cabo eltrico uma varivel aleatria
contnua com fdp dada por:
2
f (x) = K (2x x ) para 0 s x s 1
f(x) = 0 para x < 0 ou x > 1
a) determine K;
b) calcule P (0 s X s 1/2).
3) Uma varivel aleatria contnua X tem sua fdp dada pelo grco:
a) determine k;
b) calcule P (0 s X s 2).
8.3 Distribuio uniforme
Uma distribuio de varivel contnua a distribuio uniforme que
apresenta uma funo densidade de probabilidade constante dentro de
um intervalo de valores da varivel aleatria X.
A varivel aleatria X tem uma distribuio uniforme de probabi-
lidades entre os valores a e b, se sua funo de probabilidade (x)
:
Em que: b a e a x b,
A representao grca da distribuio uniforme um retngulo
cuja base est denida por dois valores, que estabelecem os limites
dos valores possveis da varivel aleatria X. Veja a Figura 17, a
seguir:
K
11 4
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:137 21/12/2010 17:31:23
138
Curso de Licenciatura em Informtica
Captulo 8
1
b - a
a b x
f(x)
Figura 25: Distribuio Uniforme
Perceba que a base do retngulo igual a b-a, em que b>a, e a
altura do retngulo igual a 1/(b-a); portanto, a rea do retngulo
igual a 1, satisfazendo, assim, a condio de que f(x) seja uma
funo distribuio de probabilidade.
A probabilidade de que a varivel aleatria X seja igual ou maior
que c, ou igual ou menor que d, sendo que c e d esto dentro
do intervalo (a- b), ser obtida pela razo de reas dada pela
expresso:
Ao mesmo tempo, representada na Figura 18 a seguir:
1
b - a
a b x
f(x)
c d
Figura 26 - rea de uma Distribuio Uniforme
A probabilidade p(c x d) tambm pode ser visualizada como uma
relao de reas, conforme a Figura 19 a seguir:
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:138 21/12/2010 17:31:24
139
Probabilidade e Estatstica
Variveis Contnuas e Distribuies Contnuas
Figura 27: Relao de reas de uma Distribuio Uniforme
Exemplo 8.4:
A varivel aleatria contnua X tem distribuio uniforme entre os va-
lores 100 e 200.
Pede-se calcular a probabilidade de que o valor da varivel X se encontre
entre 120 e 170.
A mdia e a varincia de uma varivel aleatria X com distribui-
o uniforme de probabilidade entre os valores a e b so iguais a:
Exemplo 8.5:
A varivel aleatria contnua X tem distribuio uniforme entre os valo-
res 100 e 200. Calcule os valores da mdia e do desvio padro e a proba-
bilidade de que o valor da varivel X se encontre entre 120 e 170.
Mdia:
A varincia
a b
c
d
p ( c x d )=
5 , 0
100 200
120 170
) 170 120 ( = =
= s sx p 50%
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:139 21/12/2010 17:31:24
140
Curso de Licenciatura em Informtica
Captulo 8
Portanto, o desvio padro igual a:
Clculo
ATIVIDADE 8.2
Responda as questes a seguir:
1) Foi retirada uma amostra da populao X que tem distribuio
uniforme e valores mximo e mnimo iguais a 35 e 125, respec-
tivamente. Pede-se calcular a probabilidade de que um elemento
da amostra:
a) seja maior que 50;
b) seja menor que 65 ou igual a esse valor;
c) esteja entre 55 e 105.
2) As vendas de computadores num depsito de atacado acusam
a mdia de 40.000 computadores dirios, com um mnimo de
30.000 computadores. Supondo adequada distribuio uniforme,
responda:
qual a venda diria mxima?
qual a percentagem do nmero de dias em que a venda excede
34.000 computadores?
8.4 Distribuio normal (GAUSS)
A distribuio normal uma das mais importantes distribuies da
estatstica, tambm chamada de Distribuio de Gauss. A distribuio
apresenta-se em formato de sino, unimodal, simtrica em relao a sua
mdia
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:140 21/12/2010 17:31:25
141
Probabilidade e Estatstica
Variveis Contnuas e Distribuies Contnuas
f(x)
x x
Figura 28: Curva Normal (Gauss)
A distribuio normal foi desenvolvida pelo matemtico francs
Abraham de Moivre e denida conforme expresso a seguir:
Em que:
mdia;
- desvio padro
Seu formato sinuoso (curva em forma de sino);
A curva normal assinttica em relao ao eixo das abscissas, isto
, aproxima-se indenidamente do eixo das abscissas sem, contudo,
alcan-lo;
A curva simtrica em torno da mdia e a probabilidade de ocorrer
valor maior que a mdia igual probabilidade de ocorrer valor
menor que a mdia, isto , ambas as probabilidades so iguais a 0,5
ou 50%.
Se voc estranhou a frmula ou mesmo se assustou com ela, no se
preocupe, pois a mesma no utilizada nos clculos; ser utilizada
uma maneira reduzida e tabelada. Muitos estudiosos da estatstica
j tiveram essa diculdade e trataram de facilitar nossos clculos.
8.4.1 Vantagem da distribuio normal
A grande vantagem da distribuio normal que, com o conhecimen-
to da mdia e do desvio padro, possvel calcular qualquer valor de
probabilidade.
2
2
1
2
1
)
|
(
.
|
\
|
=
o
to
x
e x f
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:141 21/12/2010 17:31:25
142
Curso de Licenciatura em Informtica
Captulo 8
Transpondo tudo isso para o dia a dia, os valores de x correspondem
aos valores numricos dos dados experimentais, enquanto os valores
de y ou f(x) referem-se s frequncias com que cada valor de x apa-
rece no experimento.
8.4.2 A probabilidade dentro do intervalo (a,b)
Considerando a probabilidade de ocorrncia, a rea sob sua curva soma
100%. Isso quer dizer que a probabilidade de uma observao assumir
um valor entre dois pontos quaisquer igual rea compreendida entre
esses dois pontos.
A probabilidade p(a X b) de que a varivel aleatria X tenha seus
valores dentro do intervalo (a,b), obtida da rea sob a curva entre
os valores a e b.
f(x)
-2
f(x) f(x)
-1
=0
1 2 3
a b
-2 -1
=0
1 2 3
a b
-2 -1
=0
1 2 3
a b
Figura 29: P(a X b) sob a curva normal
Quanto mais afastado do centro da curva normal, mais rea com-
preendida abaixo da curva haver.
Caracterstica Importante da curva normal:
A um desvio padro da mdia, temos 68,26% das observaes contidas.
A dois desvios padres da mdia, possumos 95,44% dos dados
compreendidos;
A trs desvios, da mdia temos 99,73% das observaes contidas.
68%
95%
99,7%
-3 -2 - + +2 + 3
Podemos concluir que, quanto maior a variabilidade dos dados em rela-
o mdia, maior a probabilidade de encontrarmos o valor que busca-
mos embaixo da normal.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:142 21/12/2010 17:31:34
143
Probabilidade e Estatstica
Variveis Contnuas e Distribuies Contnuas
8.4.3 Influncia dos parmetros na forma da distribuio
normal
Vamos analisar a inuncia da mdia e do desvio padro na forma da
curva da distribuio normal, observando os trs casos seguintes:
a) mantendo constante o valor do desvio padro e variando o valor da
mdia, temos o comportamento mostrado na gura 8.7, a) a seguir; ou
seja, a curva se desloca segundo o eixo X;
b) Mantendo constante o valor da mdia e variando o valor do desvio
padro, temos o comportamento mostrado na gura 8.7, b) a seguir; ou
seja, mantm a posio, mas o formato varia. Para um desvio padro
menor temos uma curva mais estreita e mais alta, para um desvio pa-
dro maior temos uma curva mais larga e mais baixa,
c) Variando a mdia e o desvio padro, temos o comportamento mos-
trado na gura 8.7, c) a seguir; ou seja, muda a posio como o formato
tambm varia.
S = 10 S = 10
X = 10 X = 20
(a)
(c)
(b)
S = 1,5
S = 10
X = 10 S = 10
S = 15
X = 7 X = 10
Figura 30: Inuncia da mdia e do desvio padro na forma da curva da distribuio
normal
Calcular a probabilidade usando a frmula de distribuio normal
no to simples. Para facilitar os clculos, precisamos encontrar
uma maneira mais simples. o que veremos no item seguinte.
8.5 Distribuio normal reduzida Z
Curvas normais, com qualquer e , podem ser transformadas em uma
normal muito especial que tem mdia 0 (x= 0) e desvio padro 1 (s = 1).
Esta curva normal, com mdia 0 e desvio padro 1 conhecida como
curva normal reduzida. Suas probabilidades j foram calculadas e so
apresentadas em tabelas de fcil utilizao. Como a curva normal si-
mtrica, os livros de estatsticas apresentam somente as probabilidades
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:143 21/12/2010 17:31:34
144
Curso de Licenciatura em Informtica
Captulo 8
da metade direita da curva. A probabilidade de um intervalo qualquer
da metade esquerda igual probabilidade do intervalo equivalente na
metade direita.
Como o clculo da probabilidade usando o clculo direto no to sim-
ples, para contornar esse problema deve ser feita uma mudana de vari-
vel, chamada z (x z), em que:
Assim, toda distribuio normal com mdia x e desvio padro s pode
se convertida numa distribuio normal reduzida, com mdia zero e
desvio padro igual a 1. (Isso no ser demonstrado, pois no objetivo
deste curso faz-lo).
As probabilidades associadas distribuio normal reduzida so en-
contradas na tabela em anexo, no havendo necessidade de serem
calculadas.
8.5.1 Utilizao da tabela Z
A interseco entre linha e coluna indica o valor de z. Na primeira colu-
na, dado o valor de z com uma casa decimal. J na primeira linha, so
encontrados os valores centesimais de z; assim, o valor de z correspon-
de interseco entre linha e coluna encontradas.
Exemplo 8.6
Encontrar na tabela Z o valor de z = 1,25.
z 0 1 2 3 4 5 6 7 8 9
0,000000 0,003989 0,007978 0,011967 0,015953 0,019939 0,023922 0,027903 0,031881 0,035856
0,0
0,039828 0,043795 0,047758 0,051717 0,055670 0,059618 0,063559 0,067495 0,071424 0,075345
0,1
0,079260 0,083166 0,087064 0,090954 0,094835 0,098706 0,102568 0,106420 0,110261 0,114092
0,2
0,117911 0,121719 0,125516 0,129300 0,133072 0,136831 0,140576 0,144309 0,148027 0,151732
0,3
0,155422 0,159097 0,162757 0,166402 0,170031 0,173645 0,177242 0,180822 0,184386 0,187933
0,4
0,191462 0,194974 0,198468 0,201944 0,205402 0,208840 0,212260 0,215661 0,219043 0,222405
0,5
0,225747 0,229069 0,232371 0,235653 0,238914 0,242154 0,245373 0,248571 0,251748 0,254903
0,6
0,258036 0,261148 0,264238 0,267305 0,270350 0,273373 0,276373 0,279350 0,282305 0,285236
0,7
0,288145 0,291030 0,293892 0,296731 0,299546 0,302338 0,305106 0,307850 0,310570 0,313267
0,8
0,315940 0,318589 0,321214 0,323814 0,326391 0,328944 0,331472 0,333977 0,336457 0,338913
0,9
0,341345 0,343752 0,346136 0,348495 0,350830 0,353141 0,355428 0,357690 0,359929 0,362143
1,0
0,364334 0,366500 0,368643 0,370762 0,372857 0,374928 0,376976 0,378999 0,381000 0,382977
1,1
0,384930 0,386860 0,388767 0,390651 0,392512 0,394350 0,396165 0,397958 0,399727 0,401475
1,2
Z = 1,25
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:144 21/12/2010 17:31:34
145
Probabilidade e Estatstica
Variveis Contnuas e Distribuies Contnuas
Na primeira coluna, encontramos o valor at uma casa decimal = 1,2.
Em seguida, na primeira linha, o valor 5, que corresponde ao ltimo
algarismo do nmero 1,25. Na interseco da linha e coluna correspon-
dentes, encontramos o valor 0,3944, o que nos permite escrever:
P(0 < z < 1,05) = 0,3944
Aps utilizar a distribuio normal reduzida, devemos retornar para o
nosso problema de origem, fazendo uma nova converso de variv e l
z x.
Veja como proceder converso, por meio de um exemplo a seguir:
Exemplo 8.7:
Seja X, a varivel aleatria que representa os dimetros dos parafusos
de xao do HD, nos computadores produzidos por certa mquina;
vamos supor que essa varivel tenha distribuio normal com mdia =
2 cm e desvio padro = 0,04 cm. Qual a probabilidade de um parafuso
ter o dimetro com valor entre 2 e 2,05 cm?
Na realidade, queremos P (2 X 2,05).
Com o auxlio da distribuio normal reduzida, isto , a distribuio
normal de mdia = 0 e desvio padro = 1, o problema resolvido por
meio da varivelz.
Utilizaremos tambm a tabela normal reduzida:
P (2 X 2,05)= P (0 z 1,25)
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:145 21/12/2010 17:31:34
146
Curso de Licenciatura em Informtica
Captulo 8
ATIVIDADE 8.3
Responda as questes a seguir:
1) Determine as probabilidades:
a) P(-1,25 < Z < 0) =
b) P(-0,5 < Z < 1,48) =
c) P(0,8 < Z < 1,23) =
d) P(-1,25 < Z < -1,20) =
e) P( Z < 0,92) =
f) P(Z > 0,6) =
2) Os salrios dos analistas de sistema so distribudos normal-
mente em torno da mdia de R$ 10.000,00, com desvio padro
de R$ 800,00. Calcule a probabilidade de um analista ter o salrio
situado entre R$ 9.800,00 e R$ 10.400,00.
3) Um teste padronizado de escolaridade tem distribuio normal
com mdia = 100 e desvio padro = 10. Determine a probabilida-
de de um aluno submetido ao teste ter nota:
a) maior que 120;
b) maior que 80;
c) entre 85 e 115;
d) maior que 100.
4) Seja uma srie de observaes X com distribuio normal, m-
dia igual a 50 e desvio padro igual a 10. Se retirarmos uma ob-
servao dessa srie, qual a probabilidade de seu valor ser igual
ou menor que 60?
5) Uma srie de observaes tem mdia de 300 e desvio padro
de 20. Sabendo que essa srie tem uma distribuio normal, cal-
cule a probabilidade de que um elemento da srie, escolhido ale-
atoriamente, tenha um valor compreendido dentro de um desvio
padro (20) ao redor da mdia.
8.5.2 Exemplo prtico para entendimento da curva
normal
Como saber, na prtica, se os dados obtidos uma distribuio normal
ou no?
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:146 21/12/2010 17:31:35
147
Probabilidade e Estatstica
Variveis Contnuas e Distribuies Contnuas
Por exemplo: Uma empresa de informtica fez o levantamento das ven-
das de computadores em suas liais,conforme tabela a seguir. Como
analisar esses dados ?
Preos dos computadores Quantidade vendidas
500 5
600 15
700 22
800 25
900 38
1.000 50
1.100 75
1.200 110
1.300 130
1.400 150
1.500 160
1.600 150
1.700 130
1.800 110
1.900 75
2.000 50
2.100 38
2.200 25
2.300 22
2.400 15
2.500 5
o
1 passo: fazer o histograma das vendas de computadores e vericar
visualmente se ela , de fato, normal.
Venda de computadores
Q
u
a
n
t
i
d
a
d
e
v
e
n
d
i
d
a
180
160
140
120
100
80
60
40
20
0
5
0
0
6
0
0
7
0
0
8
0
0
9
0
0
1
0
0
0
1
1
0
0
1
2
0
0
1
3
0
0
1
4
0
0
1
5
0
0
1
6
0
0
1
7
0
0
1
8
0
0
1
9
0
0
2
0
0
0
2
1
0
0
2
2
0
0
2
3
0
0
R$
Figura 31: Histograma das vendas de computadores com aproximao normal.
Tabela 8.1 levantamento das vendas de computadores
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:147 21/12/2010 17:31:35
148
Curso de Licenciatura em Informtica
Captulo 8
Neste caso, podemos observar que o formato bem semelhante
curva normal.
o
2 passo: calcular o preo mdio dos computadores e o desvio padro.
Preos dos
computadores
Quantidade
vendidas
Xi . Xi
2
.
500 5 2.500 1.250.000
600 15 9.000 5.400.000
700 22 15.400 10.780.000
800 25 20.000 16.000.000
900 38 34.200 30.780.000
1.000 50 50.000 50.000.000
1.100 75 82.500 90.750.000
1.200 110 132.000 158.400.000
1.300 130 169.000 219.700.000
1.400 150 210.000 294.000.000
1.500 160 240.000 360.000.000
1.600 150 240.000 384.000.000
1.700 130 221.000 375.700.000
1.800 110 198.000 356.400.000
1.900 75 142.500 270.750.000
2.000 50 100.000 200.000.000
2.100 38 79.800 167.580.000
2.200 25 55.000 121.000.000
2.300 22 50.600 116.380.000
2.400 15 36.000 86.400.000
2.500 5 12.500 31.250.000
1400 2.100.000 3.346.520.000
Calcula o preo mdio dos computadores:
= R$ 1500,00
Caso tenha dvida, volte ao captulo 4 para recordar.
Calcula a varincia:
= 140.371 R$2
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:148 21/12/2010 17:31:35
149
Probabilidade e Estatstica
Variveis Contnuas e Distribuies Contnuas
Calcula o desvio padro:
= R$ 375
Variao do desvio padro
em torno da mdia
Quantidade
de compu-
tadores no
intervalo
Quantidade de
computadores
em %
Mdia + s = R$ 1.875
1015 73%
Mdia - s = R$ 1.125
Mdia + 2s = R$ 2.249
1316 94%
Mdia - 2s = R$ 751
Mdia + 3s = R$ 2.624
1400 100%
Mdia - 3s = R$ 376
Concluso:
Os dados do exemplo se aproximam muito de uma distribuio normal,
pois visualmente tm o formato sinuoso, conforme mostra o histogra-
ma, e a um desvio padro da mdia, deveramos ter 68,26% das obser-
vaes contidas e o obtido foi 73% e a dois desvios padres, deveramos
ter 95,44% dos dados compreendidos e o obtido foi 94% e nalmente a
trs desvios, deveramos ter 99,73% das observaes contidas e o obtido
foi 100%, valores estes bem prximos do terico.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:149 21/12/2010 17:31:35
150
Curso de Licenciatura em Informtica
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:150 21/12/2010 17:31:35
CRESPO, Antnio Arnot. Estatstica fcil. 18. ed. So Paulo: Saraiva, 2006.
LAPPONI, Juan Carlos. Estatstica usando Excel 5 e 7. So Paulo: Lapponi Treina-
mento e Editora, 1997.
REGGIANI, Lucia. A TI dos Bilhes: o faturamento das 200 maiores empresas de
tecnologia do Brasil crava 95 bilhes de dlares. Info Exame, So Paulo, n. 257, p.
82-86, ago. 2007.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:151 21/12/2010 17:31:36
152
Curso de Licenciatura em Informtica
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:152 21/12/2010 17:31:36
Resultado da pesquisa de campo referente aos preos (R$) de 200 monito-
res LCD de uma determinada marca em 200 empresas de informtica
431,3 431,3 431,3 432,0 413,0 413,0 413,0 414,0 414,0 414,0
422,0 422,5 422,5 422,5 422,8 416,0 416,0 417,0 417,0 417,0
425,5 425,5 426,0 426,0 426,0 419,0 419,0 419,0 420,0 420,0
421,0 421,0 421,0 421,0 421,0 422,0 422,0 422,0 422,0 422,0
424,0 424,0 424,0 424,0 424,0 424,0 424,5 424,5 424,5 424,5
427,0 427,0 427,0 427,0 427,0 427,0 427,5 427,5 427,5 427,5
430,0 430,0 430,0 430,0 430,0 430,0 430,6 430,6 430,6 430,6
433,0 433,0 433,0 433,0 433,0 434,0 434,0 434,0 434,0 434,0
436,0 436,0 436,0 436,0 437,0 437,0 437,0 437,0 438,0 438,0
439,0 439,0 439,0 440,0 440,0 440,0 440,0 440,0 417,0 438,0
420,0 420,0 420,3 420,3 420,3 420,3 420,7 420,7 420,7 420,7
418,0 418,0 418,0 418,0 419,0 422,8 422,8 422,8 423,0 423,0
424,5 424,5 425,0 425,0 425,0 425,0 425,5 425,5 425,5 425,5
427,5 427,5 428,0 428,0 428,0 428,0 428,5 428,5 428,5 428,5
430,6 430,6 431,0 431,0 431,0 431,0 431,0 431,3 431,3 431,3
434,0 434,0 435,0 435,0 435,0 435,0 435,0 435,0 435,0 435,0
417,8 417,8 417,8 417,8 438,0 435,0 435,0 423,0 423,0 423,5
415,0 415,0 415,0 415,0 416,0 426,0 426,0 426,3 423,5 423,5
428,5 428,5 429,0 429,0 429,0 429,0 429,0 429,8 429,8 429,8
412,0 412,0 412,5 412,5 432,0 432,0 432,0 432,0 426,3 426,3
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:153 21/12/2010 17:31:36
154
Curso de Licenciatura em Informtica
Anexo
z 0 1 2 3 4 5 6 7 8 9
0,000000 0,003989 0,007978 0,011967 0,015953 0,019939 0,023922 0,027903 0,031881 0,035856
0,0
0,039828 0,043795 0,047758 0,051717 0,055670 0,059618 0,063559 0,067495 0,071424 0,075345
0,1
0,079260 0,083166 0,087064 0,090954 0,094835 0,098706 0,102568 0,106420 0,110261 0,114092
0,2
0,117911 0,121719 0,125516 0,129300 0,133072 0,136831 0,140576 0,144309 0,148027 0,151732
0,3
0,155422 0,159097 0,162757 0,166402 0,170031 0,173645 0,177242 0,180822 0,184386 0,187933
0,4
0,191462 0,194974 0,198468 0,201944 0,205402 0,208840 0,212260 0,215661 0,219043 0,222405
0,5
0,225747 0,229069 0,232371 0,235653 0,238914 0,242154 0,245373 0,248571 0,251748 0,254903
0,6
0,258036 0,261148 0,264238 0,267305 0,270350 0,273373 0,276373 0,279350 0,282305 0,285236
0,7
0,288145 0,291030 0,293892 0,296731 0,299546 0,302338 0,305106 0,307850 0,310570 0,313267
0,8
0,315940 0,318589 0,321214 0,323814 0,326391 0,328944 0,331472 0,333977 0,336457 0,338913
0,9
0,341345 0,343752 0,346136 0,348495 0,350830 0,353141 0,355428 0,357690 0,359929 0,362143
1,0
0,364334 0,366500 0,368643 0,370762 0,372857 0,374928 0,376976 0,378999 0,381000 0,382977
1,1
0,384930 0,386860 0,388767 0,390651 0,392512 0,394350 0,396165 0,397958 0,399727 0,401475
1,2
0,403199 0,404902 0,406582 0,408241 0,409877 0,411492 0,413085 0,414656 0,416207 0,417736
1,3
0,419243 0,420730 0,422196 0,423641 0,425066 0,426471 0,427855 0,429219 0,430563 0,431888
1,4
0,433193 0,434478 0,435744 0,436992 0,438220 0,439429 0,440620 0,441792 0,442947 0,444083
1,5
0,445201 0,446301 0,447384 0,448449 0,449497 0,450529 0,451543 0,452540 0,453521 0,454486
1,6
0,455435 0,456367 0,457284 0,458185 0,459071 0,459941 0,460796 0,461636 0,462462 0,463273
1,7
0,464070 0,464852 0,465621 0,466375 0,467116 0,467843 0,468557 0,469258 0,469946 0,470621
1,8
0,471284 0,471933 0,472571 0,473197 0,473810 0,474412 0,475002 0,475581 0,476148 0,476705
1,9
0,477250 0,477784 0,478308 0,478822 0,479325 0,479818 0,480301 0,480774 0,481237 0,481691
2,0
0,482136 0,482571 0,482997 0,483414 0,483823 0,484222 0,484614 0,484997 0,485371 0,485738
2,1
0,486097 0,486447 0,486791 0,487126 0,487455 0,487776 0,488089 0,488396 0,488696 0,488989
2,2
0,489276 0,489556 0,489830 0,490097 0,490358 0,490613 0,490863 0,491106 0,491344 0,491576
2,3
0,491802 0,492024 0,492240 0,492451 0,492656 0,492857 0,493053 0,493244 0,493431 0,493613
2,4
0,493790 0,493963 0,494132 0,494297 0,494457 0,494614 0,494766 0,494915 0,495060 0,495201
2,5
0,495339 0,495473 0,495603 0,495731 0,495855 0,495975 0,496093 0,496207 0,496319 0,496427
2,6
0,496533 0,496636 0,496736 0,496833 0,496928 0,497020 0,497110 0,497197 0,497282 0,497365
2,7
0,497445 0,497523 0,497599 0,497673 0,497744 0,497814 0,497882 0,497948 0,498012 0,498074
2,8
0,498134 0,498193 0,498250 0,498305 0,498359 0,498411 0,498462 0,498511 0,498559 0,498605
2,9
0,498650 0,498694 0,498736 0,498777 0,498817 0,498856 0,498893 0,498930 0,498965 0,498999
3,0
0,499032 0,499065 0,499096 0,499126 0,499155 0,499184 0,499211 0,499238 0,499264 0,499289
3,1
0,499313 0,499336 0,499359 0,499381 0,499402 0,499423 0,499443 0,499462 0,499481 0,499499
3,2
0,499517 0,499533 0,499550 0,499566 0,499581 0,499596 0,499610 0,499624 0,499638 0,499650
3,3
0,499663 0,499675 0,499687 0,499698 0,499709 0,499720 0,499730 0,499740 0,499749 0,499758
3,4
0,499767 0,499776 0,499784 0,499792 0,499800 0,499807 0,499815 0,499821 0,499828 0,499835
3,5
0,499841 0,499847 0,499853 0,499858 0,499864 0,499869 0,499874 0,499879 0,499883 0,499888
3,6
0,499892 0,499896 0,499900 0,499904 0,499908 0,499912 0,499915 0,499918 0,499922 0,499925
3,7
0,499928 0,499930 0,499933 0,499936 0,499938 0,499941 0,499943 0,499946 0,499948 0,499950
3,8
0,499952 0,499954 0,499956 0,499958 0,499959 0,499961 0,499963 0,499964 0,499966 0,499967
3,9
0,499968 0,499970 0,499971 0,499972 0,499973 0,499974 0,499975 0,499976 0,499977 0,499978
4,0
Tabela: Distribuio Normal Reduzida - Z:N(0,1)
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:154 21/12/2010 17:31:36
.Uiramut
.Pacaraima
.Normandia
.Bonfim
.Cant
.Boa Vista
.Amajari
.Mucaja
.Caracara
.Rorainpolis
.So Joo da Baliza