LIEaD401Probabilidade e Estatistica COMPLETO

Universidade Federal de Roraima
Ncleo de Educao a Distncia

Pr-Reitoria de Ensino e Graduao
Centro de Cincias e Tecnologia
Departamento de Cincia da Computao
Curso de Licenciatura em Informtica a Distncia
Sebastio A. Carneiro
PROBABILIDADE E ESTATSTICA
Governo Federal
Ministro de Educao
Fernando Haddad
Ifes Instituto Federal do Esprito Santo
Reitor
Denio Rebello Arantes
Pr-Reitora de Ensino
Cristiane Tenan Schllittler dos Santos
Diretora do CEAD Centro de Educao a Distncia
Yvina Pavan Baldo
Coordenadoras da UAB Universidade Aberta do Brasil
Elton Siqueira Moura
Danielli Veiga Carneiro Sondermann
Curso de Licenciatura em Informtica
Coordenao de Curso
Jonathan Toczek
Designer Instrucional
Edmundo Rodrigues Jnior
Professor Especialista/Autor
Sebastio A. Carneiro
Catalogao na fonte: Renata Lorencini Rizzi - CRB 6/685
C289p Carneiro, Sebastio Alves
Probabilidade e estatstica / Sebastio Alves Carneiro. Vitria: Ifes, 2010.
155 p. : il.
1. Probabilidades. 2. Es t a tt i c
Tecnologia do Esprito Santo. II. Ttulo.
CDD 519.86
DIREITOS RESERVADOS
IFES Centro Federal de Educao Tecnolgica do Esprito Santo
Avenida Rio Branco, n 50 Santa Lcia - CEP. 29056-255 Vitria ES - Telefone: 3227-5564
Crditos de autoria da editorao
Capa: Juliana Cristina da Silva
Projeto grco: Juliana Cristina e Nelson Torres
Iconograa: Nelson Torres
Editorao eletrnica: Duo Translations
Reviso de texto:
Esther Ortlibe Faria de Almeida
COPYRIGHT proibida a reproduo, mesmo que parcial, por qualquer meio, sem autorizao escrita dos
autores e do detentor dos direitos autorais.
a. I. Instituto Federal de Educao, Cincia e
Ol, Aluno(a)!
um prazer t-lo conosco.
O Ifes oferece a voc, em parceria com as Prefeituras e com o Governo Federal,
o Curso de Licenciatura em Informtica, na modalidade distncia.
Apesar de este curso ser ofertado distncia, esperamos que haja proximi-
dade entre ns, pois, hoje, graas aos recursos da tecnologia da informao
(e-mails, chat, videoconfernca, etc.), podemos manter uma comunicao
efetiva.
importante que voc conhea toda a equipe envolvida neste curso:
coordenadores,
professores especialistas, tutores distncia e tutores presenciais.
Assim, quando precisar de algum tipo de ajuda, saber a quem recorrer.
Na EaD - Educao a Distncia - voc o grande responsvel pelo sucesso da
aprendizagem. Por isso necessrio que se organize para os estudos e para a
realizao de todas as atividades, nos prazos estabelecidos, conforme
orientao dos Professores Especialistas e Tutores.
Fique atento s orientaes de estudo que se encontram no Manual do
Aluno!
A EaD, pela sua caracterstica de amplitude e pelo uso de tecnologias mo-
dernas, representa uma nova forma de aprender, respeitando, sempre, o seu
tempo.
Desejamos a voc sucesso e dedicao!
Equipe do Ifes
Fala do Professor
Conceitos importantes. Fique atento!
Atividades que devem ser elaboradas por voc,
aps a leitura dos textos.
Indicao de leituras complemtares, referentes
ao contedo estudado.
Destaque de algo importante, referente ao
contedo apresentado. Ateno!
Reexo/questionamento sobre algo impor-
tante referente ao contedo apresentado.
ICONOGRAFIA
Veja, abaixo, alguns smbolos utilizados neste material para gui-lo em seus estudos
Espao reservado para as anotaes que voc
julgar necessrias.
LICINF_4P_ProbEsta_DIAGRAMACAO.indd 4 21/12/2010 17:30:45
PROBABILIDADE E ESTATSTICA
Cap. 1 - AMOSTRAGEM 11
1.2. Histrico 11
1.3. Mtodo estatstico 11
1.4. Fases do mtodo estatstico 12
1.5 Conceitos bsicos 13
1.5.1 Populao 13
1.5.2 Amostras 14
1.5.3 Varivel 15
1.6. Amostragem 16
1.6.1 Amostragem casual ou aleatria simples 17
1.6.2 Amostragem sistemtica 18
1.6.3 Amostragem proporcional estratificada 19
2.1 Srie estatstica 23
Cap. 2 - SRIES E CONSTRUO DE GRFICOS 23
2.1.1 Srie temporal 24
2.1.2 Srie geogrfica 24
2.1.3 Srie especfica 25
2.1.4 Sries conjugadas 25
2.2.1 Diagramas 26
2.3 Uso indevido de grficos 34
3.1 Distribuio de frequncia 37
Cap. 3 - MTODOS GRFICOS 37
3.1.1 Tabela primitiva ou tabela de dados brutos 37
3.1.2 ROL 39
3.1.3 Distribuio de frequncia sem intervalos de classe 39
3.1.4 Distribuio de frequncia com intervalos de classe 41
3.1.5 Polgono de frequncia 48
3.1.6 Curva de frequncia (curva polida): 50
4.1 Medidas de posio 55
Cap. 4 - MEDIDAS DE ORDENAMENTO E DE POSIO 55
4.2 Mdia de populao e de amostras 55
4.3 Representao dos valores de uma srie de valores 56
LICINF_4P_ProbEsta_DIAGRAMACAO.indd 5 21/12/2010 17:30:45
4.4 Mdia aritmtica ( x ) 56
4.4.1 Mdia Aritmtica para dados no-agrupados: 57
4.4.2 Desvio em relao mdia 57
4.4.3 Propriedades da mdia 58
4.5 Moda (Mo) 63
4.5.1 Moda quando os dados no esto agrupados 64
4.5.2 Moda quando os dados esto agrupados 64
4.6 Mediana (MD) 67
4.6.1 Mediana para srie com nmero mpar de termos 67
4.6.2 Mediana para srie com nmero par de termos: 67
4.6.3 Mediana para srie com dados agrupados 68
4.7 Assimetria 73
4.8 Separatrizes 74
4.8.1 Quartis 74
4.8.2 Decis 79
4.8.3 Percentil ou Centil 80
5.1 Medidas de disperso 84
Cap. 5 - MEDIDAS DE VARIABILIDADE 83
5.2 Medidas de disperso absoluta 85
5.2.1 Amplitude total (AT): 85
5.2.2 Varincia 86
5.2.3 Desvio padro S 93
5.2.4 Coeficiente de variao de Pearson - CVP 96
6.1 Experimento aleatrio 99
Cap. 6 - PROBABILIDADE 99
6.2 Espao amostral 100
6.3 Eventos 101
6.4 Conceito de probabilidade 103
6.4.1 Eventos complementares 105
6.4.2 Combinaes dos eventos 105
6.5 Tcnicas de contagem em probabilidade 111
6.5.1 Permutao sem repeties 111
6.5.2 Permutao com repeties 112
6.5.3 Arranjo 112
6.5.4 Combinao 114
Cap. 7 - VARIVEIS ALEATRIAS E DISTRIBUIES
DISCRETAS 119
7.1 Varivel aleatria 119
7.2 Distribuio de probabilidade 120
LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec2:6 21/12/2010 17:30:45
7.3 Valor esperado (esperana matemtica) 123
7.4 Distribuio binomial 125
7.5 DISTRIBUIO DE POISSON 128
Cap. 8 - VARIVEIS CONTNUAS E DISTRIBUIES
CONTNUAS 133
8.1 Varivel aleatria contnua 133
8.2 Funo densidade de probabilidade (FDP) 133
8.3 Distribuio uniforme 137
8.4 Distribuio normal (GAUSS) 140
8.4.1 Vantagem da distribuio normal 141
8.4.2 A probabilidade dentro do intervalo (a,b) 142
8.4.3 Influncia dos parmetros na forma da distribuio
normal 143
8.5 Distribuio normal reduzida Z 143
8.5.1 Utilizao da tabela Z 144
REFERNCIAS BIBLIOGRFICAS 151
ANEXOS 153
APRESENTAO
Ol, Aluno (a)!
Seja bem-vindo (a) ao nosso curso de Probabilidade e Estatstica!
Sou o professor Sebastio Alves Carneiro, responsvel pela gerncia e pro-
duo de material dessa disciplina, no curso de Curso de Licenciatura em
Informatica, na modalidade a distancia.
Sou formado em Engenharia Eltrica e tenho Mestrado em Controle de
Sistemas pela Universidade Federal do Esprito Santo - UFES. Atualmen-
te, ocupo o cargo de Diretor Adjunto, no Campus Serra. J lecionei a disci-
plina de Probabilidade e Estatstica no curso de Anlise e Desenvolvimen-
to de Sistemas, no Campus Serra.
Acredito que, com tecnologia na sala de aula, o papel do educador muda
de detentor do conhecimento para guia das investigaes dos alunos. O
novo professor tem que estar preparado para deixar de ser o que apenas
fornece informaes para ser um orientador, aquele que ajuda a selecionar
informaes e fazer articulaes. Ns aprendemos uns com os outros, a
toda hora, a qualquer momento.
A disciplina de Probabilidade e Estatstica importante para sua forma-
o, pois uma rea do conhecimento que utiliza teorias probabilsticas
para explicao de eventos, estudos e experimentos. Tem por objetivo ob-
ter, organizar e analisar dados, determinar as correlaes que apresentem,
irando delas suas consequncias para descrio e explicao do que passou
e previso e organizao do futuro. Portanto, sero estudados neste curso-
tanto os conceitos fundamentais, como as tcnicas formais da estatstica.
Nosso curso ser dividido em oito captulos:no primeiro, faremos a in-
troduo de nossos estudos; no segundo, estudaremos a construo de
grcos, bem como suas propriedades e aplicaes; no terceiro, veremos
mtodos grcos; no quarto estudaremos medidas de ordenamento e posi-
o; no quinto, estudaremos medidas de disperso; no sexto, estudaremos
probabilidade; no stimo, estudaremos variveis aleatrias e distribuies
discretas. Por m, estudaremos, no oitavo captulo, variveis contnuas e
distribuies contnuas.
Um curso de Probabilidade e Estatstica requer um tempo dirio de estudo
e dedicao. Por isso muito importante que voc faa todas as atividades
propostas, tanto neste material como na sua sala de aula virtual.
Leia os textos com bastante ateno, sempre com esprito questionador
e investigativo.
Personalize o seu estudo. D novos ttulos e subttulos, reorganizando a
diviso do texto. Assim, voc o ver por uma nova tica e ser mais fcil
reter as informaes por partes.
Crie perguntas e tente respond-las sem pesquisar. Depois, conra as
respostas.
Sintetize com suas palavras o que foi estudado. Faa resumos: destaque
o tema central, as de nies essenciais, os exemplos, os casos particulares,
as observaes.
Leia bem os enunciados das questes propostas e interprete o que se pede.
Comece, ento, a responder com ateno, sempre pesquisando no livro
texto ou em outros meios que facilitem sua resposta. Verique se todas
esto corretas, revendo o que foi feito.
Interesse-se, participe e discuta com o professor e com seus colegas.
Faa anlise dos exerccios resolvidos que se encontram ao longo deste
fascculo e, se houver dvidas, entre em contato com o seu tutor a distncia.
Voc logo perceber que o sucesso neste curso questo de tempo!
1.1. Introduo
Ol, Aluno (a)!,
O objetivo fundamental da Introduo dar uma viso inicial
da estatstica. Neste captulo, veremos histricos da estatstica,
mtodo estatstico, denies bsicas da estatstica e iniciaremos
amostragem.
A estatstica uma rea do conhecimento que utiliza teorias proba-
bilsticas para explicao de eventos, estudos e experimentos. Tem
por objetivo obter, organizar e analisar dados; bem como determi-
nar suas correlaes, tirando delas suas conseqncias, explicar o
que passou e prever o que ocorrer no futuro.
Bons estudos!
Prof. Sebastio A. Carneiro
1.2. Histrico
Faremos um breve histrico para expor o modo como a estatstica
surgiu.
ANTIGUIDADE: os povos na antiguidade registravam o nmero
de habitantes, nascimentos, bitos. J faziam estatsticas.
IDADE MDIA: as informaes na Idade Mdia eram tabuladas
com nalidades tributrias e blicas.
SCULO XVI: no sculo XVI surgem as primeiras anlises sistem-
ticas, as primeiras tabelas e os nmeros relativos.
SCULO XVIII: no sculo XVIII a estatstica surge com notao
cientca a qual adotada pelo acadmico alemo GODOFREDO
ACHENWALL. As tabelas cam mais completas, surgindo as pri-
meiras representaes grcas e os clculos de probabilidades. A
estatstica deixa de ser uma simples tabulao de dados numricos
para se tornar o estudo de como se chegar concluso sobre uma
populao, partindo de observao de partes dessa populao.
1.3. Mtodo estatstico
O mtodo estatstico se aplica ao estudo dos fenmenos aleatrios. Um
fenmeno considerado aleatrio se seus resultados variarem, a cada
repetio, nas mesmas condies.
AMOSTRAGEM
12
MTODO: um meio mais ecaz para atingir determinada
meta.
MTODO CIENTFICO: um conjunto de regras bsicas para
desenvolver uma experincia a m de produzir novo conhecimen-
to, bem como corrigir e integrar conhecimentos pr-existentes.
Destacamos o mtodo experimental e o mtodo estatstico.
MTODO EXPERIMENTAL: consiste em manter constantes
todas as causas, menos uma, que a que sofre variao para se
observarem seus efeitos.
Exemplos: Estudos da Qumica, da Fsica, etc.
MTODO ESTATSTICO: um processo para obter, apresentar
e analisar caractersticas ou valores numricos para uma melhor
tomada de deciso em situaes de incerteza.
Exemplo: Quais as causas que denem o preo de uma mercado-
ria quando a sua oferta diminui?
Comentrio: Seria impossvel, no momento da pesquisa, manter
constantes a uniformidade dos salrios, o gosto dos consumido-
res, o nvel geral de preos de outros produtos, etc.
1.4. Fases do mtodo estatstico
importante conhecer todas as fases do mtodo estatstico, pois voc
dever segui-las quando desejar fazer uma pesquisa.
Vendas
Duplicatas a Pagar
Despesa de Salrios
Contas a Receber
Despesas de Juros
Receitas de Servios
Despesas de Aluguel
Prejuzos Acumulados
50.000
6.000
10.000
8.000
2.000
17.000
3.000
4.000
Apresentao
dos dados
Denio
do
problema
Coleta de
dados
Apurao
dos dados
Planejamento
Comentando as fases do mtodo estatstico:
a
1 DEFINIO DO PROBLEMA: Saber exatamente o que se quer
pesquisar o mesmo que def nir corretamente o problema.
a
2 PLANEJAMENTO: Como levantar informaes? Que dados de-
vero ser obtidos? Qual o levantamento a ser utilizado: censitrio, por
amostragem? E o cronograma de atividades? Os custos envolvidos?
Captulo 1
13
Probabilidade e Estatstica
Amostragem
a
3 COLETA DE DADOS: Fase operacional. o registro sistemtico
de dados, com um objetivo determinado.
4 APURAO DOS DADOS: Resumo dos dados por meio de
sua contagem e de seu agrupamento. a condensao e tabulao de
dados.
5 APRESENTAO DOS DADOS: H duas formas de apresenta-
o, que no se excluem mutuamente. A apresentao tabular uma
apresentao numrica dos dados em linhas e colunas distribudas de
modo ordenado, segundo regras prticas f xadas pelo Conselho Nacio-
nal de Estatstica. A apresentao grf ca dos dados numricos constitui
uma apresentao geomtrica que permite uma viso rpida e clara do
fenmeno.
6 ANLISE E INTERPRETAO DOS DADOS:A ltima fase do
trabalho estatstico a mais importante e delicada. Est ligada essen-
cialmente ao clculo de medidas e coef cientes, cuja f nalidade princi-
pal descrever o fenmeno (estatstica descritiva).
ATIVIDADE 1: Responda a questo a seguir:
Em que fase do mtodo estatstico devemos:
a) ter uma viso rpida e clara do fenmeno?
b) fazer o registro sistemtico de dados?;
c) fazer a condensao e tabulao de dados?
d) ser mais cuidadosos, pois a fase mais importante e delicada
do mtodo?
e) fazer o cronograma de atividades?
f) denir corretamente o problema?
1.5 Conceitos bsicos
Muitas vezes, apesar dos recursos computacionais e da boa vontade, no
possvel estudar todo um conjunto de dados de interesse, pois ca caro
e leva muito tempo. Assim, normalmente, se trabalha com partes da
populao denominadas de amostras.
1.5.1 Populao
Populao o conjunto total de elementos portadores de, pelo menos,
uma caracterstica comum.
Note-se que o termo populao usado num sentido amplo e no signi-
ca, em geral, conjunto de pessoas.o
14
Captulo 1
Exemplos:
a) o conjunto das rendas de todos os habitantes do Esprito Santo;
b) o conjunto de todas as notas dos alunos de Estatstica;
c) o conjunto das alturas de todos os alunos da Universidade; etc.
Um levantamento efetuado sobre toda uma populao denominado
de levantamento censitrio ou Censo.
1.5.2 Amostras
Amostras so parcelas representativas de uma populao, examinada
com o propsito de se tirarem concluses sobre essa populao.
Exemplos:
a) antes da eleio diversos rgos de pesquisa e imprensa ouvem um
conjunto selecionado de eleitores para ter uma idia do desempenho
dos vrios candidatos nas futuras eleies;
b) uma empresa metal-mecnica toma uma amostra do produto fabri-
cado em intervalos de tempo especicados para vericar se o pro-
cesso est sob controle e evitar a fabricao de itens defeituosos;
c) o IBGE faz levantamentos peridicos sobre emprego, desemprego,
inao, etc;
d) redes de rdio e TV se utilizam constantemente dos ndices de po-
pularidade dos programas para xar valores da propaganda, ou en-
to, modicar ou eliminar programas com audincia insatisfatria;
e) bilogos marcam pssaros, peixes, etc, para tentar prever e estudar
seus hbitos.
ATIVIDADE 1:
1) Estabelea a populao, a amostra e o tipo de fonte de dados
em cada caso:
a) Numa escola de primeiro grau com 560 alunos matriculados,
foram sorteados 100 alunos que responderam a um questionrio
sobre preferncia por refrigerantes.
b) Um administrador fez uma pesquisa para analisar o crescimen-
to da populao urbana de 1980 a 2000. Para obter os dados, re-
correu ao anurio do IBGE (Instituto Brasileiro de Geograa e
Estatstica).
15
Amostragem
2) Pretende-se fazer um estudo sobre o nmero de irmos dos
alunos do 10 ano de escolaridade de uma Escola Secundria.
Para isso, efetuou-se um questionrio, ao qual responderam 60
alunos.
Indique:
a) a populao em estudo;
b) a amostra escolhida;
c) a varivel em estudo e classique-a.
1.5.3 Varivel
Varivel , convencionalmente, o conjunto de resultados possveis
de um fenmeno.
Varivel qualitativa: quando seus valores so expressos por atribu-
tos: Exemplo: sexo, cor da pele, etc.
Varivel quantitativa: quando os dados so de carter nitidamente
quantitativo, e o conjunto dos resultados possui uma estrutura nu-
mrica. Divide-se em:
a) Varivel discreta: seus valores so expressos geralmente por nme-
ros inteiros no negativos. Resulta normalmente de contagens.
Exemplo:
a) nmero de computadores vendidos no ms (231);
b) quantidade de placa me em estoque (346).
b) Varivel contnua: resulta normalmente de uma mensurao, e a escala
numrica de seus possveis valores corresponde ao conjunto R dos
nmeros Reais, ou seja, pode assumir, teoricamente, qualquer valor
entre dois limites.
Exemplo:
a) quando se mede a temperatura do corpo de algum com um
termmetro de mercrio, o que ocorre o seguinte: o lete
de mercrio, ao dilatar-se, passa por todas as temperaturas
intermedirias at chegar temperatura do corpo no mo-
mento da medio (37,6
o
C).
b) dimetro de um furo(23,456mm);
c) peso de um objeto(12,2345kg).
16
Captulo 1
ATIVIDADE 2:
1) Classique as variveis abaixo em qualitativas ou
quantitativas:
cor dos olhos dos alunos;
ndice de liquidez nas indstrias capixabas;.
produo de caf no Brasil;
nmero de defeitos em aparelhos de TV;.
comprimento dos pregos produzidos por uma empresa;
pontuao obtida em cada jogada de um dado.
2) Para os seguintes valores, indique as variveis discretas (D) e
as contnuas (C):
(a) peso do contedo de um pacote de DVD virgem;
(b) dimetro de um CD;
(c) nmero de artigos defeituosos produzidos;
(d) nmero de indivduos, em uma rea geogrca, que recebem
seguro- desemprego;
(e) nmero mdio de clientes potenciais visitados por vendedores
de uma empresa durante o ltimo ms;
(f) temperatura interna de um computador;
(g) nmero de unidades estocadas de um artigo;
(h) razo entre o ativo circulante e o passivo exigvel;
(i) total de toneladas embarcadas;
(j) quantidade embarcada de computadores;
(k) volume de trfego de um posto de pedgio;
(l) nmero de comparecimento ao encontro anual de uma
companhia.
3) Em uma empresa de informtica, a produo medida de duas
maneiras: por quantidade de itens vendidos ou por lucro obtido.
Essas duas variveis so:
a) ( ) ambas discretas.
b) ( ) ambas continuas.
c) ( ) contnua e discreta, respectivamente.
d) ( ) discreta e continua, respectivamente.
1.6. Amostragem
O processo de escolha de uma amostra da populao denominado
de amostragem.
Quando a amostra tendenciosa, no podemos extrapolar os resultados
17
Amostragem
obtidos para o universo da populao. o caso da amostragem por con-
venincia, que ocorre quando a participao voluntria ou os elemen-
tos da amostra so escolhidos por uma questo de convenincia (mui-
tas vezes, os amigos e os amigos dos amigos). Deste modo, o processo
amostral no garante que a amostra seja representativa.
A melhor forma de conseguir este objetivo obter uma amostra alea-
tria de uma populao bem denida. Existem tcnicas de amostragem
a que devemos recorrer para assegurar que a amostra fornea uma boa
estimativa dos parmetros populacionais.
H vrios mtodos de amostragem: aleatria simples, (cada elemento
da populao tem igual probabilidade de ser escolhido para caracterizar
a amostra); amostragem sistemtica (depois de ordenada a populao,
seleciona-se a amostra probabilstica);amostragem estraticada, etc.
1.6.1 Amostragem casual ou aleatria simples
A amostragem casual ou aleatria simples o processo mais elementar
e frequentemente utilizado na coleta de dados. Todos os elementos da
populao tm que ter a mesma probabilidade de pertencerem amos-
tra. Equivale a um sorteio lotrico. Pode ser realizada numerando-se a
populao de 1 a n e sorteando-se, a seguir, por meio de um dispositivo
aleatrio qualquer, x nmeros dessa sequncia, os quais correspondero
aos elementos pertencentes amostra.
Exemplo 1:
Vamos obter uma amostra, de 10%, representativa para a pesquisa da
estatura de 90 alunos de uma escola:
1 passo Numeramos os alunos de 1 a 90.
2 passo Escrevemos os nmeros dos alunos, de 1 a 90, em pedaos iguais de
papel, colocamos em uma urna e, aps mistura, retiramos, um a um, os nove
nmeros que formaro a amostra.
Resultado obtido = { aluno 20, aluno 27, aluno 15, aluno 56, aluno 81,
aluno 12, aluno 66, aluno 54, aluno 72).
Exemplo 2:
Uma cidade turstica tem 30 hotis de trs estrelas. Pretende-se conhe-
cer o custo mdio da diria para apartamento de casal. Os valores popu-
lacionais consistem nos seguintes preos dirios: 125, 120, 135, 121, 122,
124, 125, 130, 138, 124, 120, 120, 125, 120, 119, 125, 123, 124, 128, 124,
124, 122, 128, 126, 123, 125, 122, 127, 125, 123.
Extraia uma amostra aleatria simples de tamanho 5 desta populao
18
Captulo 1
por sorteio.
R: Escrevemos os valores em papis, ento os colocamos em uma urna,
misturamos e sorteamos a amostra de n = 5.
Resultado obtido: n = (120, 124, 122, 128, 123)
Obs.: Quando o nmero de elementos da amostra muito grande, esse
tipo de sorteio torna-se muito trabalhoso. Nesse caso, utiliza-se uma
tabela de nmeros aleatrios ou isso feito por meio de soware que
gera esses nmeros.
1.6.2 Amostragem sistemtica
Amostra sistemtica constituda de elementos retirados da populao,
segundo um sistema preestabelecido.
conveniente quando a populao est naturalmente ordenada, como
chas em um chrio, listas telefnicas, etc.
Exemplo 1:
Suponha que uma empresa de telefonia xa deseja saber o grau da sa-
tisfao de seus usurios com os servios prestados. O nmero de assi-
nantes da ordem de 50.000 e ns desejamos selecionar uma amostra
aleatria de 1.000 assinantes com o intuito de obter a avaliao sobre os
servios.
Um modo alternativo de seleo a seleo de 1 assinante a cada 50. O
procedimento ser selecionar aleatoriamente um assinante entre os pri-
meiros 50, digamos que o vigsimo assinante(20) fosse selecionado. O
prximo selecionado seria o de ordem 70 (20+50), o seguinte de ordem
120 (70+50) e assim por diante, ou seja: 20, 70, 120, 170, 220 ....... . Com
esse mtodo so economizados recursos fsicos e nanceiros.
A amostra sistemtica frequentemente utilizada em pesquisas nas
quais o tamanho da populao grande ou que a pesquisa seja feita por
pessoas que no esto familiarizadas com tabelas de nmeros aleatrios
ou com uso de soware.
No caso da seleo de amostra aleatria simples de assinantes, seria ne-
cessrio que tivssemos os assinantes numerados, sequencialmente, de
1 a 50.000 e seriam selecionados os 1.000 assinantes. A seleo poderia
ser feita com o uso de uma tabela de nmeros aleatrios ou de soware
19
Amostragem
que gerasse esses nmeros.
Exemplo 2:
dada uma populao constituda pelas 12 primeiras letras do alfabe-
to. Explique o que voc faria para obter uma amostra sistemtica de 3
elementos.
Resoluo:
Dividindo 12 por 3 obtm-se 4. Sorteie ento uma das quatro primeiras
letras do alfabeto. Essa letra sorteada ser a primeira da amostra. De-
pois, a partir dessa letra, conte quatro e retire a quarta letra para a amos-
tra. Repita o procedimento e retire mais uma letra de forma sucessiva.
Exemplo: Se a letra sorteada for B, ento a amostra ser C, G e K.
As amostras sistemticas so suscetveis a erros induzidos por perio-
dicidade naturais da populao, permitindo ao investigador prever e,
possivelmente, manipular quem entrar na amostra.
1.6.3 Amostragem proporcional estratificada
Quando a populao se divide em estratos (subpopulaes), convm
que o sorteio dos elementos da amostra os leve em considerao. Desse
modo, obtemos os elementos da amostra proporcionalmente ao nme-
ro de elementos desses estratos.
Exemplo:
Vamos obter uma amostra proporcional estraticada, de 10%, do exem-
plo anterior, supondo que, dos 90 alunos, 54 sejam meninos e 36 sejam
meninas. So, portanto, dois estratos (sexo masculino e sexo feminino).
Logo, temos:
SEXO POPULACO 10 % AMOSTRA
MASC. 54 5,4 5
FEMIN. 36 3,6 4
Total 90 9,0 9
Numeramos, ento, os alunos de 01 a 90 (de 01 a 54 para os meninos e
de 55 a 90 para as meninas) e procedemos ao sorteio.
Tabela 1.1 Amostra proporcional estraticada
20
Captulo 1
Exemplo:
Em determinada regio, a populao com cursos superiores composta
por 40% de homens e 60% de mulheres. Deseja-se fazer uma pesquisa
com 50 pessoas com cursos superiores.
Neste caso, seleciona, os dois grupos (homens e mulheres) e sorteiam-
se 20 homens e 30 mulheres.
Homens = 40% de 50 = 20;
Mulheres = 60% de 50 = 30.
Na realidade, a amostragem proporcional estraticada leva em
considerao as diferenas que h dentro de uma populao e
mais democrtica.
Riscos da amostragem.
O processo de amostragem envolve riscos, pois toma-se decises so-
bre toda a populao com base em apenas uma parte dela. A teoria
da probabilidade, que veremos neste curso, pode ser utilizada para
fornecer uma idia do risco envolvido, ou seja, do erro cometido ao
utilizar uma amostra ao invs de toda a populao.
ATIVIDADE 3:
1) Imagine que voc tem 500 cadastros arquivados em sua empre-
sa, dos quais voc quer uma amostra de 2%. Como voc procede-
ria para obter uma amostra sistemtica e uma amostra aleatria?
2) Uma populao se encontra dividida em quatro estratos, com
tamanhos N
1
= 90, N
2
= 120, N
3
= 60 e N
4
= 480. Ao se realizar
uma amostra, doze elementos da amostra foram retirados do pri-
meiro estrato. Qual o nmero de elementos de cada estrato?
3) Com o objetivo de fazer testes de qualidade com determinados
produtos de uma empresa de informtica, optou-se por realizar um
levantamento por amostragem. A populao constituda por:
Produto A: A1, A2, A3, A4, A5, A6, A7, A8, A9, A10;
Produto B: B1, B2, B3, B4, B5, B6, B7, B8, B9, B10;
Produto C: C1, C2, C3, C4, C5, C6, C7, C8, C9, C10,
C11, C12, C13, C14,C15,C16, C17, C18, C19, C20,
C21, C22, C23, C24, C25, C26, C27, C28, C29, C30.
21
Amostragem
Como voc faria para obter uma amostra global, de tamanho 10?
4) Uma escola possui 120 alunos, sendo 32 na quinta srie, 24 na
sexta srie, 26 na stima srie e 38 na oitava srie. Em uma amos-
tra de 15 alunos, quantos de cada srie faro parte dessa amostra,
nessa mesma ordem de sries?
a) 4, 2, 3 e 6 alunos
b) 4, 3, 4 e 4 alunos
c) 5, 2, 3 e 5 alunos
d) 4, 3, 3 e 5 alunos
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
____________________________________________________
22

SRIES E CONSTRUO DE
GRFICOS
Ol, Aluno(a)!
Neste captulo, estudaremos sries e construo de grcos. As ta-
belas, os grcos e as guras so elementos grcos que apresen-
tam dados ou informaes com a nalidade de facilitar sua leitura
e compreenso.
Bons estudos!
2.1 Srie estatstica
Qualquer tabela que apresente a distribuio de um conjunto de dados
estatsticos em funo da poca, do local ou da espcie uma srie
estatstica.
Os trabalhos tcnico-cientcos utilizam-se, em geral, de tabe-
las estatsticas para apresentar dados. Elas podem ser denidas
como conjuntos de dados estatsticos associados a um fenmeno,
dispostos numa determinada ordem de classicao. Expressam,
pois, as variaes qualitativas e quantitativas de um fenmeno.
TABELA um quadro que resume um conjunto de dados dispos-
tos em linhas e colunas de maneira sistemtica.
De acordo com a Resoluo 886, do IBGE, nas casas ou clulas da
tabela, devem-se inserir:
um trao horizontal (-) quando o valor zero;
trs pontos (...), quando no se tm os dados;
zero (0),quando o valor muito pequeno para ser expresso
pela unidade utilizada;
um ponto de interrogao (?),quando h dvidas quanto
exatido de determinado valor.
Obs.: o lado direito e o esquerdo de uma tabela ocial devem ser
abertos.
24
Captulo 2
2.1.1 Srie temporal
Tambm chamada de histrica ou evolutiva, a srie temporal identica-
se pelo carter varivel do fator cronolgico (tempo). O local e a espcie
(fenmeno) so elementos xos.
Exemplo:
Ano Evoluo das reservas brasileiras
(em bilhes de dlares)
2000 32
2001 36
2002 37
2003 49
2004 52
2005 53
2006 85
2007 180
2008 190
Fonte: Revista Veja - edio 2050
Observar que a Evoluo das reservas brasileiras (em bilhes de dla-
res) variou com o tempo (de 2000 a 2008).
2.1.2 Srie geogrfica
Tambm chamada de espacial, territorial ou de localizao, a srie geo-
grca apresenta como elemento varivel o fator geogrco. A poca e o
fato (espcie) so elementos xos.
Exemplo:
FILIAIS COMPUTADORES
So Paulo VENDIDOS
Rio de Janeiro 12.645
Minas Gerais 15.765
Esprito Santo 13.410
TOTAL 8.546
Tabela 2.1 Evoluo das reservas brasileiras
Tabela 2.2 Vendas em 2007 da empresa ABC Informtica Ltda.
25
Sries e Construo de Grficos
Observar como as vendas de computadores da empresa ABC Infor-
mtica Ltda. variaram em 2007 nos estados da regio Sudeste; ou seja,
houve variao geogrca.
2.1.3 Srie especfica
Tambm chamada de categrica, a srie especca tem como carter va-
rivel apenas o fato ou espcie.
Exemplo:
Setores Vendas (milhes de dlares)
Comunicao 56.927,70
Hardware 20.488,20
Servios de Soware 7.300,40
Servios 5.603,50
Soware 2.419,10
Distribuio 1.380,40
Internet 657,40
Fonte: Info Exame ago. 2007.
Observar que houve variao por setores de empresas de tecnologia do
Brasil e no h informao quanto variao no tempo ou por regio.
De uma forma geral, se a srie simples no for temporal ou geogrca,
voc pode consider-la especca.
2.1.4 Sries conjugadas
Tambm chamadas de tabelas de dupla entrada, as sries conjugadas so
apropriadas apresentao de duas ou mais sries de maneira conjuga-
da, com duas ordens de classicao: uma horizontal e outra vertical. O
exemplo abaixo o de uma srie geogrco-temporal.
Exemplo:
FILIAIS Janeiro Fevereiro Maro Abril Maio Junho
So Paulo 1200 1280 1360 1440 1520 1600
Rio de Janeiro 1350 1390 1430 1470 1510 1550
Minas Gerais 1410 1670 1930 2190 2450 2710
Esprito Santo 1046 1099 1152 1205 1258 1311
TOTAL 5006 5439 5872 6305 6738 7171
Tabela 2.3 Vendas por setor em 2006 das 200 maiores empresas de tecnologia do
Brasil.
Tabela 2.4 Vendas no 1 bimestre de 2007 da empresa ABC Informtica Ltda.
26
Captulo 2
Observar que as vendas de computadores variam nos estados da regio
Sudeste, de janeiro a junho de 2007, caracterizando, assim, a srie con-
jugada geogrco-temporal.
ATIVIDADE 1:
1) Que tipo de srie est representado nesta tabela?
TERMINAIS TELEFNICOS EM SERVIO 1992-1993
REGIES 1992 Fevereiro 1993
Norte 375.658 1280 403.494
Nordeste 1.379.101 1390 1.486.649
Sudeste 6.729.467 1670 7.231.634
Sul 1.608.989 1099 1.746.232
Centro-oeste 778.925 5439 884.822
Fonte: Ministrio das Comunicaes.
2) Qual a origem dos dados para a elaborao da tabela?
3) Procure identicar em jornais ou em revistas exemplos das sries
apresentadas.
2.2 Grficos estatsticosg
Grcos estatsticos so representaes visuais dos dados estatsti-
cos. No substituem as tabelas estatsticas apenas fornecem uma
representao mais imediata dos dados.
Os grcos estatsticos tm como caractersticas a simplicidade, a clare-
za e a veracidade. Fazem uso de escalas e do sistema de coordenadas e
possibilitam uma compreenso mais imediata dos dados.
Veremos a seguir os tipos de grcos mais utilizados
2.2.1 Diagramas
Diagramas so grcos geomtricos dispostos em duas dimenses. So
os mais usados na representao de sries estatsticas, por esse motivo
no abordaremos os outros tipos de grcos. Os diagramas podem ser:
a) Grcos Em Linhas Ou Lineares
Grcos em linhas ou lineares so os frequentemente usados para re-
presentao de sries cronolgicas com um grande nmero de pero-
dos de tempo. As linhas so mais ecientes do que as colunas quando
27
existem intensas utuaes nas sries ou quando h necessidade de se
representarem vrias sries em um mesmo grco.
Exemplo:
Ano Evoluo das reservas brasileiras
(em bilhes de dlares)
2000 32
2001 36
2002 37
2003 49
2004 52
2005 53
2006 85
2007 180
2008 190
Fonte: Revista Veja - edio 2050
0
20
40
60
80
100
120
140
160
180
200
1998 2000 2002 2004 2006 2008 2010
Figura 1: Grco Evoluo das reservas brasileiras
Observe que as reservas brasileiras dispararam depois de 2005.
O grco retrata isso mais facilmente!
b) Grcos em Barras horizontais
Quando as legendas no so breves, usam-se de preferncia, os grcos
em barras horizontais. Neles, os retngulos tm a mesma altura e as ba-
ses so proporcionais aos respectivos dados.
Exemplo :
Tabela 2.5 Evoluo das reservas
28
Captulo 2
Empresas Funcionrios
ATENTO BRASIL (Servios) 54.415
CONTAX (Servios) 49.397
DEDIC (Servios) 14.903
EMBRATEL (Comunicao) 14.268
TELEFUTURA (Servios) 11.174
CSU CARDSYSTEM (Servios) 10.153
TIM (Comunicao) 9.972
SERPRO (Servios de Soware) 9.960
CTBC (Comunicao) 8.734
EDS (Servios) 8.239
Fonte: Info Exame, ago. 2007
ATENTO BRASIL (Servios)
0 10.000 20.000 30.000 40.000 50.000 60.000
CONTAX (Servios)
DEDIC (Servios)
EMBRATEL (Comunicao)
TELEFUTURA (Servios)
CSU CARDSYSTEM (Sevios)
TIM (Comunicao)
SERPRO (Servios de Software)
CTBC (Counicao)
EDS (Servios)
Figura 2 - Grco Empresas com maior nmero de funcionrios entre as maiores
empresas de tecnologia do Brasil.
ATIVIDADE 2: Reproduza os dois tipos de grcos anteriores
usando uma planilha eletrnica, buscando novos dados em jor-
nais ou em revistas, e, a seguir, compare os resultados: lembre-se
de que o resultado dever ser o mesmo.
c) Grcos em barras verticais (colunas)
Quando as legendas no so breves, usam-se, de preferncia, os grcos
em barras verticais. Nesses grcos, os retngulos tm a mesma base e
as alturas so proporcionais aos respectivos dados.
Exemplo:
A tabela a seguir mostra alguns resultados das empresas com maior crescimen-
to de vendas - em % - entre as 200 maiores empresas de tecnologia do Brasil.
Tabela 2.6 Empresas com maior nmero de funcionrios entre as maiores empresas
de tecnologia do Brasil
29
Empresas Vendas (%)
VIATELECOM (Comunicao) 181,80
NEXTSYS (Soware) 156,90
PROVIDER (Servios) 85,30
TEELAP (Distribuio) 84,10
POSITIVO (Hardware) 77,60
HOLDI TI (Servios) 74,40
SYNTAX (Hardware) 71,10
TIVIT (Servios) 70,90
NEXTEL (Comunicao) 67,10
WITTEL (Soware) 65,00
Fonte: Info Exame, ago. 2007.
Figura 3: Grco Empresas com maior crescimento de vendas entre as 200 maiores
empresas de tecnologia do Brasil.
d) Grcos em colunas superpostas
Os grcos em colunas superpostas diferem dos grcos em barras ou
colunas convencionais apenas pelo fato de apresentarem cada barra ou
coluna segmentada em partes por componentes. Servem para represen-
tar comparativamente dois ou mais atributos.
Exemplo:
Construo de um diagrama em colunas superpostas que retrate os
lucros retidos e os dividendos da Empresa de Ao Steel Corporation ,
1969-74, em milhes de dlares.
Tabela 2.7 Empresas com maior crescimento de vendas entre as 200 maiores empre-
sas de tecnologia do Brasil.
0,00
20,00
40,00
60,00
80,00
100,00
120,00
140,00
160,00
180,00
200,00
VIATELECOM NEXTSYS
(Comunicao) (Servios de
PROVIDER TEELAP POSITIVO HOLDI TI SYNTAX TIVIT (Servios) NEXTEL WITTEL (Servios
(Servios) (Distribuio) (Hardware) (Servios) (Hardware) (Comunicao)
Software)
de Software)
30
Captulo 2
Ano Lucros Dividendos Lucros Retidos
1969 217 130 87
1970 148 130 18
1971 154 98 56
1972 157 87 70
1973 326 87 239
1974 635 119 516
Fonte: Fictcia

Figura 4: Grco lucros retidos e os dividendos da Steel Corporation, 1969-74.
ATIVIDADE 2.3
Reproduza os dois tipos de grcos anteriores, usando uma plani-
lha eletrnica, buscando tambm novos dados em jornais ou em
revistas. A seguir, compare os resultados; lembrando-se de que
este dever ser o mesmo.
e) Grcos em Setores (pizza)
Os grcos em setores so construdos com base em um crculo e so
empregados sempre que desejamos ressaltar a participao do dado no
total. O total representado pelo crculo, que ca dividido em tantos
setores quantas so as partes. Os setores so tais que suas reas so res-
pectivamente proporcionais aos dados da srie. O grco em setores s
deve ser empregado quando h, no mximo, sete dados para no sobre-
carregar sua partio.
Exemplo:
Tabela 2.8 lucros retidos e os dividendos da Steel Corporation, 1969-74.
0
100
200
300
400
500
600
700
1969 1970 1971 1972 1973 1974
31
Construo de um diagrama em setores que retrate a participao no
mercado mundial das empresas de smartphones.
Empresas Participao no mercado
mundial (%)
Symbian 71,7
Linux 14,3
Windows Mobile 6,9
Blackberry 4,7
Palm OS 2,3
Outros 0,1
Fonte: Info Exame, ago. 2007
Figura 5: Grco Participao no mercado mundial dos fabricantes de smartphones.
Observe que, atualmente, a empresa Symbian domina o mercado
de smartphones!
f ) Grco Polar (RADAR)
O grco polar o ideal para representar sries temporais cclicas, isto
, sries ideais que apresentem em seu desenvolvimento determinada
periodicidade, como a ocorrncia de chuvas no ano numa determinada
regio, a variao da temperatura ao longo do dia, a venda de monitores
da lial 1 durante a semana, o consumo de energia eltrica durante o
ms ou ano, o nmero de passageiros de uma linha de nibus ao longo
da semana, etc.
O grco polar faz uso do sistema de coordenadas polares.
Exemplo:
Tabela 2.9 Participao no mercado mundial dos fabricantes de smartphones.
Symbian
71,7%
Linux
14,3%
Windows Mobile
6,9%
Blackberry
4,7%
Outros
0,1%
Palm OS
2,3%
Symbian
Linux
Windows Mobile
Blackberry
Palm OS
Outros
32
Captulo 2
Dada a srie: nmero de ocorrncias de manuteno efetuadas nos com-
putadores da companhia InfoWay em 2007.
MESES OCORRNCIAS
Janeiro 148
Fevereiro 164
Maro 152
Abril 188
Maio 160
Junho 176
Julho 164
Agosto 184
Setembro 164
Outubro 219
Novembro 211
Dezembro 140
FONTE: Sindan.
1. traamos uma circunferncia de raio arbitrrio (em particular, da-
mos preferncia ao raio de comprimento proporcional mdia dos
valores da srie);
6. construmos uma semi-reta (de preferncia, na horizontal) partindo
de O (polo) e com uma escala (eixo polar);
7. dividimos a circunferncia em tantos arcos quantas forem as unida-
des temporais;
8. traamos, a partir do centro O (polo), semirreta passando pelos
pontos de diviso;
9. marcamos os valores correspondentes das ocorrncias de manuten-
o, iniciando pela semi-reta horizontal (eixo polar);
10. ligamos os pontos encontrados com segmentos de reta;
11. se pretendermos fechar a poligonal obtida, empregamos uma linha
interrompida.
Tabela 2.10 Nmero de ocorrncias de manuteno
33
Figura 6: Grco nmero de ocorrncias efetuadas nos computadores em 2007
Pelo grco, percebemos que os meses em que houve mais ocorrn-
cias efetuadas nos computadores foram outubro e novembro; com
essa informao, podemos nos planejar para esses meses, contratan-
do mais funcionrios, etc. Observe quanto uma informao como
essa importante em sua vida prossional!
Exemplo 2:
Comparar os itens mais vendidos de uma empresa de informtica, por
meio de grco polar, nos meses de janeiro e fevereiro de 2010.
Itens mais Vendidos Janeiro Fevereiro
Placas-me 280 250
Teclados 350 400
Mouses 400 320
Impressoras 180 220
Fontes 203 150
Gabinetes 281 260
Processadores 98 130
Tabela 2.11 Itens mais vendidos de uma empresa de informtica.
Janeiro
Fevereiro
Maro
Abril
Maio
Junho
Julho
Agosto
Setembro
Outubro
Novembro
Dezembro
300
200
100
0
34
Figura 7 Grco itens mais vendidos de uma empresa de informtica
____ Vendas em janeiro - - - - Vendas em fevereiro
Anlise:
Observando o grco polar, vericamos que houve queda de vendas
em Placas-me, mouses, fontes e gabinetes, enquanto as vendas aumen-
taram para teclados, impressoras e processadores.
2.3 Uso indevido de grficos
Muitas vezes, o uso indevido dos grcos pode trazer uma interpretao
falsa dos dados que esto sendo analisados, chegando mesmo a con-
fundir o leitor. Vejamos, atravs de um exemplo, como esse fato pode
ocorrer. Os dois grcos apresentados a seguir representam os mesmos
dados, e a primeira impresso a de que os dois representam dados
nitidamente diferentes.
No grco (a), as utuaes das vendas aparecem nitidamente, j no
grco(b), tem-se a impresso de que a utuao das vendas no mani-
festa praticamente tendncia alguma, exceto leve utuao.
Trata-se, na realidade, de um problema de construo de escalas. En-
quanto o grco(a) apresenta-se com uma escala mais ou menos con-
vencional, o grco(b) revela propores consideravelmente diferentes
para as escalas em que foram divididos os dois eixos.
Captulo 2
35
Vendas de computadores no ano de 2009 da empresa ABC informtica.
Figura 8 Grco A Viso real dos dados
0
1000
2000
3000
4000
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
Figura 9 Grco B - Viso distorcida dos dados
Veja os dados reais de vendas de computadores no ano de 2009 da em-
presa ABC informtica:
Ms Vendas
Jan 2401
Fev 2520
Mar 1900
Abr 2610
Mai 1940
Jun 2750
Jul 2200
Ago 2970
Set 2980
Out 3180
Nov 3420
Dez 3800
Tabela 2.12 Vendas de computadores no ano de 2009 da empresa ABC informtica
36
ATIVIDADE 2.4
1) Reproduza os grcos anteriores, manualmente e usando uma
planilha eletrnica, buscando novos dados em jornais ou em re-
vistas, e, a seguir, compare os resultados; lembrando-se de que o
resultado dever ser o mesmo.
2) Monte um grco do tipo barras verticais das empresas que
apresentaram maior lucro, em milhes de reais, entre as empresas
de tecnologia:
Empresas Lucro (em Milhes de Reais)
Empresa 1 150,50
Empresa 2 95,70
Empresa 3 47,30
Empresa 4 42,90
Empresa 5 37,50
Empresa 6 33,60
Empresa 7 27,30
Empresa 8 19,10
Empresa 9 9,30
Empresa 10 7,90
3) Numa empresa de manuteno em informtica, 60% dos fun-
cionrios vo fazer manuteno em monitores, 24 % em mouses e
teclados, 8% em fontes e 8% nas demais peas do computador. O
grco que melhor representa essa situao o de:
e) ( ) Linha
f) ( ) Barras
g) ( ) Setores
h) ( ) Colunas superpostas
Chegamos ao nal de mais um captulo; nele, vimos as diversas for-
mas de organizar e analisar os dados de uma srie de observaes,
as tabelas de frequncias e os mtodos grcos. importante que
esses conceitos estejam bem compreendidos; caso contrrio, faa
uma reviso, pois eles sero necessrios nos prximos captulos.
Vamos para o captulo 3!
Captulo 2
MTODOS GRFICOS
Ol, Aluno (a)!
Neste captulo, estudaremos mtodos grcos, que so os histogra-
mas que serviro de base para a compreenso dos captulos seguin-
tes. Entender esse contedo, ento, de fundamental importncia,
pois a anlise grca em estatstica feita com base nele.
Bons estudos!
3.1 Distribuio de frequncia
Distribuio de frequncia um tipo de tabela que condensa uma cole-
o de dados conforme as frequncias (repeties de seus valores).
Distribuio de frequncias uma tcnica para apresentar uma
coleo de objetos classicados de modo a mostrar a quantida-
de existente em cada classe. Ser muito utilizada em frequncias
de probabilidades. Resumidamente, signica agrupar os dados
repetidos.
Ol, Turma!
Acompanhe atentamente os passos seguintes, pois vamos usar um
exemplo para deixar bem clara cada etapa.
3.1.1 Tabela primitiva ou tabela de dados brutos
a tabela inicial de coleta de dados, os elementos no so numerica-
mente organizados. difcil formar uma ideia exata do comportamento
da pesquisa efetuada.
Exemplo:
Foram tomados os preos de 20 monitores de 15 polegadas, LCD, em 20
empresas de informtica.
38
Captulo 3
Figura 10: Monitores LCD
Empresas Valor do monitor
Empresa 1 R$ 418,0
Empresa 2 R$ 420,0
Empresa 3 R$ 418,0
Empresa 4 R$ 410,0
Empresa 5 R$ 413,0
Empresa 6 R$ 430,0
Empresa 7 R$ 420,0
Empresa 8 R$ 430,0
Empresa 9 R$ 416,0
Empresa 10 R$ 418,0
Empresa 11 R$ 418,0
Empresa 12 R$ 420,0
Empresa 13 R$ 417,0
Empresa 14 R$ 418,0
Empresa 15 R$ 420,0
Empresa 16 R$ 430,0
Empresa 17 R$ 418,0
Empresa 18 R$ 430,0
Empresa 19 R$ 415,0
Empresa 20 R$ 418,0
Como podemos ver, no possvel identicar, de imediato, quem
tem o menor ou o maior preo.
Tabela 3.1 Preos de 20 monitores LCD
39
Mtodos Grficos
3.1.2 ROL
a tabela obtida aps a ordenao dos dados (crescente ou decrescente).
Vamos continuar utilizando o exemplo anterior para construir nos-
sa tabela ROL.
Exemplo
Empresas Valor do monitor
Empresa 4 R$ 410,0
Empresa 5 R$ 413,0
Empresa 19 R$ 415,0
Empresa 9 R$ 416,0
Empresa 13 R$ 417,0
Empresa 1 R$ 418,0
Empresa 3 R$ 418,0
Empresa 10 R$ 418,0
Empresa 11 R$ 418,0
Empresa 14 R$ 418,0
Empresa 17 R$ 418,0
Empresa 20 R$ 418,0
Empresa 2 R$ 420,0
Empresa 7 R$ 420,0
Empresa 12 R$ 420,0
Empresa 15 R$ 420,0
Empresa 6 R$ 430,0
Empresa 8 R$ 430,0
Empresa 16 R$ 430,0
Empresa 18 R$ 430,0
Observou!? Agora temos, de imediato, a empresa que vende mais
barato, a que vende mais caro...
3.1.3 Distribuio de frequncia sem intervalos de
classe
A distribuio de frequncia sem intervalos de classe a simples con-
densao dos dados, conforme as repeties de seus valores; ou seja, a
ocorrncia que o valor repete. usada para diminuir o tamanho da srie.
Tabela 3.2 Ordenao dos preos dos monitores
40
Captulo 3
Exemplo:
Vamos continuar utilizando o exemplo anterior para construir a distri-
buio de frequncia sem intervalos de classe.
Valor do monitor Nmero de empresas
com o mesmo preo
R$ 410,0 1
R$ 413,0 1
R$ 415,0 1
R$ 416,0 1
R$ 417,0 1
R$ 418,0 7
R$ 420,0 4
R$ 430,0 2
Total 20
Notou!? O tamanho da tabela foi reduzido; as informaes continu-
aram as mesmas.
a) Diagrama de uma distribuio de frequncia
Uma distribuio de frequncia sem intervalos de classe representada
gracamente por um diagrama, em que cada valor da varivel repre-
sentado por um segmento de reta vertical e de comprimento proporcio-
nal respectiva frequncia.

0
1
2
3
4
5
6
7
8
R$ 405,0 R$ 410,0 R$ 415,0 R$ 420,0 R$ 425,0 R$ 430,0 R$ 435,0
Valor do monitor
N
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
41
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
42
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.
43
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=10 (Primeira Classe) 439 |------- 442* 8
Total 200
Tabela 3.5 Classe Frequncia de preos de 200 monitores
44
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).
45
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.
46
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.
47
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
48
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 (%)
49
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
50
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
+ +
=
51
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.
52
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
53
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!
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!
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.

56
Captulo 4
4.3 Representao dos valores de uma srie de
valores
Os valores de uma srie de valores sero representados por uma letra
maiscula, normalmente X, e a sua posio na srie, por uma letra mi-
nscula, normalmente i. A quantidade total de valores na srie ser re-
presentada por n.
Na srie X: 4, 8, 12, 20 e 50, temos: X1= 4; X2= 8; X3=12; X4=12; X5=50
e n=5.
Em um conjunto de dados, podemos def nir vrios tipos de m-
dias. Porm, em nossos estudos, vamos nos limitar ao mais im-
portante: a mdia aritmtica.
4.4 Mdia aritmtica ( x )
igual ao quociente da soma dos valores do conjunto e o nmero
total dos valores.
A mdia sempre ser indicada por uma letra maiscula com um
trao superior.
Exemplo 1:
Calcular a mdia dos valores anteriores:
4, 8, 12, 20 e 50.
Exemplo 2:
Calcular a mdia dos valores a seguir:
2; - 4; 0; 11; 1; 20; 30.
57
Medidas de Ordenamento e de Posio
4.4.1 Mdia Aritmtica para dados no-agrupados:
Quando desejamos conhecer a mdia dos dados no-agrupados em ta-
belas de frequncias, determinamos a mdia aritmtica simples, con-
forme j visto no item anterior.
Exemplo:
A venda diria de memria RAM 1 GB , durante uma semana, foi de
100, 140, 130, 150, 160, 180 e 120 unidades; ento, a venda mdia diria
de memria RAMfoi:
Figura 15: Memria RAM
X = (100 + 140 + 130 + 150 + 160 + 180 + 120) / 7 = 140 unidades
O resultado obtido, 140, representa o valor dirio de venda de me-
mrias RAM. Ou seja, 140 representa os 7 valores.
4.4.2 Desvio em relao mdia
a diferena entre cada elemento da srie de valores e a mdia
aritmtica, ou seja: di = Xi X
No exemplo anterior, temos sete desvios:
d1 = 100 - 140 = - 40, d2 = 140 - 140 = 0, d3 = 130 - 140 =
-10, d4 = 150 - 140 = 10, d5 = 160 - 140 = 20, d6 = 180 -
140 = 40 e d7 = 120 - 140 = - 20.

58
4.4.3 Propriedades da mdia
1 propriedade: A soma algbrica dos desvios em relao mdia
sempre nula.
No exemplo anterior: d1 + d2 + d3 + d4 + d5 + d6 + d7 = 0
2 propriedade: Somando-se (ou subtraindo-se) uma constante
(c) a todos os valores de uma varivel, a mdia do conjunto ca
maior (ou menor) dessa constante.
Se no exemplo original somarmos a constante 2 a cada um dos valores
da varivel, teremos:
Y = 102+142+132+152+162+182+122 / 7 = 142 unidades ou
Y + 2 = 140 +2 = 142 unidades
3 propriedade: Multiplicando-se (ou dividindo-se) todos os va-
lores de uma varivel por uma constante (c), a mdia do conjunto
f ca multiplicada (ou dividida) por essa constante.
Se no exemplo original multiplicarmos a constante 3 a cada um dos
valores da varivel, teremos:
a) Z = 300 + 420 + 390 + 450 + 480 + 540 + 360 / 7 = 420 unidades
Z = X x 3 = 140 x 3 = 420 unidades
ATIVIDADE 4.1
1) Marque a opo correta. Na tabela primitiva: {6, 2, 7, 6, 5, 4} a
soma dos desvios em relao mdia aritmtica igual:
( ) ao nmero - 4
( ) ao nmero 8
( ) ao nmero 0
( ) ao nmero 25
( ) ao nmero 4
2) Numa empresa de informtica, a mdia de vendas de 130
computadores. A empresa faz uma promoo e a quantidade de
unidades vendidas aumenta em 20%. Assim, qual a mdia de ven-
Captulo 4
59
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
60
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 )
61
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.
62
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$) Frequncias
412 |------- 415 10
415|------- 418 15
418|------- 421 20
421|------- 424 25
424|------- 427 30
427|------- 430 30
430|------- 433 28
433|------- 436 22
436|------- 439 12
439|------- 442 8
Total 200
Calculando os valores de Xi. , teremos:
Classe Fi Xi Xi.
412|------- 415 10 413,5 4135
415|------- 418 15 416,5 6247,5
418|------- 421 20 419,5 8390
421|------- 424 25 422,5 10562,5
424|------- 427 30 425,5 12765
427|------- 430 30 428,5 12855
430|------- 433 28 431,5 12082
433|------- 436 22 434,5 9559
Captulo 4
Tabela 4.4 Preos de 200 monitores LCD da marca AOC em 200
empresas de informtica.
Tabela 4.5 Ocorrncias de Preos de 200 monitores LCD da marca AOC,
em 200 empresas de informtica (Xi. )
63
436|------- 439 12 437,5 5250
439|------- 442 8 440,5 3524
Total 200 85370
Logo, a mdia ser:
ATIVIDADE 4.3
1) Calcule o valor mdio da placa-me (mainboard ou motherbo-
ard), cujos valores esto distribudos a seguir:
Tipo de placa-me Valor R$ 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.
64
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?
65
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
66
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 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.
67
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
68
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.
69
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
70
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
71
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.
72
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 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
73
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
74
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
2 |----- 6 6
6 |----- 10 12
10|----- 14 24
14|----- 18 30
18|----- 22 6
Total 78
3. Srie C
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%
75
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}
76
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.
77
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
78
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.
79
ATIVIDADE 4.7
Calcule os 3 quartis das sries a seguir:
a) Teclados:
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;
80
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
81
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:
Tipo 1 344
Tipo 2 234
Tipo 3 656
Tipo 4 125
Tipo 5 111
82
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!
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!
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
84
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.
85
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
86
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.
87
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.
88
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.
89
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?
90
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
91
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.
92
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
93
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
94
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?
95
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.
96
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
97
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.
98
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!
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!
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.
100
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}.
101
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.
102
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:
Evento obter um nmero igual a 6.
3) Se E = , E chamado de evento impossvel.
Exemplo:
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;
103
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
104
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%
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%.
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%.
105
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.
106
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?
107
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.
108
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)
109
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?
110
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;
111
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)
112
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.
113
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
114
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.
115
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).
116

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
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?
117
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?
118

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!
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.
120
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.
121
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
122
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
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.
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!
123
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.
124
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
125
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
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
126
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
127
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
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?
128
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 :
129
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
130
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
131
ATIVIDADE 7.3
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?
132

VARIVEIS CONTNUAS E
DISTRIBUIES CONTNUAS
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!
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%.
134
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:
135
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
136
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
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).
137
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
138
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:
139
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%
140
Captulo 8
Portanto, o desvio padro igual a:

Clculo
ATIVIDADE 8.2
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
141
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
142
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.
143
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
144
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
145
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)
146
Captulo 8
ATIVIDADE 8.3
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?
147
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
148
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$2
149
Calcula o desvio padro:
= R$ 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.
150

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.
152

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
154
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)

.Uiramut
.Pacaraima
.Normandia
.Bonfim
.Cant
.Boa Vista
.Amajari
.Mucaja
.Caracara
.Rorainpolis
.So Joo da Baliza

LIEaD401Probabilidade e Estatistica COMPLETO

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

LIEaD401Probabilidade e Estatistica COMPLETO

Caricato da

Copyright:

Formati disponibili

Universidade Federal de Roraima

Ncleo de Educao a Distncia

LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:55 21/12/2010 17:30:54

LICINF_4P_ProbEsta_DIAGRAMACAO.indd Sec1:57 21/12/2010 17:30:54

Potrebbero piacerti anche