Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
APLICADA A
INFORMTICA
TADS UEPA
PROF. ERNANDO
-1-
NDICE
1 ESTATSTICA
1.1 Introduo Estatstica
1.1.1 Mtodo Estatstico
1.1.2 A Estatstica
1.1.3 Fases do Mtodo Estatstico
1.1.4 A Estatstica nas Empresas
1.1.5 Atividades Complementares
-2-
2 MEDIDAS ESTATSTICAS
2.1 Medidas de tendncia central (mdia, mediana, moda)
2.1.1 Mdia Aritmtica (X)
2.1.2 Moda (Mo)
2.1.3 Mediana (Md)
2.1.4 Atividades Complementares
3 PROBABILIDADE
3.1 Experimento Aleatrio
3.2 Espao Amostral
3.3 Eventos
3.4 Probabilidade
3.5 Eventos Complementares
3.6 Eventos Independentes
3.7 Eventos Mutuamente Exclusivos
3.8 Exerccios resolvidos
3.9 Atividades Complementares
3.10 Teorema de Bayes
-3-
1 CONCEITOS FUNDAMENTAIS
1.1
Introduo Estatstica
-4-
1.1.2 A Estatstica
A utilizao das PESQUISAS muito comum nas mais diversas atividades humanas.
Muitas decises so tomadas tendo como ponto de partida a anlise de resultados de
cuidadosas pesquisas.
Exemplos:
Na poca das eleies, as pesquisas eleitorais fornecem elementos para que os
partidos e os candidatos redimensionem a campanha eleitoral.
Quando do levantamento de um novo produto, as indstrias realizam pesquisas junto
aos consumidores para sondar a aceitao desse produto.
Emissoras de televiso frequentemente fazem pesquisas com os espectadores, a fim
de observarem a aceitao de seus programas.
Concluso:
A Estatstica uma parte da Matemtica Aplicada que estuda mtodos para a coleta, a
organizao, descrio, anlise e interpretao de dados. Todo o seu estudo objetiva,
entre outros, a tomada de decises.
A coleta, a organizao e a descrio dos dados esto a cargo da Estatstica Descritiva,
enquanto a anlise e a interpretao desses dados ficam a cargo da Estatstica
Indutiva ou Inferencial.
-5-
-7-
Exemplo:
Imaginemos uma escola com 400 alunos (meninos, idades entre 6 e 16 anos).
Se quisermos fazer um estudo das estaturas (qual a estatura mdia?) podemos
simplificar o trabalho colhendo uma amostra de, digamos, 40 alunos e estudar o
COMPORTAMENTO DA VARIVEL ESTATURA APENAS nesses alunos.
A varivel estudada poderia ser inteligncia, nmero de filhos, nmero de cries, notas
em histria ou renda familiar.
Uma amostra, para ser BOA, tem de ser REPRESENTATIVA, ou seja, deve conter EM
PROPORO tudo o que a populao possui QUALITATIVA E QUANTITATIVAMENTE.
E tem de ser IMPARCIAL, isto , todos os elementos da populao devem ter IGUAL
OPORTUNIDADE de fazer parte da amostra.
Logo, algum amigo poder fazer parte da amostra, mas no todos.
Definies:
VARIVEIS (DADOS) so observaes (tais como medidas, sexos, respostas de
pesquisas) que tenham sido coletados.
ESTATSTICA uma coleo de mtodos para o planejamento de experimentos,
obteno de dados e, consequentemente organizao, resumo, apresentao, anlise,
interpretao e elaborao de concluses baseadas nos dados.
Uma POPULAO a coleo completa de todos os elementos (escores, pessoas,
medidas e outros) a serem estudados. A coleo completa no sentido de que inclui
todos os sujeitos a serem estudados.
Uma AMOSTRA um subconjunto finito de uma populao.
devolvam por correio a resposta a esta pergunta: Voc prefere usar o correio
eletrnico ou o correio usual? Ela recebe de volta 65 respostas, com 42 delas
indicando preferncia pelo correio usual.
2. Imagine que algum resolveu fazer uma pesquisa sobre o esporte preferido da
populao brasileira. Para tanto, entrevistou 2000 pessoas. Esta amostra da
populao brasileira estaria sendo representativa se:
1.
2.
3.
4.
todas
todas
todas
todas
fossem
fossem
fossem
fossem
do
da
da
da
mesmo
mesma
mesma
mesma
sexo?
idade?
cidade?
classe social?
Definies:
Dados Quantitativos consistem em nmeros que representam contagens ou medidas.
Dados Qualitativos (ou categricos ou de atributos) podem ser separados em
diferentes categorias que se distinguem por alguma caracterstica no-numrica.
Exemplos:
Dados Quantitativos: Os pesos de modelos.
Dados Qualitativos: Os sexos (masculino/feminino) de atletas profissionais.
Quando trabalhamos com dados quantitativos, importante usar as unidades de medida
apropriadas, tais como dlares, horas, metros, e assim por diante. Devemos ter especial
cuidado em observar referncias como todas as quantidades esto em milhares de
dlares ou todos os tempos esto em centsimos de segundo ou as unidades so
quilogramas. Ignorar tais unidades de medida pode levar a concluses muito erradas. A
NASA perdeu seu Mars Climate Orbiter de $125 milhes de dlares quando ele bateu
porque o programa de controle tinha dados de acelerao em unidades inglesas, que
foram interpretadas incorretamente como unidades mtricas.
Os dados quantitativos podem ainda ser descritos pela distino entre os tipos
discretos e contnuos.
Definies:
Dados Discretos surgem quando o nmero de valores possveis ou um nmero finito
ou uma quantidade enumervel. (Isto , o nmero de valores possveis 0, ou 1, ou 2
e assim por diante.)
- 11 -
- 12 -
Cada nvel supe certas caractersticas associadas s grandezas nele contidas. Assim, h
caractersticas de 1 Nvel, 2 Nvel, 3 Nvel e 4 Nvel. A complexidade e a informao
aumentam com o Nvel.
Nveis de Mensurao:
1 NVEL O Nvel Nominal de Mensurao caracterizado por dados que consistem
em nomes, rtulos ou categorias apenas. Os dados no podem ser ordenados (tal como
do menor para o maior). o nvel de mensurao mais baixo, mais rudimentar possvel.
Sua escala de medida chama-se NOMINAL. A base, o fundamento para a atribuio dos
nmeros de natureza QUALITATIVA, DISTINTIVA.
Exemplos:
Sim/no/indeciso: Respostas de pesquisa.
Cores: As cores de carros dirigidos por estudantes da faculdade (vermelho, preto,
azul, branco, e assim por diante).
Numa sala h 8 alunos, 5 dos quais do sexo masculino. Convencionando que os homens
sero designados por 1 e as mulheres, por 2, tudo o que se pode fazer escrever.
Joo
Pedro
Alberto
Carlos
Otvio
1
1
1
1
1
Maria 2
Adriana 2
Patrcia 2
ou dizer:
- H 5 x 1 = 5 Homens
- H 3 x 2 = 3 Mulheres
Exemplos:
Postos: Com base em vrios critrios, uma revista classifica cidades de acordo com
suas condies de habitao. Esses postos (primeiro, segundo, terceiro, e assim por
diante) determinam uma ordenao. No entanto, as diferenas entre os postos no
tm significado. Por exemplo, a diferena de segundo menos primeiro pode sugerir
2 - 1 = 1, mas essa diferena de 1 no tem significado porque no uma quantidade
que possa ser comparada a outras tais diferenas. A diferena entre a primeira e a
segunda, cidades, no a mesma que a diferena entre a segunda e a terceira
cidades. Usando a classificao da revista a diferena entre Belo Horizonte e Ipatinga,
no pode ser comparada quantitativamente com a diferena entre Belm e Marab.
Notas em Cursos: Um professor de faculdade atribui notas A, B, C, D ou F. Essas
notas podem ser arranjadas em ordem, mas no podemos determinar as diferenas
entre elas. Por exemplo, sabemos que A maior do que B (assim, h uma ordem),
mas no podemos subtrair B de A (assim, a diferena no pode ser encontrada).
Notas em Cursos: resultantes de provas tradicionais produzem mensuraes de 2
nvel. Assim, se Joo tirou 8 e Maria, 4, mais possvel concluir que Joo sabe mais
que Maria, embora NO se possa concluir que Joo saiba o dobro do que ela sabe.
Dados ordinais fornecem informaes sobre comparaes relativas, mas no as
magnitudes das diferenas. Usualmente, os dados ordinais no devem ser usados para
clculos, tais como uma mdia, mas essa orientao , algumas vezes, violada (tal como
quando usamos notas dadas por letras para calcular o conceito mdio da turma).
3 NVEL O Nvel Intervalar de Mensurao como o nvel ordinal, com a
propriedade adicional de que a diferena entre quaisquer dois valores de dados
significativa. No entanto, os dados nesse nvel no tm um ponto inicial zero natural
(quando o nada da quantidade est presente). no 3 nvel que surge, pela 1 vez, uma
escala de medida propriamente dita. a escala INTERVALAR, caracterizada pela
existncia de:
- Uma unidade de medida (arbitrria, porm fixa);
- Um zero relativo, isto , convencional.
Exemplos:
Anos: Os anos 1000, 2000, 1776 e 1492. (O tempo no comea no ano 0, de modo
que o ano 0 arbitrrio e no um ponto inicial zero natural que represente nenhum
tempo.)
As escalas termomtricas. O zero convencional em todas, bem como a distncia
entre dois traos contguos os chamados GRAUS.
Assim, se o corpo A est a 40C e outro, B, a 10C, no tem sentido dizer que A
quatro vezes mais quente que B s porque 40:10 = 4. Os valores so ordenados, e
podemos determinar a sua diferena de 30C. No entanto, no h um ponto inicial
natural. O valor de 0C pode parecer um ponto inicial, mas arbitrrio e no significa
ausncia total de calor. Como 0C no um ponto inicial zero natural, errado dizer
que 50C duas vezes mais quente do que 25C. Mas no h dvida de que A bem
mais quente que B.
4 NVEL O Nvel de Mensurao de Razo o nvel intervalar com a propriedade
adicional de que h tambm um ponto inicial zero natural (onde zero indica que nada da
quantidade est presente). Para valores nesse nvel, diferenas e razes so, ambas,
significativas. O 4 nvel define a chamada escala de razo ou RACIONAL. Essa escala
- 15 -
muito parecida com a de 3 nvel, exceto quanto origem: o zero absoluto, isto ,
zero mesmo.
Em funo disso, todas as operaes aritmticas passam a ter sentido e, portanto, NO
H CLCULO QUE NO POSSA SER FEITO.
Exemplos:
Pesos: Os pesos (em quilates) de diamantes de anis (0 representa nenhum peso, e
4 quilates duas vezes mais que 2 quilates).
Preos: Os preos de livros-texto (R$0,00 representa nenhum custo, e um livro de
R$90,00 custa trs vezes um livro de R$30,00).
Esse nvel de mensurao chamado nvel de razo porque o ponto inicial zero torna as
razes significativas. Entre os quatro nveis de mensurao, a maior dificuldade surge
entre os nveis intervalar e de razo.
4. Alm do Bsico
a. Interpretao do Aumento da Temperatura. Na tirinha do desenho Born
Loser de Art Sansom, Brutus expressa satisfao com o aumento da temperatura
de 1 para 2. Quando perguntam a ele o que h de to bom em relao a 2 , ele
responde duas vezes mais quente do que essa manh. Explique por que Brutus
est errado mais uma vez.
b. Interpretao da Pesquisa Poltica. Um pesquisador entrevista 200 pessoas e
lhes pergunta sobre o partido poltico de sua preferncia. Ele codifica as respostas
como 0 (para PT), 1 (para PSDB), 2 (para PMDB), 3 (para quaisquer outras
respostas). Ele calcula, ento, a mdia dos nmeros e obtm 0,95. Como se pode
interpretar esse valor?
c. Escala para Classificao de Comida. Um grupo de estudantes desenvolve uma
escala de classificao da qualidade da comida da lanchonete, com 0
representando neutra: nem boa nem ruim. Do-se nmeros negativos para
refeies ruins e nmeros positivos para refeies boas, com o valor absoluto dos
nmeros correspondendo a seriedade da m ou boa qualidade. As trs primeiras
refeies tiveram classificaes 2, 4 e -5. Qual o nvel de mensurao para tal
classificao? Justifique sua escolha.
- 17 -
- 18 -
Essas trs definies se aplicam aos estudos observacionais, mas agora mudamos nossa
ateno para os experimentos. Os resultados de experimentos so algumas vezes
destrudos por causa do confundimento.
Definio:
O confundimento ocorre em um experimento quando o pesquisador no est apto a
distinguir entre os efeitos de diferentes fatores.
Tente planejar o experimento de modo que o confundimento no ocorra.
Por exemplo, suponha que um professor na faculdade experimente uma nova ttica de
freqncia (sua mdia no curso cai um ponto para cada aula que voc mata), mas
ocorre um inverno excepcionalmente ameno, sem chuvas ou temporais fortes que
atrapalharam a freqncia no passado. Assim, se a freqncia melhorar, no poderemos
determinar se essa demora se deveu nova ttica ou ao inverno ameno. Os efeitos da
ttica de freqncia e do tempo foram confundidos.
- 19 -
Existe uma tcnica especial Amostragem para recolher amostras, que garante,
tanto quanto possvel, o acaso na escolha.
Dessa forma, cada elemento da populao passa a ter a mesma chance de ser escolhido,
o que garante amostra o carter de representatividade, e isto muito escolhido, pois,
como vimos, nossas concluses relativas populao vo estar baseadas nos resultados
obtidos nas amostras dessa populao.
Planejamento Rigorosamente Controlado Outra abordagem para atribuir sujeitos
aos grupos usar um planejamento rigorosamente planejado, no qual os sujeitos so
escolhidos cuidadosamente de modo que em cada bloco sejam similares em relao ao
que importante ao experimento. Em um experimento que testa a eficcia de uma droga
feita para baixar a presso sangunea, se o grupo do placebo inclui um homem de 30
anos, com excesso de peso, fumante e que consome sal e gordura em abundncia, o
grupo do tratamento deve incluir, tambm, uma pessoa com caractersticas semelhantes
(o que, nesse caso, seria fcil de achar).
1.5.3.1
Definies:
Em uma amostra aleatria, membros de uma populao so selecionados de tal modo
que cada membro individual tenha chance igual de ser selecionado.
Uma amostra aleatria simples (amostragem casual) de tamanho n selecionada de
tal modo que toda amostra possvel de mesmo tamanho n tem a mesma chance de ser
escolhida.
Este tipo de amostragem equivalente a um sorteio lotrico.
Na prtica, a amostragem casual ou aleatria simples pode ser realizada numerando-se a
populao de 1 a n e sorteando-se, a seguir, por meio de um dispositivo aleatrio
qualquer, k nmeros dessa seqncia, os quais correspondero aos elementos
pertencentes amostra.
Exemplo:
Vamos obter uma amostra representativa para a pesquisa da estatura de noventa
alunos de uma faculdade:
a. Imagine uma sala de aula com 60 alunos arrumados em 6 filas de 10 alunos cada.
Suponha que o professor selecione uma amostra de 10 alunos jogando um dado e
selecionando a fila correspondente ao resultado da jogada. O resultado uma
amostra aleatria porque cada estudante individual tem a mesma chance (uma
chance em seis) de ser escolhido. No entanto, a amostra no uma amostra aleatria
simples porque nem todas as amostras de tamanho 10 tm a mesma chance de
serem escolhidas. Por exemplo, esse planejamento amostral, ao usar um dado para
selecionar uma fileira, torna impossvel selecionar 10 estudantes que estejam em filas
diferentes (mas h uma chance em seis de selecionar os 10 estudantes da primeira
fila).
b. Numeramos os alunos de 01 a 90. Escrevemos os nmeros, de 01 a 90, em pedaos
iguais de um mesmo papel, colocando-os dentro de uma caixa. Agitamos sempre a
caixa para misturar bem os pedaos de papel e retiramos, um a um, nove nmeros
que formaro a amostra. Neste caso, 10% da populao.
Com a amostragem aleatria, esperamos que todos os componentes da populao sejam
(aproximadamente) proporcionalmente representados. Amostras aleatrias so
selecionadas por vrios mtodos diferentes, incluindo o uso do computador para gerar
nmeros aleatrios. (Antes dos computadores, eram usadas tabelas de nmeros
aleatrios).
Quando o nmero de elementos da amostra grande, esse tipo de sorteio torna-se
muito trabalhoso. A fim de facilit-lo, foi elaborada uma Tabela de Nmeros
Aleatrios (ANEXO I), construda de modo que os 10 algarismos (0 a 9) so
distribudos ao acaso nas linhas e colunas.
ANEXO I
TABELA DE NMEROS ALEATRIOS
5
2
9
9
8
2
5
7
8
2
0
0
2
6
7
8
5
3
9
0
2
2
0
9
8
1
1
4
0
5
1
1
1
7
1
0
3
8
2
6
0
0
3
5
5
9
9
3
0
9
1
2
1
4
1
4
8
5
8
7
6
3
3
4
9
7
4
7
2
0
8
0
3
3
5
9
2
4
9
0
0
8
6
0
4
9
4
1
6
9
4
1
3
8
9
0
1
6
7
9
8
7
8
9
2
9
8
6
5
2
2
9
6
8
9
8
0
7
9
7
7
7
9
6
5
0
7
5
4
0
6
4
5
1
8
8
7
6
0
3
4
7
3
5
9
1
5
0
0
5
0
0
6
3
2
2
2
6
4
5
1
1
7
5
4
7
4
1
1
7
1
1
5
2
0
- 21 -
3
1
8
5
6
9
5
9
7
8
5
1
7
8
7
7
8
9
8
2
4
5
1
7
7
4
7
4
6
7
4
1
6
4
1
4
0
0
8
4
9
2
9
6
3
8
5
9
1
8
3
6
1
1
0
6
6
2
2
3
1
0
4
5
0
9
7
1
9
7
4
2
8
4
2
5
9
0
7
3
9
3
9
1
8
8
8
5
5
7
9
9
6
5
3
3
6
7
3
2
8
0
2
1
6
2
1
6
5
4
0
2
9
6
5
2
5
0
9
6
7
8
7
5
9
5
8
4
6
8
0
8
1
7
2
4
3
4
2
6
4
9
2
0
1
4
2
5
6
4
1
1
3
6
4
5
1
1
3
0
0
8
1
0
7
4
0
6
3
7
3
5
3
7
6
7
5
1
5
0
2
0
4
5
7
6
8
8
0
6
9
4
9
3
6
0
4
7
2
7
0
0
6
9
3
8
3
3
7
5
0
4
1
1
2
9
0
2
4
4
7
9
0
3
1
7
8
4
0
5
2
4
9
9
0
5
0
2
3
6
5
0
5
9
9
4
2
8
3
1
7
1
2
5
6
2
2
4
6
4
9
2
8
8
7
1
6
0
1
2
5
8
9
1
7
9
0
6
8
9
8
4
3
4
4
1
9
9
6
8
5
8
8
0
1
2
6
0
9
5
8
5
9
2
7
5
1
2
5
9
4
4
0
4
8
2
6
7
8
0
1
8
3
5
3
1
3
4
4
0
0
9
6
8
1
3
2
8
1
8
3
7
4
6
4
3
9
2
8
5
2
2
4
8
1
1
8
7
6
2
9
0
0
4
6
5
6
8
3
6
9
2
5
5
6
9
8
9
7
8
0
1
3
4
4
8
9
8
5
4
3
7
7
0
1
5
7
9
7
0
0
8
6
2
6
0
8
8
7
7
4
2
1
2
2
8
3
4
2
6
5
3
9
4
9
6
9
2
8
8
3
8
5
1
4
5
6
3
6
1
4
0
4
4
3
4
6
2
6
9
1
0
6
9
7
9
8
5
0
7
6
0
3
8
5
9
3
7
6
4
6
3
2
8
6
8
2
2
6
1
4
4
4
6
9
5
5
6
9
6
0
8
1
2
0
4
7
8
8
6
1
0
7
9
5
5
4
2
6
5
7
8
7
0
6
8
4
2
8
2
1
6
9
1
9
0
0
2
1
1
5
5
3
3
2
3
6
3
2
6
8
5
1
9
9
2
2
0
1
0
5
3
5
5
9
8
0
5
0
7
9
7
4
3
8
6
3
6
5
2
2
5
9
2
3
0
7
6
2
5
1
8
9
2
5
5
3
7
5
4
8
5
7
1
6
4
0
1
5
1
8
4
3
0
3
6
6
7
3
8
2
5
4
9
4
7
9
2
3
9
5
6
6
3
7
3
7
1
0
9
3
1
7
7
5
6
7
4
1
1
2
5
0
9
9
5
8
6
0
7
5
0
7
6
0
8
0
8
6
0
3
3
5
8
7
3
1
5
6
9
9
1
6
2
1
7
5
1
1
0
5
5
2
2
2
9
3
5
5
5
0
1
5
5
8
8
9
8
6
3
6
9
3
5
3
1
5
0
3
1
2
4
8
1
9
9
2
8
6
9
8
2
6
2
5
3
1
3
5
7
7
0
2
8
6
9
3
3
5
8
0
8
6
6
3
5
9
8
9
9
0
8
6
9
3
8
5
1
3
1
4
9
1
4
7
9
0
8
4
1
9
1
7
3
6
6
0
8
7
7
6
0
1
8
1
0
4
4
2
5
3
5
2
2
4
8
7
1
4
0
3
3
1
2
1
0
6
7
6
9
3
4
3
0
4
9
1
5
0
6
5
8
1
9
0
7
2
5
1
4
7
8
4
3
3
4
5
5
0
7
6
3
8
8
6
1
8
6
7
5
2
4
5
5
0
3
6
4
6
6
5
1
8
1
5
5
2
6
9
5
8
1
6
9
6
9
7
0
8
6
1
5
5
6
0
2
5
0
0
9
3
8
2
4
0
0
0
6
3
4
3
7
9
3
4
1
9
4
3
4
5
6
4
6
9
8
7
9
1
9
0
6
7
5
3
0
2
2
3
2
1
0
1
4
6
7
0
4
8
1
5
8
1
9
9
3
9
7
4
6
6
9
2
4
7
6
3
2
1
2
2
6
6
4
0
6
6
3
8
2
7
4
4
9
3
2
9
8
9
3
2
9
9
4
2
0
5
0
7
6
2
8
1
6
4
3
8
6
2
7
2
2
2
5
9
1
3
7
2
2
6
2
8
4
2
5
6
8
6
5
4
1
6
7
9
3
3
3
7
0
9
7
3
8
6
5
3
8
3
7
9
1
7
9
2
5
6
9
7
6
1
2
2
8
9
3
3
3
9
6
6
4
6
4
9
1
8
9
7
3
5
8
3
7
4
1
1
0
1
0
7
3
7
1
6
0
5
1
5
3
3
3
3
6
7
7
2
2
5
7
8
9
3
9
8
7
2
1
3
4
9
5
3
4
1
0
8
9
0
9
3
6
1
9
6
3
9
8
0
3
6
2
9
7
3
0
4
0
9
2
3
9
1
6
4
6
8
4
0
8
6
1
3
9
2
7
2
0
3
9
7
3
3
1
3
3
6
6
1
7
5
3
8
0
3
8
5
6
9
3
6
6
6
3
2
1
0
8
3
0
8
1
7
2
1
2
0
2
5
2
0
8
5
7
2
7
7
5
4
5
8
5
3
9
6
7
3
7
9
9
1
7
2
8
6
5
5
6
3
5
1
7
2
0
3
2
7
8
6
4
5
7
6
0
2
6
2
0
2
4
4
7
6
8
7
7
0
3
0
6
9
0
0
8
2
6
8
4
7
9
3
3
1
6
7
1
8
4
9
7
0
4
1
6
8
8
9
7
9
1
6
9
7
0
1
2
6
7
0
1
8
1
8
6
0
8
5
4
4
9
0
0
9
8
3
4
0
4
7
6
7
0
8
2
2
2
1
0
5
0
9
1
4
6
2
5
3
5
9
2
3
8
3
9
3
8
7
9
3
3
0
5
0
6
3
3
8
1
5
1
9
0
8
3
4
9
2
2
6
6
8
8
3
8
5
7
6
6
4
0
1
6
2
3
2
2
2
0
8
4
0
8
0
5
7
6
3
6
3
5
9
9
0
8
5
9
3
9
4
6
7
9
4
3
6
5
0
4
6
4
1
0
0
7
5
3
6
3
9
5
2
8
3
4
0
7
1
4
9
9
5
1
6
1
9
6
3
8
2
3
2
4
8
3
4
8
7
5
5
0
8
8
0
7
6
3
8
6
4
7
7
2
0
6
2
0
5
6
6
5
1
3
7
4
9
8
6
4
3
7
9
8
0
1
5
7
3
8
1
0
2
5
6
8
5
3
7
3
7
5
6
3
6
2
4
4
4
9
8
1
3
4
2
1
2
5
9
9
4
9
9
0
0
3
0
2
9
6
0
9
9
1
4
7
4
8
9
9
5
5
2
2
4
8
3
1
8
3
9
8
4
1
0
8
6
9
5
1
9
0
0
1
6
3
2
02
01
81
73
92
60
66
73
58
53
34
02
01
81
73
60
66
58
53
34
Medindo as alturas dos alunos correspondentes aos nmeros sorteados, obteremos uma
amostra das estaturas dos noventa alunos.
1.5.3.2
- 22 -
So, portanto, dois estratos (sexo masculino e sexo feminino) e queremos uma amostra
de 10% da populao. Logo, temos:
b.1
SEXO
POPULAO
10%
AMOSTRA
54
10 x 54 100 = 5,4
36
10 x 36 100 = 3,6
Total
90
10 x 90 100 = 9,0
28
92
90
80
22
56
79
53
18
03
27
05
40
Temos ento:
28 22 53 18 03 para os meninos;
57 90 80 56 para as meninas.
Com a amostragem estratificada, subdividimos a populao em pelo menos dois
subgrupos (ou estratos) que compartilham as mesmas caractersticas (tais como sexo ou
faixa etria) e em seguida, extramos uma amostra de cada subgrupo (ou estrato).
1.5.3.3
Amostragem Sistemtica
Assim, no caso de uma linha de produo, podemos, a cada dez itens produzidos, retirar
um para pertencer a uma amostra da produo diria. Neste caso, estaramos fixando o
tamanho da amostra em 10% da populao.
Exemplo:
Suponhamos uma rua contendo 900 prdios, dos quais desejamos obter uma amostra
formada de cinqenta prdios. Podemos, neste caso, usar o seguinte procedimento:
como 900 50 = 18, escolhemos por sorteio casual um nmero de 1 a 18 (inclusive),
o qual indicaria o primeiro elemento sorteado para a amostra; os demais elementos
seriam periodicamente considerados de 18 em 18. Assim, se o nmero sorteado fosse
o 4, tomaramos, pelo lado direito da rua, o 4 prdio, o 22, o 40 etc., at
voltarmos ao incio da rua, pelo lado esquerdo.
- 24 -
POPULAO
15%
AMOSTRA
A
B
250/35 = 40/x
x = 35 x 40 250 = 5,6
x=6
Logo:
SRIE
POPULAO
CLCULO PROPORCIONAL
AMOSTRA
35
10 x 40 250 = 5,6
- 25 -
2
3
4
5
6
7
8
....
....
28
....
....
....
....
....
....
....
....
....
31 x 40 250 = ....
....
....
....
....
6
....
....
....
Total
250
40
2.
ESCOLAS
N DE ESTUDADANTES
MASCULINO
FEMININO
A
B
C
D
E
F
80
102
110
134
150
300
95
120
92
228
130
290
Total
876
955
7. Mostre como seria possvel retirar uma amostra de 32 elementos de uma populao
ordenada formada por 2.432 elementos.
Na ordenao geral, qual dos elementos abaixo seria escolhido para pertencer
amostra, sabendo-se que o elemento de ordem 1.420 a ela pertence?
1.648, 290, 725, 2.025, 1.120.
8. Determine se a descrio dada corresponde a um estudo observacional ou a um
experimento.
- 26 -
a. Teste de Droga D-se Lipitor a pacientes para se determinar se essa droga tem ou
no o efeito de baixar os nveis altos de colesterol.
b. Tratamento da Sfilis Muita controvrsia surgiu em relao a um estudo de
pacientes com sfilis que no receberam um tratamento que poderia t-los curado. A
sade deles foi acompanhada durante anos, aps ter sido descoberto que tinham
sfilis.
c. Fraude ao Consumidor O Bir de pesos e medidas de Minas gerais seleciona
aleatoriamente postos de gasolina e obtm 2 litros de gasolina de cada bomba. A
quantidade bombeada medida para verificar a exatido.
d. Braceletes Magnticos Os passageiros de navios de cruzeiro recebem braceletes
magnticos, que eles concordam em usar numa tentativa de eliminar ou diminuir o
enjo.
- 28 -
PRODUO
(1.000 t)
2005
2006
2 134
2 594
- 29 -
FONTE: IBGE.
De acordo com a Resoluo 886 da Fundao IBGE, nas casas ou clulas devemos
colocar:
um trao horizontal () quando o valor zero, no s quanto natureza das coisas,
como quanto ao resultado do inqurito;
trs pontos (...) quando no temos os dados;
um ponto de interrogao (?) quando temos dvida quanto exatido de determinado
valor;
zero (0) quando o valor muito pequeno para ser expresso pela unidade utilizada. Se
os valores so impressos em nmeros decimais, precisamos acrescentar parte
decimal um nmero correspondente de zeros (0,0; 0,00; 0,000; ...).
PRODUO
(1.000 t)
2005
2006
51 138
52 223
FONTE: IBGE.
ANOS
PREO MDIO
(US$)
1989
1990
1991
1992
1993
1994
2,24
2,73
2,12
1,89
2,04
2,62
FONTE: APA.
1.6.1.2
NMERO
DE ANOS
7,5
7,0
7,0
5,9
Menos de 4
FONTE: APA.
1.6.1.3
EXPORTAO
BRASILEIRA
2005
PRODUTOS
Gros
Farelo
leo
REBANHOS BRASILEIROS
1992
QUANTIDADE
(em bilhes de
toneladas)
ESPCIES
20,5
14,2
2,4
Bovinos
Bubalinos
Eqinos
Asininos
Muares
Sunos
Ovimos
Caprinos
Coelhos
QUANTIDADE
(1.000 cabeas)
154.440,8
1.423,3
549,5
47,1
208,5
34.532,2
19.955,9
12.159,6
6,1
FONTE: IBGE.
1.6.2
1991
1992
- 31 -
1993
Norte
Nordeste
Sudeste
Sul
Centro-Oeste
342.938
1.287.813
6.234.501
1.497.315
713.357
375.678
1.379.101
6.729.467
1.608.989
778.925
403.494
1486.649
7231.634
1.746.232
884.882
1.6.3
Definies:
Dados Absolutos, so dados estatsticos resultantes da coleta direta da fonte, sem
outra manipulao se no a contagem ou medida. A leitura dos dados absolutos
sempre enfadonha e inexpressiva; embora esses dados traduzam um resultado exato e
fiel, no tm a virtude de ressaltar de imediato as suas concluses numricas. Da o uso
imprescindvel que faz a Estatstica dos dados relativos. O nmero de vezes que um valor
da varivel, de uma pesquisa, citado representa a freqncia absoluta daquele valor.
Dados Relativos so o resultado de comparaes por quociente (razes) que se
estabelecem entre dados absolutos e tm por finalidade realar ou facilitar as
comparaes entre quantidades. Traduzem-se os dados relativos, em geral, por meio de
percentagens, ndices, coeficientes e taxas. A freqncia relativa o quociente
entre a freqncia absoluta de uma varivel e o total de citaes de todas as variveis da
pesquisa.
1.6.3.1
As percentagens
Consideremos a srie:
MATRCULAS NAS ESCOLAS DA
CIDADE A - 2007
CATEGORIAS
N DE ALUNOS
Ensino Fundamental
Ensino Mdio
Ensino Superior
19.286
1.681
234
Total
21.201
Dados fictcios.
N DE ALUNOS
Ensino Fundamental
Ensino Mdio
Ensino Superior
19.286
1.681
234
91,0
7,9
1,1
Total
21.201
100
Os valores dessa nova coluna nos dizem que, de cada 100 alunos da cidade A, 91 esto
matriculados no 1 grau, 8, aproximadamente, no 2 grau e 1 no 3 grau.
O emprego da percentagem de grande valia quando nosso intuito destacar a
participao da parte no todo.
Consideremos, agora, a srie:
MATRCULAS NAS ESCOLAS
DA CIDADE A e B - 2007
CATEGORIAS
N DE ALUNOS
CIDADE A CIDADE B
Ensino Fundamental
Ensino Mdio
Ensino Superior
19.286
1.681
234
38.660
3.399
424
Total
21.201
42.483
Dados fictcios.
Qual das cidades tem, comparativamente, maior nmero de alunos em cada perodo?
Como o nmero total de alunos diferente nas duas cidades, no fcil concluir a
respeito usando os dados absolutos. Porm, usando as percentagens, tal tarefa fica
bastante facilitada. Assim, acrescentando na tabela anterior as colunas correspondentes
s percentagens, obtemos:
MATRCULAS NAS ESCOLAS DA CIDADE A e B - 2007
CATEGORIAS
CIDADE A
N DE ALUNOS
CIDADE B
N DE ALUNOS
Ensino
Fundamental
Ensino Mdio
Ensino Superior
19.286
1.681
234
91,0
7,9
1,1
38.660
3.399
424
91,0
8
1
Total
21.201
100
42.483
100
Dados fictcios.
O que nos permite dizer que, comparativamente, contam, praticamente, com o mesmo
nmero de alunos em cada grau.
1.6.3.2
Definio:
Os ndices so razes entre duas grandezas tais que uma no inclui a outra.
- 33 -
Exemplos:
ndice Ceflico = (dim. transverso da cabea dim. longitudinal do crnio) x 100
Quociente Intelectual = (idade mental idade cronolgica) x 100
Densidade Demogrfica = populao superfcie
ndices Econmicos:
Produo per capta = valor total da produo populao
Consumo per capta = consumo do bem populao
Renda per capta = renda populao
Receita per capta = receita populao
1.6.3.3
Os Coeficientes
Definio:
Os Coeficientes so razes entre o nmero de ocorrncias e o nmero total (nmero
de ocorrncias e nmero de no ocorrncias).
Exemplos:
Coeficiente de Natalidade = nmero de nascimentos populao total
Coeficiente de Mortalidade = nmero de bitos populao total
Coeficientes Educacionais:
Coeficiente de evaso escolar = n de alunos evadidos n inicial de matrculas
Coeficiente de aproveitamento escolar = n de alunos aprovados n final de
matrculas
Coeficiente de recuperao = n de alunos recuperados n de alunos em recuperao
1.6.3.4
Os Coeficientes
Definio:
As Taxas so os coeficientes multiplicados por uma potncia de 10 (10, 100, 1, 1000
etc.) para tornar o resultado mais inteligvel..
Exemplos:
Taxa de Mortalidade = coeficiente de mortalidade x 1000
Taxa de Natalidade = coeficiente de natalidade x 1000
Taxa de Evaso Escolar = coeficiente de evaso escolar x 100
Exerccio Resolvido:
O Estado A apresentou 733.986 matrculas na 1 srie, no incio do ano de 1994, e
683.816 no fim do ano. O Estado B apresentou, respectivamente, 436.127 e 412.457
matrculas. Qual o Estado que apresentou maior evaso escolar?
A TEE = (733.986 683.816) x 100 733.986 = 6,83 = 6,8%
- 34 -
b.
PRODUO DE BORRACHA
NATURAL 1991-93
ANOS
AVICULTURA
BRASILEIRA - 1992
TONELADAS
1991
1992
1993
29.543
30.712
40.663
FONTE: IBGE.
ESPCIES
NMERO
(1.000
CABEAS)
Galinhas
Galos, frangos e pintos
Codornas
204.160
435.465
2.488
FONTE: IBGE.
c.
d.
VACINAO CONTRA A
POLIOMELITE - 1993
REGIES
Norte
Nordeste
Sudeste
Sul
Centro-Oeste
AQUECIMENTO DE UM MOTOR
DE AVIO DE MARCA X
QUANTIDADE
MINUTOS
TEMPERATURA
(C)
0
1
2
3
4
5
6
20
27
34
41
49
56
63
211.209
631.040
1.119.708
418.785
185.823
Dados fictcios.
e.
QUANTIDADE (1.000 t)
1991
1992
1993
17.934
4.274
409
18.849
4.637
448
19.698
5.065
- 35 -
EOF
444
f.
EXPORTAO BRASILEIRA
1985-1990-1995
IMPORTADORES
1991
1992
1993
Amrica Latina
EUA e Canad
Europa
sia e Oceania
frica e Oriente Mdio
13,0
28,2
33,9
10,9
14,0
13,4
26,3
35,2
17,7
8,8
25,6
22,2
20,7
15,4
5,5
N DE
ALUNOS
A
B
C
D
175
222
202
362
DADOS RELATIVOS
POR. 1
POR 100
0,098
...
...
...
9,8
...
...
...
- 36 -
E
F
280
540
...
...
...
...
Total
1781
1,000
100,0
ALUNOS
MATRICULADOS
1
2
3
4
546
328
280
120
Total
1.274
PERODOS
MATRCULAS
MARO
NOVEMBRO
1
2
3
4
480
458
436
420
475
456
430
420
Total
1.794
1.781
VALOR
(US$ milhes)
MESES
Janeiro
Fevereiro
Maro
Abril
33,3
54,1
44,5
52,9
Total
184,8
Dados fictcios.
Calcule:
a. o ndice de densidade demogrfica;
b. a taxa de natalidade;
c. a taxa de mortalidade.
13. Uma frota de 40 caminhes, transportando, cada um, 8 toneladas, dirige-se a duas
cidades A e B. Na cidade A so descarregados 65% desses caminhes, por 7
homens, trabalhando 7 horas. Os caminhes restantes seguem para a cidade B, onde
4 homens gastam 5 horas para o seu descarregamento. Em que cidade se obteve
melhor produtividade?
14. Um professor preencheu um quadro, enviado pela D.F., com os seguintes dados:
SRIE
E
TURMA
N DE
ALUNOS
30.03
N DE
ALUNOS
30.11
1 PER
2 PER
3 PER
4 PER
Total
49
49
47
47
192
44
42
35
40
161
PROMOVIDOS SEM
RECUPERAO
35
42
27
33
137
RETIDOS
SEM
RECUPERAO
03
00
00
06
09
Calcule:
a. a taxa de evaso, por perodo;
b. a taxa de evaso total;
c. a taxa de aprovao, por perodo;
d. a taxa de aprovao geral;
- 38 -
TOTAL GERAL
EM
RECUPERAO
RECUPERADOS
NORECUPERADOS
PROMOVIDOS
RETIDOS
06
00
08
01
15
05
00
03
00
08
01
00
05
01
07
40
42
30
33
145
04
00
05
07
16
160
161
150
162
160
165
167
164
160
162
168
161
163
156
173
160
155
164
168
155
152
163
160
155
155
169
151
170
164
154
161
156
172
153
157
156
158
158
161
154
155
157
160
161
162
164
166
169
151
155
156
158
160
161
162
164
167
170
152
155
156
158
160
161
163
164
168
172
153
155
156
160
160
161
163
165
168
173
Agora, podemos saber, com relativa facilidade, qual a menor estatura (173 cm); que a
amplitude de variao foi de 173 150 = 23 cm; e, ainda, a ordem que um valor
particular da varivel ocupa no conjunto. Com um exame mais acurado, vemos que h
uma concentrao das estaturas em algum valor entre 160 cm e 165 cm e, mais ainda,
que h poucos valores abaixo de 155 cm e acima de 170 cm.
- 39 -
FREQ
150
151
152
153
154
155
156
157
158
160
161
162
163
164
165
166
167
168
169
170
172
173
1
1
1
1
1
4
3
1
2
5
4
2
2
3
1
1
1
2
1
1
1
1
Total
40
Mas o processo dado ainda inconveniente, j que exige muito mais espao, mesmo
quando o nmero de valores da varivel (n) de tamanho razovel. Sendo possvel, a
soluo mais aceitvel, pela prpria natureza da varivel contnua, o agrupamento dos
valores em vrios intervalos.
Assim, se um dos intervalos for, por exemplo, 154 158
esquerda e aberto direita, tal que: 154 x < 158), em vez
de 1 aluno de 154 cm; de 4 alunos, 155 cm; de 3 alunos,
cm, dizemos que 9 alunos tm estaturas entre 154, inclusive,
( um intervalo fechado
de dizermos que a estatura
156 cm; e de 1 aluno, 157
e 158 cm.
- 40 -
Exemplo:
TABELA 4
ESTATURAS DE 40 ALUNOS
DA FACULDADE A - 2007
ESTATURAS
(cm)
150
154
158
162
166
170
154
158
162
166
170
174
Total
FREQUNCIA
4
9
11
8
5
3
40
Dados fictcios.
- 41 -
L2 = 158
Nota:
Os intervalos de classe devem ser escritos, de acordo com a Resoluo 886/66 do
IBGE, em termos desta quantidade at menos aquela, empregando, para isso, o
smbolo ( incluso de li e excluso de Li). Assim, o indivduo com uma estatura de
158 cm est includo na terceira classe (i = 3) e no na segunda.
3) Amplitude de um intervalo de classe, ou, simplesmente, intervalo de classe a
medida do intervalo que define a classe.
Ela obtida pela diferena entre os limites superior e inferior dessa classe e indicada
por hi. Assim:
hi = Li - li
Na distribuio da Tabela 1.6.5.4, temos: h2 = L2 l2 h2 = 158 154 = 4 cm
4) Amplitude total da distribuio (AT) a diferena entre o limite superior da ltima
classe (limite superior mximo) e o limite inferior da primeira classe (limite
inferior mnimo):
AT = L(mx) l(mn)
Em nosso exemplo, temos: AT = 174 14501 = 24 AT = 24 cm
Nota:
evidente que, se as classes possuem o mesmo intervalo, verificamos a relao:
AT hi = k
5) Amplitude amostral (AA) a diferena entre o valor mximo e o valor mnimo da
amostra:
AA = x(mx) x(mn)
Em nosso exemplo, temos: AA = 173 - 150 = 23 AA = 23 cm
Observe que a amplitude total da distribuio jamais coincide com a amplitude amostral.
6) Ponto mdio de uma classe (xi) , como o prprio nome indica, o ponto que divide
o intervalo de classe em duas partes iguais.
Para obtermos o ponto mdio de uma classe, calculamos a semi-soma dos limites de
da classe (mdia aritmtica):
xi = (li + Li) 2
Assim, o ponto mdio da segunda classe, em nosso exemplo, :
xi = (li + Li) 2 x2 = (154 + 158) 2 = 156 cm
- 42 -
Nota:
O ponto mdio de uma classe o valor que a representa.
7) Freqncia simples ou freqncia absoluta ou, simplesmente, freqncia de
uma classe ou de um valor individual o nmero de observaes correspondentes a
essa classe ou a esse valor.
A freqncia simples simbolizada por fi (lemos: f ndice i ou freqncia da classe i).
Assim, em nosso exemplo, temos: f1 = 4, f2 = 9, f3 = 11, f4 = 8, f5 = 5 e f6 = 3
A soma de todas as freqncias representada pelo smbolo de somatrio ():
(i=1 k)fi = n
Para a distribuio em estudo, temos: (i=1 6)fi = 40
ou
fi = 40
Podemos, agora, dar distribuio de freqncia das estaturas dos quarenta alunos da
faculdade A, a seguinte representao tabular tcnica:
TABELA 5
ESTATURAS DE 40 ALUNOS DA
FACULDADE A
ESTATURAS
(cm)
150
154
158
162
166
170
1
2
3
4
5
6
154
158
162
166
170
174
fi
4
9
11
8
5
3
fi = 40
5
11
22
46
90
fi
3
4
5
6
7
- 43 -
91 181
182 362
...
8
9
...
Alm da regra de Sturges, existem outras frmulas empricas que pretendem resolver o
problema da determinao do nmero de classes que deve ter a distribuio (h quem
prefira: i = h). Entretanto, a verdade que essas frmulas no nos levam a uma
deciso final; esta vai depender, na realidade, de um julgamento pessoal, que deve estar
ligado natureza dos dados, da unidade usada para expressa-los e, ainda, do objetivo
que se tem em vista, procurando, sempre que possvel, evitar classe com freqncia nula
ou com freqncia relativa muito exagerada etc.
Decidido o nmero de classes que deve ter a distribuio, resta-nos resolver o problema
da determinao da amplitude do intervalo de classe, o que conseguimos dividindo a
amplitude total pelo nmero de classes:
h AT / i
Quando o resultado no exato, devemos arredond-lo para mais.
Outro problema que surge a escolha dos limites dos intervalos, os quais devero ser
tais que forneam, na medida do possvel, para pontos mdios, nmeros que facilitem os
clculos nmeros naturais.
Em nosso exemplo, temos:
Para n = 40, pela Tabela 6, i = 6
Logo: h = (173 -150) / 6 = 23/6 = 3,8 4
Isto , seis classes de intervalos iguais a 4.
Resolva:
1) As notas obtidas por 50 alunos de uma classe foram:
1
2
2
2
2
2
3
3
3
3
3
3
4
4
4
4
4
4
5
5
5
4
5
5
5
6
6
6
6
6
6
6
6
6
7
7
7
7
7
7
7
8
8
8
8
8
8
9
9
9
NOTAS
0
2
4
6
8
2
4
6
8
10
xi
fi
1
....
....
....
....
1
....
....
....
....
fi = 50
b. Agora responda:
1. Qual a amplitude amostral?
2. Qual a amplitude da distribuio?
3. Qual o nmero de classes da distribuio?
- 44 -
2. n = ....
3. l1 = ....
4. L3 = ....
5. x2 = ....
6. f5 = ....
ou
Fk = fi (i = 1, 2, ..., k)
- 45 -
i
1
2
3
4
5
6
150
154
158
162
166
170
154
158
162
166
170
174
fi
xi
fri
Fi
Fri
4
9
11
8
5
3
152
156
160
164
168
172
0,100
0,225
0,275
0,200
0,125
0,075
4
913
24
32
37
40
0,100
0,325
0,600
0,800
0,925
1,000
= 40
= 1,000
fri
x1
x2
.
.
f1
f2
.
.
- 46 -
.
xn
.
fn
fi = n
Exemplo:
Seja x a varivel nmero de cmodos das casas ocupadas por vinte famlias
entrevistadas:
TABELA 9
i
xi
fi
1
2
3
4
5
6
2
3
4
5
6
7
4
7
5
2
1
1
= 40
xi
fi
fri
Fi
Fri
1
2
3
4
5
6
2
3
4
5
6
7
4
7
5
2
1
1
0,20
0,35
0,25
0,10
0,05
0,05
4
11
16
18
19
20
0,20
0,55
0,80
0,90
0,95
1,00
= 20
= 1,00
Nota:
Se a varivel toma numerosos valores distintos, comum trata-la como uma
varivel contnua, formando intervalos de classe de amplitude diferente de um.
Este tratamento (arbitrrio) abrevia o trabalho, mas acarreta alguma perda de
preciso.
Resolva:
1) Complete a distribuio abaixo, determinando as freqncias simples:
xi
fi
Fi
1
2
3
4
2
3
4
5
....
....
....
....
2
9
21
29
- 47 -
....
34
= 20
68
71
80
41
94
33
81
41
78
66
52
91
50
56
48
47
65
53
94
39
73
55
65
35
69
68
57
76
45
89
61
35
85
55
86
73
85
73
64
42
77
88
60
74
54
5
6
4
2
6
2
3
3
5
2
6
3
1
2
4
4
5
3
5
6
3
1
5
1
1
6
3
4
3
5
2
6
4
6
2
6
3
2
5
4
5
4
6
1
3
78
95
86
84
80
90
96
73
94
75
66 82 74
82 89 73
78 101 85
86 76 76
92 102 73
83 81 85
86 70 72
63 105 74
88 62 91
67 95 108
103
92
98
83
87
72
74
98
83
98
78
85
75
103
70
81
84
78
98
71
86
80
73
86
85
96
99
78
93
92
103
81
90
84
79
81
81
83
83
72
87
90
86
85
93
85
89
96
76
73
12
14
14
13
11
13
10
16
13
14
13
17
14
11
15
14
13
12
11
14
CLASSES
1
2
3
4
5
0
8
16
24
32
8
16
24
32
40
fi
fri
Fi
Fri
4
10
14
9
3
....
....
....
....
....
....
....
....
....
....
....
....
....
....
....
= 40
= 1,00
3
2
4
5
5
12
6
10
7
8
8
3
Determine:
a. fi
b. As freqncias relativas;
c. As freqncias acumuladas;
d. As freqncias relativas acumuladas.
7) A tabela abaixo apresenta uma distribuio de freqncia das reas de 400 lotes:
REAS
(m2)
N DE
LOTES
300 400 500 600 700 800 900 1.000 1.100 1.2000
14
46
58
76
68
62
48
22
a amplitude total;
o limite superior da quinta classe;
o limite inferior da oitava classe;
o ponto mdio da stima classe;
a amplitude do intervalo da segunda classe;
a freqncia da quarta classe;
a freqncia relativa da sexta classe;
a freqncia acumulada da quinta classe;
o nmero de lotes cuja rea no atinge 700 m2;
o nmero de lotes cuja rea atinge e ultrapassa 800 m2;
a percentagem dos lotes cuja rea no atinge 600 m2;
a percentagem dos lotes cuja rea seja maior ou igual a 900 m2;
a percentagem dos lotes cuja rea de 500 m2, no mnimo, mas inferior a 1.000
m2;
a classe do 72 lote;
at que classe esto includos 60% dos lotes.
- 49 -
0
20
1
10
2
16
3
9
4
6
5
5
6
3
7
1
Determine:
a. o
b. o
c. o
d. o
e. a
xi
fi
fri
Fi
1
2
3
4
5
6
7
8
0
1
2
3
4
5
6
7
1
....
4
....
3
2
....
....
0,05
0,15
....
0,25
0,15
....
....
....
....
4
....
13
....
18
19
....
= 20
= 1,00
b.
i
CLASSES
xi
fi
Fi
fri
1
2
3
4
5
6
7
8
0 2
2 4
4 6
....
8 10
10 12
....
14 16
1
....
5
7
....
....
13
....
4
8
....
27
15
....
10
....
....
....
30
....
72
83
93
....
0,04
....
0,18
0,27
....
....
0,10
0,07
= ....
1.7
Grficos Estatsticos
Definio:
- 50 -
= ....
1.7.1 Diagramas
Definio:
Os diagramas so grficos geomtricos de, no mximo, duas dimenses: para sua
construo, em geral, fazemos uso do sistema cartesiano.
Dentre os principais diagramas, destacamos:
1.7.1.1
Este tipo de grfico se utiliza da linha poligonal para representar a srie estatstica.
O grfico em linha constitui uma aplicao do processo de representao das funes
num sistema de coordenadas cartesianas.
Exemplo:
a. Para tornar bem clara a explanao, consideremos a seguinte srie:
PRODUO BRASILEIRA
DE LEO DE DEND
1987-92
ANOS
QUANTIDADE
(1.000 t)
1987
1988
1989
1990
1991
1992
39,3
39,1
53,9
65,1
69,1
59,5
FONTE: Agropalma.
PRODUO BRASILEIRA
DE LEO DE DEND
1987-92
70
mil toneladas
60
50
40
30
20
10
0
87
88
89
90
91
92
ano
FONTE: Agropalma.
c.
- 52 -
sofreram
prejuzos
superiores
U$
1.7.1.2
QUANTIDADE
PRODUZIDA
(1.000 t)
1989
1990
1991
1992
18.196
11.169
10.468
9.241
mil toneladas
PRODUO BRASILEIRA DE
CARVO MINERAL BRUTO
1989-92
20000
15000
10000
5000
0
1989
1990
1991
1992
- 53 -
b. Grfico em Barras
EXPORTAES BRASILEIRAS
MARO-1995
ESTADOS
VALOR
(US$ milhes)
So Paulo
Minas Gerais
Rio Grande do Sul
Esprito Santo
Paran
Santa Catarina
1.344
542
332
285
250
202
FONTE: SECEX
EXPORTAES BRASILEIRAS
MARO - 1995
So Paulo
Minas Gerais
Rio Grande do Sul
Esprito Santo
Paran
Santa Catarina
0
500
1000
1500
milhes dlares
FONTE: SECEX
Notas:
- 54 -
1.7.1.3
1989
34.383
18.263
31.620
21.041
BALANA COMERCIAL
- 55 BRASIL - 1983-93
40.000
35.793
20.554
1993
38.783
25.711
1.7.1.4
Grfico em Setores
Exemplo:
Dada a srie:
- 56 -
QUANTIDADE
(mil cabeas)
Minas Gerais
Esprito Santo
Rio de Janeiro
So Paulo
3.363,7
430,4
308,5
2.035,9
Total
6.138,5
FONTE: IBGE.
FONTE: IBGE.
Notas:
O grfico em setores s deve ser empregado quando h, no mximo, sete dados.
Se a srie j apresenta os dados percentuais, obtemos os respectivos valores em
graus multiplicando o valor percentual por 3,6.
1.7.2
Grfico Polar
o grfico ideal para representar sries temporais cclicas, isto , sries temporais que
apresentam em seu desenvolvimento determinada periodicidade.
Exemplos:
a variao da precipitao pluviomtrica ao longo do ano ou da temperatura ao longo
do dia;
o consumo de energia eltrica durante o ms ou o ano;
o nmero de passageiros de uma linha de nibus ao longo da semana.
Exemplo:
Dada a srie:
PRECIPITAO PLUVIOMTRICA
RECIFE - 1993
MESES
MILMETROS
Janeiro
Fevereiro
Maro
Abril
Maio
Junho
Julho
Agosto
Setembro
Outubro
Novembro
Dezembro
49,6
93,1
63,6
135,3
214,7
277,9
183,6
161,3
49,2
40,8
28,6
33,3
PRECIPITAO PLUVIOMTRICA
RECIFE - 1993
SET
OUT
NOV
DEZ
AGO
JUL
JAN
300
FEV
JUN
MAI
MAR
ABR
FONTE: Ministrio da Agricultura
- 58 -
1.7.3
Cartograma
- 59 -
Nota:
Quando os nmeros absolutos a serem representados forem muito grandes, no
lugar de pontos podemos empregar hachuras.
1.7.4
Pictograma
O pictograma constitui um dos processos grficos que melhor fala ao pblico, pela sua
forma ao mesmo tempo atraente e sugestiva. A representao grfica consta de
figuras.
Exemplos:
- 60 -
QUANTIDADE (1.000 t)
EXPORTAO
IMPORTAO
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
141.737
146.351
133.832
142.378
169.666
177.033
168.095
165.974
167.295
183.561
53.988
48.870
60.597
61.975
58.085
57.293
57.184
63.278
68.059
77.813
Total
1.794
1.781
b.
PRODUO BRASILEIRA
DE PETRLEO BRUTO
1991-93
ANOS
QUANTIDADE
(1.000 m3)
1991
1992
1993
36.180,4
36.410,5
37.164,3
ENTREGA DE GASOLINA
PARA CONSUNO
BRASIL - 1988-91
ANOS
VOLUME
(1.000 m3)
1988
1989
1990
1991
9.267,7
9.723,1
10.121,3
12.345,4
FONTE: Petrobrs.
FONTE: IBGE.
b.
PRODUO DE OVOS
DE GALINHA
BRASIL - 1992
REGIES
QUANTIDADE
(1.000 dzias)
Norte
Nordeste
Sudeste
Sul
Centro-Oeste
57.297
414.804
984.659
615.978
126.345
PRODUO DE VECULOS DE
AUTOPROPULSO
BRASIL - 1993
TIPOS
QUANTIDADE
Automveis
Comerciais leves
Comerciais pesados
1.100.278
224.387
66.771
FONTE: ANFAVEA.
FONTE: IBGE.
- 61 -
b.
REA TERRESTRE
BRASIL
REGIES
RELATIVA
(%)
Norte
Nordeste
Sudeste
Sul
Centro-Oeste
45,25
18,28
10,85
6,76
18,86
Total
100,00
PRODUO
(1.000 t)
Minas Gerais
Esprito Santo
Rio de Janeiro
So Paulo
12.888
3.174
5.008
2.912
FONTE: IBGE.
PRPRIOS (%)
NATUREZA
ALUGADOS (%)
CEDIDOS (%)
62,7
70,3
22,9
16,5
14,4
13,2
1990
1991
FONTE: IBGE.
b.
VENDA DE VACINA CONTRA
AFTOSA
BRASIL - 1992
MESES
Janeiro
Fevereiro
Maro
Abril
Maio
Junho
Julho
Agosto
Setembro
Outubro
Novembro
Dezembro
PRECIPITAO
PLUVIOMTRICA
FLORIANPOLIS - 1993
MILMETROS
MESES
37,30
41,20
38,55
47,70
40,65
44,70
41,20
46,00
41,00
55,00
52,80
35,40
Janeiro
Fevereiro
Maro
Abril
Maio
Junho
Julho
Agosto
Setembro
Outubro
Novembro
Dezembro
FONTE: Sindam.
MILMETROS
165,7
106,6
71,6
34,7
184,9
102,7
198,3
36,8
72,2
147,8
175,1
198,3
- 62 -
MEDIDAS ESTATSTICAS
2.1.1
Definio:
Mdia Aritmtica o quociente da diviso da soma dos valores da varivel pelo nmero
deles:
X = xi n
Sendo:
X a mdia aritmtica;
xi os valores da varivel;
n o nmero de valores.
- 63 -
2.1.1.1
Dados No-Agrupados
....
d7 = -2
Propriedades da Mdia
k
d1 = 0
i 1
i 1
=>
Y=Xc
Da:
y1 = 12 + 16 + 15 + ... + 14 = 112
i 1
=>
Y = 14 + 2
=>
Y=x+2
=>
Y=X.c
ou
y1 = x1 c
=>
Y=Xc
Da:
y1 = 30 + 42 + 39 + ... + 36 = 294
i 1
Como n = 7, vem:
y= 294 7 = 42
=>
- 64 -
y= 14 x 3
=>
y= x . 3
2.1.1.3
Dados Agrupados
fi
0
1
2
3
4
2
6
10
12
4
= 34
fi
xifi
0
1
2
3
4
2
6
10
12
4
0
6
20
36
16
= 34
= 78
1
2
2
4
3
6
4
8
5
3
6
1
- 65 -
Temos:
xi
fi
xifi
1
2
3
4
5
6
2
4
6
8
3
1
2
...
...
...
...
...
= ...
= ...
Como:
X = ( xifi) ( fi)
ESTATURAS
(cm)
1
2
3
4
5
6
150
154
158
162
166
170
154
158
162
166
170
174
fi
4
9
11
8
5
3
= 40
Pela mesma razo do caso anterior, vamos, inicialmente, abrir uma coluna para os
pontos mdios e outra para os pontos xifi:
TABELA 2.4
i
1
2
3
4
5
6
ESTATURAS
(cm)
150
154
158
162
166
170
154
158
162
166
170
174
fi
xi
xifi
4
9
11
8
5
3
152
156
160
164
168
172
608
1.404
1.760
1.312
840
516
= 40
Como, neste caso:
= 6.440
xifi = 6.440, fi = 40
X = ( xifi) ( fi)
Resolva:
Complete o esquema para o clculo da mdia aritmtica da distribuio:
xi
fi
Temos:
i
xi
fi
xifi
1
2
3
4
5
6
7
500
....
....
....
....
....
1.100
8
10
11
16
13
5
1
4.000
....
....
....
....
....
....
= ....
= ....
Vamos, ento, calcular a mdia da distribuio da Tabela 2.3 pelo processo breve.
Comeamos por completar a tabela dada com as colunas correspondentes aos pontos
mdios (xi), aos valores da nova varivel (yi) e aos produtos yifi:
- 67 -
TABELA 2.5
i
1
2
3
4
5
6
ESTATURAS
(cm)
150
154
158
162
166
170
154
158
162
166
170
174
x0 = 160
fi
xi
fi
xifi
4
9
11
8
5
3
152
156
160
164
168
172
-2
-1
0
1
2
3
-8
-9
0
8
10
9
= 40
0
-17
0
0
0
27
= 10
4 40 = 160 + 1 = 161 cm
Notas:
O processo breve, com a nova varivel definida por ns, s pode ser usado em
distribuies que apresentam intervalos de classe de mesma amplitude.
O processo breve pode, tambm, ser aplicado para as distribuies sem intervalos
de classe, bastando fazer h = 1.
- 68 -
Temos:
i
xi
fi
yi
xifi
1
2
3
4
5
6
7
500
600
700
800
900
1.000
1.100
8
10
1
16
13
5
1
-3
-2
-1
0
1
2
3
-24
-20
-11
0
13
10
3
x0 = 800
= 64
0
0
-55
0
0
0
26
= -29
Como: h = 100
Vem: X = x0 + ( yifi x h) ( fi) = 800 + (-29) 100 64 = 754,69 = R$ 755,00
Resolva:
Complete o esquema para o clculo da mdia aritmtica da distribuio:
30 50 70 90 110 130
2
8
12
10
5
xi
fi
Temos:
xi
fi
yi
xifi
1
2
3
4
5
40
...
...
...
...
...
...
12
...
...
...
...
...
...
2
...
... ...
...
...
... ...
x0 = ...
= ...
= ...
Como: h = ...
Vem: X = x0 + ( yifi x h) ( fi) = ... + ... x ... ... = 84,3
Emprego da Mdia
A mdia utilizada quando:
a) Desejamos obter a medida de posio que possui a maior estabilidade;
b) Houver a necessidade de um tratamento algbrico ulterior.
- 69 -
2.1.2.1
2.1.2.1.1
Dados Agrupados
Sem Intervalos de Classe
Uma vez agrupados os dados, possvel determinar imediatamente a moda: basta fixar
o valor da varivel de maior freqncia.
Na distribuio da Tabela 1, a freqncia mxima (12) corresponde o valor 3 da varivel.
Logo: Mo = 3
2.1.2.1.2
A classe que apresenta a maior freqncia denominada classe modal. Pela definio,
podemos afirmar que a moda, neste caso, o valor dominante que est compreendido
entre os limites da classe modal.
O mtodo mais simples para o clculo da moda consiste em tomar o ponto mdio da
classe modal.
Damos a esse valor a denominao de moda bruta.
Temos, ento:
Onde:
Mo = (l* + L*) 2
ESTATURAS
(cm)
fi
1
2
3
4
5
6
150
154
158
162
166
170
4
9
11
8
5
3
154
158
162
166
170
174
= 40
Temos que a classe modal i = 3, l* = 158 e L* =162.
Como: Mo = (l* + L*) 2
Vem: Mo = (158 + 162) 2 = 160 cm
- 70 -
Nota:
H, para o clculo da moda, outros mtodos mais elaborados, como, por exemplo,
o que faz uso da frmula de Czuber:
Mo = l* + D1 (D1 + D2) x h*
Na qual:
l* o limite inferior da classe modal;
h* a amplitude da classe modal;
D1 = f* - f(ant);
D2 = f* - f(post).
Sendo:
f* a frequncia simples da classe modal;
f(ant) a freqncia simples da classe anterior classe modal;
f(post) a freqncia simples da classe posterior classe modal.
Assim, para a distribuio da Tabela 1, temos: D1 = 11 9 = 2
D2 = 11 8 = 3
i
1
2
3
4
5
6
7
450
550
650
750
850
950
1050
550
650
750
850
950
1050
1150
fi
8
10
11
16
13
5
1
= 64
L = ....
- 71 -
2.1.3
A Mediana (Md)
Definio:
A mediana outra medida de posio definida como o nmero que se encontra no
centro de uma srie de nmeros, estando estes dispostos segundo uma ordem. Em
outras palavras, a mediana de um conjunto de valores, ordenados segundo uma ordem
de grandeza, o valor situado de tal forma no conjunto que separa em dois
subconjuntos de mesmo nmero de elementos.
2.1.3.1
Dados No-Agrupados
Dada uma srie de valores, como, por exemplo: 5, 13, 10, 2, 18, 15, 6, 16, 9
De acordo com a definio de mediana, o primeiro passo a ser dado o da ordenao
(crescente ou decrescente) dos valores: 2, 5, 6, 9, 10, 13, 15, 16, 18
Em seguida, tomamos aquele valor central que apresenta o mesmo nmero de
elementos direita e esquerda. Em nosso exemplo, esse valor o 10, j que, nessa
srie, h quatro elementos acima dele e quatro abaixo.
Temos, ento: Md = 10
Se, porm, a srie dada tiver um nmero par de termos, a mediana ser, por definio,
qualquer dos nmeros compreendidos entre os dois valores centrais da srie.
Convencionou-se utilizar o ponto mdio.
Assim, a srie de valores:
X= 20 e Md = 10
- 72 -
2.1.3.2
Dados Agrupados
fi
Fi
0
1
2
3
4
2
6
10
12
4
2
8
18
30
34
= 34
Sendo: ( f1) 2 = 34 2 = 17
A menor freqncia acumulada que supera esse valor 18, que corresponde ao valor 2
da varivel, sendo este o valor mediano. Logo: Md = 2 meninos
Nota:
Exemplo:
TABELA 2.7
xi
fi
Fi
12
14
15
16
17
20
1
2
1
2
1
1
1
3
4
6
7
8
=8
- 73 -
valor
da
varivel
Temos: 8 2 = 4 = F3
Logo: Md = (15 + 16) 2 = 31 2 = 15,5
Resolva:
1) Complete o esquema para o clculo da mediana das distribuies:
a.
b.
xi
fi
2
3
4
7
6
12
8
8
10
4
xi
fi
Temos:
0
2
1
5
2
9
3
7
4
6
5
3
Temos:
xi
fi
Fi
xi
fi
Fi
2
4
6
8
10
3
7
12
8
4
...
10
...
30
...
0
....
....
....
4
....
2
....
9
....
....
....
2
....
....
....
....
....
= ...
= ...
Como:
fi 2 = .... 2
Como:
Vem: Md = ....
2.1.3.4
fi 2 = .... 2 = ....
Vem: Md = ....
ESTATURAS
(cm)
150
154
158
162
166
170
154
158
162
166
170
174
fi
Fi
4
13
24 classe mediana
32
37
40
4
9
11
8
5
3
= 40
Temos: ( f1) 2 = 40 2 = 20
- 74 -
fi
F (ant ) h *
Md f *
f*
Na qual:
l* o limite inferior da classe mediana;
F* (ant) a freqncia acumulada da classe anterior classe mediana;
f* a freqncia simples da classe mediana;
h* a amplitude do intervalo da classe mediana.
Tomando como exemplo a distribuio anterior, temos: ( fi) 2 = 40 2 = 20
Logo, a classe mediana a de ordem 3. Ento: l* = 158, F(ant) = 13, f* = 11 e h* =
4
Substituindo esses valores na frmula, obtemos:
160,54 = 160,5 cm
Resolva:
1) Complete o esquema para o clculo da mediana da distribuio de freqncia.
xi
fi
- 75 -
Temos:
i
CUSTOS (R$)
450
550
650
750
850
950
1.050
1
2
3
4
5
6
7
550
650
750
850
950
1.050
1.150
fi
Fi
8
....
....
....
....
....
....
8
18
....
....
....
....
....
=....
CLASSES
fi
Fi
1
2
3
4
5
6
0
10
20
30
40
50
1
3
9
7
4
2
1
4
13
20
24
26
10
20
30
40
50
60
= 20
( fi) 2 = 26 2 = 13
Logo: Md = L* = 30
Emprego da Mediana
Empregamos a mediana quando:
a) desejamos obter o ponto que divide a distribuio em partes iguais;
b) h valores extremos que afetam de uma maneira acentuada a mdia;
c) a varivel em estudo salrio.
- 76 -
II. a mediana;
III. a moda.
3
4
4
8
5
11
6
10
4
8
8
3
Calcule:
a) a mdia;
b) a mediana;
c) a moda.
5. Em uma classe de 50 alunos, as notas obtidas formaram a seguinte distribuio:
NOTAS
N DE
ALUNOS
3
1
4
3
10
10
13
Determine:
a) a nota mdia;
b) a nota mediana;
c) a nota modal.
- 77 -
50
8
60
5
80
4
90
3
b.
xi
fi
50
20
58
50
66
30
b.
NOTAS
0
2
2
2
2
2
4
4
4
4
fi
ESTATURAS
(cm)
5
8
14
10
7
150
158
166
174
182
= 44
fi
158
166
174
182
190
5
12
18
27
8
= 70
c.
d.
SALRIOS (R$)
fi
500 700
700 900
900 1.100
1.100 1.300
1.300 1.500
1.500 1.700
1.700 1.900
18
31
15
3
1
1
1
PESOS (kg)
145
151
157
163
169
175
181
151
157
163
169
175
181
187
= 70
fi
10
9
8
6
3
3
1
= 40
14. Numa grande empresa, em trs setores pesquisados num determinado dia, foram
constatadas faltas de funcionrios, assim distribudos:
- 78 -
* 4% no setor administrativo;
* 8% no setor de produo;
* 12% no setor comercial.
Calcule a mdia de faltas desse dia, considerando que, no setor de produo, h 200
funcionrios, o setor administrativo tem 50 funcionrios e o setor comercial tem 75
funcionrios.
15. Um carro, numa viagem, andou 5 horas a 60 km por hora. Determine a velocidade
horria mdia nessas 8 horas de viagem.
16. A mdia aritmtica entre 50 nmeros igual a 38. Dois nmeros so retirados: o
nmero 55 e o 21. Calcule a mdia aritmtica dos nmeros que restaram.
17. Um ourives fez uma liga fundindo 200 g de ouro 14 k (quilates) com 100 g de ouro 16
k. O nmero que d a melhor aproximao em quilates de ouro obtido :
a) 14,5 k
b) 14,6 k
xc)
14,7 k
d) 15,0 k
e) 15,5 k
18. Num concurso de vestibular para dois cursos A e B, compareceram 500 candidatos
para o curso A e 100 candidatos para o curso B. Na prova de Matemtica, a mdia
aritmtica geral, considerando os dois cursos, foi 4,0.
Mas, considerando apenas os candidatos ao curso A, a mdia cai para 3,8.
A mdia dos candidatos ao curso B, na prova de Matemtica, foi:
a) 4,2
xb) 5,0
c) 5,2
d) 6,0
e) 6,2
19. Seja M a mdia aritmtica de 15 nmeros quaisquer. Subtraindo-se 10 unidades de
cada um desses nmeros, obtm-se 15 novos nmeros, cuja mdia aritmtica :
a) M 15
b) M + 150
xc) M 10
d) M + 10
e) 10 M
20. Considere um grupo formado por cinco amigos com idade de 13, 13, 14, 14 e 15
anos. O que acontece com a mdia de idade desse grupo, se um sexto amigo com 16
anos juntar-se ao grupo?
a) Permanece a mesma
b) Diminui 1 ano
c) Aumenta 12 anos
d) Aumenta mais de 1 ano
xe) Aumenta menos de 1 ano
21. A mdia aritmtica dos nmeros pares de dois algarismos :
a) 50
b) 51
c) 52
d) 53
xe)
54
b) 20
c) 10
xd)
70
e) 100
24. Num pas, a populao feminina 51% do total. A idade mdia da populao
feminina 38 anos e da masculina 36. Ento, a idade mdia da populao, em
anos, :
xa)
37,02
b) 37,00
c) 37,20
d) 36,60
e) 37,05
b) 32,95
c) 33,00
xd)
33,05
e) 33,10
- 79 -
- 80 -
Quando dizemos que a amplitude total dos valores 30, estamos afirmando alguma
coisa do grau de sua concentrao. evidente que, quanto maior a amplitude total,
maior a disperso ou variabilidade dos valores da varivel.
Relativamente aos trs conjuntos de valores mencionados no incio deste captulo,
temos:
ATx = 70 70 = 0, (disperso nula)
ATy = 72 68 = 4
ATz = 160 5 = 155
2.2.1.2 Dados Agrupados
* Sem intervalos de classe:
Neste caso, ainda temos: AT = x(mx) x(mn)
Exemplo: Considerando a tabela abaixo:
xi
fi
0
2
1
6
2
12
3
7
4
3
Temos: AT = 4 0 = 4
* Com intervalos de classe:
Neste caso, a amplitude total a diferena entre o limite superior da ltima classe e o
limite inferior da primeira classe: AT = L(mx) l(mn)
Exemplo:
Considerando a distribuio abaixo:
TABELA 2.8
i
ESTATURAS
(cm)
fi
1
2
3
4
5
6
150
154
158
162
166
170
4
9
11
8
5
3
154
158
162
166
170
174
= 40
Temos: AT = 174 -150 = 24
A amplitude total tem o inconvenientemente de s levar em conta os dois valores
extremos da srie, descuidando do conjunto de valores intermedirios, o que quase
sempre invalida a idoneidade do resultado. Ela apenas uma indicao aproximada da
disperso ou variabilidade.
Faz-se uso da amplitude total quando se quer determinar a amplitude em um dia ou no
ano, no controle de qualidade ou como uma medida de clculo rpido, e quando a
compreenso popular mais importante que a exatido e a estabilidade.
Como vimos, a amplitude total instvel, por se deixar influenciar pelos valores
extremos, que so, na sua maioria, devidos ao acaso.
A varincia e o desvio padro so medidas que fogem a essa falha, pois levam em
considerao a totalidade dos valores da varivel em estudo, o que faz delas, ndices de
variabilidade bastante instveis e, por isso mesmo, os mais geralmente empregados.
A varincia baseia-se nos desvios em torno da mdia aritmtica, porm determinando a
mdia aritmtica dos quadrados dos desvios (lembremos que di = (xi - X) = 0).
Assim, representando a varincia por S2, temos:
S2 = (xi - X)2 fi
Ou, lembrando que fi = n
S2 = (xi - X)2 n
Nota:
Sendo a varincia calculada a partir dos quadrados dos desvios, ela um nmero em
unidade quadrada em relao varivel em questo, o que, sob o ponto de vista prtico,
um inconveniente.
Por isso mesmo, imaginou-se uma nova medida que tem utilidade e interpretao
prticas, denominada desvio padro, definida como a raiz quadrada da varincia e
representada por s: S = s2
Assim: ( (xi - X)2 n)
(1)
Nota:
Se bem que a frmula dada para o clculo do desvio seja a que torna mais fcil a sua
compreenso, ela no uma boa frmula para fins de computao, pois, em geral, a
mdia aritmtica (X) um nmero fracionrio, o que torna pouco prtico o clculo das
quantidades (xi - X)2.
Podemos simplificar os clculos fazendo uso da igualdade:
(xi - X)2 = xi2 - ( xi)2 n
Assim, substituindo (xi - X)2 por seu equivalente em (1), obtemos:
s = ( xi2 - ( xi)2 n)
que pode ser escrita do seguinte modo: s = ( xi2 n - ( xi n)2)
(2)
No apenas este mtodo usualmente mais prtico, como tambm mais preciso. Quando
a mdia no exata e tem de ser arredondada, cada desvio fica afetado ligeiramente do
erro, devido a esse arredondamento. O mesmo acontece com os quadrados, podendo os
resultados do clculo ser menos exatos do que quando a frmula (2) usada.
O desvio padro goza de algumas propriedades, dentre as quais destacamos:
- 82 -
x12
40
45
48
52
54
62
70
1.600
2.025
2.304
2.704
2.916
3.844
4.900
= 371
= 20.293
Como n = 7, temos:
s = ( xi2 n - ( xi n)2) = (20 7 - (371 7)2) = 9,486
Resolva:
1) Complete o esquema para o clculo do desvio padro, dados os valores da varivel:8,
10, 11, 15, 16, 18
Temos:
n = ....
xi
x12
8
....
....
....
....
64
....
....
....
....
= ....
= ....
- 83 -
0
2
1
6
2
12
3
7
4
3
O modo mais prtico de se obter o desvio padro abrir, na tabela dada, uma coluna
para os produtos fixi e outra para fixi2, lembrando que para obter fixi2 basta multiplicar
cada fixi pelo seu respectivo xi. Assim:
TABELA 2.10
xi
fi
fi xi
fi xi2
0
1
2
3
4
2
6
12
7
3
0
6
24
21
12
0
48
43
63
48
= 30
= 63
= 165
1
2
2
5
3
8
4
6
5
3
6
1
Temos:
xi
fi
fi xi
fi xi2
1
2
3
4
5
6
2
....
....
....
....
....
2
....
....
....
....
....
2
....
....
....
....
....
= ....
= ....
= ....
- 84 -
ESTATURAS
(cm)
150
154
158
162
166
170
154
158
162
166
170
174
fi
xi
fixi
fixi2
4
9
11
8
5
3
152
156
160
164
168
172
608
1.404
1.760
1.312
840
516
92.416
219.024
281.600
215.168
141.120
88.752
= 6.440
= 1.038.080
= 40
ESTATURAS
(cm)
150
154
158
162
166
170
154
158
162
166
170
174
h = 40
fi
xi
yi
fiyi
fiyi2
4
9
11
8
5
3
152
156
160
164
168
172
-2
-1
0
1
2
3
-8
-9
0
8
10
9
16
9
0
8
20
27
= 10
= 80
= 40
- 85 -
xi
fi
Temos:
i
xi
fi
yi
fiyi
fiyi2
1
2
3
4
5
6
7
500
600
700
800
900
1.000
1.100
8
10
11
16
13
5
1
-3
-2
-1
0
1
2
3
-24
-20
-11 -55
0
13
10
3 26
72
40
11
0
13
20
9
h = 100
= 64
= -29
= 165
30 50 70 90 110 130
2
8
12
10
5
xi
fi
yi
fiyi
fiyi2
1
2
3
4
5
40
....
....
....
....
2
....
....
....
....
....
....
....
....
....
....
....
....
....
....
....
....
....
....
....
h = ....
= ....
= ....
= ....
- 86 -
ESTATURAS
PESOS
X
175 cm
68 kg
s
5,0 cm
2 kg
Temos:
CVE = 5 / 175 x 100 = 2,85%
CVP = 2 / 68 x 100 = 2,94%
Logo, nesse grupo de indivduos, os pesos apresentam maior grau de disperso que as
estaturas.
Nota:
Se bem que, para qualificar a disperso de uma distribuio, seja mais proveitoso
o coeficiente de variao, no devemos deduzir da que a varincia e o desvio
padro caream de utilidade. Pelo contrrio, so medidas muito teis no
tratamento de assuntos relativos inferncia estatstica, como j dissemos.
- 87 -
2
1
3
3
b.
CLASSES
fi
4
5
5
8
6
5
7
4
8
2
0
1
1
14
2
34
3
29
4
16
5
3
2 6 10 14 18 22
5
12
21
15
7
26
15
32
45
28
19
30
42
27
31
31
22
- 88 -
Aluno A
Aluno B
Aluno C
1 Bim
2 Bim
3 Bim
4 Bim
Mdia
9,5
8,5
10,0
8,5
10,0
7,5
9,0
10,0
9,5
9,5
8,0
9,5
....
....
....
15 anos
18 anos
16 anos
15 anos
14 anos
15 anos
15 anos
13 anos
13 anos
15 anos
13 anos
16 anos
15 anos
17 anos
15 anos
Ento:
a) obtenha a mdia de idade de cada grupo;
b) calcule a varincia de cada grupo;
c) calcule o desvio padro de cada grupo.
17) Numa competio de salto triplo, trs atletas disputavam apenas uma vaga para uma
olimpada entre faculdades de uma cidade. Cada atleta fez 4 tentativas obtendo os
seguintes resultados:
Atleta I
Atleta II
Atleta III
16,50 m
13,90 m
15,70 m
15,81 m
17,01 m
16,02 m
16,42 m
16,82 m
16,95 m
16,12 m
15,10 m
17,00 m
19) A tabela a seguir mostra o nmero de acertos numa prova com 10 questes
aplicadas numa turma com 50 alunos.
N da questo
Quantidade de
acertos
1
15
2
20
3
12
Obtenha:
- 89 -
4
25
5
48
6
40
7
35
8
10
9
30
10
40
a) a mdia geomtrica;
b) a mdia aritmtica;
c) a mdia harmnica.
21) Numa escola adotado o seguinte critrio: a nota da primeira prova multiplicada
por 1, a nota da segunda prova multiplicada por 2 e a nota da ltima prova
multiplicada por 3. Os resultados, aps somados, so divididos por 6. Se a mdia
obtida por esse critrio for maior ou igual a 6,5, o aluno dispensado das atividades
de recuperao. Suponha que um aluno tenha tirado 6,3 na primeira prova e 4,5 na
segunda. Quanto precisar tirar na terceira para ser dispensado da recuperao?
22) Para votar, cinco eleitores demoraram, respectivamente, 3 min 38 s, 3 min 18 s, 2
min 46 s, 2 min 57 s e 3 min 26 s. Qual foi a mdia do tempo de votao (em
minutos e segundos) desses eleitores?
23) A distribuio dos salrios de uma empresa dada na seguinte tabela:
Salrio em R$
Nmero de funcionrios
500,00
1.000,00
1.500,00
2.000,00
5.000,00
10.500,00
10
5
1
10
4
1
Total
31
3. PROBABILIDADE - Introduo
Embora o clculo das probabilidades pertena ao campo da Matemtica, sua incluso
neste contedo se justifica pelo fato de a maioria dos fenmenos de que trata a
Estatstica ser de natureza aleatria ou probabilstica. Consequentemente, o
conhecimento dos aspectos fundamentais do clculo de probabilidades uma
necessidade essencial para o estudo da Estatstica Indutiva ou Inferencial.
Procuramos resumir aqui os conhecimentos que julgamos necessrios para termos um
ponto de apoio em nossos primeiros passos no caminho da Estatstica Inferencial. Esses
passos sero apresentados no captulo seguinte, que trata da conceituao da varivel
aleatria e das duas principais distribuies de probabilidades de variveis discretas e
contnuas.
- 90 -
3.3 Eventos
Chamamos de evento qualquer subconjunto do espao amostral S de um experimento
aleatrio.
Assim, qualquer que seja E, se E S (E est contido em S), ento E um evento de S.
Se E = S, E chamado evento certo.
Se E S e E um conjunto unitrio, E chamado evento elementar.
Se E = , E chamado evento impossvel.
Exemplo:
No lanamento de um dado, onde S = {1, 2, 3, 4, 5, 6}, temos:
- 91 -
3.4 Probabilidade
Dado um experimento aleatrio, sendo S o seu espao amostral, vamos admitir que
todos os elementos de S tenham a mesma chance de acontecer, ou seja, que S um
conjunto equiprovvel.
Chamamos de probabilidade de um evento A (A S) o nmero real P(A), tal que:
P(A) = n(A) / n(S)
Onde:
n(A) o nmero de elementos de A;
n(S) o nmero de elementos de S.
Exemplos:
a. Considerando o lanamento de uma moeda e o evento A obter cara", temos:
S = {Ca, Co} n(S) = 2
A = {Ca} n(A) = 1
Logo: P(A) = 1/2
O resultado acima nos permite afirmar que, ao lanarmos uma moeda equilibrada, temos
50% de chance de que aparea cara na face superior.
- 93 -
Exemplo:
Lanamos dois dados. A probabilidade de obtermos 1 no primeiro dado : p 1 = 1/6
A probabilidade de obtermos 5 no segundo dado : p2 = 1/6
Logo, a probabilidade de obtermos, simultaneamente, 1 no primeiro e 5 no segundo :
p = 1/6 x 1/6 = 1/36
19) Considere o mesmo lote do problema anterior. Retiram-se 2 peas ao acaso. Calcule
a probabilidade de que:
a. ambas sejam perfeitas;
- 97 -
para as jogadas posteriores no sero mais meio-a-meio, segundo Bayes. Usando esse
mtodo na previso das chances de um time A vencer um time B, deve-se levar em
conta as informaes que se tem sobre resultados anteriores a essa disputa, como
quantas vezes A venceu B, e as experincias e opinies de especialistas sobre esse jogo,
o campeonato e os jogadores.
Usar o clculo da probabilidade justamente fazer palpites sobre determinados eventos,
se vo ocorrer ou no. Ele considerado cincia porque estuda com lgica e
racionalidade as chances de um evento ocorrer.
Apesar de estar baseado rigidamente na lgica e na razo, o Teorema de Bayes passou
por vrias controvrsias medida que os estudos sobre probabilidade e estatstica
evoluam. At hoje ele criticado por incluir o carter subjetivo - a opinio - no ajuste de
clculos, e por isso ser "sem p nem cabea" do ponto de vista dos matemticos
conservadores e compromissados com a objetividade.
Na poca em que viveu, certamente o reverendo no tinha tanta necessidade de prever
riscos e benefcios de alguma aplicao financeira ou se algum veculo de locomoo teria
muita chance de quebrar ou no.
Hoje sua teoria pode ser aplicada a quase todas as reas do conhecimento, nas
pesquisas cientficas ou no cotidiano das pessoas. Autoridades de sade pblica no
podem deixar de usar os clculos probabilsticos na previso de alcance de uma
epidemia. As economias mundiais no vivem mais sem a previso de inflao,
desemprego ou da alta ou baixa da cotao das moedas. Apesar de sempre terem sido
criticados, Thomas Bayes e suas idias continuam desafiando a intuio e o "achismo"
nas nossas apostas e palpites dirios.
Segundo o primeiro axioma do clculo de probabilidades, valores probabilsticos de um
evento A qualquer no podem ser menores que zero nem maiores que 1 e a
probabilidade do evento certo igual a 1. Em termos formais, temos: 0P(A)1. O valor
zero atribudo ao evento impossvel e os valores intermedirios, aos eventos possveis
ou incertos. A segunda lei diz que a probabilidade de qualquer evento ocorrer dentre um
nmero n de eventos alternativos mutuamente exclusivos A e B igual soma das
probabilidades dos eventos individuais. Formalmente: P(A ou B) = P(A) + P(B). A
terceira lei fala que a probabilidade de dois eventos A e B ocorrerem igual
multiplicao da probabilidade condicional P(A/B) l-se probabilidade de A dado B
pela probabilidade de B, o que pode ser formalizado de modo simplificado assim:
P(AeB)=P(A/B)P(B). Pelo mesmo raciocnio, P(B eA) = P(B/A) P(A).
Do terceiro axioma, assumindo-se por comutao que P(AeB)= P(BeA), deduz-se o
teorema de Bayes que tem a seguinte formulao bsica:
P(A/B) = P(B/A)/P(B) x P(A)
Nessa frmula, a probabilidade do evento A ocorrer em vista do evento B (P(A/B))
dada por trs fatores: a verossimilhana de A (a probabilidade de B dado A); a
probabilidade prvia de B; e a probabilidade prvia de A.
Tomemos o seguinte exemplo para nos ajudar a entender o uso do teorema de Bayes
para o clculo da probabilidade de um evento: um mdico avalia duas ocorrncias
possveis que podem estar se dando com um paciente que reclama de problemas
respiratrios. Considerando-se, para simplificar o exemplo, que h apenas duas
modalidades de problemas desse tipo, digamos bronquite e pneumonia, o raciocnio
empregado para se avaliar essas ocorrncias em termos bayesianos parte das
probabilidades prvias desses eventos tal como dadas estatisticamente.
Assim, admitamos que a incidncia de pneumonia (P(pn)) muito mais rara que a de
bronquite (P(br)), digamos 100 vezes menos freqente, segundo os registros
estatsticos. Em termos matemticos, P(br) = 100/101 e P(pn) = 1/100.
- 99 -
- 100 -