Estatistica e Probabilidade

1
FUNDAO DE ESTUDOS SOCIAIS DO

PARAN
ESTATSTICA
APLICADA
ALUNO:__________________________________________________________________
Marco Antnio Santoro Bara
Nota sobre o autor

Marco Antnio Santoro Bara Bacharel em Administrao de
Empresas pela FESP (Fundao de Estudos Sociais do PR), Licenciado em
Matemtica pela UFPR (Universidade Federal do PR) ps-graduado em
Matemtica Superior pela FUSVE-RJ, ps-graduado em EaD pela FESP,
mestre em Administrao na rea de Finanas pela UFRGS e doctor of
Philosophy in Business Administration pela Flrida Christian University.
Certificou-se junto a Case Western Reserve University em parceria com a
UNINDUS (Universidade da Indstria da FIEP) no curso de Investigao
Apreciativa (I.A.), metodologia utilizada no Frum Paran Futuro 10.
professor universitrio das disciplinas: Matemtica Financeira,
Clculo Diferencial e Integral, Lgica Matemtica e Estatstica na FESP
(Fundao de Estudos Sociais do PR); lecionou ainda: Geometria Analtica,
Matemtica Financeira na Escola Tcnica da UFPR (Universidade Federal do
PR) nos cursos presenciais e lecionou ainda em parceria com o ITDE a disciplina
de estatstica no mdulo distncia; lecionou por mais de 10 anos: Matemtica
Financeira, Pesquisa Operacional no UNICENP (Centro Universitrio Positivo).
Alm da experincia em sala de aula como professor, atuou tambm
na indstria, durante 5 anos na Nestl Industrial e Comercial na rea
Administrativa Financeira e atualmente scio proprietrio da Mbara
Empreendimentos Imobilirios LTDA, scio proprietrio da ENZE Curitiba
Distribuidora de Cosmticos e ainda funcionrio do Banco do Brasil.
Dedico este material didtico aos meus filhos Ana Paula e Rodrigo
Augusto.
ESTATSTICA
1.0 ALGUMAS DEFINIES DE ESTATSTICA
Etimologicamente a palavra estatstica vem de status expresso latina que
significa: sensu lato, o estudo do estado. Os primeiros a empregarem esse
termo foram os Alemes seguidos pela Itlia, Frana, Inglaterra e ainda por
outros pases.
Para Levasseur a estatstica : O estudo numrico dos fatos sociais. Yule
define estatstica como: Dados quantitativos afetados marcadamente por uma
multiplicidade de causas.
Uma definio mais usual nos dias de hoje seria: Um mtodo cientfico que
permite a anlise, em base probabilstica, de dados coligados e condensados.
Ou ainda podemos dizer que Estatstica um conjunto de mtodos quantitativos,
que servem para a coleta, organizao, reduo e apresentao de dados,
anlise dos mesmos e a obteno de concluses vlidas e tomadas de decises
a partir de tais anlises.
Estatstica pode ser entendida como sendo a cincia de aprendizagem a partir
de dados.
No nosso cotidiano, precisamos tomar decises, muitas vezes decises rpidas.
Assim podemos dizer que a Estatstica fornece mtodos que auxiliam o processo
de tomada de deciso.
1.1 POR QUE ESTUDAR ESTATSTICA?

O raciocnio estatstico largamente utilizado no governo e na administrao;
assim, possvel que, no futuro, um empregador venha a contratar ou promover
um profissional por causa do seu conhecimento de estatstica. Essa uma razo,
esperamos que ao final deste trabalho o leitor encontre suas prprias razes.
1.2 A NATUREZA DOS DADOS

Os dados estatsticos constituem a matria prima das pesquisas estatsticas,
eles surgem quando se fazem mensuraes ou se restringem observaes.
Estatstica descritiva: Trata-se da descrio e resumo dos dados.
Probabilidade: um estudo que envolve o acaso.
Inferncia: a anlise e interpretao de dados amostrais (Amostragem).
Modelos: So verses simplificadas (abstraes) de algum problema ou
situao real.
1.3 TIPOS DE DADOS

Quantitativos
Contnuos
Discretos
Qualitativos
Nominais
Por postos
As variveis contnuas podem assumir qualquer valor num intervalo contnuo.

Os dados referentes a tais variveis dizem-se dados contnuos. Ex.: peso,
comprimento, espessura onde se usa a mensurao.
As variveis discretas assumem valores inteiros de dados discretos so os
resultados da contagem de nmeros de itens. Ex.: alunos da sala de aula,
nmero de defeitos num carro novo, acidentes de uma fbrica.
Os dados nominais surgem quando se definem categorias e se conta o nmero
de observaes pertencentes a cada categoria. Atuam dentro das variveis
Qualitativas, s quais devemos associar a valores numricos para que
possamos processar estatisticamente. Ex.: cor dos olhos (azuis, verdes,
castanhos), sexo (masculino e feminino), desempenho (excelente, bom, sofrvel,
mau), etc.
Os dados por postos consistem de valores relativos atribudos para denotar
ordem: primeiro, segundo, terceiro, quarto, etc. Ex.: concurso de beleza se
classificam em 1, 2, 3 colocadas.
TABELA 1: A mesma populao pode originar diferentes tipos

de dados.
TIPOS DE DADOS
POPULAES CONTNUOS DISCRETOS NOMINAIS
Alunos de
administrao
idade/peso
N. de
classes
POR
POSTO
Homens/Mulheres 3 grau
1.4 TIPOS DE LEVANTAMENTOS

Os levantamentos podem ser classificados em contnuos, peridicos e
ocasionais:
CONTNUOS: Quando os eventos vo sendo registrados medida que ocorrem.
Exemplos os registros civis dos fatos vitais (nascimento, bitos e casamentos).
PERIDICOS: Acontecem ciclicamente. Exemplo o recenseamento, feito no
Brasil a cada dez anos. A realizao de um Censo Demogrfico representa o
desafio mais importante para um instituto de estatstica, sobretudo em um pas
de dimenses continentais como o Brasil, com 8 514 215,3 km2, composto por
27 Estados e 5 507 municpios existentes na data de referncia da pesquisa,
abrangendo um total de 54 265 618 de domiclios pesquisados (dados do IBGE
sobre o Censo de 2000).
OCASIONAIS: So aqueles realizados sem a preocupao de continuidade ou
periodicidade preestabelecidas, exemplos a maioria dos trabalhos de
investigao cientifica.
Os dados ainda podem ser classificados em: primrios e secundrios.
DADOS PRIMRIOS: Quando o investigador no encontra dados publicados
adequados ao seu estudo, parte para a realizao de um inqurito, isto , os
dados so levantados diretamente na populao no momento da investigao.
DADOS SECUNDRIOS: Quando o investigador para verificar as suas
hipteses de trabalho utiliza-se de dados j existentes, arquivados, registrados
ou publicados. Podem ser, at mesmo, dados gerados pelo Departamento de
Estatstica de Populaes da Fundao Instituto Brasileiro de Geografia e
Estatstica (IBGE).
1.5 PLANEJAMENTO DE EXPERIMENTOS

1- Definio do problema: Um Estudo ou Uma Anlise
2- Formular plano adequado para coleta de dados
3- Organizar os dados
4- Analisar e interpretar os dados
5- Relatar as concluses
EXERCCIOS
1- Identifique os seguintes exemplos em termos de tipos de dados:
a- 17 gramas
b- 3 certos, 2 errados
c- 25 segundos
d- 25 alunos na classe
e- tamanho de camisa
f- Km/litro
g- O mais aprazvel
h- O mais lento
i- 5 acidentes no ms de maio
2.0 AMOSTRAGEM
AMOSTRAGEM VERSUS CENSO: Uma amostra usualmente envolve o estudo
de uma parcela dos itens de uma populao, enquanto que o censo requer o
estudo de todos os itens.
Restries ao Censo:
- Custo
- Populaes infinitas
- Dificuldade nos critrios (Preciso)
- Produtos de testes Destrutivos (fsforos, munies)
- Tempo despendido (atualizao)
- Tipos de informaes mais restritivas
Casos de exceo:
- Populaes pequenas
- Amostras grandes em relao populao
- Se exige preciso completa
- Se j so disponveis informaes completas
2.1 DEFINIES:
POPULAO: o conjunto de indivduos (ou objetos), que tem pelo menos uma
varivel comum observvel. Populao a totalidade dos elementos de um
conjunto com uma dada caracterstica, no qual se deseja fazer um determinado
estudo.
AMOSTRA: qualquer subconjunto da populao extrada para se realizar
estudos estatsticos.
A estatstica indutiva a cincia que busca tirar concluses probabilsticas

sobre a populao, com base em resultados verificados em amostras retiradas
dessa populao.
Entretanto no basta que saibamos descrever convenientemente os dados da
amostra para que possamos executar, com xito, um trabalho estatstico
completo. Antes de tudo preciso garantir que a amostra ou amostras que sero
utilizadas sejam obtidas por processos adequados.
- O que necessrio garantir, em suma, que a amostra seja Representativa
da populao.
Dois aspectos nas amostras so fundamentais, e que do a sua
representatividade em termos:
- Qualitativos: Amostras que representem todas as subpopulaes, quando for
o caso.
- Quantitativos: Que possua quantidade de dados suficientes para representar
a populao.
Na indstria onde amostras so frequentemente retiradas para efeito de Controle
da Qualidade dos produtos e materiais, em geral os problemas de amostragem
so mais simples de resolver.
Por outro lado, em pesquisas sociais, econmicas ou de opinio, a complexidade
dos problemas de amostragem so normalmente bastante grandes.
Inferncia estatstica envolve a formulao de certos julgamentos sobre um

todo aps examinar apenas uma parte, ou a amostra, dele.
A probabilidade e a amostragem esto estreitamente correlacionadas e juntas
formam o fundamento da teoria de inferncia.
- Amostragem o ato de retirar amostra, isto , a ao.
- Amostra a quantidade de dados especificados para representar a populao.
Amostragem aleatria permite estimar o valor do erro possvel, isto , dizer
quo prxima est a amostra da populao, em termos de representatividade.
Amostragem no aleatria no apresenta esta caracterstica.
H vrios mtodos para extrair uma amostra, talvez o mais importante seja a
amostragem aleatria. De modo geral, a amostragem aleatria exige que cada
elemento tenha a mesma oportunidade de ser includo na amostra.
Nas Populaes discretas uma amostra aleatria aquela em que cada item
da populao tem a mesma chance de ser includo na amostra.
Nas Populaes contnuas, uma amostra aleatria aquela em que a
probabilidade de incluir na amostra qualquer intervalo de valores igual
percentagem da populao que est naquele intervalo.
Populaes finitas: quando, temos constitudo por nmeros finitos, ou fixos
de elementos, medidas ou observaes.
Ex.: Peso bruto de 3000 latas de tinta de um certo lote de produo.
Populaes infinitas: so aquelas que contm, pelo menos hipoteticamente,
um nmero infinito de elementos.
Ex.: Produo de carros V.W. produzidos no Brasil e a serem produzidos
(universo volkswagem), processo probabilstico.
2.2 AMOSTRAGEM ALEATRIA BASEADA EM NMEROS ALEATRIOS

(RANDMICOS)
As tabelas de nmeros aleatrios contm os dez algarismos 0,1,2,3,4,......,9.
Esses nmeros podem ser lidos isoladamente ou em grupos; podem ser lidos
em qualquer ordem.
A probabilidade de qualquer algarismo aparecer em qualquer ponto 1/10.
Portanto todas as combinaes so igualmente provveis.
Conceitualmente, poderamos construir uma tabela de nmeros aleatrios
numerando dez bolinhas com os algarismos de 0 a 9, colocando-as numa urna,
misturando bem e extraindo uma de cada vez, com reposio, anotando os

valores obtidos.
A ttulo de ilustrao poderamos querer selecionar aleatoriamente 15 clientes
de uma lista de 830 de um grande magazine, a finalidade poderia ser:
Estimar a frequncia de compras;

Determinar o valor mdio de cada compra;
Registrar as queixas contra o sistema.
2.3 OUTROS PLANOS DE AMOSTRAGEM

Amostragem probabilstica versus Amostragem no probabilstica.
Os planos de amostragem probabilstica so delineados de tal modo que se
conhece a probabilidade de todas as combinaes amostrais possveis. Em
razo disso, pode-se determinar a quantidade de varivel amostral numa
amostra aleatria e uma estimativa do erro amostral. A amostragem aleatria
um exemplo da amostragem probabilstica.
A amostragem no probabilstica a amostragem subjetiva, ou por julgamento,
onde a variabilidade amostral no pode ser estabelecida com preciso,
consequentemente, no possvel nenhuma estimativa do erro amostral.
A verdade que, sempre que possvel, deve-se usar a amostragem
probabilstica.
10
2.4 AMOSTRAGEM POR JULGAMENTO (NO PROBABILSTICA)

Se o tamanho da amostra bem pequeno; digamos, de uns 5 itens, a
amostragem aleatria pode dar resultados totalmente no representativos, ao
passo que uma pessoa familiarizada com a populao pode especificar quais os
itens mais representativos da populao.
Exemplo: Uma equipe mdica deve trabalhar com pacientes que se apresentem
como voluntrios para testar um novo medicamento. Nenhum desses grupos
podem ser considerados como uma amostra aleatria do pblico em geral, e
seria perigoso tentar tirar concluses gerais com base em tal estudo. Todavia,
os resultados poderiam proporcionar uma base para a elaborao de um plano
de amostragem aleatrio para validar os resultados bsicos. Os perigos
inerentes pesquisa mdica, bem como outro tipo de pesquisa, frequentemente
obrigam a limitar a pesquisa inicial a um pequeno grupo de voluntrios.
Exemplo: A aplicao de hormnios em mulheres na menopausa, aps um

perodo de tempo notou-se o aumento das chances de adquirirem cncer de
mama, doenas cardacas etc.
2.5 AMOSTRAGEM PROBABILSTICA

SISTEMTICA
ESTRATIFICADA
CONGLOMERADO
AMOSTRAGEM SISTEMTICA
muito parecida com a amostragem aleatria simples. Podemos ter uma
amostragem realmente aleatria, escolhendo-se cada K-sima amostra, onde K
obtm-se dividindo o tamanho da populao pelo tamanho da amostra.
K= N /n
onde:
N= Tamanho da Populao
n= Tamanho da Amostra
11
EX. N= 200 e n=10 ento K=200/10 = 20

Significa que ser escolhido um item a cada sequncia de 20 de uma lista. Para
iniciar pode-se usar uma tabela de nmeros aleatrios de 0 a 9 para iniciar os
grupos. Por exemplo se der o 9, escolhemos o 9, 29, 49, 69 .., etc.
AMOSTRAGEM ESTRATIFICADA
Pressupe a diviso da populao em subgrupos Homogneos (Estratos),
procedendo ento a amostragem de cada subgrupo. Ex.: Para se fazer o
inventrio do estoque, comum termos 10% dos itens representarem cerca de
60% do valor total enquanto que os 90% restantes representam s 40% do valor
total (Curva A,B,C; Pareto; regra 80/20).
AMOSTRAGEM POR CONGLOMERADO

Pressupe a disposio dos itens de uma populao em subgrupos
heterogneos (subpopulaes) representativos da populao global. Neste caso
cada conglomerado pode ser encarado como uma mini populao.
Ex.: Estudo pr-eleitoral para medir a preferncia dos eleitores. (Subgrupos:
sexo, educao, faixa etria, poder aquisitivo, regio da habitao, etc.)
RESUMO
A finalidade da amostra permitir fazer inferncia sobre a populao aps
inspeo de apenas parte dela. Fatores como custo, ensaios destrutivos e
populaes infinitas, tornam a amostragem prefervel a um estudo completo
(Censo) da populao.
Naturalmente espera-se que a amostra seja representativa da populao da qual
foi extrada.
Potencialmente, este objetivo atingido quando a amostragem aleatria.
Para populaes discretas o termo Aleatrio significa que cada item da
populao tem a mesma chance de participar na amostra.
No caso de populaes contnuas, significa que a probabilidade de incluir
qualquer valor de um dado intervalo de valores igual proporo de valores
naquele intervalo.
12
As amostras aleatrias podem ser obtidas:

- Atravs de um processo de mistura, como o embaralhamento de cartas;
- Pela utilizao de um processo mecnico (Misturadores);
- Utilizando-se uma tabela de nmeros aleatrios para proceder seleo de
uma lista.
Em certas condies, podem ser mais eficientes variantes da amostragem
aleatria simples, tais como amostragem sistemtica (peridica), estratificada
(subgrupos Homogneos), ou amostragem por aglomerados (subgrupos
convenientes e heterogneos).
A principal vantagem da amostragem aleatria que se pode determinar o grau
de variabilidade amostral, o que essencial na inferncia estatstica. Para a
amostragem no probabilstica falta esta caracterstica.
3.0 ANLISE EXPLORATRIA DE DADOS

Em alguma fase de seu trabalho, o pesquisador se v s voltas com o problema
de analisar e entender uma massa de dados, relevantes ao seu particular objeto
de estudos.
De modo geral, podemos dizer que a essncia da cincia a observao e que
seu objetivo bsico a inferncia. Esta a parte da metodologia da cincia que
tem por objetivo a coleta, a reduo, a anlise e a modelagem dos dados, a partir
do que, finalmente, faz-se a inferncia para uma populao, da qual os dados
(amostras) foram obtidos.
4.0 DISTRIBUIO DE FREQUNCIA

Para cada tipo de varivel existem tcnicas mais apropriadas para resumir as
informaes.
Porm podemos usar algumas tcnicas empregadas num caso e adapt-las para
outros.
Quando se estuda uma varivel, o maior interesse do pesquisador conhecer a
distribuio dessa varivel atravs das possveis realizaes (valores) da
mesma.
13
Exemplo: Dados relativos a uma amostra de 36 funcionrios de uma populao

de 2000 funcionrios da empresa XYZ. Ver resultados anotados na tabela
abaixo.
TABELA 1: Dados relativos a uma amostra de 36 funcionrios de uma
populao de 2000 funcionrios da empresa XYZ.
N
ESTADO
CIVIL
GRAU DE
INSTRUO
N DE
FILHOS
SALRIO
(X SAL. MIN)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
solteiro
casado
casado
solteiro
solteiro
casado
solteiro
solteiro
casado
solteiro
casado
solteiro
solteiro
casado
casado
solteiro
casado
casado
solteiro
solteiro
casado
solteiro
solteiro
casado
casado
casado
solteiro
casado
casado
casado
solteiro
casado
casado
solteiro
casado
casado
1 grau
1 grau
1 grau
2 grau
1 grau
1 grau
1 grau
1 grau
2 grau
2 grau
2 grau
1 grau
2 grau
1 grau
2 grau
2 grau
2 grau
1 grau
superior
2 grau
2 grau
2 grau
1 grau
superior
2 grau
2 grau
1 grau
2 grau
2 grau
2 grau
superior
2 grau
superior
superior
2 grau
superior
--1
2
- ---0
----1
- -2
--- -3
0
- -1
2
--- -1
- ---0
2
2
--0
5
2
--1
3
--2
3
4
4,56
5,25
5,73
6,26
6,66
6,86
7,39
7,59
7,44
8,12
8,46
8,74
8,95
9,13
9,35
9,77
9,8
10,53
10,76
11,06
11,59
12,00
12,79
13,23
13,6
13,85
14,69
14,71
15,99
16,22
16,61
17,26
18,75
19,40
23,30
IDADE
ANOS MESES
26
32
36
20
40
28
41
43
34
23
33
27
37
44
30
38
31
39
25
37
30
34
41
26
32
35
46
29
40
35
31
36
43
33
48
42
03
10
05
10
07
00
00
04
10
06
06
11
05
02
05
08
07
07
08
04
09
02
00
01
05
00
07
08
06
10
05
04
07
07
11
02
REGIO DE
PROCEDNCIA
interior
capital
capital
outro
outro
interior
interior
capital
capital
outro
interior
capital
outro
outro
interior
outro
capital
outro
interior
interior
outro
capital
outro
outro
interior
outro
outro
interior
interior
capital
outro
interior
capital
capital
capital
interior
14
TABELA 2: Frequncia e porcentagem da amostra de 36 empregados da

empresa XYZ, segundo o grau de instruo.
GRAU DE
INSTRUO
1 grau
2 grau
superior
TOTAL
TABULAO
IIIIIIIIIIII
IIIIIIIIIIIIIIIIII
IIIIII
FREQUNCIA
f
12
18
6
36
FREQ. RELATIVA
fR (%)
33,33
50,00
16,67
100
TABELA 3: Frequncia e porcentagem dos 2000 empregados (Populao) da

empresa XYZ (Censo x Probabilidade)
GRAU DE
INSTRUO
1 grau
2 grau
superior
TOTAL
FREQUNCIA
f
650
1020
330
2000
FREQ. RELATIVA
fR % CENSO
32,50
51,00
16,50
100
FREQ. RELATIVA
fR % PROVVEL
33,33
50,00
16,67
100
TABELA 4: Frequncia e porcentagens dos 36 empregados (Amostra) da

empresa XYZ.
CLASSES DE
SALRIOS
4 |----- 8
8 |----- 12
12 |----- 16
16 |----- 20
20 |----- 24
TOTAL
FREQUNCIA
f
10
12
8
5
1
36
FREQ. RELATIVA
fR (%)
27,78
33,33
22,22
13,89
2,78
100
TABELA 5: Frequncias e porcentagem dos empregados da empresa XYZ,

segundo N de filhos.
N DE FILHOS
FREQNCIA
f
FREQ. RELATIVA
fR (%)
0
1
2
3
5
4
5
7
3
1
20
25
35
15
5
TOTAL
20
100
15
5.0 APRESENTAO GRFICA

A apresentao grfica dos dados e respectivos resultados de sua anlise pode
tambm ser feita sob forma de figuras, em geral grficos ou diagramas.
Grficos devem ser autoexplicativos e de fcil compreenso, de preferncia
sem comentrios inseridos. Os grficos devem ser simples, atrair a ateno do
leitor e inspirar confiana.
5.1 DIAGRAMA DE ORDENADAS

Para sua construo traada uma reta horizontal (ou vertical) de sustentao; a partir
de pontos equidistantes na reta, traam-se perpendiculares cujos comprimentos sejam
proporcionais s frequncias.
Ex. Considerando a tabela abaixo:
CLASSES DE
SALRIOS
4 |----- 8
8 |----- 12
12 |----- 16
16 |----- 20
20 |----- 24
TOTAL
FREQUNCIA
f
10
12
8
5
1
36
FREQ. RELATIVA
fR (%)
27,78
33,33
22,22
13,89
2,78
100
Frequncias
12
10
8
6
4
2
0
4 I-------8
8 I-------12
12 I-------16
16 I-------20
20 I-------24
Salrios
16
5.2 DIAGRAMA DE BARRAS/COLUNAS

A mesma distribuio acima poderia ser representada por meio de diagrama que
levasse em conta a magnitude da rea da figura geomtrica, j que a vista
repousa melhor sobre uma superfcie do que sobre uma linha.
CLASSES DE
SALRIOS
4 |----- 8
8 |----- 12
12 |----- 16
16 |----- 20
20 |----- 24
TOTAL
FREQUNCIA
f
10
12
8
5
1
36
FREQ. RELATIVA
fR (%)
27,78
33,33
22,22
13,89
2,78
100
SALRIOS
14
12
10
8
6
4
2
0
4 |----- 8
8 |----- 12
12 |----- 16
16 |----- 20
20 |----- 24
17
5.4 DIAGRAMA DE SETORES CIRCULARES

Outra opo seria atravs de setores circulares, na qual se divide a rea total
de um crculo em subreas (setores) proporcionais as frequncias.
CLASSES DE
SALRIOS
4 |----- 8
8 |----- 12
12 |----- 16
16 |----- 20
20 |----- 24
TOTAL
FREQUNCIA
f
10
12
8
5
1
36
FREQ. RELATIVA
fR (%)
27,78
33,33
22,22
13,89
2,78
100
Salrios
2.78
13.89
27.78
22.22
33.33
5.5 DIAGRAMA LINEAR

No diagrama linear deve-se plotar os pontos nos eixos como foi feito no
diagrama de barras e em seguida unir esses pontos por semi-retas constituindose desta forma o diagrama linear.
CLASSES DE
SALRIOS
4 |----- 8
8 |----- 12
12 |----- 16
16 |----- 20
20 |----- 24
TOTAL
FREQUNCIA
f
10
12
8
5
1
36
FREQ. RELATIVA
fR (%)
27,78
33,33
22,22
13,89
2,78
100
18
Salrios
14
12
10
8
6
4
2
0
4 |----- 8
8 |----- 12
12 |----- 16
16 |----- 20
20 |----- 24
6.0 MONTAGEM DE UMA DISTRIBUIO DE FREQNCIAS

A anlise estatstica de dados relativos a uma amostra de uma populao,
requer uma aglutinao organizada de informaes, conforme regras cuja
prtica demonstrou serem eficientes.
O agrupamento destes dados em subgrupos feito com base nos seguintes
conceitos:
Amplitude total (AT): a diferena entre a medida mxima e a medida mnima.
Nmero de classes (d): o nmero de divises que estipulamos para a
Amplitude Total.
Normalmente pode-se usar d n onde n o nmero de itens na amostra.
(Classe: o intervalo de variao das medidas.)
Amplitude do intervalo de classe (AI): a diferena entre os valores mximos
e mnimos de cada classe.
Amplitude do intervalo de cada classe
AI = AT / d
OBS.: Normalmente, usa-se um nmero mnimo de 5 e no mximo 20 classes,

de preferncia de mesma amplitude.
19
As classes devem ser mutuamente exclusivas, para que no haja dvida na

localizao dos valores das variveis, podemos da utilizar as seguintes
simbologias para os intervalos:
0 ----I 10 intervalo aberto & fechado, para significar que o intervalo compreende
os valores da varivel maiores do que 0 (exclusive) e at 10 (inclusive);
0 I---- 10 intervalo fechado & aberto, para significar que compreende os valores
da varivel a partir de 0 (inclusive) e at 10 (exclusive);
0 ----- 10 Intervalo aberto & aberto, para significar que compreende valores
maiores do que 0 e menores do que 10.
0 I----I 10 intervalo fechado & fechado, para significar que compreende os
valores da varivel a partir de 0 (inclusive) e at 10 (inclusive).
TABELA DE DISTRIBUIO DAS FREQNCIAS

Para a facilidade e metodizao do processo de anlise estatstica, monta-se
uma tabela que agrupe as informaes obtidas, da forma de Tabela de
Frequncias.
Consideremos uma relao de pesos de pacotes de manteiga, em gramas, de
uma amostra de 100 pacotes extrados parcialmente de um processo
automtico de empacotamento.
TABELA 6
AMOSTRA
PESO
AMOSTRA
PESO
AMOSTRA
PESO
AMOSTRA
PESO
AMOSTRA
PESO
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
207
213
210
215
201
210
212
204
209
212
215
216
221
219
222
225
215
218
213
216
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
220
204
213
211
214
217
224
211
220
209
214
208
217
214
209
212
208
215
211
216
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
210
214
219
215
217
213
218
214
215
212
221
211
218
205
220
203
216
222
206
221
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
210
220
213
217
214
219
214
215
223
217
213
218
207
210
208
214
211
205
215
207
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
217
211
213
218
213
213
218
216
206
212
207
213
215
212
223
210
226
224
214
215
20
No caso da amostra de pacotes de manteiga acima, temos:

AT = 226 201 = 25 gramas
Temos d 100 10 classes, porm deve-se utilizar sempre que possvel nmero
mpar de classes, no caso podemos usar 9 classes.
Amplitude do intervalo de cada classe 2,78 (aprox. 3)
Isto : AI = 25/9 = 2,78
AI adotado = 3 e AT adotado = 27 (comea um antes do menor e termina
um depois do maior valor)
TABELA 7
CLASSE
1
2
3
4
5
6
7
8
9
200 I--- 203

203 I--- 206
206 I--- 209
209 I--- 212
212 I--- 215
215 I--- 218
218 I--- 221
221 I--- 224
224 I--- 227
TABULAO
I
IIII
IIIIIIIIII
IIIIIIIIIIIIIII
IIIIIIIIIIIIIIIIIIIIIIIII
IIIIIIIIIIIIIIIIIIIII
IIIIIIIIIIIII
IIIIIII
IIII
FREQ
FREQ.
RELATIVA %
FREQ.
ACUMULADA
F
1
5
15
30
55
76
89
96
100
fR
1
4
10
15
25
21
13
7
4
1
4
10
15
25
21
13
7
4
100
100%
FREQ. ACUM.
REL. %
FR
1
5
15
30
55
76
89
96
100
Onde:
Frequncia (f) = nmero de vezes que as medidas ocorrem no intervalo de
classes
Frequncia Relativa (fR) = porcentagem da frequncia de cada classe em
relao ao total de elementos.
fR = (f / n).100
Frequncia acumulada (F) = soma das frequncias at o intervalo de classe
considerado.
Ex. F5 = f1+ f2 + f3 + f4 + f5 1 + 4 + 10 + 15 + 25 = 55
Frequncia acumulada relativa (FR) = soma das frequncias relativas at o
intervalo considerado. Por ex.: FR3 = fR1 + fR2 + fR3 1 + 4 + 10 = 15
21
7.0 MEDIDAS DE POSIO OU DE TENDNCIA CENTRAL

Como o prprio nome indica, a medida de tendncia central visa a determinar o
centro da distribuio. Esta determinao, porm, no bem definida da parece
razovel chamarmos de tendncia central.
So medidas de tendncia central:
MDIA ARITMTICA SIMPLES/PONDERADA ( x );
MEDIANA (md);
MODA (mo).
7.1 MDIA ARITMTICA SIMPLES
7.1.1 PARA UMA LISTA
Esta a situao mais simples: para se calcular a mdia, basta somarmos todos
os elementos da lista e dividirmos o resultado pelo nmero de elementos.
x = xi / n
Exemplo: Calcular a mdia aritmtica simples de 8, 3, 5, 12, 10.
x = 8+3+5+12+10 = 38 = 7,6
5
5
7.1.2 PARA DADOS TABULADOS
Outra possibilidade calcular a mdia quando os dados vm dispostos em uma
tabela na qual informada a frequncia absoluta simples fi de cada elemento xi.
O total de elementos n obtido somando todas as frequncias absolutas simples
fi.
x = (xi . fi) / n
22
Exemplo: Calcular a mdia aritmtica do conjunto descrito a seguir:
xi fi
1
2
3
2
3
1
x = (1 . 2 + 2. 3 + 3 . 1) / (2+3+1)
x = 11 / 6
x = 1,83
7.1.3 PARA DISTRIBUIO DE FREQUNCIA
Neste caso, os dados esto agrupados em classes e devemos calcular a mdia
a partir da distribuio de frequncia correspondente, apresentada em forma de
tabela. Cada classe tem um ponto mdio PM que igual metade da soma de
seus limites inferior e superior.
x = (PMi . fi) / n
Exemplo: Calcular a mdia do conjunto descrito pela distribuio de frequncia
a seguir:
xi
fi
0 |----- 3
3 |----- 6
6 |----- 9
9 |----- 12
12 |----- 15
2
5
7
4
3
x = (1,5 . 2 + 4,5 . 5 + 7,5 . 7 + 10,5 . 4 + 13,5 . 3) / (2+5+7+4+3)

x = 160,5 / 21
x = 7,64
7.2 MDIA ARITMTICA PONDERADA
x = (xi .fi ) / fi
onde: fi = frequncia dos dados xi
23
Exemplo: Calcular a mdia ponderada dos nmeros 5, 8, 6, 2 ; os quais ocorrem

com as frequncias 3, 2, 4 e 1, respectivamente.
Nmeros x = 5, 8, 6, 2
Frequncias f = 3, 2, 4, 1
x = 5.3+8.2+6.4+2.1 = 57 = 5,7
3+2+4+1
10
7.3 MEDIANA (md)

Esta a situao mais simples: para se calcular a mediana, basta ordenar os
elementos da lista e localizar o elemento que est ao centro da lista, isto , para
o qual h o mesmo nmero de ocorrncias antes e depois.
Obs.: se o nmero de elementos for par, basta localizar os dois elementos
medianos e calcular mdia aritmtica entre eles.
Exemplo-1: Qual a mediana do conjunto {10, 7, 5, 1, 3, 4 ,6}
Basta ordenar e localizar o elemento mediano: {1,3,4,5,6,7,10}
md = 5
Exemplo-2: Qual a mediana do conjunto {10, 7, 5, 1, 3, 4 , 6, 9 }
Basta ordenar e localizar o elemento mediano: {1,3,4,5,6,7,9,10}
md = (5+6) / 2
md = 5,5
No caso de clculo da mediana quando estamos trabalhando com dados
tabulados determinamos o valor mais provvel dessa distribuio a partir de:
Posio da md = (Frequncia acumulada total + 1) = FA + 1

2
2
24
Exemplo: Qual a mediana do conjunto descrito pela tabela abaixo:
xi
fi
FA
10
13
16
17
25
3
4
6
5
1
3
7
13
18
19
Como n = 19 , a posio central (n+1) / 2, logo 20 /2 , isto 10 posio.

Portanto a mediana md = 16
{10,10,10,13,13,13,13,16,16,16,16,16,16,17,17,17,17,17,25}
Ou seja, a posio da MEDIANA definida por n+1
-simo elemento
2
quando n mpar e temos um nmero inteiro que d a posio da mediana.
Quando temos o meio do caminho entre dois nmeros inteiros, isto , n par,
a mediana ser a mdia deles.
Exemplo: Determine a posio da mediana para: (a) n=15, (b) n=45 e (c)n=88.
(a) n+1 = 15+1 = 8
2
2
(b) n+1 = 45+1 = 23
2
2
(c) n+1 = 88+1 = 44,5
2
2
, e a mediana o valor do 8 elemento;

, e a mediana o valor do 23 elemento;
, e a mediana a mdia do valor do 44 e o
45elemento.
Ou seja, quando n par procuramos duas posies:
n
2
n +1
2
7.3.3 PARA DISTRIBUIO DE FREQUNCIA

Neste caso, os dados esto agrupados em classes e devemos calcular a
mediana a partir da distribuio de frequncia correspondente, apresentada em
forma de tabela. Ao contrrio dos itens anteriores, no precisamos nos preocupar
se h um nmero mpar ou par de elementos. Basta encontrar a classe mediana
e aplicar a frmula para o clculo da mediana para distribuio de frequncias.
No caso do exerccio da distribuio dos 100 valores de peso de pacotes de
manteiga temos:
Posio da md = (Frequncia acumulada total ) = FA
2
2
25
md = FA = 100 = 50, e a mediana o valor do 50 elemento

2
2
50 valor
F 0
X 200
15
30
55
76
89
96
100
203
206
209
212
215
218
221
224
227
(55 30)
(55 50)
ou
(215 212)
= 5 x 3 = 0,6
25
portanto a mediana ser 215 -
logo, md = 215 - 0,6 = 214,4.
(55 30)
(50 30)
(215 212)
= 20 x 3 = 2,4
25
portanto a mediana ser 212 +
logo, md = 212 + 2,4 = 214,4.
Assim, para encontrarmos a mediana para dados agrupados em classes

podemos formalizar os passos anteriores na seguinte equao:
Md = linf + h. n/2 - Fant

fmed
onde:
n/2 = metade da quantidade de dados

h = amplitude da classe mediana
linf = limite inferior da classe da mediana
fmed = frequncia absoluta da classe da mediana
Fant = frequncia acumulada da classe anterior a da
mediana
Voltando ao exemplo, temos:

1 Passo: da tabela 7 - pgina 18, temos as frequncias acumuladas j
calculadas;
2 Passo: n = 100 => n/2 = 100/2 = 50 => localizao da classe mediana: 5
classe, isto , classe 212 I--- 215;
3 Passo: encontrar na tabela: linf , fmed e Fant :
linf = 212
fmed = 25
Fant = 30
26
4 Passo: substituir os dados na equao:
md = linf + h. n/2 - Fant

fmed
md = 212+ 3.
50
30
25
= 212 + 3. 0,8 = 212 + 2,4 = 214,4
md = 214,4
7.3.1 SEPARATRIZES (QUARTIS, DECIS E CENTIS)

Como extenso do conceito de mediana, podemos dividir os valores em quatro,
dez e cem partes iguais. Essas divises so chamadas de quartis, decis e centis,
respectivamente.
O clculo dessas divises semelhante ao da mediana, isto :
Quartis:
Qi = linf + h. i.n/4 - FQi-1
fQi
onde i = 1,2,3
Decis:
Di = linf + h. i.n/10 - FDi-1
fDi
onde i = 1,2,3, ..., 8,9.
Centis:
Ci = linf + h. i.n/100 - FCi-1
fCi
onde i = 1,2,3,...,98,99.
27
Onde:
h = amplitude da classe
linf = limite inferior da classe da quartlica, declica ou
percentlica
fQi , fDi , fCi = frequncias das classes quartlica, declica e
percentlica, respectivamente
FQi-1 , FDi-1 , FCi-1 = frequncias acumuladas da classe
anterior classe quartlica, declica ou percentlica.
Voltando ao exemplo anterior, temos:
i) Se quisermos calcular o 1 Quartil, ou seja, 25% dos dados:
Q1 = linf + h. 1.n/4 - FQi-1

fQi
= 209 + 3. 100/4 15
15
209 + 3 . 0,67 = 211

ii) Para o 3 Quartil:
Q3 = linf + h. 3.n/4 - FQi-1

fQi
= 215 + 3 . 3.100/4 55
21
215 + 3. 0,95 = 217,85

iii) Para o 8 Decil:
D8 = linf + h. 8.n/10 - FDi-1
fDi
= 218 + 3. 8.100/10 - 76
13
218 +3. 0,31 = 218,93
28
iv) Para o 15 Centil:

:
C15 = linf + h. 15.n/100 - FCi-1
fCi
= 206 + 3. 15.100/100 - 5
10
= 209
OBS.: Caso tenhamos dados no agrupados em classes, como por exemplo a

sequncia 2,3,3,4,5,7,7,8,10,11,12,12, 13; o clculo do 3 Quartil ser:
Posio: 3.n/4 = 3.13/4 = 9,75
A posio 9,75 ser aproximada pela inteira imediatamente posterior a ela, ou
seja, a 10 posio, logo Q3 = 11. E assim, analogamente, para encontrar os
decis e centis de uma srie de dados no agrupados em classes.
7.4 MODA ( mo )
Em um conjunto de nmeros a moda o valor que ocorre com maior frequncia,
isto , o valor mais comum.
Exemplos:
1) 2, 2, 3, 7, 8, 8, 8, 9, 10
moda=8
2) 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
moda = (no existe moda)
3) 2, 2, 4, 4, 4, 5, 6, 7, 8, 8, 8, 9
moda = 4 e 8
29

Para se determinar a moda quando os dados vm dispostos em uma tabela,
deve-se procurar qual elemento tem a maior frequncia absoluta simples.
Exemplo: Qual a moda do conjunto descrito abaixo?
xi
fi
10
13
16
17
25
3
4
5
7
2
mo = 17 , pois aparece 7 vezes.

7.4.3 PARA DISTRIBUIO DE FREQUNCIAS
Na verdade, o clculo da moda para uma distribuio de frequncias apenas
aproximado, haja vista no sabermos exatamente como os dados esto
distribudos dentro de cada classe.
Para o exemplo do exerccio das distribuies de frequncias dos pacotes de
manteiga (onde os dados so tabulados agrupados em classes) uma forma de
estimar o valor da moda pela Estimativa de Pearson (para dados tabulados
agrupados em classes):
mo = 3. md 2. x
Voltando ao exemplo, temos:

mo = 3.214,4 2. 214,49 => mo = 214,22
onde a mdia foi calculada da forma:
x = 201,5 . 1 + 204,5 .4 + 207,5 .10 + 210,5 .15 + 213,5 .25 + 216,5 .21 + 219,5 . 13 + 222,5. 7 + 225,5. 4
1 + 4 + 10 + 15 + 25 + 21 + 13 + 7 + 4
x = 214,49
30
O clculo da moda pelo Mtodo de Pearson mais utilizado quando temos uma
indicao de que os trs parmetros de tendncia central (mdia, mediana e
moda) estejam muito prximos.
Um outro mtodo, de origem grfica, o Mtodo de Czuber, que utilizamos na

maioria dos casos:
mo = linf + h.
a .
a + p
onde:
linf = limite inferior da classe modal.
a = diferena entre a fi da classe modal e a fi da classe anterior. Entenderemos
como classe anterior aquela que precede classe modal.
p = diferena entre a fi da classe modal e a fi da classe posterior (aquela que
vem logo aps a classe modal).
h = amplitude da classe modal.
O primeiro passo a determinao da classe modal, aquela com maior f i.
No nosso exemplo
mo = 212 + 3.
212 I--- 215
pois temos 25 elementos nesta classe.
( 25 - 15 ) .
(25-15) + (25-21)
mo = 212 + 3 .
10 .
10 + 4
mo = 212 + 3 . 0,7143
mo = 212 + 2,14
mo = 214,14
31
EXERCCIOS
1-) Qual a mdia aritmtica dos nmeros mpares menores do que 10?
R: 5
2-) Calcule a mdia aritmtica do conjunto descrito a seguir:
xi
fi
1
3
2
4
3
1
4
2
R: 2,2
3-) Calcular a mdia do conjunto descrito pela distribuio de frequncias a
seguir:
xi
fi
0,0 |----- 2,0
15
2,0 |----- 4,0
25
4,0 |----- 6,0
13
6,0 |-----8,0
37
8,0 |-----10,0
10
R: 5,04
4-) Calcular a mediana do conjunto {5,3,7,1,9}
R: 5
5-) Calcular a mediana do conjunto {1,1,3,5,6,9,23,24}
R: 5,5
6-) Calcular a mediana do conjunto descrito pela tabela a seguir:
xi
fi
100
3
135
6
160
5
175
7
250
2
R: 160
7-) Calcular a mediana do conjunto descrito pela tabela a seguir:
xi
10
15
16
21
23
fi
3
6
5
7
3
R: 16
32
8-) Calcular a mediana do conjunto descrito pela distribuio de frequncia a

seguir:
xi
fi
15
25
16
34
10
0,0 |----- 2,0

2,0 |----- 4,0
4,0 |----- 6,0
6,0 |-----8,0
8,0 |-----10,0
R: 5,25
9-) Calcular a moda do conjunto { 5,3,7,1,5,2,9}
R: 5
10-) Calcular a moda do conjunto descrito pela tabela a seguir
xi
fi
100
3
135
6
160
5
175
7
250
2
R: 175
11-) Calcular a moda, pelo mtodo de Czuber, do conjunto descrito pela
distribuio de frequncia a seguir:
xi
fi
15
25
16
34
28
0,0 |----- 2,0

2,0 |----- 4,0
4,0 |----- 6,0
6,0 |-----8,0
8,0 |-----10,0
R: 7,5
12-) Calcule os quartis da tabela abaixo:
Classes
50 |----- 54
54 |----- 58
58 |----- 62
62 |----- 66
66 |----- 70
70 |----- 74
Total
R: Q1 = 56,61
fi
10
23
28
20
12
7
100
, Q2 = 60,43
, Q3 = 64,8
Decil: 3, 7 e 9
Centil: 13, 33 e 80
33
8.0 TIPOS DE DISTRIBUIO

As distribuies de frequncia podem se apresentar de diversas formas
conforme as figuras a seguir:
8.1 DISTRIBUIO SIMTRICA OU EM FORMA DE SINO

A distribuio simtrica quando os valores se distribuem igualmente em torno
da mdia
A) Normal
B) Alongada
C) Achatada
34
Distribuies simtricas
A distribuio das frequncias faz-se de forma aproximadamente simtrica,
relativamente a uma classe mdia
Caso especial de uma distribuio simtrica

Quando dizemos que os dados obedecem a uma distribuio normal, estamos
tratando de dados que distribuem-se em forma de sino.
35
Distribuies Assimtricas
A distribuio das frequncias apresenta valores menores num dos lados:
CURVA ASSIMTRICA DIREITA (ASSIMETRIA POSITIVA)
CURVA ASSIMTRICA ESQUERDA (ASSIMETRIA NEGATIVA)
36
8.3 DISTRIBUIO MODAL, AMODAL, BIMODAL E MULTIMODAL

Chamamos de moda (mo) numa distribuio, ao valor da medida ou classe que
corresponde frequncia mxima. Sob o critrio da moda as distribuies
classificam-se em:
A) DISTRIBUIO MODAL Quando a distribuio tem frequncia
mxima ela denominada modal.
mo
B) DISTRIBUIO AMODAL Quando a distribuio no tem moda
C) DISTRIBUIO BIMODAL Quando a distribuio tem duas modas.
mo
mo
37
D) DISTRIBUIO MULTIMODAL Quando a distribuio tem mais de duas

modas
mo
mo
mo
9.0 MEDIDAS DE VARIABILIDADE (OU DE DISPERSO)

As medidas de disperso indicam se os valores esto relativamente prximos
uns dos outros, ou separados. Podemos dizer que disperso o grau com o
qual os valores numricos de uma distribuio tendem a se distanciar em torno
de um valor mdio.
Em todos os casos, o valor zero indica ausncia de disperso; a disperso
aumenta proporo que aumenta o valor da medida (amplitude, desviopadro, varincia).
9.1 AMPLITUDE TOTAL (AT)

a medida mais simples de disperso. a diferena entre o maior e o menor
valor das observaes.
AT = Xmax Xmin
Embora exista simplicidade de clculo, existem duas restries ao seu uso
generalizado:
1- Utiliza apenas uma parcela das informaes contidas nas observaes.
O seu valor no se modifica mesmo que os valores das observaes
variem, desde que conservem os seus valores mximo e mnimo. Ou
seja, depende apenas dos valores externos (max e min), no sendo
afetada pelos valores internos.
2- Depende do nmero de observaes na amostra. Em geral o valor da
amplitude cresce quando cresce o tamanho da amostra.
38
9.2 DESVIO EM RELAO MDIA ARITMTICA (di)

O desvio di em relao mdia de um conjunto de dados a diferena do valor
xi e a mdia aritmtica x do conjunto, isto :
di = (xi - x )
Exemplos :
1-) Calcular os desvios di para o seguinte conjunto : 3, 4, 5, 6, 7
Onde x = 3+4+5+6+7 = 5
5
xi
di
3
4
5
6
7
-2
-1
0
1
2
di
=0
2-) Calcular os desvios di para a seguinte distribuio :
xi
fi
di
82
85
87
89
90
5
10
15
8
4
-4,6
-1,6
0,4
2,4
3,4
fi
= 42
di
=0
Onde x = 82 .5.+ 85. 10 + 87. 15 + 89 . 8 + 90. 4

5 + 10 + 15 + 8 + 4
x = 86,6
39
(3) Calcular os desvios di para a seguinte distribuio :
Classes
xi (PM)
fi
di
di . fi
35 |----- 45
45 |----- 55
55 |----- 65
65 |----- 75
75 |----- 85
85 |----- 95
40
50
60
70
80
90
2
13
20
10
7
3
-22,91
-12,91
-2,91
7,09
17,09
27,09
-45,82
-167,83
-58,20
70,90
119,63
81,27
fi = 55 di = 12,55
di. fi = 0
Onde x = 40 .2 + 50 .13 + 60 .20 + 70 .10 + 80 .7 + 90 .3

2 + 13 + 20 + 10 + 7 + 3
x = 3460 / 55
x = 62,91
9.3 DESVIO MDIO ( d )

O desvio mdio d a mdia aritmtica dos mdulos dos desvios, isto :
d = di = xi - x
n
Para uma distribuio de frequncias (simples ou por classes), teremos:
d = di . fi = xi - x
n
.fi
Exerccio
13-) Calcular o desvio mdio para os exemplos (1), (2) e (3) anteriores.
9.4 VARINCIA (
ou s2)
Varincia da populao a soma dos quadrados dos desvios de cada

observao em relao mdia de x e divide-se por N. Indica-se a Varincia
da Populao por .
Podemos fazer a mesma analogia com a Varincia da Amostra dada por S.
40
Varincia para uma populao:
onde
= (xi - )2 . fi
N
a mdia populacional e N o tamanho da populao.
Varincia para uma amostra:
s2 = (xi - x)2 .fi

n-1
Onde x a mdia amostral e n o tamanho da amostra.

As equaes anteriores para
dessas medidas.
e s2 representam uma maneira de clculo
Podemos tambm utilizar as seguintes equaes:

= fi(xi)2 N. 2
N
s2 = fi(xi)2 n. x2
n-1
Como medida de disperso, a Varincia tem a desvantagem de apresentar como

unidade de medida o quadrado da unidade de medida dos dados. Se os dados
esto em metros, a Varincia fica em metros quadrados. O desvio padro por
sua vez, fica com valor na mesma da unidade da varivel.
Obs: A varincia sendo uma mdia de uma soma de quadrados sempre maior
ou igual a 0. Ela ser nula se os valores dos dados so constantes.
9.5 DESVIO PADRO ( ou s)

a medida que determina a variao dos valores observados em torno da mdia
da distribuio, e representa a distncia do ponto de inflexo da curva at a linha
da mdia.
A partir da varincia podemos calcular o desvio padro como segue:
Desvio padro da populao:
Desvio padro da amostra: s = s2
41
9.6 COEFICIENTE DE VARIAO (cv)

O coeficiente de variao cv a razo entre o desvio padro e a mdia
aritmtica. Esta medida adimensional e geralmente expressa em
porcentagens. A equao para o seu clculo :
Para populao
Para amostra
cv =
cv = s
x
Exerccios
14-) (ICMS/MG) As alturas do jogadores de basquete da seleo brasileira so:
1,98m; 2,04m; 2,06m; 2,02m e 2,05m. A mdia de altura dessa seleo e m,
de:
a) 2,01
b) 2,02
c) 2,03 d) 2,04
e) 2,05
15-) (TTN) Assinale a alternativa correta, considerando a srie: 8,5,14,10,8 e15.

a)
b)
c)
d)
e)
A mdia aritmtica 10 e a mediana 12.

A amplitude total 7 e a moda 8.
A mediana 9 e a amplitude total 10.
A mdia aritmtica 1 e a amplitude total 7.
A mediana 12 e a amplitude total 7.
16-) (ICMS/MG) Na srie composta de notas de Estatstica: 4,5,7,8,5,5,6,8,6. A

mdia aritmtica simples, a mediana e a moda so, respectivamente:
a)
b)
c)
d)
e)
6,5 e 4
6,6 e 5
6,6 e 6
6,5 e 5
7,6 e 5
42
17-) (ICMS/MG) Dados os conjuntos de valores:

A = {1,1,2,3,4,5,5,8,8,8,9,10}
B = {6,7,8,9,10,11,12}
C = {1,2,4,4,4,4,5,8,9,9,9,9,10}
Em relao a moda, afirmamos que:
IA unimodal, e a moda 8
IIB unimodal, e a moda 9
IIIC bimodal, e as modas so 4 e 9.
Ento, em relao as afirmativas, correto dizer que:
a) Todas so verdadeiras
b) Todas so falsas
c) Somente I e II so verdadeiras
d) Somente I e III so verdadeiras
e) Somente II e III so verdadeiras
18-) (AFRF/05) Para dados agrupados representados por uma curva de
frequncias, as diferenas entre os valores da mdia, da mediana e da moda
so indicadores da assimetria da curva. Indique a relao entre essas medidas
de posio para uma distribuio negativamente assimtrica.
a) A mdia apresenta o maior valor e a mediana se encontra abaixo da
moda.
b) A moda apresenta o maior valor e a mdia se encontra abaixo da
mediana.
c) A mdia apresenta o menor valor e a mediana se encontra abaixo da
moda.
d) A mdia, a mediana e a moda so coincidentes.
e) A moda apresenta o menor valor e a mediana se encontra abaixo da
mdia.
19-) (TRF/06) Considere a seguinte distribuio das frequncias absolutas dos
salrios mensais em R$, referente a 200 trabalhadores de uma indstria (os
intervalos so fechados esquerda e abertos direita).
Classes de Salrios
Frequncias
Absolutas
De R$ 400 at R$ 500
50
De R$ 500 at R$ 600
70
De R$ 600 at R$ 700
40
De R$ 700 at R$ 800
30
De R$ 800 at R$ 900
10
Sobre essa distribuio de salrios correto afirmar que:
a) O salrio modal encontra-se na classe de R$800 at R$900
b) O salrio mediano encontra-se na classe de R$600 at R$700
c) O salrio modal encontra-se na classe de R$600 at R$700
d) O salrio modal encontra-se na classe de R$700 at R$800
e) O salrio mediano encontra-se na classe de R$500 at R$600.
43
20-) (ICMS/MG) O quadro abaixo nos mostra a distribuio dos erros cometidos
por 20 alunos numa prova de portugus. O valor do desvio mdio dessa
distribuio :
N0 DE ERROS
(xi)
1
2
3
4
5
a)
b)
c)
d)
e)
N0 DE ALUNOS
(fi)
2
6
5
4
3
1,0
1,5
2,0
2,5
3,0
Gabarito
14 -- C
15 -- C
16 -- B
17 -- D
18 B e C
19 -- E
20 A
44
21-) (TRF) Considere os seguintes conjuntos de observaes referentes a cinco

diferentes variveis:
T: 10;10;10;10;10;8
V: 10;10;10;10;8;8
X: 10;10;10;8;8;8
Y: 10;10;8;8;8;8
Z: 10;8;8;8;8;8
O conjunto de observaes que apresenta a maior variabilidade, medida pelo
desvio padro, o referente varivel:
a)
b)
c)
d)
e)
Y
T
V
X
Z
22-) (AFRF/02) Numa amostra de tamanho 100 obtida de uma populao de

1000 indivduos, produziu a tabela de frequncias abaixo:
Classes
29,5 |----- 39,5
39,5 |----- 49,5
49,5 |----- 59,5
59,5 |----- 69,5
69,5 |----- 79,5
79,5 |----- 89,5
89,5 |----- 99,5
Frequncia (f)
4
8
14
20
26
18
10
Assinale a opo que corresponde ao desvio absoluto mdio.

a) 16,0
b) 17,0
c) 16,6
d) 18,1
e) 13,0
23-) (AFRF/09) Considere a seguinte amostra aleatria das idades em anos
completos dos alunos em um curso preparatrio. Com relao a essa amostra,
marque a nica opo correta:
29,27,25,39,29,27,41,31,25,33,27,25,25,23,27,27,32,26,24,36,32,26,28,24,28,
27,24,26,30,26,35,26,28,34,29,23,28.
a)
b)
c)
d)
e)
A mdia e a mediana das idades so iguais a 27.

A moda e a mdia das idades so iguais a 27.
A mediana das idades 27 e a mdia 26,08.
A mdia das idades 27 e o desvio padro 1,074.
A moda e a mediana das idades so iguais a 27.
45
24-) Calcular, mdia, moda, mediana, quartil 1 e 3, decil 1 e 9 , varincia, desvio

padro, desvio mdio absoluto, coeficiente de variao e varincia relativa:
Classe
2 |----- 4
4 |----- 6
6 |----- 8
8 |----- 10
10 |----- 12
f
2
6
5
4
3

Classe
2 |----- 4
4 |----- 6
6 |----- 8
8 |----- 10
10 |----- 12
f
11
10
11
4
4

Classe
4 |----- 6
6 |----- 8
8 |----- 10
10 |----- 12
12 |----- 14
f
8
10
20
30
20

Classe
2 |----- 4
4 |----- 6
6 |----- 8
8 |----- 10
10 |----- 12
f
7
9
18
10
6
46

Classe
2 |----- 4
4 |----- 6
6 |----- 8
8 |----- 10
10 |----- 12
f
9
12
6
2
1

Classe
4 |----- 6
6 |----- 8
8 |----- 10
10 |----- 12
12 |----- 14
f
6
8
12
10
4

Classe
45 |----- 55
55 |----- 65
65 |----- 75
75 |----- 85
85 |----- 95
f
3
7
4
5
1

Classe
9 |----- 19
19 |----- 29
29 |----- 39
39 |----- 49
49 |----- 59
f
10
20
40
20
10
47

Classe
50 |----- 60
60 |----- 70
70 |----- 80
80 |----- 90
90 |----- 100
f
15
20
30
20
15

Classe
20 |----- 30
30 |----- 40
40 |----- 50
50 |----- 60
60 |----- 70
f
10
20
25
20
10

Classe
50 |----- 58
58 |----- 66
66 |----- 74
74 |----- 82
82 |----- 90
90 |----- 98
f
10
15
25
24
16
10

Classe
2 |----- 4
4 |----- 6
6 |----- 8
8 |----- 10
10 |----- 12
f
6
10
14
6
4
48

Classe
2 |----- 4
4 |----- 6
6 |----- 8
8 |----- 10
10 |----- 12
f
20
15
35
20
10

Classe
2 |----- 4
4 |----- 6
6 |----- 8
8 |----- 10
10 |----- 12
12 |----- 14
14 |----- 16
f
5
5
10
30
20
25
5
38-) (PUC-SP) O histograma abaixo apresenta a distribuio de frequncia das

faixas salariais numa pequena empresa.
49
Com os dados disponveis, pode-se concluir que a mdia desses salrios ,

aproximadamente:
a)
b)
c)
d)
e)
R$ 420,00
R$ 536,00
R$ 562,00
R$ 640,00
R$ 708,00
39-) Numa escola, o professor de educao fsica mediu as alturas de 100 alunos
do sexo masculino e construiu a seguinte distribuio de frequncias:
Alturas
Nmero de
(em cm)
estudantes
150 |----- 158
5
158 |----- 166
15
166 |----- 174
48
174 |----- 182
25
182 |----- 190
7
Pede-se:
a) Varincia
b) Desvio padro
c) Histograma
40-) Qual a Varincia e o Desvio Padro para a distribuio da seguinte tabela?
Nmero de Idade
pessoas
5
22
3
14
6
18
1
28
4
21
8
20
a)
b)
c)
d)
e)
7,85 e 3 respectivamente
8,15 e 2,9 respectivamente
50
GABARITO
21
22
23
24
D
E
E
Mdia
= 7
Moda
= 5,6
Mediana = 6,8
Q1
= 5
Q3
= 9
D1
= 4
D9
= 10,66
Varincia = 6
Desvio padro = 2,45
Desvio mdio = 2
Coeficiente de variao = 0,3499
Varincia relativa
= 0,1224
25
Mdia
= 6
Moda
= 3,83 e 6,25
Mediana = 5,8
Q1
= 3,82
Q3
= 7,63
D1
= 2,72
D9
= 10
Varincia = 6,4
Desvio padro = 2,53
Desvio mdio = 2,15
Varincia relativa
= 0,1778
26
Mdia
= 10
Moda
= 11
Mediana = 10,4
Q1
= 8,4
Q3
= 11,87
D1
= 6,16
D9
= 13,12
Varincia = 5,91
Desvio padro = 2,43
Desvio mdio = 2,05
Varincia relativa
= 0,0591
51
27 Mdia
= 6,96
Moda
= 7,06
Mediana = 7
Q1
= 5,22
Q3
= 8,7
D1
= 3,42
D9
= 10,33
Varincia = 5,68
Desvio padro = 2,38
Desvio mdio = 1,81
Varincia relativa
= 0,1172
28
Mdia
= 5,27
Moda
= 4,67
Mediana = 5
Q1
= 3,64
Q3
= 6,5
D1
= 2,66
D9
= 8
Varincia = 4,2
Desvio padro = 2,05
Desvio mdio = 1,57
Varincia relativa
= 0,1513
29
Mdia
= 8,9
Moda
= 9,33
Mediana = 9
Q1
= 7
Q3
= 10,8
D1
= 5,33
D9
= 12
Varincia = 5,79
Desvio padro = 2,41
Desvio mdio = 1,93
Coeficiente de variao
Varincia relativa
Mdia
= 67
Moda
= 60,71
Mediana = 65
Q1
= 57,85
Q3
= 77
D1
= 51,66
D9
= 83
Varincia = 131
Desvio padro = 11,45
Desvio mdio = 10
Varincia relativa
30
= 0,2704
= 0,0731
= 0,1708
= 0,0292
52
31
Mdia
= 34
Moda
= 34
Mediana = 34
Q1
= 27
Q3
= 42
D1
= 19,5
D9
= 49,5
Varincia = 120
Desvio mdio = 8
Varincia relativa
= 0,1008
32
Mdia
= 75
Moda
= 75
Mediana = 75
Q1
= 65
Q3
= 85
D1
= 56,66
D9
= 93,33
Varincia = 160
Desvio mdio = 10
Varincia relativa
= 0,0284
33
Mdia
= 45
Moda
= 45
Mediana = 45
Q1
= 35,625
Q3
= 54,375
D1
= 28,5
D9
= 61,5
Varincia = 141,18
Desvio mdio = 9,41
Varincia relativa
Mdia
= 74,08
Moda
= 73,27
Mediana = 74
Q1
= 66
Q3
= 82,5
D1
= 58
D9
= 90
Varincia = 132,47
Desvio mdio = 9,68
Varincia relativa
34
= 0,2640
= 0,0697
= 0,1554
= 0,0241
53
35
Mdia
= 6,6
Moda
= 6,66
Mediana = 6,57
Q1
= 4,8
Q3
= 8
D1
= 3,33
D9
= 10
Varincia = 5,44
Desvio padro = 2,33
Desvio mdio = 1,88
Varincia relativa
= 0,1249
36
Mdia
= 6,7
Moda
= 7,14
Mediana = 6,85
Q1
= 4,66
Q3
= 8,5
D1
= 3
D9
= 10
Varincia = 6,11
Desvio padro = 2,47
Desvio mdio = 1,99
Varincia relativa
= 0,1361
37
Mdia
= 10
Moda
= 9,33
Mediana = 10
Q1
= 8,33
Q3
= 12,4
D1
= 6
D9
= 13,6
Varincia = 8,6
Desvio padro = 2,93
Desvio mdio = 2,4
Varincia relativa
= 0,0860
38 E
39 Varincia = 55,07
40 E
Desvio Padro = 7,42
54
10.0 PROBABILIDADE
O problema fundamental da estatstica consiste em trabalhar com o acaso e a
incerteza.
Chama-se probabilidade de um acontecimento a razo entre o nmero de casos
favorveis ao mesmo e o nmero total de acontecimentos possveis.
As leis da hereditariedade foram a primeira grande aplicao das probabilidades
na rea de biocincias. Hoje conhecemos muitas aplicaes: ocorrncia de
mutaes, risco de doenas, chance de sobrevivncia, distribuio e interao
de espcies, etc.
A aplicao mais importante, entretanto, feita na estatstica. Nenhuma
observao e nenhuma experincia podem ser precisamente planejadas e
analisadas sem algum mtodo estatstico. Mesmo se mantivermos as condies
experimentais mais constantes possveis, a repetio de uma observao ou
uma experincia dificilmente resulta sempre exatamente igual. Sempre existem
flutuaes.
Portanto, todas as concluses baseadas em dados empricos (baseado apenas
na experincia, e no no estudo) so necessariamente encaradas com incerteza.
Tentamos expressar o grau de incerteza em termos de probabilidades. Ento,
um pesquisador afirma significncia ao nvel de cinco por cento, ele admite a
possibilidade de uma afirmativa errnea. Antes da compreenso de alguns
mtodos estatsticos necessrio um conhecimento bsico sobre
probabilidades.
Quando se considera uma populao limitada de P indivduos, a probabilidade
de cada um ser escolhido, ao acaso, de 1/P.
Laplace definiu probabilidade como: O quociente do nmero de casos
favorveis sobre o nmero de casos igualmente possveis. Por exemplo, se
jogarmos uma moeda no viciada para o ar, de modo geral no podemos
afirmar se vai dar cara ou coroa.
Porm existem apenas dois eventos possveis: sair cara (K) ou coroa (C).
Nesse exemplo existe um caso favorvel a esse evento em dois casos possveis.
A P (K) = ou 50%.
Considerando-se cara como sucesso e coroa como fracasso e
representando-se o acontecimento favorvel como P e o no favorvel como
Q, temos as razes:
P= e Q =
Sendo P+Q = 1 ento P= (1 - Q) e Q = (1 - P)
55
A probabilidade de um evento A, denotada por P (A), um nmero de 0 a 1, que

indica a chance de ocorrncia do evento A. Quanto mais prxima de 1 P(A),
maior a chance de ocorrncia do evento A, e quanto mais prxima de Zero,
menor a chance de ocorrncia do evento A.
A um evento impossvel atribui-se a probabilidade Zero. Um evento certo tem
probabilidade 1.
As probabilidades podem ser expressas, inclusive por valores decimais, fraes
e porcentagem como: 20%; 2 em 10; 0,2; ou ainda, 1/5.
Alm do uso na interpretao de jogos de azar, usa-se ainda a probabilidade
mediante determinada combinao de julgamento, experincia ou dados
histricos, para predizer Quo Provvel a ocorrncia de determinado evento
futuro.
H numerosos exemplos de tais situaes no campo dos Negcios e do
Governo. A previso da aceitao de um novo produto, o clculo dos custos de
produo, a contratao de um novo empregado, o preparo do oramento, a
avaliao do impacto de uma reduo de impostos sobre a inflao tudo isso
contm algum elemento de acaso.
10.1 ESPAO AMOSTRAL E EVENTOS

Consideremos o experimento que consiste em extrair uma carta de um baralho
de 52 cartas. H 52 eventos elementares no espao amostral. Quanto aos
eventos podemos classific-los em:
ESPAO AMOSTRAL
COMPLEMENTO
MUTUAMENTE
EXCLUSIVOS
NAO SO
MUTUAMENTE
EXCLUSIVOS
Cartas vermelhas e cartas pretas
No se interceptam cartas de
copas e cartas de paus
Cartas de copas e figuras, tem

elementos em comum.
56
Cartas de paus, ouro, copas e

espadas
A B C D
COLETIVAMENTE
EXAUSTIVOS
10.2 TRS ORIGENS DA PROBABILIDADE

H trs maneiras diferentes de calcular ou estimar probabilidades, O mtodo
Clssico, quando o espao amostral tem resultados igualmente provveis. O
mtodo Emprico, que se baseia na frequncia relativa de ocorrncia de um
evento num grande nmero de provas repetidas; e o mtodo Subjetivo, que
utiliza estimativas pessoais baseadas num certo grau de crena.
OBJETIVO
CLSSICO
(resultados igualmente provveis)
SUBJETIVO
EMPRICO
Opinio Pessoal
(dados histricos)
O Mtodo Clssico
Os jogos de azar (lanamento de moedas, jogo de dados, extrao de cartas)
usualmente apresentam resultados igualmente provveis.
Nestes casos temos: P (cada resultado) =
1
.
N de resultados possveis
Se cada carta de um baralho de 52 tem a mesma chance de ser escolhida,

ento a probabilidade de extrair cada uma delas de 1/52 : P (A) = 1/52 ou
1,92%.
Da mesma forma a probabilidade de termos uma cara no lanamento de uma
moeda ou 50%. O mesmo ocorre com uma coroa, ou seja, ou 50%.
No caso de um dado temos a probabilidade de dar qualquer nmero: 1, 2, 3, 4,
5 ou 6 de 1/6 ou de 16,66%.
De forma geral vale tambm a expresso:
P(A) = Nmero de resultados associados ao evento A
Nmero total de resultados possveis
57
Por exemplo, a probabilidade de extrao de uma dama, de acordo com esta

definio, :
P (dama) = 4 damas =
52 cartas
4 .=
52
1 . = 7,69%
13
Analogamente, a probabilidade de obter nmero mpar no lance de um dado :

P(mpar) =
3 faces
.=
6 faces possveis
3 .
6
ou 50%
A MATEMTICA DA PROBABILIDADE
Muitas aplicaes de estatstica exigem a determinao da probabilidade de
combinaes de eventos. H duas categorias de eventos de interesse, A e B,
no espao amostral.
Pode ser necessrio determinar P(A e B), isto ; a probabilidade de ocorrncia
de ambos os eventos.
Em outras situaes, podemos querer a probabilidade de ocorrncia de A ou B,
P(A ou B).
Clculo da Probabilidade da ocorrncia de dois eventos independentes
P(A e B)
Se dois eventos so independentes, ento a probabilidade da ocorrncia de
ambos igual ao produto de suas probabilidades individuais:
P(A e B) = P(A) . P(B)

Exemplo: Jogam-se duas moedas equilibradas. Qual a probabilidade de ambas
as faces serem cara?
razovel admitir que os resultados das duas moedas sejam independentes um
do outro. Alm disso, para moedas equilibradas, P(cara)= .
Logo P(cara e cara) ser:
1 moeda
2moeda
= ou 25%
58
Clculo da Probabilidade da ocorrncia de dois eventos mutuamente

exclusivos
P(A ou B ocorrer)
Se dois eventos so mutuamente exclusivos, a probabilidade de ocorrncia de
qualquer um deles a soma de suas probabilidades individuais. Para dois
eventos A e B temos:
P(A ou B) = P(A) + P(B)

Exemplo: qual a probabilidade de aparecer cinco ou seis numa jogada de um
dado equilibrado?
P(cinco) ou P(seis) = P (5) + P(6) =
1 .+
6
1 .=
6
2 . = 33,33%
6
Clculo da Probabilidade da ocorrncia de dois eventos no mutuamente

exclusivos
P(A ou B ou ambos ocorrero)

Suponhamos a probabilidade de extrao de uma carta de paus ou um dez de
um baralho de 52 cartas. Como possvel que uma carta seja simultaneamente
de paus e um dez, os eventos no so mutuamente exclusivos. Assim
devemos excluir a probabilidade de interseco. Ento temos:
P(paus) = 13 . , P(dez)=
52
4 ., P( dez de paus) = 1 .,
52
52
P(paus ou dez, ou ambos) = P(paus) + P(dez) - P(dez de paus)

= 13 . +
4 .1 . = 16 . = 30,77%
52
52
52
52
NAIPE
PAUS
PRETA
KK
QQ
JJ
10
10
J
99
88
77
66
55
44
33
22
AA
OUROS
VERMELHA
COPAS
VERMELHA
ESPADA
PRETA
K
Q
J
10
10
9
8
7
6
5
4
3
2
A
K
Q
J
10
10
9
8
7
6
5
4
3
2
A
K
Q
J
10
10
9
8
7
6
5
4
3
2
A
59
Resumindo:
P (A e B), para eventos independentes (Multiplicao) P(A) x P(B)
P (A ou B), para eventos mutuamente exclusivos (Soma) P(A) + P(B)
P (A ou B ou ambos ocorrero), para eventos no mutuamente exclusivos
P(A) + P(B) - P(A interseo B)
10.3 ALGUMAS PROPRIEDADES

Como foi visto no final do item anterior, existem algumas regras de probabilidade.
Neste item detalharemos tais regras, conhecidas como propriedades da
probabilidade.
Revendo, a probabilidade de um evento A ocorrer um nmero entre 0 e 1, ou
seja:
0 P(A) 1
Se considerarmos o espao amostral, S, e o conjunto vazio,
temos:
P(S) = 1 (evento certo)
P( ) = 0 (evento impossvel)
, como eventos,
Arranjo com Repetio

Todos os elementos podem aparecer repetidos em cada grupo de
p elementos.
Frmula: Ar(m,p) = mp.
Exemplo: Seja C={A,B,C,D}, m=4 e p=2. Os arranjos com
repetio desses 4 elementos tomados 2 a 2 so 16 grupos que
onde aparecem elementos repetidos em cada grupo. Todos os
agrupamentos esto no conjunto:
Ar={AA,AB,AC,AD,BA,BB,BC,BD,CA,CB,CC,CD,DA,DB,DC,DD}
60
Permutao com Repetio

Se em um dado conjunto um elemento repetido a vezes, outro elemento repetido b vezes
e assim sucessivamente, o nmero total de permutaes que podemos obter dada por:
A resoluo do exemplo com o uso da frmula :
Exemplos
Quantos anagramas podemos obter a partir das letras da palavra PARAR?
Como a palavra PARAR possui 5 letras, mas duas delas so repetidas duas vezes cada, na
soluo do exemplo vamos calcular P5(2, 2):
Portanto:
O nmero de anagramas que podemos formar a partir das letras da palavra PARAR
igual 30.
Possuo 4 bolas amarelas, 3 bolas vermelhas, 2 bolas azuis e 1 bola verde. Pretendo
coloc-las em um tubo acrlico translcido e incolor, onde elas ficaro umas sobre as
outras na vertical. De quantas maneiras distintas eu poderei formar esta coluna de
bolas?
Neste caso de permutao com elementos repetidos temos um total de 10 bolas de quatro
cores diferentes. Segundo a repetio das cores, devemos calcular P10(4, 3, 2):
Ento:
Eu poderei formar esta coluna de bolas de 12600 maneiras diferentes.
Combinao com Repetio

Todos os elementos podem aparecer repetidos em cada grupo at
p vezes.
Frmula: Cr(m,p)=C(m+p-1,p)
61
Exemplos:
1) De quantos modos podemos comprar 4 salgadinhos em uma lanchonete que
oferece 7 opes de escolha de salgadinhos?
R: 210
2) Podendo escolher entre 5 tipos de queijo e 4 marcas de vinho, de quantos

modos possvel fazer um pedido num restaurante, com dois queijos e 3
garrafas de vinho?
R = 300
Exerccios
41-) Joga-se uma vez: um dado equilibrado, determine a probabilidade de obter:
a) Um 6
b) 5 ou 6 ou 7
c) Um nmero par
d) Um nmero menor que quatro
62
42-) H 50 bolas numa urna, distribudas da seguinte maneira: 20 azuis, 15

vermelhas, 10 laranjas e 5 verdes. Misturaram-se as bolas e escolhe-se uma.
Determine a probabilidade de a bola escolhida ser:
a) Verde
b) Azul
c) Azul ou verde
d) No vermelha
e) Vermelha ou verde
f) Amarela
g) No amarela
43-) Um baralho tem 52 cartas divididas igualmente entre 4 naipes: ouros, copas,
paus e espadas. Os naipes paus e espadas so de cor preta. Os naipes de ouros
e copas de cor vermelha. Cada naipe possui 13 cartas: A (s),2,3,4,5,6,7,8,9,10,
J (valete),Q(dama) e K(rei).
Extrai-se uma s carta de um baralho de 52 cartas. Determine a
probabilidade de obter:
a) Um valete
b) Uma figura
c) Uma carta vermelha
d) Uma carta de ouros
e) Um dez de paus
f) Um nove vermelho ou um oito preto
g) Um nove ou um valete
h) Uma carta de ouros ou uma dama
44-) (BRDE/01) Observa-se que 10% dos projetos que chegam a uma agncia
de financiamento apresentam informaes incorretas. Qual a probabilidade de
que, de trs projetos escolhidos aleatoriamente, nenhum deles apresente
informao incorreta?
a) Zero
b) 0,001
c) 0,270
d) 0,300
e) 0,729
45-) (TCE-RS/12) Segundo o controle de qualidade de uma empresa, a
probabilidade do seu produto apresentar falha de 0,10. Trs pessoas compram
o produto. A probabilidade de somente duas dessas pessoas terem comprado o
produto com falha :
a) 0,001
b) 0,009
c) 0,027
d) 0,243
e) 0,810
63
46-) Lana-se uma moeda 5 vezes, qual a probabilidade de ocorrer 3 caras e

duas coroas?
a) 31,25%
b) 25%
c) 40%
d) 37,50%
e) 50%
47-) Dentre doze candidatos que participaram de um teste, quatro reprovaram.
Se trs dos candidatos fossem selecionados, aleatoriamente, um aps o outro,
qual a probabilidade de que todos esses alunos tivessem sido aprovados?
a) 14/55
b) 8/55
c) 8/27
d) 27/55
e) 16/27
48-) Um juiz deve analisar 12 processos de reclamaes trabalhistas, sendo 4
de mdicos, 5 de professores e 3 de bancrios. Considere que inicialmente, o
juiz selecione aleatoriamente um grupo de 3 processos para serem analisados.
Com base nessas informaes, assinale a alternativa do valor mais prximo da
probabilidade de que, nesse grupo:
ITodos os processos sejam de bancrios
a) 1,25%
b) 0,45%
c) 25%
d) 7,5%
e) 12,5%
IIPelo menos um dos processos seja de professor
a) 16%
b) 54%
c) 84%
d) 75%
e) 44%
49-) (UFRJ) Para testar a eficcia de uma campanha de anncio do lanamento
de um novo sabo S, uma agncia de propaganda realizou uma pesquisa com
2000 pessoas. Por uma falha da equipe, a agncia omitiu os dados dos campos
x,y,z e w no seu relatrio sobre a pesquisa, conforme mostra a tabela abaixo:
Nmero de pessoas
que:
Viram o anncio
No viram o anncio
Total
Adquiriram
S
x
200
600
No adquiriram
S
y
z
w
Total
1500
500
2000
Suponha que uma dessas 2000 pessoas entrevistadas seja escolhida ao acaso
e que todas as pessoas tenham a mesma probabilidade de serem escolhidas.
64
Determine a probabilidade de que essa pessoa tenha visto o anncio da

campanha e adquirido o sabo S.
50-) No lanamento simultneo de dois dados, qual a probabilidade de:
a) Se obter soma 8?
b) Ocorrer soma 12?
c) Ocorrer soma 1?
GABARITO
41) a) 1/6 b) 1/3 c) 1 /2
42) a) 1/10 b) 2/5 c) 1 /2
43) a) 1/13 b) 3/13 c) 1 /2
44) E
45) C
46) A
47) A
48) I: B II: C
49) 1/5
50) a) 5/36 b) 1/36 c) 0
d) 1 /2
d) 7/10 e) 2/5 f) 0
g) 1
d) 1 /4 e) 1/52 f) 1/13 g) 2/13
h) 4/13
10.4 PROBABILIDADE CONDICIONAL (TEOREMA DE BAYES)

Seja E um espao amostral finito e no-vazio e A um evento no-vazio de E.
Suponhamos que o evento A tenho ocorrido e que queiramos saber qual a
probabilidade de ocorrer um outro evento B no-vazio de E.
Essa nova probabilidade indicada por P(BA) e dizemos que ela a
probabilidade de B condicionada ao fato de que A j ocorreu, ou simplesmente,
que a probabilidade condicional de B em relao a A.
Temos, nesse caso, uma mudana do espao amostral.
A probabilidade de B ser em relao ao espao amostral A e o elemento
procurado de B dever pertencer a BA; portanto, a nova probabilidade :
P(BA) = P(BA)
P(A)
Por outro lado, P(BA) = P(BA)
P(BA) = P(A) . P(BA)
P(A)
65
Como BA = AB, ento P(AB) = P(B) . P(AB)
Podemos escrever ento:
P(AB) = P(B) . P(AB) = P(A) . P(BA)

Exemplos:
1-) Uma urna contm 8 bolas amarelas e 6 bolas verdes. Qual a probabilidade
de retirarmos 2 bolas sucessivamente, sem reposio, sendo a primeira verde e
a segunda amarela?
P(V) = 6/14 = 3/7

P(AV) = 8/13
Logo, P(VA) = P(V) . P(AV) = (3/7) . (8/13) = 24/91
2-) Retira-se, ao acaso, um valete de um baralho comum, de 52 cartas. Sem

reposio da carta extrada, qual a probabilidade de, numa segunda retirada,
sair outro valete?
P(A)= 4/52 = 1/13

P(BA) = 3/51 = 1/17
Logo, P(AB) = P(A) . P(BA) = (1/13) . (1/17) = 1/221
Exerccios:
51-) (TCE-RS/12) Dois professores corrigem a prova de redao de um concurso
pblico. O professor A corrige o dobro de provas do que o professor B. Sabe-se
que 60% das provas corrigidas pelo professor A tiveram nota superior a 7,
enquanto apenas 20% das provas corrigidas pelo professor B tiveram nota
superior a 7. Se um candidato teve conceito no superior a 7, a probabilidade de
sua prova ter sido corrigida pelo professor A :
a)
b)
c)
d)
e)
0,85571
0,75000
0,33333
0,50000
0,25000
66
52-) Os arquivos levantados pelo censo da cidade A em 1998 revelaram que,

apenas 20% dos homens possuem QI (coeficiente de inteligncia) acima de 150,
enquanto que essa incidncia nas mulheres de 70%. Estima-se em 90% a
porcentagem dos homens nessa populao. Um pesquisador do censo, acaba
de se encontrar com uma pessoa com QI acima de 150. Calcule a probabilidade
desta pessoa ser do sexo feminino.
a)
b)
c)
d)
e)
70%
18%
28%
46%
72%
53-) Os arquivos levantados pelo censo da cidade A em 1998 revelaram que,

apenas 20% dos homens possuem QI (coeficiente de inteligncia) acima de 150,
enquanto que essa incidncia nas mulheres de 70%. Estima-se em 90% a
porcentagem dos homens nessa populao. Calcule a probabilidade de sortear
uma pessoa do sexo feminino com QI acima de 150.
a)
b)
c)
d)
e)
70%
18%
28%
46%
72%
54-) Os arquivos da polcia revelam que, das vtimas de acidente automobilstico

que utilizam cinto de segurana, apenas 20% sofrem ferimentos graves,
enquanto que essa incidncia de 70% entre as vtimas que no utilizam o cinto
de segurana. Estima-se em 90% a porcentagem dos motoristas que usam o
cinto. A polcia acaba de ser chamada para investigar um acidente em que houve
um indivduo gravemente ferido. Calcule a probabilidade de ela estar usando o
cinto no momento do acidente.
a)
b)
c)
d)
e)
18%
14%
56,25%
43,75%
72%
55-) A probabilidade de Mrcio chegar em casa tarde para jantar 25%. Por
outro lado, a probabilidade do jantar atrasar 10%. Se no h qualquer
relacionamento entre os atrasos de Mrcio e os atrasos do jantar, qual a
probabilidade de ocorrerem ambos os atrasos?
a)
b)
c)
d)
e)
25%
10%
3%
5%
2,50%
67
56-) Os arquivos da polcia revelam que, das vtimas de acidente automobilstico

que utilizam cinto de segurana, apenas 20% sofrem ferimentos graves,
enquanto que essa incidncia de 70% entre as vtimas que no utilizam o cinto
de segurana. Estima-se em 90% a porcentagem dos motoristas que usam o
cinto. Calcule a probabilidade de um indivduo estar usando o cinto no momento
do acidente e ficar gravemente ferido.
a)
b)
c)
d)
e)
18%
14%
56,25%
43,75%
72%
57-) Uma grande empresa possui dois departamentos: um de artigos femininos

e outro de artigos masculinos. Para o corrente ano fiscal, o diretor da empresa
estima que as probabilidades de os departamentos de artigos femininos e
masculinos obterem uma margem de lucro de 10% so iguais a 30% e 20%
respectivamente. Alm disso, ele estima em 5,1% a probabilidade de ambos os
departamentos obterem uma margem de lucro de 10%. No final do ano fiscal, o
diretor verificou que o departamento de artigos femininos obteve uma margem
de lucro de 10%. Desse modo, a probabilidade de o departamento de artigos
masculinos ter atingido a margem de lucro de 10% igual a:
a)
b)
c)
d)
e)
17%
20%
25%
24%
30%
58-) Uma companhia preocupada coma sua produtividade costuma oferecer

cursos de treinamento a seus operrios. A partir da experincia, verificou-se que
um operrio, recentemente admitido, que tenha frequentado o curso de
treinamento te 82% de probabilidade de cumprir sua quota de produo. Por
outro lado, um operrio, tambm recentemente admitido, que no tenha
frequentado o mesmo curso de treinamento, tem apenas 35% de probabilidade
de cumprir com sua quota de produo. Dos operrios recentemente admitidos,
80% frequentaram o curso de treinamento. Selecionando-se, aleatoriamente, um
operrio recentemente admitido na companhia, a probabilidade de que ele no
cumpra sua quota de produo :
a)
b)
c)
d)
e)
11,70%
27,40%
35%
83%
85%
68
59-) Uma companhia preocupada coma sua produtividade costuma oferecer

cursos de treinamento a seus operrios. A partir da experincia, verificou-se que
um operrio, recentemente admitido, que tenha frequentado o curso de
treinamento te 82% de probabilidade de cumprir sua quota de produo. Por
outro lado, um operrio, tambm recentemente admitido, que no tenha
frequentado o mesmo curso de treinamento, tem apenas 35% de probabilidade
de cumprir com sua quota de produo. Dos operrios recentemente admitidos,
80% frequentaram o curso de treinamento. O presidente da companhia acaba
de se encontrar com um operrio recentemente admitido que cumpriu sua cota
de produo. Calcule a probabilidade de que ele no tenha frequentado o curso
de treinamento.
a)
b)
c)
d)
e)
9,64%
65,60%
7,50%
73,70%
85,70%
60-) Os arquivos levantados pelo censo da cidade de So Paulo em 1998

revelaram que, apenas 40% das mulheres possuem casa prpria, enquanto que
essa incidncia nos homens de 80%. Estima-se em 70% a porcentagem das
mulheres nessa populao. Um pesquisador do censo de 1998 de So Paulo,
acaba de se encontrar com uma pessoa que possui casa prpria. Calcule a
probabilidade aproximadamente desta pessoa ser do sexo feminino.
a)
b)
c)
d)
e)
18,4%
24%
28%
52%
53,8%
GABARITO
51) D
60) E
52) C
53) A
54) E
55) E
56) A
57) A
58) B
59) A
69
Distribuio
As distribuies so modelos matemticos que tem por objetivo resolver
certos problemas probabilsticos.
As principais distribuies so as seguintes:
1)
2)
3)
4)
5)
Distribuio Binomial
Distribuio Multinomial
Distribuio Hipergeomtrica
Distribuio de Poisson
Distribuio Normal
variveis descontnuas
(no ponto)
varivel contnua
(no intervalo)
1. Distribuio Binomial
Se p a probabilidade de um evento acontecer em uma tentativa nica
(denominada probabilidade de um sucesso) e q = 1 p a de que o evento no
ocorra em qualquer tentativa nica (denominada probabilidade de insucesso),
ento a probabilidade do evento ocorrer exatamente X vezes, em N tentativas
(isto , de que haja X sucessos e N X insucessos), dada por:
P(X) = N,X .pX . qN-X
N,X = ____N!____
X! . (N-X)!
Exemplo: A probabilidade de obter exatamente 2 caras em 6 lances de

moeda no viciada :
Soluo: n = 2
P(2) =
P(2) =
6!
6,2
. . (1/4).(1/16)
.(1/2)2. (1/2)6-2
P(2) = 15/64
P(2) = 23,44%
2! . 4!
Exerccios de sala:
1) Jogando-se um dado 3 vezes, qual a probabilidade de se obter a face
5, apenas uma vez?
34,72%
2) A probabilidade de obter ao menos 4 caras em 6 lances de uma

moeda no viciada :
34,38%
70
3) A probabilidade de que um presumvel cliente aleatoriamente

escolhido faa uma compra de 20%. Se um vendedor visita 6
presumveis clientes, a probabilidade de que ele far exatamente 4
vendas ser igual a:
1,54%
4) Devido as altas taxas de juros, uma firma informa que 30% de suas
contas a receber encontram-se vencidas. Se um contador escolhe
aleatoriamente uma amostra de 5 contas, determinar a probabilidade
de cada um dos dos seguintes eventos:
a)
b)
c)
d)
Nenhuma das contas est vencida.

Exatamente 2 contas esto vencidas.
A maioria das contas esto vencidas.
Exatamente 20% das contas esto vencidas.
16,81%
30,8%
16,31%
36,01%
Exerccios do trabalho.
1) Sorteando-se uma famlia com 5 crianas. Determinar a probabilidade de
que ela esteja composta por:
a) Exatamente um menino.
15,63%
b) No mximo 1 menino.
18,75%
c) No mnimo 1 menino.
96,88%
d) Ao menos duas meninas.
81,25%
71
2) Na venda de um certo produto tem-se 2 opes:

a) Cobrar R$ 1,00 por pea, sem inspeo;
b) Classificar o lote em produto de primeira e de segunda, mediante a
seguinte inspeo: retiramos 5 peas do lote e se no encontrarmos
mais que uma defeituosa, o lote ser de primeira qualidade; sendo de
segunda qualidade o lote que no satisfizer tal condio.
O preo de venda R$ 1,20 por pea do lote de primeira e R$ 0,80
por pea do lote de segunda.
Sabendo-se que cerca de 10% das peas produzidas so defeituosas,
analisar qual das duas opes a mais vantajosa para o vendedor.
R: segunda opo mais vantajosa para o vendedor.
3) Em uma prova de mltipla escolha, com 5 opes das quais s uma

verdadeira. Calcule a chance de um aluno acertar 3 das 25 questes,
sabendo-se que o mesmo nada sabe do assunto.
13,57%
72
Algumas Propriedades da Distribuio Binomial

MDIA
VARINCIA
DESVIO PADRO
= N.p
N.p.q
N.p.q
No problema anterior, provavelmente quantas questes o referido aluno vai

acertar?
= N.p
= 25.1/5
= 5 questes
Calcular o desvio padro, do nmero de questes certas:
N.p.q
25.1/5.4/5
2. Distribuio Multinomial (Polinomial)

uma generalizao da Distribuio Binomial, para mais do que dois
eventos.
Se os eventos E1, E2,......,EK
podem ocorrer com as probabilidades
P1, P2,......,PK
respectivamente, ento a probabilidade de E 1, E2,......,EK
ocorrerem X1, X2, .....,XK vezes, respectivamente :
P(X1, X2,...,Xk) =
N!
P1X1 . P2X2 ......PKXK
X1! . X2! ......XK!

Onde: X1 + X2 + .....+ XK = N
Exemplo: Se um dado honesto lanado 12 vezes, a probabilidade de serem
obtidos os pontos 1, 2, 3, 4, 5 e 6, exatamente 2 vezes cada um, :
P(X1=2, X2=2,...,X6=2) =
12!
. (1/6)2. (1/6)2.(1/6)2. (1/6)2. (1/6)2.(1/6)2
2! . 2! . 2! . 2! . 2! . 2!
= 1925 / 559872
= 0,344%
Exerccio de sala: Em uma caixa h 3 peas azuis, 4 brancas e 5 cinzas. Retirase ao acaso e com reposio 3 peas. Determinar a probabilidade de que:
a) Uma seja azul e 2 brancas.
b) Uma azul
8%
42%
73
Exerccios do trabalho:
4) Uma fbrica produz lmpadas nas cores azul, branca e vermelha. Sabese que as propores de cada cor so 20%, 50% e 30% respectivamente.
Sorteando-se 5 lmpadas ao acaso com reposio, qual a probabilidade
de que 2 sejam azuis, 2 brancas e 1 vermelha?
9%
5) O sangue humano foi classificado em: A, O, B e AB. Sabendo-se que a

proporo de cada tipo em Curitiba : 40%, 45%, 10% e 5%
respectivamente. Sorteando-se 6 pessoas ao acaso desta populao,
qual ser a probabilidade de que eles sejam:
a) Dois do tipo A, 3 do tipo O e 1 do tipo B?
8,74%
b) Trs do tipo A e 3 do tipo O?
11,66%
c) Todos do tipo O?
0,83%
d) Pelo menos 4 sejam do tipo O?
25,53%
74
3. Distribuio Hipergeomtrica.
Esta distribuio somente aplicada nos eventos dependentes, isto ,
condicionados.
Vimos que a distribuio binomial e multinomial eram aplicados apenas
nos eventos independentes, tal como ocorre nas extraes de peas de uma
urna, quando esta extrao feita com reposio. Portanto agora, para
aplicarmos a hipergeomtrica, estas extraes tero que ser feitas sem
reposio.
Se quizermos saber qual a probabilidade de que em n extraes sem
reposio, aconteam x1 sucessos da primeira espcie, x2 sucessos da segunda
espcie e assim por diante, at uma ordem xk qualquer, bastar aplicar a
seguinte frmula:
P(A1 = X1 , A2 = X2 ,......., AK = XK) = CN1 , n1 . CN2 . n2 .........CNK . nk

CN , n
N: o total de peas na urna;
n: o total de peas retiradas da urna;
A1: o total de peas existentes na urna, da primeira espcie;
A2: o total de peas existentes na urna, da segunda espcie;
Onde
.
.
Ak: o total de peas existentes na urna, da k-sima espcie;
n1: o nmero de sucessos pedidos de primeira espcie;
n2: o nmero de sucessos pedidos de segunda espcie;
.
.
nk: o nmero de sucessos pedidos da k-sima espcie.
Exemplo: Em uma urna h 3 peas azuis, 4 brancas e 5 vermelhas.
Retira-se ao acaso e sem reposio 3 peas. Determinar a probabilidade de que
elas sejam:
a) 2 brancas e 1 vermelha.
Soluo: P(A=0,B=2,V=1) = C3,0 . C4,2 . C5,1 = 1 . 6 . 5 = 13,6%
C12,3
220
b) 1 de cada cor.
Soluo: P(A=1,B=1,V=1) = C3,1 . C4,1 . C5,1 = 3 . 4 . 5 = 27,3%
C12,3
220
c) 1 branca.
Soluo: P(B=1,~B=2) = C4,1 . C8,2 = 4 . 28
C12,3
220
= 50,9%
75
d) Todas da mesma cor.

Soluo:
P(A=3,B=0,V=0) + P(A=0,B=3,V=0) + P(A=0,B=0,V=3)
C3,3 . C4,0 . C5,0 + C3,0 . C4,3 .C5,0 + C3,0 . C4,0 . C5,3
C12,3
C12,3
C12,3
= 6,8%
Exerccios do trabalho
6) Pequenos motores eltricos so expedidos em lotes de 50 unidades.

Antes que uma remessa seja aprovada, um inspetor escolhe 5 desses
motores e os inspeciona. Se nenhum dos motores inspecionados for
defeituoso, o lote aprovado, caso contrrio todos devero ser
inspecionados. Supondo que existam realmente 3 motores defeituosos no
lote, qual a probabilidade de que a inspeo total seja necessria?
27,6%
7) De seis empregados, trs esto na CIA h cinco anos ou mais. Se quatro

empregados so aleatoriamente escolhidos deste grupo de seis, a
probabilidade de que exatamente dois estejam na CIA h cinco ou mais
anos :
60%
8) O grupo de um departamento composto por 5 engenheiros e 9 tcnicos.

Se 5 indivduos forem escolhidos aleatoriamente e se lhes atribui um
projeto, qual a probabilidade de que o grupo do projeto inclua exatamente
2 engenheiros?
41,9%
76
DISTRIBUIO DE POISSON
A distribuio de Poisson pode ser usada para determinar a probabilidade de um
dado nmero de sucessos quando os eventos ocorrem em uma continuidade de
tempo no espao ao invs de ocorrerem em tentativas ou observaes fixadas
(Binomial).
A distribuio de Poisson foi definida como sendo o limite da distribuio
binomial, para N e p0. Passando-se o limite, nesta distribuio binomial,
encontrou-se a mesma com a notao:
P(X=x) = (N.p)x. e-(N.p)

x!
Na prtica poderemos utilizar esta distribuio, para resolver os problemas
binomiais com a condio de que N.p 5.
Exemplo: Suponhamos que 3% das peas produzidas por uma fbrica sejam
defeituosas. Comprando-se uma centena delas, qual a probabilidade de que
apenas 4 esto defeituosas?
Soluo: Mtodo Binomial: P(X=x) = Cn,x . px . qn-x
P(X=4) = C100,4 . (0,03)4.(0,97)96 = 16,8%
Mtodo Poisson: N.p = 100. 3% = 3 < 5
P(X=4)= 34 . e-3
ok
P(X=4)= 81 . 0,049787
4!
P(X=4)= 4,032747
24
P(X=4)= 16,8%
24
Trabalho:
9. Suponhamos que 3% das peas produzidas por uma fbrica sejam
defeituosas. Comprando-se 150 peas, qual a probabilidade de que no mximo
2 defeituosas?
17,35%
77
10. Sabe-se que 2,5% das peas produzidas por uma fbrica, so defeituosas.
Comprando-se 120 peas desta fbrica, determinar as seguintes probabilidades:
a) de que 4 estejam defeituosas.
16,8%
b) de que no mximo 3 estejam defeituosas.
64,72%
c) de que no mnimo 3 estejam defeituosas.
57,68%
11. Sabe-se que 1,25% das peas produzidas por uma fbrica, so defeituosas.
Comprando-se 200 peas desta fbrica, determinar as seguintes probabilidades:
a) de que 2 estejam defeituosas.
25,65%
b) de que no mximo 2 estejam defeituosas.
54,38%
c) de que no mnimo 2 estejam defeituosas.
71,27%
78
VARIVEIS CONTNUAS
Seja x uma varivel aleatria que pode assumir infinitos valores num
intervalo finito. Consideremos que haja uma funo contnua f: RR tal que
P(a x b) , seja igual a rea sob a curva da funo t entre x = a e x = b.
Tem-se ento, que a probabilidade acusada :
P(a x b) = rea sombreada

Representao grfica:
xi
Grfico-1 : Sendo F(xi) =
( )
numericamente igual a rea
esquerda de xi no grfico.
Grfico-2: A rea total sob a curva do grfico igual a unidade, isto :
( )
Grfico-3:
A probabilidade de x estar compreendido entre a e b
numericamente igual a rea compreendida entre as retas verticais de abscissas
a e b, o eixo x e a curva.
( )
Uma varivel contnua, ter distribuio normal se a sua funo
densidade de probabilidade for dada pela seguinte frmula:
79
A variao natural de muitos processos industriais realmente aleatria.

Embora as distribuies de muitos processos possam assumir uma variedade
de formas, muitas variveis observadas possuem uma distribuio de
frequncias que , aproximadamente, uma distribuio de probabilidade Normal.
Probabilidade a chance real de ocorrer um determinado evento, isto ,
a chance de ocorrer uma medida em um determinado intervalo. Por exemplo, a
frequncia relativa deste intervalo, observada partir de uma amostra de
medidas, a aproximao da probabilidade. E a distribuio de frequncias a
aproximao da distribuio de probabilidades.
A distribuio normal quando tem a forma de "sino":
Para achar a rea sob a curva normal devemos conhecer dois valores
numricos, a mdia e o desvio padro . A Figura a seguir mostra algumas
reas importantes:
80
Para cada valor de e/ou temos uma curva de distribuio de

probabilidade. Porm, para se calcular reas especficas, faz-se uso de uma
distribuio particular: a "distribuio normal padronizada", tambm chamada
de Standartizada ou reduzida, o qual a distribuio normal com
e
.
Para obter tal distribuio, isto , quando se tem uma varivel com distribuio
normal com mdia diferente de (zero) e/ou desvio padro diferente
de (um), devemos reduzi-la a uma varivel , efetuando o seguinte clculo
Assim, a distribuio passa a ter mdia

e desvio padro
.
Pelo fato da distribuio ser simtrica em relao mdia
, a rea direita
igual a rea esquerda de . Por ser uma distribuio muito usada, existem
tabelas a qual encontramos a resoluo de suas integrais. Assim, a tabela
fornece reas acima de valores no negativos que vo desde
at
. Veja
o grfico da curva Normal padronizada na Figura abaixo.
Distribuio Normal Padro e a funo de densidade de probabilidade reduzse a,
A rea em azul escuro est a menos de um desvio padro () da mdia. Em

uma distribuio normal, isto representa cerca de 68% do conjunto, enquanto
dois desvios padres desde a mdia (azul mdio e escuro) representam cerca
de 95%, e trs desvios padres (azul claro, mdio e escuro) cobrem cerca de
99.7%.
81
Tabela da Distribuio Normal Padro
0,0
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
82
3,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990
3,1 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
3,2 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
3,3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997
3,4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998
3,5 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998
3,6 0,9998 0,9998 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,7 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,8 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,9 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
0,0
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
0,0 0,5000 0,4960 0,4920 0,4880 0,4840 0,4801 0,4761 0,4721 0,4681 0,4641
-0,1 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247
-0,2 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859
-0,3 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483
-0,4 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121
-0,5 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776
-0,6 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451
-0,7 0,2420 0,2389 0,2358 0,2327 0,2296 0,2266 0,2236 0,2206 0,2177 0,2148
-0,8 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867
-0,9 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611
-1,0 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379
-1,1 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170
-1,2 0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0,0985
-1,3 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,0823
-1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0721 0,0708 0,0694 0,0681
-1,5 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559
-1,6 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455
-1,7 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367
-1,8 0,0359 0,0351 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294
-1,9 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,0250 0,0244 0,0239 0,0233
-2,0 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202 0,0197 0,0192 0,0188 0,0183
83
-2,1 0,0179 0,0174 0,0170 0,0166 0,0162 0,0158 0,0154 0,0150 0,0146 0,0143
-2,2 0,0139 0,0136 0,0132 0,0129 0,0125 0,0122 0,0119 0,0116 0,0113 0,0110
-2,3 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084
-2,4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064
-2,5 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048
-2,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036
-2,7 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026
-2,8 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019
-2,9 0,0019 0,0018 0,0018 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014
-3,0 0,0013 0,0013 0,0013 0,0012 0,0012 0,0011 0,0011 0,0011 0,0010 0,0010
-3,1 0,0010 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007
-3,2 0,0007 0,0007 0,0006 0,0006 0,0006 0,0006 0,0006 0,0005 0,0005 0,0005
-3,3 0,0005 0,0005 0,0005 0,0004 0,0004 0,0004 0,0004 0,0004 0,0004 0,0003
-3,4 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0002
-3,5 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002
-3,6 0,0002 0,0002 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
-3,7 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
-3,8 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
-3,9 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
Exemplo:
1. Suponhamos que as alturas dos estudantes da FESP distribuem-se
normalmente, com mdia = 172cm e desvio-padro = 5cm. Sorteandose 1 aluno ao acaso, determinar as seguintes probabilidades:
a) De que a altura seja maior do que 170cm.....................65,54%
b) De que a altura seja menor do que 170cm....................34,46%
c) De que a altura esteja entre 170cm e 182cm................63,26%
84
Trabalho:
12. Um processo de fabricao produz peas com comprimento mdio de
500mm e desvio-padro de 10mm. Qual a porcentagem de peas que
se situam:
a) Acima de 510mm.......................................................15,87%
b) Entre 490mm e 510mm..............................................68,26%
c) Entre 480mm e 520mm..............................................95,44%
d) Entre 470mm e 530mm..............................................99,72%
e) Abaixo de 495mm......................................................30,85%
f) Abaixo de 525,8mm...................................................99,51%
g) Entre 470mm e 480mm..............................................2,15%
h) Entre 480mm e 510mm..............................................81,85%
i) Acima de 500mm........................................................50%
j) Acima de 560mm........................................................0%
k) Entre 487,8mm e 513,4mm........................................79,87%
13. Uma fbrica de chocolates comercializa barras que pesa em mdia

200g. Os pesos so normalmente distribudos. Sabe-se que o desviopadro igual a 40g. Calcule a probabilidade de uma barra de
chocolate escolhida ao acaso pesar:
a) Entre 200g e 250g....................................................39,44%
b) Entre 170g e 200g....................................................27,34%
c) Pesar mais que 230g................................................22,66%
d) Pesar menos que 150g.............................................10,56%
14. Uma indstria verificou que as lmpadas que produz apresentam uma
vida til normalmente distribuda, com mdia igual a 750 dias e desviopadro igual a 40 dias. Calcule a probabilidade de uma lmpada
escolhida ao acaso durar:
a) Entre 600 e 900 dias...............................................aprox. 100%
b) Mais que 700 dias...................................................89,44%
c) Menos que 650 dias................................................0,62%
15. Sabe-se que as vendas dirias de uma lanchonete so normalmente

distribudas, com mdia igual a R$ 1.800,00 e desvio-padro de
R$200,00. Calcule as probabilidades de, em determinado dia, as
vendas: a) serem maiores do que R$ 2.300,00.................0,62%
b) serem inferiores a R$ 1.750,00.......................40,13%
c) ficarem entre R$ 1.650,00 e R$ 1.750,00........17,47%
d) ficarem entre R$ 1.550,00 e R$ 1.900,00........58,59%
85
Trabalho diversificado
16. Uma empresa comercial calcula que 5% de suas vendas no so recebidas,
em funo do recebimento de cheques sem fundos. Ao se analisar uma amostra
formada por oito vendas, qual a probabilidade de:
a) todos serem pagos normalmente?.......................................... 66,34%
b) uma ou duas vendas, apenas, serem pagas?........................ 0%
c) pelo menos trs vendas serem pagas normalmente?............. 100%
d) todas as vendas no serem pagas?....................................... 0%
17. A probabilidade de uma determinada construtora vencer licitaes
aproximadamente igual a 54%. Em seis licitaes, qual a probabilidade de essa
empresa:
a) perder todas........................................................................... 0,95%
b) vencer apenas uma............................................................... 6,67%
c) vencer pelo menos uma........................................................ 99,05%
d) perder trs licitaes............................................................. 30,65%
18. Uma indstria de refrigerantes recebe pedidos de seus vendedores por meio
de fax, telefone e internet. O nmero de pedidos que chegam por qualquer meio
no horrio comercial uma varivel aleatria discreta com taxa igual a cinco
pedidos por hora. Calcule a probabilidade de:
a) a indstria receber apenas dois pedidos em uma hora.........8,42%
b) receber oito pedidos em uma hora...................................... 6,49%
c) receber sete pedidos em uma hora......................................10,39%
d) receber seis, sete ou oito pedidos em uma hora.................31,42%
19. As vendas mensais do mercadinho Pague Bem seguem, aproximadamente,
uma distribuio normal, com mdia igual a R$ 5.000,00 e desvio padro igual a
R$ 2.000,00. Calcule a probabilidade de que, em um determinado ms, as
vendas:
a) sejam superiores a R$ 3.500,00........................................... 77,34%
b) sejam inferiores a R$ 3.000,00............................................. 15,87%
c) estejam entre R$ 3.800,00 e R$ 5.300,00............................ 28,53%
d) estejam entre R$ 2.100,00 e R$ 7.800,00........................... 84,57%
86
20. A olaria Joo de Barro fabrica e comercializa dois produtos principais:

telhas e tijolos. A relao da produo do ms de agosto do ano passado pode
ser vista na tabela seguinte. Calcule:
a) em uma amostra composta por oito telhas, qual a probabilidade de pelo
menos duas serem defeituosas?...................................................18,69%
b) em uma amostra composta por sete tijolos, qual a probabilidade de pelo
menos seis serem defeituosos?....................................................0%
c) em uma amostra formada por quatro produtos, qual a probabilidade de
existirem dois defeituosos?...........................................................2,89%
Produto
Tijolo
Telha
Total
Com defeito
6.000
3.000
9.000
Sem defeito
84.000
27.000
111.000
Total
90.000
30.000
120.000
21. A probabilidade de um funcionrio das Metalrgicas Bigorna LTDA, ser

promovido a gerente com menos de 5 anos de trabalho na empresa igual a
7,5%. Calcule a probabilidade de, em grupo de seis funcionrios novos:
a) nenhum ser promovido a gerente..............................................62,64%
b) pelo menos um ser promovido a gerente..................................37,36%
c) todos serem promovidos a gerente...........................................0%
22. A central de atendimentos de uma operadora de cartes de crdito recebe

denncia de roubo de cartes razo de quatro ligaes por hora, no perodo
matutino, em dias teis. O nmero de ligaes recebidas pode ser aproximado
por uma distribuio de Poisson. Pede-se:
a) quantas chamadas so esperadas num perodo de 30 minutos?..Duas
b) qual a probabilidade de nenhuma chamada ocorrer num perodo de 30
minutos?.......................................................................................13,53%
c) qual a probabilidade de ocorrerem ao menos duas chamadas no mesmo
perodo?.......................................................................................59,40%
87
23. Para ser aprovado em um exame seletivo um candidato deve obter nota
superior a 8,2 em Matemtica e superior a 9,5 em Portugus. Sabendo-se que
as notas seguem uma distribuio normal, com mdia e desvio padro,
apresentados na tabela seguinte, calcule quantos alunos de um grupo de 950
devem ser aprovados neste processo seletivo....................................24 alunos
Prova
Portugus
Matemtica
Mdia
7,3
6,1
Desvio Padro
2,7
1,8
24. Estudos meteorolgicos indicam que a precipitao pluviomtrica mensal

em perodos de seca numa certa regio do Nordeste do Brasil, pode ser
considerada como seguindo a distribuio norma com mdia igual a 40 mm e
varincia 16 mm2. Pede-se:
a) qual a probabilidade de que a precipitao pluviomtrica mensal no
perodo de seca esteja entre 34 mm e 38 mm?.............................24,17%
b) qual seria o valor da precipitao pluviomtrica de modo que exista
apenas 20% de chance de haver uma precipitao inferior a esse valor?
36,64mm
c) construa um intervalo central em torno da mdia que contenha 90% dos
possveis valores de precipitao pluviomtrica...........33,44 46,56
25. Um pesquisador verificou que em uma cidade do interior do PR o peso dos

homens tem distribuio normal com mdia de 85kg e desvio padro de 20kg,
enquanto o das mulheres tambm apresenta-se normalmente distribudo, com
mdia de 60kg e desvio padro de 8kg. Pede-se:
a) sorteando-se um homem, qual a probabilidade de ele ter peso acima
de 75kg ?....................................................................................69,15%
b) sorteando-se uma mulher, qual a probabilidade de ela ter peso acima
de 65kg?....................................................................................26,43%
88
REGRESSO LINEAR
O diagrama de disperso fornece uma representao visual da relao
existente entre duas variveis, consiste em uma nuvem de pontos.
Podemos traar uma reta, um modelo matemtico da associao entre essas
variveis, chamado Reta de Regresso.
Suponha uma empresa que deseja avaliar se o dinheiro empregado em
propaganda resulta em maior nmero de vendas. Para tal, necessrio que se
colete os dados de investimento gasto em propaganda e os dados referentes s
vendas:
Inicialmente, colocaremos os dados na planilha, dispostos em duas colunas,

uma representando a varivel investimento em propaganda (X) e a outra a
varivel vendas (Y).
89
y = ax + b
y
600
500
400
300
200
100
0
0
10
15
20
25
30
35
40
45
x
Onde
a = coeficiente angular
a = tg
b = coeficiente linear
Um dos mtodos mais simples para o clculo das estimativas dos parmetros a
e b o Mtodo dos Mnimos Quadrados.
Mtodo dos Mnimos Quadrados

Para estabelecermos uma equao de regresso entre duas variveis,
o primeiro passo colher uma amostra de observaes (xi,yi) que constituem os
pontos do diagrama de disperso.
O mtodo dos mnimos quadrados visa estimar os parmetros da
equao de regresso, de forma que a soma dos quadrados dos desvios (d i)
sejam a menor possvel.
b = y a.x
( .) .
a=
() ()
y = ax + b
90
x
30
21
35
42
37
2
8
17
35
25
252
y=
x=
y =
x =
a=
y = 380
a=
b = 170,84
b = 380 8,3 . 25,2
x.y
12900
7035
18200
20580
17390
420
1560
4590
14000
12000
108675
600
500
400
300
200
100
0
10
20
30
40
x = 25,2
a = 8,3
y = 8,3 x + 170,84
X2
900
441
1225
1764
1369
4
64
289
1225
625
7906
(x)2 = 2522 = 63504
y
430
335
520
490
470
210
195
270
400
480
3800
50
X
30
21
35
42
37
2
8
17
35
25
Y
419,84
345,14
461,34
519,44
477,94
187,44
237,24
311,94
461,34
378,34
91
No excel, temos:
O intervalo Y ocupa as clulas B2 a B11 e deve ser representado por

$B$2:$B$11 no espao reservado para "Intervalo Y de entrada". O intervalo X
preenchido de maneira anloga, sendo no nosso exemplo representado pelas
clulas A2 a A11 ($A$2:$A$11).
Uma vez preenchido os intervalos X e Y, devemos escolher as opes "NOVA
PLANILHA" e "PLOTAGEM COM AJUSTE DE LINHA" ainda na mesma caixa de
dilogo. Para isto use o apontador do mouse dando um "clique" em cada funo.
Para que o Excel efetue os clculos, pressione "OK".
Os resultados numricos, juntamente com o diagrama de disperso, so
armazenados em uma nova planilha. O diagrama de disperso obtido dever ser
semelhante ao grfico abaixo:
92
EXEMPLO: Dada a tabela:

Quantidade 10
custo
100
a)
b)
c)
d)
11
112
12
13
14
15
119 130 139 142
Construa o diagrama de disperso

Ajuste a reta no diagrama
Trace a reta no diagrama
Qual o custo para 18 unidades do artigo? ................................171,12
93
Trabalho:
26. Os dados referem-se ao volume de precipitao pluviomtrica em mm e a
produo de leite tipo-C (milhes de litros) em determinada regio do pas.
a) construa o diagrama de disperso
b) ajuste uma reta aos dados
c) trace a reta no diagrama
d) admitindo-se em 2013 o ndice pluviomtrico de 24mm qual dever ser o
volume esperado da produo de leite tipo-C? ....................................... 27,88
Anos
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
Produo
de Leite
26
25
31
29
27
31
32
28
30
30
ndice
Pluviomtrico
23
21
28
27
23
28
27
22
26
25
27. Durante o ano de 2012, as aes da empresa A tiveram as cotaes mdias

mensais, na bolsa de valores, abaixo indicadas. Sabendo-se que o valor nominal
da ao de R$ 100,00, prever seu valor para maro de 2013.............. 124,88
jan
3%
fev
2%
mar
2,5%
abr
-1,5%
mai
3,5%
jun
5%
jul
-2%
ago
-1,5%
set
2%
out
nov
2,5% 3%
dez
1,5%
94
CORRELAO SIMPLES
Quando se estuda o inter-relacionamento de duas variveis apenas, a
correlao denominada simples.
Se os pontos do diagrama de disperso estiverem em torno de uma reta
ajustada, a correlao entre as variveis chamada linear. Se os pontos derem
a imagem de uma curva, a correlao no linear. O diagrama que apresenta
os pontos espalhados, indica que no h inter-relao entre as variveis, neste
caso, a correlao nula.
A correlao a medida padronizada da relao entre duas variveis
indica a fora e a direo do relacionamento linear entre duas variveis
aleatrias.
A correlao nunca pode ser maior do que 1 ou menor do que menos 1.
Uma correlao prxima a zero indica que as duas variveis no esto
relacionadas.
Uma correlao positiva indica que as duas variveis movem juntas, e a
relao forte quanto mais a correlao se aproxima 1.
Uma correlao negativa indica que as duas variveis movem-se em
direes opostas,
A relao fica mais forte quanto mais prxima a correlao de -1.
Duas variveis que esto perfeitamente correlacionadas positivamente
(r=1) movem-se essencialmente em perfeita proporo na mesma direo,
Dois conjuntos que esto perfeitamente correlacionados negativamente
movem-se em perfeita proporo em direes opostas.
A relao entre as variveis evidenciada pela formao de um padro
no diagrama de Disperso
TIPOS DE CORRELAO
A correlao entre 02 variveis pode ser:
1. Correlao Positiva : O aumento de uma varivel corresponde, ao aumento
da outra.
2. Correlao Negativa: O aumento de uma varivel corresponde a diminuio
da outra.
3. Correlao Linear: Quando possvel ajustar uma reta, ode ser forte (quanto
mais prximas da reta) ou fraca (quanto mais prximas da reta).
4. Correlao no-linear: Quando no possvel ajustar uma reta.
95
DIAGRAMA DE DISPERSO
O diagrama de disperso um grfico onde pontos no espao cartesiano XY so
usados para representar simultaneamente os valores de duas variveis
quantitativas medidas em cada elemento do conjunto de dados. Ele muito til
para comparar dados, como antes e depois. De acordo com a correlao das
variveis o diagrama pode ser:
96
COEFICIENTE DE CORRELAO
Coeficiente de correlao indica a fora e a direo do relacionamento linear
entre as duas variveis a ser estudada, sendo denotada por r. Vrios
coeficientes so utilizados para situaes diferentes, tais como o coeficiente de
correlao de Pearson e o coeficiente Linear.
COEFICIENTE DE CORRELAO LINEAR

Esse coeficiente serve para detectar padres de lineares. (no vale para os
padres no lineares).
O valor de r estar sempre entre 1 e -1, ou seja 1 r 1

Se r est prximo de 1, h uma forte correlao positiva.
Se r est prximo a 1, h uma forte correlao negativa.
Se r est prximo de 0, no h correlao linear.
Obs.: O quadrado do coeficiente de correlao denominado coeficiente de

determinao. Se, por exemplo, r=0,8 ento o coeficiente de determinao r 2
0,64. Esse coeficiente indica que 64% da variabilidade dos yi podem ser
explicados pela relao entre yi e xi .
97
Exemplo: A tabela abaixo mostra o resultado de uma pesquisa com 10 famlias

de determinada regio.
Famlias Renda (R$)
Poupana (R$)
N de
Filhos
Mdia de Anos de
Estudo da famlia
10
15
12
70
20
12
80
20
16
100
30
18
20
30
10
60
15
1. a) Construa o diagrama de disperso entre a renda familiar e a

poupana.
b) Ajuste uma reta aos dados.
c) Trace a reta no diagrama.
d) Calcular ao coeficiente de correlao linear entre a renda familiar
e a poupana.
TRABALHO
28.a) Construa o diagrama de disperso entre a renda familiar e o
nmero de filhos para as dez famlias.
b) Ajuste uma reta aos dados.
c) Trace a reta no diagrama.
d) Calcular o coeficiente de correlao linear entre renda e nmeros
de filhos para as dez famlias.
98
REGRESSO POLINOMIAL
Quando a curva que se ajusta aos pontos do diagrama de disperso
constitui uma funo polinomial, a regresso denominada polinomial.
Se, por exemplo, a curva dada pelo polinmio:
y = bpxp +....+ b2x2 + b1x + b0

A funo ajustada estimada atravs do sistema:
x2 ....... xp
b0
x2
x3 ....... xp+1
b1
x.y
x2
x3
x4 ....... xp+2
b2
x2.y
.......
.......
xp
xp+1 xp+2...... x2p
bp
xp.y
Exemplo: Uma empresa, analisando o custo total para execuo de um

projeto em funo do tempo, obteve os seguintes resultados:
Tempo em meses
Custo Total em R$(milhes)
(x)
(y)
1,0
108,0
1,5
104,3
2,0
102,4
2,5
101,2
3,0
102,7
3,5
103,8
4,0
105,0
4,5
107,2
5,0
111,1
5,5
117,2
a) Estabelecer a equao de regresso de y sobre x.
b) Determinar o custo para x=2,68
99
Trabalho
29. Dados os 5 pontos experimentais para as variveis x e y, pede-se:
a) ajustar uma parbola aos dados
b) estimar o valor de y para x = 5............................................-12
x
-1
0
1
2
3
y
0
3
4
3
0

a) ajustar uma parbola aos dados
b) estimar o valor de y para x = 4,5............................................3,28
x
1
2
3,5
5
6
6,5
7
y
10
5
4
4
5,5
7
9,5

a) ajustar um polinmio do terceiro grau aos dados
b) estimar o valor de y para x = 10....................................... -10,64
x
y
-6
-2
-5
0
-4
3
-3
4
-2
5
-1
4,5
0
4
1
3
2
0
3
-2
4
-2
5
0
6
1
100
REGRESSO MLTIPLA
Se uma varivel y dependente de duas ou mais variveis, a anlise de
regresso chamada mltipla.
A relao entre essas variveis expressa sob a forma ajustada:
y = b0 + b1x1 + b2x2 + .....+ bpxp

Analogamente regresso polinomial, os parmetros dessa funo so
estimados atravs do sistema:
x1
x2
......
xp
b0
x1
x12
x2x1 ...... xpx1
b1
x1y
x2
x1x2
x22 ......
b2
x2y
......
......
xp
x1xp
xpx2
.
x2xp ...... xp2
bp
xpy
Exemplo: A tabela abaixo, apresenta os dados correspondentes s idades (x1),

alturas (x2) e pesos (y) de 10 meninos. Estabelecer a equao de regresso de
y sobre x1 e x2 , estimar o peso de um menino com 8 anos de idade e 130 cm de
altura. .................................................................................................28,07kg
x1
y
x2
7
26
127
8
25
129
10
35
140
9
31
144
6
24
124
8
28
132
7
26
130
9
30
143
10
36
144
6
23
121
101
Trabalho
32. Uma empresa, estudando a influncia da variao do preo de seu produto
e dos gastos em publicidade sobre as vendas, obteve as seguintes informaes:
Vendas
(y)
100
120
105
110
95
104
100
108
Preo
(x1)
10
10
12
15
18
20
20
15
Gastos em publicidade
(x2)
2
3
3
4
4
6
5
5
a) Estabelecer uma equao de regresso de y sobre x1 e x2

b) Estimar as vendas para o preo 16 e gastos em publicidade de 6.
117,78
33. Uma indstria fabrica um produto em 2 tamanhos (pequeno e grande).

Conhecendo-se o consumo total da matria-prima (y) em kg, dessa indstria,
durante 5 meses, e as respectivas produes mensais do tipo pequeno (x1) e do
tipo grande (x2) , pede-se:
Estimar o consumo de matria-prima quando x1 = 5 e x2 = 3.
27,14kg
y
145
210
193
229
195
x1
151
221
215
247
243
x2
70
91
92
122
79

Estatistica e Probabilidade

Caricato da

Informazioni sul documento

Titolo originale

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

Estatistica e Probabilidade

Caricato da

Copyright:

Formati disponibili

1

FUNDAO DE ESTUDOS SOCIAIS DO

Marco Antnio Santoro Bara

Nota sobre o autor

Marco Antnio Santoro Bara

1.1 POR QUE ESTUDAR ESTATSTICA?

1.2 A NATUREZA DOS DADOS

Marco Antnio Santoro Bara

1.3 TIPOS DE DADOS

As variveis contnuas podem assumir qualquer valor num intervalo contnuo.

TABELA 1: A mesma populao pode originar diferentes tipos

Marco Antnio Santoro Bara

1.4 TIPOS DE LEVANTAMENTOS

1.5 PLANEJAMENTO DE EXPERIMENTOS

Marco Antnio Santoro Bara

Marco Antnio Santoro Bara

A estatstica indutiva a cincia que busca tirar concluses probabilsticas

Marco Antnio Santoro Bara

Inferncia estatstica envolve a formulao de certos julgamentos sobre um

2.2 AMOSTRAGEM ALEATRIA BASEADA EM NMEROS ALEATRIOS

Marco Antnio Santoro Bara

misturando bem e extraindo uma de cada vez, com reposio, anotando os

Estimar a frequncia de compras;

2.3 OUTROS PLANOS DE AMOSTRAGEM

Marco Antnio Santoro Bara

2.4 AMOSTRAGEM POR JULGAMENTO (NO PROBABILSTICA)

Exemplo: A aplicao de hormnios em mulheres na menopausa, aps um

2.5 AMOSTRAGEM PROBABILSTICA

Marco Antnio Santoro Bara

EX. N= 200 e n=10 ento K=200/10 = 20

AMOSTRAGEM POR CONGLOMERADO

Marco Antnio Santoro Bara

As amostras aleatrias podem ser obtidas:

3.0 ANLISE EXPLORATRIA DE DADOS

4.0 DISTRIBUIO DE FREQUNCIA

Marco Antnio Santoro Bara

Exemplo: Dados relativos a uma amostra de 36 funcionrios de uma populao

Marco Antnio Santoro Bara

TABELA 2: Frequncia e porcentagem da amostra de 36 empregados da

TABELA 3: Frequncia e porcentagem dos 2000 empregados (Populao) da

TABELA 4: Frequncia e porcentagens dos 36 empregados (Amostra) da

TABELA 5: Frequncias e porcentagem dos empregados da empresa XYZ,

Marco Antnio Santoro Bara

5.0 APRESENTAO GRFICA

5.1 DIAGRAMA DE ORDENADAS

Marco Antnio Santoro Bara

5.2 DIAGRAMA DE BARRAS/COLUNAS

Marco Antnio Santoro Bara

5.4 DIAGRAMA DE SETORES CIRCULARES

5.5 DIAGRAMA LINEAR

Marco Antnio Santoro Bara

6.0 MONTAGEM DE UMA DISTRIBUIO DE FREQNCIAS

OBS.: Normalmente, usa-se um nmero mnimo de 5 e no mximo 20 classes,

Marco Antnio Santoro Bara

As classes devem ser mutuamente exclusivas, para que no haja dvida na

TABELA DE DISTRIBUIO DAS FREQNCIAS

Marco Antnio Santoro Bara

No caso da amostra de pacotes de manteiga acima, temos:

200 I--- 203

Marco Antnio Santoro Bara

7.0 MEDIDAS DE POSIO OU DE TENDNCIA CENTRAL

Marco Antnio Santoro Bara

Exemplo: Calcular a mdia aritmtica do conjunto descrito a seguir: