Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
2015
Editorial
Comit Editorial
Fernando Fukuda
Simone Markenson
Jeferson Ferreira Fagundes
Autora do Original
Valria Aparecida Ferreira
Voc se lembra?
Voc se lembra de j ter visto tabelas em jornais, livros ou revistas, em
que eram utilizados percentuais para indicar as frequncias de ocor-
rncias de respostas em uma pesquisa? Ou com os percentuais refe-
rentes avaliao de um governo? Neste captulo, veremos como
(e para qu) construir tabelas dessa natureza, alm de elaborar
grficos que representam os resultados dessas tabelas.
Probabilidade e Estatstica
8
Introduo Estatstica: Anlise exploratria de dados Captulo 1
9
Probabilidade e Estatstica
10
Introduo Estatstica: Anlise exploratria de dados Captulo 1
seja, podem assumir valores no inteiros. Por exemplo: altura (em metros)
de alunos de uma determinada faixa etria, peso (em kg), salrio, etc.
Variveis quantitativas discretas: so aquelas que s podem assu-
mir valores inteiros. Por exemplo: nmero de filhos por casal, nmero de
livros em uma biblioteca, nmero de carros vendidos, etc.
Variveis qualitativas: so as variveis cujas respostas so expres-
sas por um atributo. Podemos distinguir dois tipos de variveis qualitati-
vas: nominal e ordinal.
Variveis qualitativas nominais: definem-se como aquelas em que
as respostas so expressas por um atributo (nome) e esse atributo no pode
ser ordenado. Por exemplo: tipo sanguneo, religio, estado civil, etc.
Variveis qualitativas ordinais: tm suas respostas expressas por
um atributo (nome) e esse atributo pode ser ordenado. Por exemplo: grau
de instruo, classe social, etc.
11
Probabilidade e Estatstica
Resoluo
A varivel em estudo a renda dos operrios de uma determinada
empresa. Esta varivel classificada como quantitativa contnua, pois
pode assumir qualquer valor dentro de um intervalo numrico.
Proibida a reproduo UniSEB
Nmero de operrios
Nmero de filhos Fr (%)
(f)
0 6 13,33
1 11 24,44
2 13 28,89
3 7 15,56
4 5 11,11
13
Probabilidade e Estatstica
Nmero de operrios
Nmero de filhos Fr (%)
(f)
5 1 2,22
6 2 4,44
Total 45 100,00
14
Introduo Estatstica: Anlise exploratria de dados Captulo 1
de classes devemos:
Achar o mnimo e o mximo dos dados.
Determinar as classes de frequncias, o que na verdade nada
mais do que escolher intervalos de mesmo comprimento que
cubra a amplitude entre o mnimo e o mximo. Para determinar
o nmero de classes, usaremos k n e para determinar o
R
tamanho das classes usaremos h .
K
15
Probabilidade e Estatstica
k 1 + 3, 3 log n
onde:
k:nmero de classes
n:total da amostra
log n: logaritmo na base 10 de n
amplitude total R
h= =
k k
16
Introduo Estatstica: Anlise exploratria de dados Captulo 1
2001 2,4
2002 2,6
2003 3,1
2004 7,4
2005 18,6
2006 21,5
2007 29
35
30 29
Assistentes (em milhes)
25 21,5
20 18,6
15
10 7,4
18
Introduo Estatstica: Anlise exploratria de dados Captulo 1
0
Roubos de funcionrios
Assaltos s lojas
Perda de estoque
Atendimento ruim
M administrao
Atendimento ruim
Perda do estoque
Assalto s lojas
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
Causas
Roubos de funcionrios
M administrao
0 1 2 3 4 5 6
Valor perdido (milhes de reais)
19
Probabilidade e Estatstica
Roubos de
Fraudes nas vendas Funcionrios
29% 21%
1.4.1.4 Histograma
20
Introduo Estatstica: Anlise exploratria de dados Captulo 1
Tabela 1.6 Distribuio de frequncias dos salrios dos funcionrios de uma empresa no
interior de Minas Gerais.
25
20
15
10
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
5
0
1200,00 | 1600,00
1600,00 | 2000,00
2000,00 | 2400,00
2400,00 | 2800,00
2800,00 | 3200,00
3200,00 | 3600,00
3600,00 | 4000,00
4000,00 | 4400,00
4400,00 | 4800,00
800,00 | 1200,00
400,00 | 800,00
Salrio (R$)
Figura 1.4 Histograma dos salrios dos funcionrios de uma empresa no interior de
Minas Gerais.
21
Probabilidade e Estatstica
35
30
25
Frequncia
20
18
15
12
10
8 8
5 5
3
2
1
0 0 0 0
Proibida a reproduo UniSEB
200 600 1000 1400 1800 2200 2600 3000 3400 3800 4200 4600 5000
22
Introduo Estatstica: Anlise exploratria de dados Captulo 1
1.4.1.6 Ogiva
Para construir um grfico de ogiva, devemos usar o limite superior de cada in-
tervalo no eixo horizontal e a frequncia acumulada no eixo vertical. A frequncia
acumulada relacionada com o limite inferior da primeira classe sempre zero.
100
90
80
70
Frequncia Acumulada
60
50
40
30
20
10
0
400 800 1200 1600 2000 2400 2800 3200 3600 4000 4400 4800
Salrio (R$)
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
Figura 1.6 Ogiva dos salrios dos funcionrios de uma empresa no interior de Minas
Gerais.
23
Probabilidade e Estatstica
Atividades
01. Classifique as variveis a seguir em quantitativas (discretas ou cont-
nuas) ou qualitativas (nominal ou ordinal).
a) Cor dos olhos.
b) Nmero de peas produzidas por hora.
c) Dimetro externo.
d) Nmero de pontos em uma partida de futebol.
e) Produo de algodo.
f) Salrios dos executivos de uma empresa.
g) Nmero de aes negociadas na bolsa de valores.
h) Sexo dos filhos.
i) Tamanho de pregos produzidos por uma mquina.
j) Quantidade de gua consumida por uma famlia em um ms.
k) Grau de escolaridade.
l) Nvel social.
m) Tipo sanguneo.
n) Estado civil.
24
Introduo Estatstica: Anlise exploratria de dados Captulo 1
03. Uma agncia de turismo est interessada em saber o perfil dos seus
clientes com relao varivel estado civil. Para isso, o gerente desta agn-
cia pediu ao funcionrio do setor de vendas para fazer um grfico que
resuma estas informaes. Construa o grfico e interprete-o.
4,89 11,00 5,60 73,85 24,83 98,00 186,00 234,87 58,00 198,65
223,86 341,42 94,76 445,76 82,80 35,00 455,00 371,00 398,60 234,00
64,90 54,98 48,80 68,90 120,32 126,98 76,43 6,35 9,98 12,68
243,00 18,65 134,90 11,10 321,09 290,76 74,00 48,80 74,52 138,65
26,00 210,13 15,78 197,45 75,00 76,55 32,78 166,09 105,34 99,10
25
Probabilidade e Estatstica
50 45
45
40
35
Frequncia
30
25
20 17
15 12
10 4 3 3 2
5
0
500| 800
800| 1100
1100| 1400
1400| 1700
1700| 2100
2100| 2400
2400| 2700
Salrio (R$)
Reflexo
Estamos encerrando nosso primeiro captulo. Vimos, aqui, alguns
conceitos que sero fundamentais na compreenso do restante do conte-
do de Estatstica. J deve ter dado para perceber que, mesmo estando no
incio da disciplina, as aplicaes prticas que voc poder fazer na sua
rea de atuao sero muitas. A compreenso e interpretao das mais
variadas informaes, com as quais nos deparamos em nosso cotidiano,
dependem, em parte, do conhecimento de certos elementos estatsticos.
Estamos apenas no comeo. Muitas tcnicas (muito interessantes!)
ainda sero abordadas. E lembre-se que o conhecimento e o domnio da Es-
tatstica certamente levaro voc, futuro gestor, s decises mais acertadas.
Proibida a reproduo UniSEB
26
Introduo Estatstica: Anlise exploratria de dados Captulo 1
Leitura recomendada
Recomendamos a leitura do texto Como analisar de forma simples
um grande nmero de dados?, disponvel no endereo http://www.klick.
com.br/materia/20/display/0,5912,POR-20-91-931-,00.html que aborda
de maneira clara alguns procedimentos que podem ser utilizados quando
nos deparamos com situaes em que precisamos resumir as informaes
de grandes conjuntos de dados.
Referncias
ANDERSON, David R.; SWEENEY, Denis J.; WILLIAMS, Thomas
A. Estatstica aplicada administrao e economia. So Paulo: Pio-
neira Thomson Learning, 2003.
No prximo captulo
Se at agora vimos como organizar, resumir e apresentar os da-
dos (informaes) em tabelas e grficos, no prximo captulo iremos
incrementar esse processo atravs da insero das medidas de posio e
disperso. So medidas que iro, de certa forma, representar o conjunto
27
Probabilidade e Estatstica
28
Medidas de posio
Nesse captulo, aprenderemos como
caracterizar um conjunto de dados atra-
vs de medidas numricas que sejam repre-
2 sentativas de todo o conjunto.
lo
As medidas de posio, tambm chamadas de
medidas de tendncia central, tm o objetivo de repre-
t u
Voc se lembra?
Voc se lembra das situaes para as quais j calculou uma mdia? Que
tipo de informao essa medida fornece? Para que serve? Para aplicar e
interpretar medidas como ela, necessrio conhec-las bem. Vamos,
ento, realizar um estudo detalhado da mdia e de outras medidas
de mesma natureza.
Probabilidade e Estatstica
2.1 Mdia
A mdia aritmtica a mais comum e mais simples de ser calcula-
da dentre todas as medidas de posio mencionadas.
Para calcul-la, basta fazer a diviso da soma de todos os valores
(x1, x2, ..., xn ) da varivel pelo nmero deles (n):
n
xi
x= i =1
(2.1)
n
em que:
x = a mdia aritmtica;
xi = os valores da varivel;
n = o nmero de valores.
G= n x1 x 2 x 3 ... x n
ou
1
( )
1
( x1 x 2 x 3... x n ) n = in=1 xi n
Md = x n +1 (2.2)
2
x n + x n
+1
Md =
2 2 (2.3)
2
31
Probabilidade e Estatstica
32
Medidas de posio Captulo 2
Mdia Aritmtica
No caso de dados tabulados, o clculo da mdia aritmtica dada por:
k
x i fi
x= i =1 (2.4)
k
fi
i =1
Onde:
xi o valor da varivel (ou o ponto mdio de uma classe de frequn-
cia).
fi a frequncia referente a cada valor (ou classe).
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
k
a soma dos valores das frequncias.
i =1
33
Probabilidade e Estatstica
Exemplo 2.2
Em um determinado ms, foi computado o nmero x de faltas ao
trabalho, por motivos de sade, que cada funcionrio de uma determinada
empresa teve. Os dados esto apresentados na tabela abaixo:
Nmero de Faltas f
0 31
1 20
2 8
3 2
4 0
5 1
6 1
Total 63
4 0 61
5 1 62
6 1 63
Total 63
34
Medidas de posio Captulo 2
Md = 1 falta
varivel: xi e x(i+1). k
fi
O valor da varivel xi ser aquele cujo i = 1 = fa e o valor da varivel xi+1 ser
2
aquele que est imediatamente aps xi na distribuio de frequncia.
Moda
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
35
Probabilidade e Estatstica
observaes. Neste caso, vamos supor que todos os valores dentro de uma
classe tenham seus valores iguais ao ponto mdio desta classe.
Os clculos da mdia, da moda e da mediana para tabelas de frequ-
ncias agrupadas em classes esto apresentados a seguir.
Vale ressaltar que, sempre que possvel, as medidas de posio e
disperso devem ser calculadas antes dos dados serem agrupados.
Exemplo 2.3
A tabela abaixo apresenta a distribuio de frequncias do tempo
de vida de 60 componentes eletrnicos (medido em dias) submetidos
experimentao num laboratrio especializado. Calcular as medidas de
posio.
Tempo de vida (dias) f Ponto Mdio (xi)
318 3 10,5
1833 4 25,5
Tempo de vida (dias) f Ponto Mdio (xi)
3348 4 40,5
4863 8 55,5
6378 10 70,5
7893 28 85,5
93108 2 100,5
108123 1 115,5
Total 60
Resoluo
Neste tipo de tabela, como temos classes de frequncias, devemos
encontrar um valor que represente cada classe, para que possamos efetuar
os clculos. Por exemplo, considerando a primeira classe de frequncia,
Tempo de vida (dias) f Ponto Mdio (xi)
318 3 10,5
Proibida a reproduo UniSEB
=
(10, 5 3) + ( 25, 5 4) + ( 40, 5 4) + (55, 5 8) + (70, 5 10) + (85, 5 28) + (100, 5 2) + (115, 5 1)
60
4155
= = 69, 25
60
A md fi
Md = linf md + Fmd 1 (2.5)
Fmd 2
onde:
linfmd o limite inferior da classe que contm a mediana;
37
Probabilidade e Estatstica
fi .
2
fi
38
Medidas de posio Captulo 2
15 60 15
Md = 78 + 29 = 78 + ( 30 29 ) = 78 + 0, 54 78, 5
28 2 28
Atravs da mediana podemos dizer que pelo menos 50% dos com-
ponentes eletrnicos avaliados tm durao igual ou inferior a 78 dias e
12 horas.
Moda
No clculo da moda para dados agrupados devemos primeira-
mente identificar a classe modal, ou seja, a classe que apresenta a
maior frequncia.
Aps a identificao da classe modal, utilizaremos a seguinte fr-
mula para calcular a moda bruta:
l+L
Mo = (2.6)
2
onde:
l:limite inferior da classe modal
L:limite superior da classe modal
Conexo:
Sugerimos os vdeos: Novo Telecurso E. Fundamental Matemtica
Aula 34 (parte 1) e Novo Telecurso E. Fundamental Matemtica Aula
34 (parte 2) disponveis, respectivamente em http://www.youtube.com/
watch?v=SyWbYOtAIYc&NR=1 e http://www.youtube.com/watch?v=ejMyWfuSO5k
que apresenta de modo bem prtico a utilizao das medidas de posio.
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
39
Probabilidade e Estatstica
40
Medidas de posio Captulo 2
n
sio . O segundo quartil (Q2) ser o valor da varivel que ocupar a
4
posio 2n e o terceiro quartil (Q3) ser o valor da varivel que ocupar
4
3n
a posio . Quando fazemos estas divises para encontrar as posies
4
dos quartis, pode acontecer do resultado ser um nmero inteiro ou um n-
Exemplo 2.4
Um escritrio que presta consultoria em administrao levantou
os tempos de espera de pacientes que chegam a uma clnica de ortopedia
para atendimento de emergncia. Foram coletados os seguintes tempos,
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
2 5 10 11 3 14 8 8 7 12 3 4 7 3 4 2 6 7
Resoluo:
Para encontrarmos os quartis, precisamos ordenar o conjunto de
dados. Ento:
2 2 3 3 3 4 4 5 6 7 7 7 8 8 10 11 12 14
41
Probabilidade e Estatstica
n 18
Posio do primeiro quartil (Q1): = = 4, 5
4 4
Como a diviso resultou em um valor fracionrio, vamos arredondar
para 5. Portanto, o primeiro quartil o valor que est na quinta posio.
Q1 = 3
2 x n 2 x 18
Posio do segundo quartil (Q2 ): = =9
4 4
Como a diviso resultou em um valor inteiro, o segundo quartil ser
o resultado da mdia aritmtica entre o valor que est na nona posio e o
valor que est na dcima posio.
6+7
Q2 = = 6, 5
2
42
Medidas de posio Captulo 2
(k x n)
100
Adotaremos a seguinte conveno:
Se a diviso resultar num nmero fracionrio, arredonde-o para
cima e o valor do percentil ser a resposta da varivel encontra-
da nesta posio.
Se a diviso for um nmero inteiro, o percentil ser a mdia
aritmtica da resposta da varivel que ocupar a posio encon-
trada com a resposta da varivel que ocupar a posio seguinte.
Exemplo 2.5
Vamos encontrar o trigsimo quinto percentil do conjunto de dados
do exemplo 2.4.
2 2 3 3 3 4 4 5 6 7 7 7 8 8 10 11 12 14
Resoluo
O percentil p35 ser a resposta da varivel que ocupar a posio
( 35 x 18) = 6, 3 .
100
Como a diviso resultou em um valor fracionrio, vamos arredondar
para 7. Portanto, o trigsimo quinto percentil o valor que est na stima
posio.
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
P35 = 4
43
Probabilidade e Estatstica
A q1 fi
Q1 = linf q1 + Fq11 (2.7)
f q1 4
onde:
linf o limite inferior da classe que contm o primeiro quartil;
q1
A q3 3 x fi
Q3 = linf q3 + Fq3 1 (2.8)
f q3 4
onde:
linfq3 o limite inferior da classe que contm o terceiro quartil;
44
Medidas de posio Captulo 2
Exemplo 2.6
Vamos utilizar os dados do exemplo 2.3 para encontrar o primeiro e
o terceiro quartil.
Tempo PM
f fa
de vida xi
318 3 10,5 3
1833 4 25,5 7
3348 4 40,5 11
4863 8 55,5 19
6378 10 70,5 29
7893 28 85,5 57
93108 2 100,5 59
108123 1 115,5 60
Total 60
Resoluo
Primeiramente, temos que encontrar a classe que contm o primeiro
quartil. Esta classe corresponde classe associada frequncia acumula-
da imediatamente superior .
fi
4
Como = 60 , temos que a classe que contm o primeiro quartil
fi
4 4
de 4863 (pois fa = 19).
Alm disso, temos:
fi = nmero total de observaes da distribuio de frequn-
cias. Portanto, fi =60.
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
45
Probabilidade e Estatstica
15 60 15
Q1 = 48 + 11 = 48 + (15 11) = 18 + 7, 5 = 55, 5
8 4 8
15 3 x 60 15
Q3 = 78 + 29 = 78 + ( 45 29 ) = 78 + 8, 57 86, 57
28 4 28
46
Medidas de posio Captulo 2
A pk k x fi
Pk = linf pk + Fpk 1
f pk 100 (2.9)
em que k = 1,2,,99.
Exemplo 2.7
Vamos utilizar os dados do exemplo 2.3 para encontrar o dcimo
quinto percentil.
Tempo PM
f fa
de vida xi
318 3 10,5 3
1833 4 25,5 7
3348 4 40,5 11
4863 8 55,5 19
6378 10 70,5 29
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
7893 28 85,5 57
93108 2 100,5 59
108123 1 115,5 60
Total 60
47
Probabilidade e Estatstica
15 15 x 60 15
P15 = 33 + 7 = 33 + ( 9 7 ) = 33 + 7, 5 = 40, 5
4 100 4
Conexo:
Agora que j abordamos como se calcula os quartis e percentis, faa uma leitu-
Proibida a reproduo UniSEB
48
Medidas de posio Captulo 2
Atividades
01. Os dados abaixo referem-se ao nmero de horas extras de trabalho de
uma amostra de 64 funcionrios de uma determinada empresa localizada
na capital paulista.
10 10 12 14 14 14 15 16
18 18 18 18 18 19 20 20
20 20 20 21 22 22 22 22
22 22 22 22 22 22 22 22
23 23 24 24 24 24 24 24
24 25 25 25 25 26 26 26
26 26 26 27 27 27 28 28
29 30 30 32 35 36 40 41
Pede-se:
a) Calcule e interprete as seguintes medidas descritivas calculadas para
os dados brutos (dados no tabulados): mdia aritmtica; mediana; moda.
b) Construir uma distribuio de frequncias completa (com freq. abso-
luta, freq. relativa, freq. acumulada e ponto mdio).
c) Com a tabela construda no item b), encontre as seguintes medidas:
mdia aritmtica; mediana; moda; 1 quartil; 7 decil; 99 percentil. Inter-
prete os resultados.
d) Construa o histograma para este conjunto de dados.
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
49
Probabilidade e Estatstica
01 6
12 12
23 20
34 48
45 14
56 10
Total 110
nmero de filhos 0 1 2 3 4 5
frequncia de famlias 19 22 28 16 2 4
Proibida a reproduo UniSEB
16 Histograma
15
14
13
12
11
10
9
Frequncia
8
7
6
5
4
3
2
1
0
20 | 25 25 | 30 30 | 35 35 | 40 40 | 45 45| 50
Idade
51
Probabilidade e Estatstica
Reflexo
Que a mdia a medida de posio mais utilizada em nosso dia a
dia talvez nem seria necessrio dizer. Mas preciso tomar certo cuidado
quando utilizamos a mdia como parmetro de um conjunto de dados.
Voc sabe que, se a mdia de sua turma em Estatstica for igual a 7,0 (por
exemplo), no quer dizer que toda ela, ou a maioria, teve bom desempe-
nho nem que metade da turma teve desempenho igual ou superior a 7,0.
Outras medidas, como vimos, podem complementar as informaes dadas
pela mdia.
Leitura recomendada
Como a mdia uma medida descritiva muito utilizada no dia a dia,
sugerimos que voc oua o udio Mdias que interessam, da Srie: Pro-
blemas e Solues. H dois mdulos cujos contedos alertam par ao cui-
dado que se deve ter na interpretao da mdia, mostram uma aplicao
da mdia ponderada e fazem uma anlise crtica da utilizao da mdia
como uma informao nica. O endereo para acesso : http://m3.ime.
unicamp.br/recursos/1315.
Referncias
ANDERSON, David R.; SWEENEY, Denis J.; WILLIAMS, Thomas
A. Estatstica aplicada administrao e economia. So Paulo: Pio-
neira Thomson Learning, 2003.
52
Medidas de posio Captulo 2
No prximo captulo
At agora estudamos estatsticas importantes de um conjunto de
dados, tais como mdia, moda, mediana e medidas separatrizes. Estas
medidas nos do noo de posio central ou divisria do conjunto. No
entanto, para que tenhamos informao mais completa do conjunto,
necessrio estudar a sua variabilidade. As estatsticas que tm essa funo
so denominadas medidas de variabilidade ou de disperso e sero abor-
dadas no prximo captulo.
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
53
Probabilidade e Estatstica
Minhas anotaes:
Proibida a reproduo UniSEB
54
Medidas de disperso
Estas medidas servem para indicar
o quanto os dados se apresentam disper-
sos em torno da regio central. Fornecem,
3 portanto, o grau de variao existente no con-
lo
junto de dados. Dois ou mais conjuntos de dados
podem, por exemplo, ter a mesma mdia, porm os
t u
grau de homogeneidade.
Voc se lembra?
Voc se lembra de alguma vez em que saiu de casa tendo quase certeza
de que ficaria preso em um engarrafamento no trnsito? No preciso
ser muito observador para perceber que, em determinadas horas do dia,
dependendo do dia da semana, o trnsito (nas grandes e nas mdias ci-
dades) estar congestionado. Talvez o melhor seria deixar para sair outra
hora (se isto for possvel). O fluxo de veculos, nesses momentos, apre-
senta certa homogeneidade, ou seja, quase sempre est intenso. Dificil-
mente, num dia como esses, voc ter um fluxo acentuadamente menor
(ou maior) do que o que voc verifica todos os dias. Vamos estudar
situaes como essas, em que a informao sobre o grau de homoge-
neidade (ou heterogeneidade) nos ajudar a tomar a deciso mais
adequada.
Probabilidade e Estatstica
( x )
2
x i2
i
s= n (3.4)
n 1
onde:
n
(x i x )2
i =1
s2 = (3.5)
n 1
ou
( x )
2
i
x i2
s2 = n (3.6)
n 1
s (3.7)
cv = 100
x
onde s o desvio-padro e x a mdia aritmtica.
Resoluo
A amplitude dada por:
R = x ( mximo) x (mnimo) = 1.348 832 = 516 pessoas.
60
Medidas de disperso Captulo 3
Q1 = 850
3xn 3x5
Posio do terceiro quartil (Q3 ): = = 3, 75 .
4 4
Como a diviso resultou em um valor fracionrio, vamos arredondar
para 4. Portanto, o terceiro quartil o valor que est na quarta posio.
Q3 = 1260
Ento:
Amplitude interquartil = Q3 Q1
=1260 850
=410 pessoas
61
Probabilidade e Estatstica
n
( x i x )2
i =1
s= =
n 1
=
(1.348 1.077)2 + (1.260 1.077)2 + (1.095 1.0777)2 + (832 1.077)2 + (850 1.077)2 =
5 1
=
( 271)2 + (183)2 + (18)2 + ( 245)2 + ( 227)2 =
4
=
(73.441) + (33.489) + (324) + (60.025) + (51.529) =
4
218.808
= = 54.702 233 , 88 pessoas
4
Neste exemplo, entram na agncia, em mdia, 1.077 pessoas por
dia. O nmero de pessoas que entra na agncia varia, mas, tipicamete, a
diferena em relao mdia foi de aproximadamente 234 pessoas.
A varincia, como vimos, obtida atravs das frmulas (3.5) ou
(3.6), ou simplestemente, como j temos o desvio-padro, basta elevar-
mos o valor encontrado ao quadrado. Para o nosso exemplo, temos:
s2= (233,88 pessoas)2 = 54699,85 pessoas2
s 233, 88
cv = = 0, 2172 ou 21, 72%
x 1.077
62
Medidas de disperso Captulo 3
( x f )
2
x i2
i i
f
i
s= n (3.9)
n 1
onde, para ambas as frmulas (3.8) e (3.9), xi representa cada uma das ob-
servaes do conjunto de dados ou, se os dados estiverem agrupados em
classes de frequncias, xi representa o ponto mdio da classe, x a mdia
do conjunto de dados, fi a frequncia associada a cada observao (ou
classe de observaes) do conjunto de dados e n o nmero de total de
observaes no conjunto de dados.
i i
f
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
x i2 i
s2 = n
n 1 (3.11)
Resoluo
64
Medidas de disperso Captulo 3
( x f )
2
(53)2
i i
x i2 f
i 131
s= n = 63 =
n -1 63 1
2809
131
= 63 131 44, 59
62 62
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
65
Probabilidade e Estatstica
s 1,18
cv = = 1, 4048 ou 140,48%
x 0, 84
O coeficiente de variao nos diz que este conjunto de dados apre-
senta uma alta disperso.
Para finalizarmos, vamos fazer os clculos para os dados agrupados
em classes de frequncias. Para isto, vamos utilizar o exemplo 2.3 que se
encontra no item 2.3.
66
Medidas de disperso Captulo 3
Resoluo
A amplitude para este conjunto de dados dada por:
R = x(mximo) X(mnimo) = 123 3 = 120 dias.
67
Probabilidade e Estatstica
( x f )
2
( 4155)2 17264025
i i
x i2 f
i 322065 322065
s= n = 60 = 60
n 1 60 1 59
322065 287733, 75
581, 89 24,12 dias
59
Em mdia, os componentes eletrnicos tm durao de 69 dias e
6 horas com uma variao de, aproximadamente, 24 dias e 3 horas para
mais ou para menos com relao mdia.
A varincia, como j sabemos, o desvio-padro ao quadrado. As-
sim, temos:
s 24,12
cv = = 0, 3483 ou 34,83%
x 69, 25
o que indica uma variabilidade alta no conjunto de dados.
Proibida a reproduo UniSEB
68
Medidas de disperso Captulo 3
Atividades
01. Vamos utilizar, entre outros exerccios, os mesmos da captulo 2, po-
rm encontrando as medidas de disperso.
Os dados abaixo referem-se ao nmero de horas extras de trabalho de
uma amostra de 64 funcionrios de uma determinada empresa localizada
na capital paulista.
10 10 12 14 14 14 15 16
18 18 18 18 18 19 20 20
20 20 20 21 22 22 22 22
22 22 22 22 22 22 22 22
23 23 24 24 24 24 24 24
24 25 25 25 25 26 26 26
26 26 26 27 27 27 28 28
29 30 30 32 35 36 40 41
69
Probabilidade e Estatstica
0 | 1 6
1 | 2 12
2 | 3 20
3 | 4 48
4 | 5 14
5 | 6 10
Total 110
c) do coeficiente de variao.
70
Medidas de disperso Captulo 3
Histograma
16
15
14
13
12
11
10
Frequncia
9
8
7
6
5
4
3
2
1
0
20 | 25 25 | 30 30 | 35 35 | 40 40 | 45 45| 50
Idade
Tipos de caixas A B C
Presso mdia de ruptura (bria) 15 20 30
Desvio-padro das presses (bria) 4 5 6
Reflexo
Vimos, neste captulo, que to importante quanto conhecer a mdia
de um conjunto de dados determinar o seu grau de variabilidade (ou
disperso).
Por exemplo, num bairro nobre da capital paulista est uma das
maiores favelas de So Paulo. Se analisarmos somente o valor da renda
mdia do bairro certamente vamos concluir que o valor obtido com-
parvel s melhores economias do mundo. Porm, devemos levar em
conta que a discrepncia entre os diversos valores da renda deve ser muito
grande. Ento, para quantificar a variabilidade dos valores da varivel em
estudo fundamental calcular as medidas de disperso, particularmente o
desvio-padro.
Leitura recomendada
Aqui, sugerimos a leitura do artigo E se todos fossem ao mesmo
cinema ao mesmo tempo? do professor Luiz Barco, disponvel em http://
super.abril.com.br/ciencia/lei-regularidade-estatistica-se-todos-fossem-
ao-mesmo-cinema-ao-mesmo-tempo-439499.shtml. Ele retrata, de forma
bem interessante, a questo da regularidade dos fenmenos relacionados
ao comportamento social.
Referncias
ANDERSON, David R.; SWEENEY, Denis J.; WILLIAMS, Thomas
A. Estatstica aplicada administrao e economia. So Paulo: Pio-
neira Thomson Learning, 2003.
72
Medidas de disperso Captulo 3
No prximo captulo
Nos captulos j vistos, estudamos formas de organizar e resumir
dados por meio de distribuies de frequncias e de medidas descritivas.
So processos que, geralmente, nos passam informaes sobre algo que j
ocorreu. Tais informaes tambm so de fundamental importncia para
que possamos prever o que ir acontecer no futuro. Para isso, no prximo
captulo, estudaremos a teoria de probabilidades, que, entre outras coisas,
auxilia-nos na determinao de ocorrncia de eventos futuros, tais como:
vai chover amanh, qual ser minha receita no prximo ms, qual o nvel
de demanda de meu produto no prximo ano, entre muitos outros.
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
73
Probabilidade e Estatstica
Minhas anotaes:
Proibida a reproduo UniSEB
74
Noes de
Probabilidade
Nos captulos anteriores vimos como
organizar e descrever conjuntos de dados
4 atravs de grficos, tabelas e medidas resumo,
lo
tais como: medidas de posio e disperso. Ob-
servamos que os resultados obtidos nos auxiliam na
t u
lidade.
Voc se lembra?
Voc se lembra do significado da palavra probabilidade? Sabe qual o
seu real sentido? E qual a sua importncia em nosso dia a dia? Certamen-
te voc j deve ter feito perguntas cujas respostas dependiam do clculo
de probabilidades. Por exemplo:
Qual a probabilidade de chover no prximo final de semana prolon-
gado?
Qual a probabilidade de se ganhar na Mega - Sena jogando um volan-
te com seis nmeros?
Qual a probabilidade das vendas de determinado produto decrescer
se aumentarmos o preo do produto?
O clculo destas e outras probabilidades nos auxiliam na tomada
de decises.
Probabilidade e Estatstica
Introduo
O clculo efetivo de uma probabilidade depende frequentemente
do uso dos resultados da anlise combinatria. A anlise combinatria
a parte da Matemtica que desenvolve tcnicas e mtodos de contagem.
Apresentaremos, nos itens a seguir, um resumo dos principais resul-
tados dessa rea da Matemtica elementar.
Exemplo 4.1
Um quiosque de praia no Rio de Janeiro lanou a seguinte promo-
o durante uma temporada de vero:
76
Noes de probabilidade Captulo 4
Temos:
laranja (A,L)
Atum
uva (A,U)
laranja (Q,L)
Queijo branco
uva (Q,U)
n1 n2 ... nk
77
Probabilidade e Estatstica
Exemplo 4.2
Quantos nmeros de trs algarismos podemos formar com os alga-
rismos 0,1,2,3,4,5 e 6?
Resoluo:
O primeiro algarismo pode ser escolhido de seis maneiras dis-
tintas, pois o nmero que ser formado no pode comear por
zero. Observe que 021 = 21;
O segundo algarismo pode ser escolhido de sete maneiras dis-
tintas, pois pode haver repetio de algarismo;
O terceiro algarismo tambm pode ser escolhido de sete manei-
ras distintas.
6 7 7 = 294
n! = n (n 1) (n 2) ... 321,para n 2
Observao: Consideremos 0! = 1
Assim, temos, por exemplo:
3! = 3 2 1 = 6
6! = 6 5 4 3 2 1 = 720
7 ! = 7 6 5 4 3 2 1 = 7 6!
Proibida a reproduo UniSEB
6!
Exemplo 4.3
12 !
Vamos encontrar o valor de .
8!
78
Noes de probabilidade Captulo 4
Resoluo
Para encontrar o valor de 12!/8!, podemos desenvolver o fatorial do
nmero maior (12) at chegarmos ao fatorial do nmero menor (8).
Ento:
12! 12 11 10 9 8!
= = 11880
8! 8!
4.3 Arranjo
Dado um conjunto com n elementos distintos, chamamos arranjo
dos n elementos, tomados k a k, a qualquer sequncia ordenada de k ele-
mentos distintos escolhidos entre os n existentes.
Expressamos a definio acima da seguinte maneira:
n!
A n ,k = ,nk
( n k )!
Exemplo 4.4
Dado o conjunto A={1,2,3,4,5,6}, quantos arranjos desses seis ele-
mentos tomados dois a dois podemos formar?
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
Resoluo
Vamos escrever todas as sequncias ordenadas de dois elementos
distintos escolhidos entre os seis elementos do conjunto A:
(1,2) (1,3) (1,4) (1,5) (1,6) (2,1) (2,3) (2,4) (2,5) (2,6)
(3,1) (3,2) (3,4) (3,5) (3,6) (4,1) (4,2) (4,3) (4,5) (4,6)
(5,1) (5,2) (5,3) (5,4) (5,6) (6,1) (6,2) (6,3) (6,4) (6,5)
79
Probabilidade e Estatstica
A quantidade de arranjos que pode ser formada tambm pode ser obtida atravs
do PFC:
6 5 = 30
4.4 Permutao
H situaes em que devemos escolher n elementos distintos, entre
os n disponveis, para formar uma sequncia ordenada (arranjo). Nestas
situaes, o nome dado a estes arranjos permutao.
Assim, o nmero de permutaes de n elementos distintos dado por:
Pn = n!
n! n!
Pn = A n,n = = = n!
(n n!) 0 !
80
Noes de probabilidade Captulo 4
Exemplo 4.5
Quantos so os anagramas (diferentes disposies das letras de uma
palavra) da palavra PAZ?
Resoluo
Vamos listar todos os anagramas:
P3 = 3! = 3 2 1 = 6
n!
P nn1,n 2 ,...,n r =
n1 !n 2 !...n r !
Para ficar mais claro este conceito, vamos analisar o exemplo a seguir.
Exemplo 4.6
Vamos determinar o nmero de anagramas formados com a palavra
ARITMTICA.
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
Resoluo
A palavra ARITMTICA possui 10 letras, sendo 2 letras iguais a A,
2 iguais a I e 2 letras T. Ento, temos um caso de permutao com ele-
mentos repetidos.
O nmero de anagramas que podemos formar :
10 9 8 7 6 5 4 3 2! 1814400
P102,2,2 = = = 453600
2!2!2! 4
81
Probabilidade e Estatstica
4.5 Combinao
Na definio de arranjo vimos que, quando tomamos k elementos
distintos de n existentes, formamos uma sequncia ordenada.
H casos em que s interessam os elementos que compem a
sequncia, no importando a ordem em que ali figuram. Nestes casos, te-
mos, ento, o que se chama de combinao de n elementos tomado k a k:
n!
Cn ,k =
k !( n k )!
Exemplo 4.7
Maria quer escolher dois sabores de torta doce para servir em sua
festa de final de ano. A doceria oferece os seguintes sabores: limo (L),
chocolate (C), morango (M) e floresta negra (F). De quantas formas dis-
tintas Maria poder fazer essa escolha?
Resoluo
Neste exemplo conseguimos perceber que no importa a ordem em
que os sabores so escolhidos. Escolher, por exemplo, torta de chocolate
e morango {C,M} o mesmo que escolher torta de morango e chocolate
{M,C}. Cada possvel escolha de Maria representa, portanto, uma combi-
nao de quatro sabores tomados dois a dois.
O nmero de formas distintas de Maria escolher os sabores :
4! 4 3 2!
C 4, 2 = = =6
2 !( 4 2 )! 2!2
82
Noes de probabilidade Captulo 4
Conexo:
Para voc conhecer um pouco mais sobre a histria da probabilidade sugerimos
ouvir o udio Histria da Probabilidade, disponvel em http://m3.ime.unicamp.br/
recursos/1253.
Exemplo 4.8
Considere o experimento aleatrio que consiste no lanamento
de um dado. Neste experimento, o espao amostral definido como
{1,2,3,4,5,6}. Alguns dos eventos que podem ser definidos neste experi-
mento so:
A B
4.8.2 Interseco
A interseco de dois eventos A e B, denotado por A B, o even-
to que contm os pontos amostrais que pertencem simultaneamente aos
eventos A e B.
A B
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
A B
85
Probabilidade e Estatstica
Observao
Quando estamos interessados na interseco de dois eventos uti-
lizamos a conjuno e, ou seja, queremos encontrar os elementos que
pertencem ao evento A e ao evento B. No caso da unio de dois eventos
utilizamos a conjuno ou, ou seja, so elementos que pertencem ao even-
to A, ou ao B ou a ambos.
4.8.3 Complementao
O complemento do evento A, denotado por Ac , definido como o
evento que contm todos os pontos amostrais que no pertencem ao even-
to A, ou seja, Ac = W A
AC
Exemplo 4.9
Considerando o experimento aleatrio do exemplo 4.8 temos que W
={1,2,3,4,5,6}.
Definindo os eventos A e B como:
A: sada de face par
A = {2,4,6}
B: sada de face menor ou igual a 4
B = {1,2,3,4}
Resoluo
A B = {1,2,3,4,6}
86
Noes de probabilidade Captulo 4
A B = {2,4}
Ac = {1,3,5}
Bc = {5,6}
Ac Bc = {1,3,5,6}
Ac Bc = {5}
Ac B = {1,3}
Bc A = {6}
4.9 Probabilidade
A probabilidade um nmero que mede a possibilidade de ocorrn-
cia de um evento. O clculo da probabilidade pode ser efetuado de trs
maneiras: atravs da definio clssica de probabilidade, atravs da defi-
nio frequencial de probabilidade e atravs do mtodo subjetivo.
Vamos concentrar nossos estudos na definio clssica e frequen-
cial. No mtodo subjetivo, a probabilidade estimada com base no co-
nhecimento de circunstncias relevantes. Por exemplo, dado o estado de
sade do paciente e a extenso dos ferimentos, um mdico pode sentir que
esse paciente tem uma chance de 95% de se recuperar completamente.
Resoluo
O espao amostral deste experimento :
87
Probabilidade e Estatstica
4
P (A) =
52
4
P (A) = , 0, 0769 , ou, ainda, 7,69%.
52
Exemplo 4.11
Uma loja de varejo tem registrado em seus arquivos que dos
2.000 televisores, de determinada marca, vendidas em certo perodo,
400 precisaram de reparos dentro da garantia de um ano. Qual a proba-
Proibida a reproduo UniSEB
88
Noes de probabilidade Captulo 4
Resoluo
Pelas informaes, temos que 1.600 televisores no precisaram de
reparos durante a garantia. Sendo o evento A: a televiso no precisa de
reparo durante a garantia e utilizando a teoria frequencial, temos:
1.600 4
P(A) = = = 0, 8
2.000 5
Ou seja, o consumidor tem uma probabilidade 0,8 de no precisar
usar a garantia.
Utilizamos aqui o conhecimento histrico para fazer uma previso, ou seja, utili-
zamos a frequncia relativa do evento, obtida de dados coletados, para estimar a
probabilidade.
a) 0 P(A) 1
b) P(W) = 1
c) P (A B) = P(A) + P(B) P(A B)
d) Se A e B forem mutuamente exclusivos, ento P (A B) = P(A)
+ P(B)
e) P(Ac) = 1 P(A)
Exemplo 4.12
Retira-se uma carta de um baralho completo de 52 cartas. Qual a
probabilidade de sair um nove ou uma carta de paus?
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
Resoluo
Neste experimento aleatrio, temos que o espao amostral for-
mado por 52 pontos amostrais, ou seja, W = {Ao,...,Ko, AE,... KE, AP,...
KP,AC,...,Kc}. Vale relembrar que todos os pontos amostrais so equipro-
vveis, com isso podemos utilizar a definio clssica de probabilidade.
Devemos observar tambm que o enunciado nos pede para encontrar
a probabilidade do evento sair nove ou do evento sair carta de paus,
89
Probabilidade e Estatstica
90
Noes de probabilidade Captulo 4
7
P (P) =
49
Exemplos 4.14
Em um congresso cientfico existem 25 administradores e 17 mate-
mticos. Qual a probabilidade de ser formar uma comisso com 8 mem-
bros, na qual figurem 5 administradores e 3 matemticos?
Resoluo
Vamos definir o evento A como: a comisso formada por 5 admi-
nistradores e 3 matemticos.
O nmero total de comisses que conseguimos formar com 8 mem-
bros :
42
= 118.030.185
8
Portanto:
36.128.400
P (A) = = 0, 3061 x 100 = 30, 61%
118.030.185
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
Exemplo 4.15
Em uma prova caram dois problemas. Sabe-se que 132 alunos
acertaram o primeiro, 86 erraram o segundo, 120 acertaram os dois e 54
acertaram apenas um problema. Qual a probabilidade de que um aluno,
escolhido ao acaso:
91
Probabilidade e Estatstica
Resoluo
Este exemplo um exerccio tpico de clculo de probabilidades
envolvendo teoria dos conjuntos.
Do enunciado, temos:
120 acertaram os dois problemas;
Se 120 acertaram os dois, 132 120 = 12 acertaram somente o
primeiro;
Se 54 acertaram apenas um e 12 acertaram somente o primeiro,
54 12 = 42 acertaram somente o segundo;
A informao de que 86 erraram o segundo significa que esta
quantidade acertou somente o primeiro ou no acertou nenhum
deles. Se temos 12 que s acertaram o primeiro, 86 12 = 74
erraram os dois;
Com esta anlise conseguimos encontrar o nmero total de alu-
nos que fizeram a prova: 120 + 12 + 42 + 74 = 248.
P1 P2
12 120 42
74
Ento:
a) Definindo o evento A: o aluno no acertou nenhum problema,
temos:
74
P (A) = = 29, 84%
248
Proibida a reproduo UniSEB
92
Noes de probabilidade Captulo 4
42
P (A) = = 16, 94%
248
P ( A B) = P ( B) .P ( A | B) (4.4)
Exemplo 4.16
H 100 candidatos para uma vaga numa empresa multinacional.
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
93
Probabilidade e Estatstica
Resoluo
Este exemplo se refere a um caso de probabilidade condicional, pois
j sabemos que o candidato escolhido possui curso superior. Definindo os
eventos e analisando o quadro temos:
35 / 100 35
P ( A | B) = = = 0,, 7
50 / 100 50
Note que o valor que aparece no denominador o total de casos do evento que
sabemos que ocorreu. Neste exemplo sabamos que o candidato escolhido tinha
curso superior e o total de candidatos com este perfil 50, justamente o valor que
aparece no denominador do clculo da probabilidade condicional.
P ( A | B) = P ( A ) (4.5)
P ( A B) = P ( A ) .P ( B) (4.6)
Exemplo 4.17
Numa caixa com 20 lmpadas, 4 so defeituosas. Extraindo-se ale-
atoriamente duas lmpadas, sem reposio, qual a probabilidade de:
a) nenhuma ser defeituosa;
b) ambas serem defeituosas.
c) considerando a extrao das duas lmpadas, com reposio, en-
contre a probabilidade de nenhuma delas ser defeituosa.
Resoluo
Neste exemplo os eventos so dependentes, pois no h reposio
das lmpadas na caixa, ou seja, o resultado obtido na extrao da segunda
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
95
Probabilidade e Estatstica
P ( P1 P2 ) = P ( P1 ) .P ( P2 | P1 )
P ( P1 P2 ) =
16 15 240
. = = 0, 6316
20 19 380
P ( D1 D 2 ) =
4 3 12
. = = 0, 0316
20 19 380
Exemplo 4.18:
Para testar se um sistema especialista responde satisfatoriamente a um
usurio, foram feitas cinco perguntas, cada uma com quatro alternativas de
resposta. Se o sistema escolhe as alternativas aleatoriamente, qual a proba-
bilidade de ele responder corretamente a todas as cinco perguntas?
Resoluo
Definindo os eventos:
P1: acertar a pergunta 1
P2 :acertar a pergunta 2
P3: acertar a pergunta 3
Proibida a reproduo UniSEB
96
Noes de probabilidade Captulo 4
1 1 1 1 1
P ( P1 P2 P3 P4 P5 ) = P ( P1 ) P ( P2 ) P ( P3 ) P ( P4 ) P ( P5 ) =
4 4 4 4 4
1
= = 0, 0977%
1024
Exemplo 4.19
Um certo programa pode ser usado com uma entre duas sub-rotinas
A e B, dependendo do problema. A experincia tem mostrado que a sub-
rotina A usada 40% das vezes e B usada 60% das vezes. Se A usada,
existe 75% de chance de que o programa chegue a um resultado dentro do
limite de tempo. Se B usada, a chance de 50%. Se o programa foi rea-
lizado dentro do limite de tempo, qual a probabilidade de que a sub-rotina
A tenha sido a escolhida?
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
Resoluo
A probabilidade que temos que encontrar uma probabilidade con-
dicional, pois j sabemos que o programa foi realizado dentro do limite de
tempo.
Ento, de acordo com o que estudamos no item 4.11.1, podemos
definir os seguintes eventos:
A: sub-rotina A foi a escolhida.
R: o programa foi realizado dentro do limite de tempo.
97
Probabilidade e Estatstica
Esta regra nos diz que a probabilidade da interseco dos dois even-
Proibida a reproduo UniSEB
P (A R ) P (A R ) P (R | A) P (A)
P (A | R ) = = =
P (R ) P ( R A ) + P ( R B) P ( R | A ) P ( A ) + P ( R | B) P ( B)
0, 30 0, 30
P (A | R ) = = = 0, 5 = 50%
0, 30 + 0, 30 0, 60
P ( Ci ) P ( A | Ci )
P ( Ci | A ) =
j = 1 P (C j ) P ( A | C j )
n
Atividades
01. Uma biblioteca acaba de receber, por doao, 40 novos livros, inclusi-
ve 15 romances histricos. Se 3 desses livros so escolhidos aleatoriamen-
te, sem reposio, qual a probabilidade de:
a) nenhum ser um romance histrico;
b) todos serem romances histricos;
c) pelo menos um ser romance histrico.
03. Uma loja de cosmticos tem os seguintes dados sobre a idade e o es-
tado civil de 150 clientes.
Estado Civil
Solteiro Casado
Idade
Proibida a reproduo UniSEB
30 70 20
mais de 30 30 30
100
Noes de probabilidade Captulo 4
05. Um satlite em rbita tem trs painis solares, e todos eles devem
permanecer ativos a fim de garantir o bom desempenho do aparelho. Os
painis funcionam independentemente uns dos outros. A chance de falha
de cada um 0,01. Qual a probabilidade de o satlite funcionar perfeita-
mente durante a misso? (Essa probabilidade a chamada confiabilidade
do sistema Farias, Soares e Csar, pg. 65)
101
Probabilidade e Estatstica
Reflexo
O estudo de probabilidades, que iniciamos neste captulo, tem mui-
tas aplicaes no dia a dia do gestor. At o momento, nos preocupamos
em apresentar a teoria referente ao assunto. No entanto, as aplicaes que
podemos fazer do clculo de probabilidades so muito diversificadas: de-
terminar a margem de erro e o grau de confiana de uma pesquisa, fazer
previses (com certo grau de confiana) de eventos futuros, auxiliar na
tomada de decises, calcular riscos de certos investimentos, etc.
Procure assimilar bem todos os procedimentos e conceitos apresen-
tados neste captulo para que possa acompanhar o desenvolvimento dos
mtodos que sero apresentados mais adiante.
Leitura recomendada
Recomendamos a leitura do texto possvel quantificar o acaso?,
disponvel no endereo http://www.klick.com.br/materia/20/display/0,
5912,POR-20-89-957-,00.html, que apresenta uma interessante situao
sobre o estudo de probabilidades.
Referncias
ANDERSON, David R.; SWEENEY, Denis J.; WILLIAMS, Thomas
A. Estatstica aplicada administrao e economia. So Paulo: Pio-
neira Thomson Learning, 2003.
No prximo captulo
No prximo captulo apresentaremos as variveis aleatrias, que so
uma forma de associar valores aos resultados do experimento aleatrio.
Isso ir nos permitir ampliar a capacidade de aplicao da teoria de pro-
babilidades.
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
103
Probabilidade e Estatstica
Minhas anotaes:
Proibida a reproduo UniSEB
104
Variveis aleatrias
O espao amostral, em muitos ex-
perimentos, no consiste s em nmeros
como, por exemplo, o espao amostral re-
5 ferente ao lanamento de uma moeda, que tem
lo
como pontos amostrais cara ou coroa. Em Estats-
tica, muitas vezes, estamos interessados em resultados
t u
aleatria.
Voc se lembra?
Voc se lembra dos conceitos de mdia e desvio-padro apresentados nos
captulos 2 e 3? E dos conceitos de probabilidade abordados no captulo
4? Neste captulo, combinaremos aqueles conceitos ao desenvolvermos
as distribuies de probabilidade, que descrevem o que provavelmente
acontecer, ao invs do que realmente aconteceu.
Probabilidade e Estatstica
Na tabela 5.1, os valores x1, x2, x3,..., xn so aqueles que a v.a. pode
assumir e p(x1) , p(x2), p(x3),..., p(xn) suas respectivas probabilidades.
Uma distribuio de probabilidade deve satisfazer as seguintes con-
dies:
0 p(xi) 1, i = 1,2,...,n
Proibida a reproduo UniSEB
n
p( x i ) = 1
i =1
106
Variveis aleatrias Captulo 5
107
Probabilidade e Estatstica
Resoluo
a) Para encontrarmos a probabilidade de cada resultado, vamos usar
Proibida a reproduo UniSEB
108
Variveis aleatrias Captulo 5
109
Probabilidade e Estatstica
Propriedades da mdia
Sejam a e b constantes e X uma varivel aleatria. Ento:
i) E(a) = a
ii) E(bX) = bE(X)
iii) E(X + a) = E(X) + a
iv) E(a + bX) = a + bE(X)
A varincia de uma v.a. X definida como:
2
n
( )
n
Var ( X ) = E X E ( X ) =
2 2
( i ) xi p ( xi ) (5.3)
x i2 p
x
i =1 i =1
J vimos anteriormente que o desvio-padro (s) a raiz quadrada da
varincia, portanto:
( x ) = Var ( x ) (5.4)
Propriedades da varincia
Sejam a e b constantes e X uma varivel aleatria. Ento:
i) Var(a) = 0
ii) Var(bX) = b2Var(X)
iii) Var(X + a) = Var(X)
iv) Var(a + bX) = b2Var(X)
Observao: Indicaremos a mdia e a varincia de uma v.a. X por:
E(X) = m
Var(X) = s2
Proibida a reproduo UniSEB
110
Variveis aleatrias Captulo 5
Resoluo
Substituindo os valores do quadro apresentado nas respectivas fr-
mulas temos:
n
E (X) = xi p ( xi ) =
12
= 1, 5
i =1
8
2
n
( ) E (X)
n
Var ( X ) = E X 2 2
= x i2 p ( x i ) x i p ( x i )
i =1 i =1
= 3 (1, 5)
2
= 0, 75
Portanto, temos que o valor esperado do nmero de coroas, obtido
no lanamento de 3 moedas, 1,5 e o desvio-padro 0,866 0, 75 . ( )
Exemplo 5.4
Num teste de digitao, o tempo em minutos (T) que os candidatos
levam para digitar um texto modelado, de forma aproximada, pela se-
guinte funo de probabilidade:
T P(T)
3 0,1
4 0,1
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
5 0,2
6 0,2
7 0,2
8 0,1
9 0,1
Resoluo
Como o exerccio est pedindo a mdia e a varincia do nmero de
pontos obtidos, precisamos definir uma nova varivel aleatria:
112
Variveis aleatrias Captulo 5
n
E ( P ) = pi p ( pi ) = 7
i =1
2
n
( )
n
Var ( P ) = E P E ( P ) = pi p ( pi ) pi p ( pi )
2 2
i =1 i =1
= 52 ( 7 ) = 3
2
Exemplo 5.5
Na produo de uma pea so empregadas duas mquinas. A pri-
meira utilizada para efetivamente produzir as peas, e o custo de pro-
duo de R$ 50,00 por unidade. Das peas produzidas nessa mquina,
90% so perfeitas. As peas defeituosas (produzidas na primeira mqui-
na) so colocadas na segunda mquina para a tentativa de recuperao
(torn-las perfeitas). Nessa segunda mquina o custo por pea de R$
25,00, mas apenas 60% das peas so de fato recuperadas. Sabendo que
cada pea perfeita vendida por R$ 90,00, e que cada pea defeituosa
vendida por R$ 20,00, calcule o lucro por pea esperado pelo fabricante.
Resoluo
Neste exemplo, a varivel aleatria de interesse :
X: lucro
113
Probabilidade e Estatstica
114
Variveis aleatrias Captulo 5
n
denominado nmero binomial e dado pela frmula
k
n n!
k = ( n k )!k ! . Os termos n! e k! so denominados n fatorial e k fatorial e so
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
dados pela multiplicao de todos os valores inteiros positivos entre entre 1 e n e entre 1 e k.
Exemplo 5.6: Uma pesquisa mostrou que 60% das famlias residen-
tes na grande So Paulo tm pelo menos dois carros. Determine a probabi-
lidade de que dentre 15 famlias selecionadas aleatoriamente nesta regio:
a) exatamente 5 tenham pelo menos dois carros;
b) de 8 a 10 tenham pelo menos dois carros.
116
Variveis aleatrias Captulo 5
P (8 X 10) = P ( X = 8) + P ( X = 9) + P ( X = 10)
15 7 15 6 15
= ( 0, 60) ( 0, 40) + ( 0, 60) ( 0, 40) + ( 0, 60) ( 0, 40)
8 9 10 5
8 9 10
= 0,177083662 + 0, 206597605 + 0,185937845
= 0, 5696
Observao: Estes clculos so facilmente efetuados com o auxlio
de uma calculadora cientfica.
Exemplo 5.7
Se 7% das peas produzidas por uma mquina so defeituosas, qual
a probabilidade de que em dez peas escolhidas aleatoriamente:
a) no haja peas defeituosas;
b) pelo menos 3 peas sejam defeituosas;
c) exatamente 5 peas sejam defeituosas;
d) entre 2 e 4 peas sejam defeituosas.
Resoluo
Temos aqui um experimento binomial com:
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
117
Probabilidade e Estatstica
10
a) P ( X = 0) = ( 0, 07 ) ( 0, 93) = 0, 4840
0 10
0
b) P ( X 3) = P ( X = 3) + P ( X = 4) + P ( X = 5) + ... + P ( X = 10)
10
c) P ( X = 5) = ( 0, 07 ) ( 0, 93) = 0, 0003
5 5
5
d) P ( 2 X 4) = P ( X = 2) + P ( X = 3) + P ( X = 4)
10 8 10 10
= ( 0, 07 ) ( 0, 93) + ( 0, 07 ) ( 0, 93) + ( 0, 07 ) ( 0, 93)
2 3 7 4 6
2 3 4
= 0,123387789 + 0, 024766008 + 0, 003262189
= 0,1514
Conexo:
O clculo de probabilidades para variveis aleatrias cuja distribuio binomial
tambm pode ser feita no Excel. Para compreender a funo que deve ser utili-
zada, leia Utilizando o Microsoft Excel para Obter Probabilidades Binomiais, que
se encontra no livro Estatstica: Teoria e Aplicaes Usando Microsoft Excel em
Portugus, pp. 196.
Atividades
Proibida a reproduo UniSEB
01. Uma urna contm 3 bolas brancas e 7 bolas verdes. Trs bolas so
retiradas com reposio. Seja X: nmero de bolas verdes. Calcule E(X) e
Var(X).
118
Variveis aleatrias Captulo 5
119
Probabilidade e Estatstica
06. Um lote com mquinas digital recebida por uma empresa. 30 apare-
lhos so inspecionados. O lote rejeitado se pelo menos 3 mquinas apre-
sentarem defeito. Sabendo-se que 1% das mquinas defeituosa, calcule a
probabilidade da empresa rejeitar todo o lote.
10. Uma pesquisa concluiu que 30% das mulheres brasileiras conside-
ram a leitura sua atividade favorita de lazer. Voc seleciona ao acaso seis
mulheres e pergunta a elas se a leitura sua atividade favorita de lazer.
Obtenha a probabilidade de que:
a) exatamente duas delas respondam sim.
b) menos do que duas respondam sim.
Reflexo
Neste captulo vimos que a varivel aleatria fornece uma descrio
numrica de um experimento aleatrio. Com os resultados que uma va-
Proibida a reproduo UniSEB
Leitura Recomendada
Sugerimos que voc assista ao vdeo Revendo a Moratria, da
srie: Matemtica na Escola. Ele apresenta uma aplicao do conceito
de valor esperado. O endereo para acesso http://m3.ime.unicamp.br/
recursos/1170. Vale a pena conferir!
Referncias
ANDERSON, David R.; SWEENEY, Denis J.; WILLIAMS, Thomas
A. Estatstica aplicada administrao e economia. So Paulo: Pio-
neira Thomson Learning, 2003.
Gabarito
Captulo 1
1.
a) qualitativa nominal
b) quantitativa discreta
c) quantitativa contnua
d) quantitativa discreta
e) quantitativa contnua
f) quantitativa contnua
g) quantitativa discreta
h) qualitativa nominal
i) quantitativa contnua
j) quantitativa contnua
k) qualitativa ordinal
l) qualitativa ordinal
m) qualitativa nominal
n qualitativa nominal
2.
K 6 classes e amplitude da classe h 7
Tabela 1 Distribuio de frequncias das idades dos funcionrios.
Idades f fr fa
19| 26 5 0,1667 5
26| 33 13 0,4333 18
33| 40 4 0,1333 22
40| 47 4 0,1333 26
47| 54 3 0,1000 29
54| 61 1 0,0333 30
Total 30 1
a) 18
b) 13,33%
c) 17
Proibida a reproduo UniSEB
d) 73,33%
e) 26,67%
122
Variveis aleatrias Captulo 5
3.
Outros
16,82%
Solteiro
42,87%
Separado
19,79%
Vivo
Casado
5,69
14,84%
Atravs do grfico, podemos dizer que aproximadamente 43% dos clientes desta agncia
de turismo so solteiros, 20% so separados, 17% tm outro tipo de estado civil, 15% so
casados e apenas 5% so vivos. Esta informao importante na hora de lanar pacotes
de viagens. A agncia deve se lembrar que grande parte de seus clientes so solteiros.
Tambm pode criar estratgias para trazer mais clientes casados ou vivos, que provavel-
mente devem ter outro tipo de perfil.
4.
a) Valores gastos com supermercado. Varivel quantitativa contnua.
b) Tabela 1: Distribuio de frequncias para a varivel Valores gastos com supermercado.
123
Probabilidade e Estatstica
c)
Histograma
18
16
14
12
10
8
6
4
2
0
4,98 | 61,89
61,89 | 118,89
118,89 | 175,89
175,89 | 232,89
232,89 | 289,89
289,89 | 346,89
346,89 | 403,89
403,89 | 460,89
Gastos (R$)
18 Polgono de Frequncias
17
16
14
13
12
Frequncia
10
8
6
5
4 5
3
2 3 2 2
2 0 0
0 33,39 90,38 147,39 204,39 261,39 318,39 375,39 432,39 489,39
Ponto mdio das classes Gastos (R$)
5.
a) Salrio de funcionrios de uma empresa. Esta varivel classificada como quantitati-
va contnua.
b) 45 funcionrios
Proibida a reproduo UniSEB
c) 86 funcionrios
d) 9,30%
e) 72,09%
124
Variveis aleatrias Captulo 5
f)
Salrio (R$) f fr fa
500,00| 800,00 17 19,77 17
800,00| 1.100,00 45 52,33 62
1.100,00| 1.400,00 12 13,95 74
1.400,00| 1.700,00 4 4,65 78
1.700,00| 2.100,00 3 3,49 81
2.100,00| 2.400,00 3 3,49 84
2.400,00| 2.700,00 2 2,33 86
Total 86 100,00
Captulo 2
Antes das respostas, gostaramos de deixar claro que as interpretaes das questes fi-
cam a cargo do estudante. Se ocorrerem dvidas, entrar em contato com o tutor.
1.
a) x 23,1, Md = 22,5 e Mo = 22
Classes f fr fa Pm
b)
10 14 3 0,0469 3 12
14 18 5 0,0781 8 16
18 22 12 0,1875 20 20
22 26 25 0,3906 45 24
26 30 12 0,1875 57 28
30 34 3 0,0469 60 32
34 38 2 0,0313 62 36
38 42 2 0,0313 64 40
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
Total 64 1,0000
125
Probabilidade e Estatstica
d)
Histograma
24
22
20
18
16
Frequncia
14
12
10
8
6
4
2
0
14
18
22
26
30
34
38
42
|
|
10
14
18
22
26
30
34
38
N de horas
2.
a) Vendas mensais. Varivel quantitativa contnua.
b) x 3,2 Md = 3,4 Mo = 3,5
c) Q3 20,7 D1 1,4 P80 = 4,1
d) 16,36%
e) 21,82%
f) 56,36%
g) 65,45%
3.
a) x 17,1
b) Md = 2
c) Mo = 2
4.
a) Idade dos funcionrios
b) 48
c) x 30,9 Md 29,7 Mo 27,8
d) Q1 25,7
e) 25
f) 4,17%
g) 47,9%
Proibida a reproduo UniSEB
5. 4,3
126
Variveis aleatrias Captulo 5
Captulo 3
As interpretaes das questes ficam a cargo do estudante. Se ocorrerem dvidas, entrar
em contato com o tutor.
1.
a) R = 31s 6,1 s2 37,2 cv 0,2633 ou 26,33%
b) R = 32 s 5,8 s2 33,6 cv 0,2358 ou 23,58%
6.
a) Caixa A (menor variao absoluta (s))
b) Caixa A (maior variao relativa (cv))
Captulo 4
1.
a) 0,2328
b) 0,0461
c) 0,7672
2.
a) 0,7
b) 0,725
c) 0,6897
EAD-15-Probabilidade e Estatstica Proibida a reproduo UniSEB
d) 0,7143
e) 0,2727
f) 0,75
3.
a) 0,6667
b) 0,4
c) 0,3
d) 0,2222
127
Probabilidade e Estatstica
4.
a) 0,75 b) 0,25
5. 0,9703
6.
a) 0,02875 b) 0,5565
Captulo 5
2. 2,5
3. R$ 1.400,00
4.
a) 4,6 b) E(G) = 2,75 Var(G) = 0,4125
5.
a) 0,000011 b) 0,0042 c) 0,8329
6. 0,0033
7.
a) 0,1317 c) 0,1646
b) 0,7901 d) 0,9959
8.
a) 0,0778 b) 0,2592 c) 0,9222
9.
a) 0,0881
Proibida a reproduo UniSEB
10.
a) 0,324135 b) 0,420175
128