Estatistica Pagina 85 PDF

Estatstica
Paulo Roberto da Costa
Santa Maria - RS
2011
Presidncia da Repblica Federativa do Brasil
Ministrio da Educao
Secretaria de Educao a Distncia
Colgio Tcnico Industrial de Santa Maria

Este material didtico foi elaborado em parceria, entre o Colgio Tcnico Industrial
de Santa Maria e a Universidade Federal de Santa Catarina para o Sistema Escola
Tcnica Aberta do Brasil e-Tec Brasil.
Comisso de Acompanhamento e Validao Comisso de Acompanhamento e Validao

Universidade Federal de Santa Catarina/UFSC Colgio Tcnico Industrial de Santa Maria/CTISM
Coordenao Institucional Coordenador Institucional

Araci Hack Catapan/UFSC Paulo Roberto Colusso/CTISM
Coordenao do Projeto Professor-autor

Silvia Modesto Nassar/UFSC Paulo Roberto da Costa/CTISM
Cordenao de Design Instrucional Coordenao Tcnica

Beatriz Helena Dal Molin/UNIOESTE Iza Neuza Teixeira Bohrer/CTISM
Designers Intrucionais Coordenao de Design

Helena Maria Maullmann/UFSC Erika Goellner/CTISM
Jorge Luiz Silva Hermenegildo/CEFET-SC
Reviso Pedaggica
WEB Designers Andressa Rosemrie de Menezes Costa/CTISM
Beatriz Helena Dal Molin/UNIOESTE Francine Netto Martins Tadielo/CTISM
Mrcia Freire Rocha Cordeiro Machado/ETUFPR Marcia Migliore Freo/CTISM
Superviso de Projeto Grfico Reviso Tcnica

Ana Carine Garca Montero/UFSC Carmen Vieira Mathias/UFSM
Eduardo Lehnhart Vargas/CTISM
Diagramao
Joo Ricardo Zattar/UFSC Reviso Textual
Lus Henrique Lindler/UFSC Lourdes Maria Grotto de Moura/CTISM
Vera da Silva Oliveira/CTISM
Reviso
Lcia Locatelli Flres/UFSC Diagramao e Ilustrao
Gustavo Schwendler/CTISM
Leandro Felipe Aguilar Freitas/CTISM
Marcel Santos Jacques/CTISM
Muren Fernandes Massia/CTISM
Mara Rodrigues/CTISM
Rafael Cavalli Viapiana/CTISM
Ricardo Antunes Machado/CTISM
Ficha catalogrfica elaborada por Maristela Eckhardt CRB 10/737

Biblioteca Central UFSM
C837e Costa, Paulo Roberto da

Estatstica / Paulo Roberto da Costa. 3. ed. Santa Maria :
Universidade Federal de Santa Maria, Colgio Tcnico Industrial de
Santa Maria, Curso Tcnico em Automao Industrial, 2010.
95 p. : il. ; 21 cm.
1. Estatstica 2. Probabilidade 3. Programa Escola Aberta do

Brasil I. Universidade Federal de Santa Maria. Curso Tcnico em
Automao Industrial.
CDU 519.22
Apresentao e-Tec Brasil
Prezado estudante,
Bem-vindo ao e-Tec Brasil!
Voc faz parte de uma rede nacional pblica de ensino, a Escola Tcnica
Aberta do Brasil, instituda pelo Decreto n 6.301, de 12 de dezembro
2007, com o objetivo de democratizar o acesso ao ensino tcnico pblico,
na modalidade a distncia. O programa resultado de uma parceria entre
o Ministrio da Educao, por meio das Secretarias de Educao a Distncia
(SEED) e de Educao Profissional e Tecnolgica (SETEC), as universidades e
escolas tcnicas estaduais e federais.
A educao a distncia no nosso pas, de dimenses continentais e grande

diversidade regional e cultural, longe de distanciar, aproxima as pessoas ao
garantir acesso educao de qualidade, e promover o fortalecimento da
formao de jovens moradores de regies distantes dos grandes centros
geograficamente ou economicamente.
O e-Tec Brasil leva os cursos tcnicos a locais distantes das instituies de

ensino e para a periferia das grandes cidades, incentivando os jovens a con-
cluir o ensino mdio. Os cursos so ofertados pelas instituies pblicas de
ensino e o atendimento ao estudante realizado em escolas-polo integran-
tes das redes pblicas municipais e estaduais.
O Ministrio da Educao, as instituies pblicas de ensino tcnico, seus

servidores tcnicos e professores acreditam que uma educao profissional
qualificada integradora do ensino mdio e educao tcnica, capaz
de promover o cidado com capacidades para produzir, mas tambm com
autonomia diante das diferentes dimenses da realidade: cultural, social,
familiar, esportiva, poltica e tica.
Ns acreditamos em voc!
Desejamos sucesso na sua formao profissional!
Ministrio da Educao
Janeiro de 2010
Nosso contato
etecbrasil@mec.gov.br
3 e-Tec Brasil
Indicao de cones
Os cones so elementos grficos utilizados para ampliar as formas de

linguagem e facilitar a organizao e a leitura hipertextual.
Ateno: indica pontos de maior relevncia no texto.
Saiba mais: oferece novas informaes que enriquecem o

assunto ou curiosidades e notcias recentes relacionadas ao
tema estudado.
Glossrio: indica a definio de um termo, palavra ou expresso

utilizada no texto.
Mdias integradas: sempre que se desejar que os estudantes

desenvolvam atividades empregando diferentes mdias: vdeos,
filmes, jornais, ambiente AVEA e outras.
Atividades de aprendizagem: apresenta atividades em

diferentes nveis de aprendizagem para que o estudante possa
realiz-las e conferir o seu domnio do tema estudado.
5 e-Tec Brasil
e-Tec Brasil 6 Tecnologia da Informtica
Sumrio
Palavra do professor-autor 9
Apresentao da disciplina 11
Projeto instrucional 15
Aula Conceitos 17
1.1 Apresentao dos conceitos de estatstica 17
1.2 Mtodo Cientfico 17
1.3 O que estatstica? 18
1.4 Populao 20
1.5 Amostra 22
1.6 Amostragem 23
1.7 Censo 26
1.8 Variveis estatsticas 27
Aula 2 Fases do mtodo estatstico 31

2.1 Apresentao das fases do mtodo estatstico 31
2.2 Diviso das fases 31
Aula 3 Tabelas 35
3.1 Apresentao de tabelas 35
3.2 Elementos de uma tabela 36
Aula 4 Sries estatsticas 39

4.1 Apresentao de sries estatsticas 39
4.2 Srie temporal, histrica, cronolgica ou evolutiva 39
4.3 Srie geogrfica, territorial ou de localidade 40
4.4 Srie especfica ou categrica 40
4.5 Sries mistas, conjugadas ou tabela de dupla entrada 41
Aula 5 Distribuio de frequncia 43

5.1 Apresentao da distribuio de frequncia 43
5.2 Definies bsicas 43
5.3 Representao dos dados (amostrais ou populacionais) 44
7 e-Tec Brasil
5.4 Distribuio de frequncia 45
5.5 Distribuio de frequncia de dados numricos agrupados em
intervalos de classe 47
5.6 Tipos de frequncia 51
5.7 Grficos representativos de uma distribuio de frequncia 54
Aula 6 Grficos estatsticos 59

6.1 Apresentao de grficos estatsticos 59
6.2 Formas de apresentao dos grficos 60
6.3 Principais tipos de grficos 60
Aula 7 Medidas descritivas 67

7.1 Apresentao das medidas descritivas 67
7.2 Medidas de posio 68
7.3 Separatrizes 71
7.4 Medidas de disperso ou de variabilidade 76
7.5 Momentos e assimetria 79
Aula 8 Probabilidade 85
8.1 Apresentao da probabilidade 85
8.2 Experimento aleatrio 86
8.3 Espao amostral 86
8.4 Evento 87
8.5 Conceito de probabilidade 88
8.6 Eventos complementares 89
8.7 Probabilidade condicional 89
8.8 Eventos independentes 90
8.9 Probabilidade de ocorrer a unio de eventos 91
Referncias 94
Currculo do professor-autor 95
e-Tec Brasil
Palavra do professor-autor
No h ramo da matemtica, por mais abstrato que seja que no

possa um dia vir a ser aplicado ao ramo do mundo real.
Lobachevsky
Uma probabilidade razovel a nica certeza.

Samuel Howe
A experincia no permite nunca atingir a certeza absoluta. No

devemos procurar obter mais que uma probabilidade.
Bertrand Russel
Ao elaborarmos este material, procuramos levar em conta as trs afirmaes

citadas, conservando o que julgamos ser fundamental: o desenvolvimento
claro e compreensvel de todos os conceitos bsicos aliado ao rigor mate-
mtico, com o objetivo de fazer com que o aluno compreenda as ideias
bsicas da Estatstica e, quando necessrio, saiba aplic-las na resoluo de
problemas do mundo real.
Esperamos que esta apostila facilite sua aprendizagem e desenvolva a sua

forma de pensar matematicamente. Queremos que ela seja bastante til na
busca de solues para uma srie de problemas do dia a dia.
Faz-se necessrio muito estudo para obter sucesso no processo de aprendi-

zagem; mos obra e que o aproveitamento seja significativo.
Paulo Roberto da Costa
9 e-Tec Brasil
Apresentao da disciplina
Investigao sugere pesquisa, busca de informaes e anlise de dados.

Tudo isso faz pensar em Estatstica.
O relacionamento da Estatstica com as demais cincias cada vez mais

intenso e mais importante. Veja, por exemplo, que a estatstica auxilia a
Gentica nas questes de hereditariedade; valiosa na Economia, na anlise
da produtividade, da rentabilidade e estudos de viabilidade; bsica para as
Cincias Sociais nas pesquisas socioeconmicas; de aplicao intensa na
Engenharia Industrial, no controle de qualidade e na comparao de fabrica-
es, tambm muito aplicada na engenharia agrcola, entre outras.
A aplicao da Estatstica intensificou-se nas ltimas dcadas, tornando-se o

foco do estudo de especialistas para as reas econmicas, sociais, culturais,
polticas, educacionais, de sade, meio ambiente, etc.
Enfim, explcita ou implicitamente, a Estatstica est presente em todos os

aspectos da vida moderna, e essa presena s tende a crescer, pois o estudo
estatstico colabora como indicardor para trabalhar com diversos produtos,
possibilitando maiores estratgias na busca e no planejamento de solues.
Quando a estatstica aplicada a dados provenientes de observaes reali-

zadas em diferentes aspectos das Cincias da Vida, como: Medicina, Psico-
logia, Nutrio, Biologia, Farmcia, Enfermagem, Odontologia, Veterinria e
Agronomia, utilizado o termo bioestatstico para distingui-la da aplicao
de outras reas do conhecimento.
A estatstica fornece-nos as tcnicas para extrair informao de dados, os

quais so muitas vezes incompletos, na medida em que nos do informao
til sobre o problema em estudo. Sendo assim, um dos objetivos da Estats-
tica extrair informao dos dados para obter uma melhor compreenso das
situaes que representam.
Quando se aborda uma problemtica envolvendo mtodos estatsticos, estes

devem ser utilizados mesmo antes de se recolher a amostra, isto , deve-se
planejar a experincia que nos vai permitir recolher os dados, de modo que,
11 e-Tec Brasil
posteriormente, se possa extrair o mximo de informao relevante para o
problema em estudo, ou seja, para a populao de onde os dados provm.
Quando de posse dos dados, procura-se agrup-los e reduzi-los, sob forma

de amostra, deixando de lado a aleatoriedade presente.
Seguidamente o objetivo do estudo estatstico pode ser o de estimar uma

quantidade ou testar uma hiptese, utilizando-se tcnicas estatsticas con-
venientes as quais realam toda a potencialidade da Estatstica na medida
em que vo permitir tirar concluses acerca de uma populao, baseando-se
numa pequena amostra, dando-nos ainda uma medida do erro cometido.
Concluindo, a estatstica tornou-se uma poderosa ferramenta para a com-

preenso, anlise e previso de inmeras situaes na nossa vida. As empre-
sas utilizam modelos estatsticos para calcular fluxo de estoques, de con-
sumo e de produo, objetivando adaptar-se rapidamente a um mercado
em constante mutao. Para podermos nos situar de forma mais precisa
possvel nesse rpido processo de mudanas que enfrentamos, necess-
ria a utilizao dessas ferramentas. Por isso, necessrio saber ler grficos,
interpret-los, prever situaes, analisar dados, etc. A estatstica nos ajudar
nesta tarefa.
Panorama histrico da Estatstica
Embora a Estatstica seja recente na rea de pesquisa, ela j era observada de

forma rudimentar e imprecisa na antiguidade, quando ento os governantes
coletavam e faziam registros de dados que consideravam importantes, tais
como as informaes sobre suas populaes e suas riquezas, tendo como
objetivo fins militares ou tributrios.
Dados tm sido coletados ao longo da histria. Vejamos:
a) Antiguidade vrios povos j registravam o nmero de habitantes,

de nascimentos e bitos. J se faziam estimativas das riquezas sociais,
distribuam-se equitativamente terras aos povos, cobravam impostos e
realizavam inquritos quantitativos por processos que, hoje, chamaramos
de estatsticas.
e-Tec Brasil 12
b) Idade Mdia colhiam-se informaes que geralmente eram tabuladas
com finalidades tributrias ou blicas.
c) Sculo XVI surgem as primeiras anlises sistemticas, as primeiras ta-

belas, os nmeros relativos e o clculo de probabilidade.
Periodicamente, nas civilizaes antigas, eram feitos inquritos sobre

os quantitativos anuais de trigo e outros produtos e, com base nesses
dados, eram estabelecidos os impostos. Essa prtica tambm era utili-
zada na Idade Mdia.
At o incio do sculo XVII, a Estatstica servia apenas para assuntos de

Estado e limitava-se a uma simples tcnica de contagem, traduzindo
numericamente fatos ou fenmenos observados. Era a fase da Estatstica
Descritiva.
d) Sculo XVII iniciou-se na Inglaterra uma nova fase de desenvolvimento

da Estatstica, voltada para a anlise dos fenmenos observados. Era a
fase da Estatstica Analtica.
John Graunt (1620-1674) foi quem publicou pela primeira vez, concre-
tamente, um trabalho de estatstica que se reportava mortalidade dos
habitantes de Londres. Esse trabalho esteve na base do aparecimento
das primeiras tbuas de mortalidade e da elaborao de previses sobre
a durao de vida humana. Nasceu, assim, a Demografia.
e) Sculo XVIII a origem do termo Estatstica surgiu no sculo XVIII.

Quanto origem da estatstica, a data de seu aparecimento no parece
ser encarada com unanimidade. H quem diga que o seu autor foi
Godofredo Achenwall (1719-1772), que usou pela primeira vez o termo
estatstica (statistik, do grego statizein). Outros tambm afirmam que
tem origem na palavra estado, do latim status, pelo aproveitamento que
dela tiravam os polticos e o Estado.
Contudo, muito antes do termo Estatstica, os romanos asseguravam

o recenseamento dos cidados, e a Bblia chega at a testemunhar um
desses recenseamentos.
13 e-Tec Brasil
f) Ao longo dos sculo XVIII e XIX a Estatstica desenvolveu-se muito,
associada ao clculo das probabilidades que haviam se desenvolvido e
realizao de trabalhos de pesquisa cientfica nos domnios da Botnica,
Biologia, Meteorologia, Astronomia, etc. Mais tarde, a Estatstica deixou
de ser mera tcnica de contagem de fenmenos para se transformar
numa poderosa alfaia cientfica a servio dos diferentes ramos do sa-
ber. Surge ento a fase da Estatstica Aplicada. com essas caracters-
ticas que a Estatstica hoje reconhecida, pois informaes numricas
so necessrias para cidados e organizaes de qualquer natureza e de
qualquer parte do mundo globalizado. Portanto, uma cincia moderna,
imprescindvel para entender aspectos e problemas em todas as reas do
conhecimento.
e-Tec Brasil 14
Projeto instrucional
Disciplina: Estatstica (carga horria: 30h).
Ementa: Introduo estatstica, diviso da estatstica, fases do mtodo

estatstico, tabelas e grficos, distribuio de frequncia, medidas de posio,
medidas de disperso, medidas de assimentria, probabilidade e controle esta-
tstico de processos.
CARGA
OBJETIVOS DE
AULA MATERIAIS HORRIA
APRENDIZAGEM
(horas)
Definir estatstica e seus tipos.
Ambiente virtual:
Reconhecer os processos relacionados ao
plataforma moodle;
estudo da populao na estatstica.
Apostila didtica;
1. Conceitos Diferenciar e aplicar os mtodos 02
Recursos de apoio: links,
cientficos.
exerccios.
Diferenciar e determinar as variveis
quantitativas e qualitativas.
Ambiente virtual:
Conhecer e analisar as fases do mtodo plataforma moodle;
2. Fases do
estatstico. Apostila didtica; 02
mtodo estatstico
Empregar as fases do mtodo estatstico. Recursos de apoio: links,
exerccios.
Ambiente virtual:
Conhecer e aplicar a representao
plataforma moodle;
tabular.
3. Tabelas Apostila didtica; 02
Entender os elementos constituintes de
uma tabela.
exerccios.
Reconhecer, atravs da srie estatstica, a Ambiente virtual:

existncia de seus fatores. plataforma moodle;
4. Sries
Empregar a nomenclatura tcnica no Apostila didtica; 02
estatsticas
estudo e na interpretao da srie Recursos de apoio: links,
estatstica. exerccios.
Compreender a representao dos dados Ambiente virtual:

(amostrais e populacionais). plataforma moodle;
5. Distribuio
Compreender e reconhecer os elementos Apostila didtica; 07
de frequncias
de uma distribuio de frequncia. Recursos de apoio: links,
Conhecer os tipos de frequncia. exerccios.
Ambiente virtual:
Conhecer e identificar os tipos de
plataforma moodle;
6.Grficos grficos existentes.
Apostila didtica; 04
estatsticos Interpretar e comparar os valores
colocados nos grficos.
exerccios.
15 e-Tec Brasil
CARGA
OBJETIVOS DE
AULA MATERIAIS HORRIA
APRENDIZAGEM
(horas)
Reconhecer as medidas descritivas
bsicas. Ambiente virtual:
Aplicar as medidas descritivas, de acordo plataforma moodle;
7. Medidas
com a utilizao exigida. Apostila didtica; 07
descritivas
Analisar e interpretar os procedimentos e Recursos de apoio: links,
frmulas utilizados nas medidas descriti- exerccios.
vas, diferenciando-os.
Conhecer e entender a ideia do trabalho
Ambiente virtual:
estatstico.
plataforma moodle;
Diferenciar e aplicar o espao amostral,
8. Probabilidade Apostila didtica; 04
experimento aleatrio e evento.
Aplicar e conhecer o clculo da probabi-
exerccios.
lidade da ocorrncia de um evento.
e-Tec Brasil 16
Aula 1 Conceitos
Objetivos
Definir estatstica e seus tipos.
Reconhecer os processos relacionados ao estudo da populao na

estatstica.
Diferenciar e aplicar os mtodos cientficos.
Diferenciar e determinar as variveis quantitativas e qualitativas.
1.1 Apresentao dos conceitos de

estatstica
Quando se faz uma pesquisa cientfica, o procedimento geral formular
hipteses e test-las. Inicialmente, essas hipteses so formuladas em ter-
mos cientficos dentro da rea de estudo. Em seguida, devem ser expressas
em termos estatsticos.
Existem muitas definies propostas por autores que objetivam estabelecer

com clareza a estatstica, mas de uma maneira geral, como veremos a seguir,
ela visa elaborar mtodos capazes e aplicveis a todas as fases do estudo dos
fenmenos de massa.
1.2 Mtodo cientfico

1.2.1 Mtodo
Conjunto de meios e rotinas dispostos convenientemente para chegar a um
fim que se deseja.
1.2.2 Mtodo experimental

Mtodo que consiste em manter constantes todas as causas (fatores), menos
uma, e variar esta causa de modo que possa achar seus efeitos.
Aula 1 - Conceitos 17 e-Tec Brasil

1.2.3 Mtodo estatstico
Mtodo que admite todas as causas presentes variando-as, dada a impossi-
bilidade de manter as causas constantes, registrando essas variaes e pro-
curando determinar as influncias que cabem a cada uma delas.
1.3 O que estatstica?

Estatstica um ramo da Matemtica que se destina ao estudo dos processos
de obteno, coleta, organizao, apresentao, descrio, anlise e inter-
Saiba mais sobre a histria
da estatstica em: pretao de dados numricos variveis, referentes a qualquer fenmeno,
http://www.im.ufrj.br/~lpbraga/ seja sobre uma populao ou coleo, seja sobre um conjunto de seres para
prob1/historia_estatistica.pdf
a utilizao dos mesmos na tomada de decises (Figura 1.1).
Figura 1.1: Para que serve a Estatstica?

Fonte: CTISM
Em outras palavras, Estatstica a cincia que tem como base o estudo de

uma populao.
Esse estudo pode ser feito de duas maneiras:
Investigando todos os elementos da populao.
Por amostragem, ou seja, selecionando alguns elementos da populao.
e-Tec Brasil 18 Estatstica

Assim, a estatstica divide-se em duas grandes reas: Estatstica Descritiva e
Estatstica Indutiva ou Inferencial.
1.3.1 Estatstica descritiva coleta, organizao

e descrio de dados
aquela que possui um conjunto de tcnicas para planejar, organizar, cole-
tar, resumir, classificar, apurar, descrever, comunicar e analisar os dados em
Assista a uma aula
tabelas, grficos ou em outros recursos visuais, alm do clculo de estimati- sobre estatstica descritiva
http://www.youtube.com/
vas de parmetros representativos desses dados, interpretao de coeficien- watch?v=bWG2AcdXDY4
tes e exposio que permitam descrever o fenmeno.
Essa rea apenas descreve e analisa um conjunto de dados, sem tirar con-
cluses.
Exemplo
Os 150 trabalhadores de uma fbrica ganham em mdia R$ 1.200,00 por ms.
1.3.2 Estatstica indutiva ou inferencial e/ou

inferncia estatstica anlise e
interpretao de dados
o conjunto de tcnicas que, partindo de uma amostra, estabelece hip-
teses, tira concluses sobre a populao de origem, formula previses fun-
Saiba mais sobre mtodo
damentando-se na teoria das probabilidades, e baseia-se na anlise e na experimental em:
http://www.prof2000.pt/users/
interpretao dos dados. isis/psique/unidade1/metodos/
experimental.html
a que trata das inferncias e concluses, isto , a partir da anlise de dados
so tiradas concluses. A inferncia refere-se ao processo de generaliza-
o a partir de resultados particulares.
Exemplo
Um teste opinio revelou que 65% da populao brasileira apoia um
determinado candidato para presidente da repblica. Se este candidato for
realmente inscrito para as eleies, de se esperar que ele se eleja.
O processo de generalizao do mtodo indutivo est associado a uma mar-

gem de incerteza. Isso se deve ao fato de que a concluso que se pretende
obter para o conjunto de todos os indivduos (populao) analisados, quanto
a determinadas caractersticas comuns, baseia-se em uma parcela (amostra)
de observaes.

Na anlise estatstica de dados, pode-se obter os resultados de duas manei-
ras: atravs de um censo ou atravs de uma amostragem, isto , pesquisa
em uma amostra.
Exemplo
Pesquisa de mercado, pesquisa de opinio pblica e praticamente todo
experimento.
Figura1.2: Anlise estatstica de dados de uma amostra

Fonte: CTISM
1.4 Populao
A populao e a amostra esto diretamente relacionadas com a inferncia
estatstica. Geralmente, a partir da amostra obtm-se os dados e as estats-
ticas que, por meio da inferncia estatstica, permitem-nos entender de uma
maneira mais clara a populao de referncia.
1.4.1 Populao estatstica ou universo

estatstico
o conjunto de informaes ou conjunto de entes ou seres portadores de pelo
menos uma caracterstica em comum, cujo comportamento interessa-nos
analisar (inferir). Em outras palavras, o conjunto de todas as medidas e
observaes relativas ao estudo de determinado fenmeno que formam o
universo de nosso estudo.
Exemplo
Os estudantes constituem uma populao com uma caracterstica em
comum: matriculados em um determinado curso de uma universidade.

Como em qualquer estudo estatstico, objetiva-se conhecer uma ou mais
caractersticas dos elementos de uma populao. importante definir bem
essas caractersticas de interesse, para que sejam delimitados os elementos
que pertencem populao e os que no pertencem.
A populao pode ser constituda por pessoas, animais, minerais, vegetais,

etc.
Exemplos
1. Deseja-se saber se nas indstrias situadas no Estado do Rio Grande do
Sul, em 2010, existia algum tipo de controle ambiental.
Populao ou universo indstrias situadas no Estado do Rio Grande do

Sul em 2010.
Caractersticas existncia ou no de algum tipo de controle ambiental

na indstria.
2. Deseja-se conhecer o consumo total de energia eltrica em Mwh nas

residncias da cidade de Santa Maria RS, no ano de 2010.
Populao ou universo todas as residncias que estavam ligadas rede

eltrica em Santa Maria-RS, no ano de 2010.
Caractersticas consumo anual de energia eltrica em Mwh.

a)
1.4.1.1 Diviso da populao
a) Populao finita apresenta um nmero limitado de elementos. Dessa
forma, possvel enumerar todos os elementos componentes.
Exemplo
Idade dos alunos do Curso Tcnico em Automao Industrial do CTISM em
2010.
Populao todos os alunos do Curso Tcnico em Automao Industrial do

CTISM, em 2010.
b) Populao infinita apresenta um nmero ilimitado de elementos, o

que torna impossvel a enumerao de todos os elementos componen-
tes. Entretanto, tal definio existe apenas no campo terico, porque

na prtica, nunca encontraremos populaes com infinitos elementos,
mas somente, populaes com grande nmero de componentes. Nessas
circunstncias, tais populaes so tratadas como se fossem infinitas.
Exemplo
Febre aviria.
Populao aves.
Em geral, como os universos so grandes, para investigarmos todos os ele-

mentos populacionais e determinarmos a caracterstica de interesse, pode
haver: necessidade de muito tempo, custo elevado, processo de investigao
que leva destruio do elemento observado ou, como no caso de popu-
laes infinitas, a impossibilidade de observar a totalidade da populao.
Assim, estudar parte da populao constitui um aspecto fundamental da
Estatstica.
Observao
Em grandes populaes, torna-se interessante a realizao de uma amostra-
gem, que ocorre na impossibilidade de colher informaes sobre a popula-
o total.
1.5 Amostra
uma parte ou um subconjunto representativo de uma populao, isto ,
um conjunto de elementos extrados da populao. Os dados de observao
registrados na amostra fornecem informaes sobre a populao. O processo
pelo qual so tiradas concluses sobre a populao, com base nos resultados
obtidos na amostra, refere-se inferncia estatstica vista na definio. As
estatsticas obtidas na amostra so denominadas estimativas. Portanto, toda a
anlise estatstica ser inferida a partir das caractersticas obtidas da amostra.
importante que a amostra seja representativa da populao, isto , que as
suas caractersticas sejam, em geral, as mesmas que as do todo (populao).
Enfim, a amostra um subconjunto finito e representativo de uma populao.
Muitas vezes, por motivos prticos ou econmicos, limitam-se os estudos

estatsticos somente a uma parte da populao, amostra. As razes de
recorrer a amostras so: menor custo e tempo para o levantamento de dados
e melhor investigao dos elementos observados.

Exemplo
Para se verificar a concentrao de poluentes no ar de algumas casas notur-
nas, feita a verificao por um aparelho que testa uma pequena quanti-
dade de ar.
1.6 Amostragem
a coleta das informaes de parte da populao chamada amostra mediante
mtodos adequados de seleo dessas unidades. Amostragem considerada
uma tcnica especial de escolher amostras, de forma a garantir o acaso na
escolha. Assim, cada elemento da populao tem a mesma chance de ser esco-
lhido, o que garante amostra um carter de representatividade da populao.
1.6.1 Tcnicas de amostragem

Existem tcnicas adequadas para recolher amostras, de forma a garantir
(tanto quanto possvel) o sucesso da pesquisa e dos resultados.
Definidos os objetivos e a populao a ser estudada, deve-se pensar em

como ser constituda a amostra dos dados e quais as caractersticas ou
variveis a serem estudadas.
a) Amostragem casual ou aleatria simples este tipo de amostra-

gem baseado no sorteio da amostra. Numera-se a populao de 1 a
n, e, utilizando um dispositivo aleatrio qualquer, por exemplo, sorteio,
escolhem-se k nmeros dessa sequncia, os quais correspondero aos
elementos da amostra.
b) Amostragem proporcional estratificada quando as populaes se

dividem em subpopulaes (estratos), pode ser razovel supor que a va-
rivel de interesse apresente comportamento distinto nos diferentes es-
tratos. Assim, para que uma amostra seja representativa, necessrio
utilizar-se uma amostragem proporcional estratificada, que considera os
estratos (subgrupos) e obtm a amostragem proporcional a estes.
Exemplo
Suponhamos um grupo de 90 alunos de uma escola, onde 54 sejam meninos
e 36 sejam meninas. Teremos dois estratos (sexo masculino e sexo feminino)
e queremos uma amostra de 10% da populao, assim:

Definimos a amostra em estratos:
Numeramos os alunos de 01 a 90, sendo que 01 a 54 correspondem aos

meninos e de 55 a 90, meninas.
Para determinar a amostra, efetuamos os sorteios at atingirmos 5 meni-

nos (por exemplo, os de nmeros 05, 17, 31, 46 e 53) e quatro meninas
(por exemplo, as de nmeros 63, 74, 75 e 90).
Nesse caso, sero obtidas as caractersticas dos seguintes alunos:
Meninos: 05, 17, 31, 46 e 53.
Meninas: 63, 74, 75 e 90.
c) Amostragem estratificada uniforme no utiliza o critrio de propor-

cionalidade, pois se seleciona a mesma quantidade de elementos de cada
estrato, devendo ser usada para comparar os estratos ou obter estimati-
vas separadas para cada estrato.
Exemplo
Uma empresa de automao conta com 480 funcionrios, dos quais 288
so do sexo feminino e os 192 restantes do sexo masculino. Considerando a
varivel sexo para estratificar essa populao, vamos obter uma amostra
estratificada uniforme de 50 funcionrios.
Supondo que haja homogeneidade dentro de cada categoria, pode-se obter

amostra estratificada uniforme de 50 funcionrios com a seleo de 25 ele-
mentos de cada estrato.

d) Amostragem sistemtica um procedimento para a amostragem
aleatria aplicada quando os elementos da populao j esto ordena-
dos. Assim, no necessrio construir um sistema de referncia ou de
amostragem.
Exemplos
Casas e prdios de uma rua, os funcionrios de uma empresa, as linhas de
produo, lista de alunos, etc.
Num estoque de 100 peas, para obtermos 10 amostras sistemticas pode-

mos retirar as peas de nmero 10, 20, 30, e assim por diante, at comple-
tarmos 10 amostras sistematicamente colhidas.
Para encontrarmos os pontos onde faremos as coletas sistemticas das

amostras, podemos seguir os seguintes passos:
1) Define-se tamanho da populao: N = 1.600.
2) Define-se o tamanho da amostragem total: n = 100.
Onde: l igual ao intervalo de seleo
3) Sorteia-se um nmero de 1 a 16, que ser o primeiro nmero da amostra,

logo, as prximas amostras sero retiradas de 16 em 16.
Observao
O intervalo da seleo corresponde ao nmero de vezes que a amostra cabe
na populao.

e) Amostragem por estgios mltiplos essa estratgia de amostragem
pode ser vista como uma combinao de dois ou mais planos amostrais.
Exemplo
Uma populao estratificada onde o nmero de estratos muito grande,
ao invs de sortear uma amostra de cada estrato, o que poderia ser invivel
devido quantidade de estratos, o pesquisador poderia optar por sortear
alguns estratos e, em seguida, selecionar uma amostra de cada estrato sor-
teado. Neste caso, teramos uma amostragem em dois estgios usando, nas
duas vezes, a amostragem aleatria simples, sendo que no primeiro estgio
as unidades amostrais so os estratos e no segundo so as componentes da
populao.
f) Amostragem de convenincia para casos onde vivel realizar um

sorteio entre todos os componentes da populao alvo.
Exemplo
Pesquisas clnicas.
g) Amostragem por meio de conglomerados aplicada quando a

populao apresenta uma subdiviso em pequenos grupos, chamados
conglomerados. possvel e, muitas vezes, conveniente fazer a amos-
tragem por meio desses conglomerados, cujos elementos constituiro
a amostra, ou seja, as unidades de amostragem sobre as quais feito o
sorteio, passam a ser conglomerados e no mais elementos individuais
da populao. A amostragem por meio de conglomerados adotada por
motivos de ordem prtica e econmica.
Exemplo
Quarteires de um bairro.
1.7 Censo
o exame completo de toda populao. Quanto maior a amostra, mais pre-
cisas e confiveis devero ser as indues feitas sobre a populao. Logo, os
Saiba mais sobre
recenseamento em: resultados mais perfeitos so obtidos pelo Censo. Na prtica, esta concluso,
http://www.somatematica.com. muitas vezes no acontece, pois o emprego de amostras com certo rigor
br/estat/basica/pagina2.php
tcnico pode levar a resultados mais confiveis ou at mesmo melhores do
que os que seriam obtidos atravs de um censo (Figura 1.3).

Figura 1.3: Famlia sendo entrevistada pelo censo das favelas do PAC (Programa de
Acelerao do Crescimento) na comunidade de Manguinhos-RJ
Fonte: http://www.rj.gov.br/web/imprensa
1.8 Variveis estatsticas

Representam o atributo ou caracterstica que se pretendem estudar em uma
populao ou amostra e so divididas em dois tipos: qualitativas e quantitativas.
1.8.1 Variveis qualitativas

Varivel que assume como possveis valores qualidade ou atributos. Divi-
dem-se em:
a) Variveis nominais quando no existe ordenao nos atributos.
Exemplo
A cor dos olhos, cor da pele, estado civil, cidade natal, marcas de carro, sexo, etc.
b) Variveis ordinais quando os cdigos numricos podem agir como

categorias ou ordenaes. Como sugere o nome, elas envolvem variveis
que representam algum elemento de ordem. Uma classificao em anos
pode ser um bom exemplo, assim como a faixa etria dos indivduos.
Exemplo
Grau de satisfao da populao brasileira com relao ao trabalho de seu
presidente (valores de 0 a 5, com 0 indicando totalmente insatisfeito e 5
totalmente satisfeito).

Escolaridade (ensino fundamental, mdio e superior), ms de observao
(janeiro, fevereiro e maro...), grau de satisfao (escala de 0 a 5).
Observao
A resposta expressa atravs de palavras.
1.8.2 Variveis quantitativas

So caractersticas que podem ser medidas em escala qualitativa, ou seja,
apresentam valores numricos que fazem sentido.
a) Variveis contnuas so aquelas que podem assumir qualquer valor

num certo intervalo (contnuo) da reta real. Essas variveis, geralmente,
provm de medies.
Exemplo
A altura dos alunos uma varivel contnua, pois teoricamente, um aluno
poder possuir altura igual a 1,70m, 1,71m, 1,711m, 1,712m (medies:
peso, estatura, etc.).
b) Variveis discretas so aquelas que podem assumir apenas valores

inteiros em pontos de uma reta. possvel enumerar todos os possveis
valores da varivel.
Exemplo
Nmero de alunos de uma escola, nmero de mensagens em um e-mail, etc.
Observao
A resposta expressa em valores numricos.
As variveis podem ser resumidas da seguinte maneira:

Resumo
Nesta aula iniciamos o estudo relacionado estatstica de uma forma geral.
Foi possvel perceber como ela pode ser aplicada no estudo de populao.
Estudamos tambm as relaes entre populao, amostra e amostragem e,
por fim, estudamos as caractersticas relacionadas populao, conhecidas
tambm como variveis.
Atividades de aprendizagem
1. Explique o que se entende por estatstica.
2. Como a estatstica se divide?
3. Quais as diferenas entre populao, amostra e amostragem?
4. Defina os mtodos de amostragem.
5. Qual o significado do censo?

Aula 2 Fases do mtodo estatstico
Objetivos
Conhecer e analisar as fases do mtodo estatstico.
Empregar as fases do mtodo estatstico.
2.1 Apresentao das fases do mtodo

estatstico
Ao desenvolver um estudo estatstico completo, existem algumas fases do
seu mtodo que devem ser desenvolvidas em sequncia, para chegar aos
resultados finais do trabalho. Assim, nesta aula estudaremos essas fases.
2.2 Diviso das fases

As principais fases do mtodo estatstico so:
Definio do problema.
Planejamento.
Coleta de dados.
Apurao dos dados.
Apresentao dos dados.
Anlise e interpretao dos dados.
a) 1 fase Definio do problema saber exatamente aquilo que se

pretende pesquisar o mesmo que definir corretamente o problema.
Aula 2 - Fases do mtodo estatstico 31 e-Tec Brasil

b) 2 fase Planejamento consiste em planejar o modo como sero
realizadas as fases seguintes, determinando o objetivo da pesquisa e os
mtodos que sero utilizados.
Nessa etapa so definidos os objetivos, as caractersticas da amostra, o

mtodo de aquisio e de processamento de dados.
A seguir listamos algumas perguntas presentes nessa fase:
Como levantar informaes? Que dados devero ser obtidos? Qual levan-
tamento a ser utilizado? Censitrio? Por amostragem? E o cronograma
de atividades? E os custos envolvidos? Etc.
c) 3 fase Coleta de dados fase operacional. o registro sistemtico de

dados, com um objetivo determinado. Aps a definio do problema a
ser estudado e o estabelecimento do planejamento da pesquisa, o passo
seguinte a coleta de dados, que pode ser de dois tipos:
Coleta direta
A coleta direta de dados ocorre quando os dados so obtidos pelo prprio

pesquisador, atravs de levantamento de registros (nascimentos, bitos, notas
fiscal, impostos, entre outros), ou coletados diretamente atravs de inquri-
tos, questionrios, etc. Esses dados so chamados de dados primrios.
A coleta direta pode ser classificada quanto ao fator tempo como:
Contnua quando feita de forma contnua, com registro de nascimentos e

bitos, frequncia de alunos s aulas, etc. Exemplo: registros.
Peridica quando feita em intervalos constantes de tempo, como censos

(de 10 em 10 anos), avaliaes mensais dos alunos, etc.
Ocasional quando feita em determinada situao para atender a um

objetivo, como pesquisa de mortalidade de um rebanho, pesquisa de um
produto no mercado, etc. Exemplo: casos emergenciais.
Dados primrios os dados so obtidos diretamente na fonte originria

(coleta direta).

Exemplo
Tabelas do censo demogrfico do IBGE.
Mtodos de coleta de dados primrios importante garantir que a

coleta de dados primrios seja executada de maneira estatisticamente cor-
reta, seno os resultados podem ser tendenciosos.
Observao
O pesquisador no pergunta, observa.
Exemplo
Pesquisa de observao para diagnosticar as necessidades de trnsito de
uma cidade.
Levantamento o mtodo mais comum de se coletar dados. O instru-

mento pode ser um questionrio estruturado ou um roteiro de itens em que
o entrevistado disserta vontade sobre cada item da pesquisa.
Resumidamente, as vantagens e desvantagens das trs principais formas de

levantamento de dados so:
Entrevista pessoal mais flexvel e muito cara.
Telefone mais barato, penetra em segmentos difceis, mas de fcil recusa.
Questionrio (postal, fax ou e-mail) mais lento, mdia de retorno das

respostas muito baixa, mas sem interferncia do pesquisador.
Coleta indireta
A coleta indireta inferida de elementos conhecidos, atravs de uma coleta

direta (dados primrios), ou do conhecimento de caractersticas relacionadas
ao fenmeno estudado.
Exemplo
Pesquisa sobre mortalidade infantil que feita sobre a coleta direta de dados
de nascimentos e bitos.
Na coleta de dados secundrios, os dados so obtidos de algo j disponvel

(dados primrios).
Aula 2 - Fases do mtodo estatstico 33 e-Tec Brasil

Exemplo
Quando determinado jornal publica estatsticas referentes ao censo demo-
grfico extradas do IBGE.
Observao
mais seguro trabalhar com fontes primrias. O uso da fonte secundria traz
grande risco de erros de transcrio.
d) 4 fase Apurao dos dados resumo dos dados atravs de sua

contagem e agrupamento. a condensao e a tabulao de dados. a
etapa de soma e processamento dos dados obtidos mediante critrios de
classificao. Pode ser manual ou eletrnica.
e) 5 fase Apresentao dos dados h duas formas de apresentao

que no se excluem mutuamente. Primeiro, a apresentao tabular, que
uma apresentao numrica dos dados em linhas e colunas distribu-
das de modo ordenado, segundo regras prticas fixadas pelo Conselho
Nacional de Estatstica; e, segundo, a apresentao grfica dos dados
numricos, que constitui uma apresentao geomtrica que permite
uma viso rpida e clara do fenmeno.
f) 6 fase Anlise e interpretao dos dados a ltima fase do trabalho

estatstico a mais importante e a mais delicada. Est ligada essencialmente
ao clculo de medidas e coeficientes cuja finalidade principal descrever o
fenmeno. Porm esse processo de generalizao, est alm do escopo do
nosso trabalho nessa disciplina, constituindo um campo mais avanado da
Estatstica que, como j foi comentado, da estatstica indutiva.
Resumo
Nessa aula aprendemos que, para o desenvolvimento de um trabalho estats-
tico, devemos seguir uma sequncia de procedimentos e trat-los de forma
correta para chegarmos a resultados satisfatrios.
1. Cite as fases do mtodo estatstico.
2. Explique como ocorre a fase de coleta de dados.
3. Como se faz um planejamento atravs do mtodo estatstico?

Aula 3 Tabelas
Objetivos
Conhecer e aplicar a representao tabular.
Entender os elementos constituintes de uma tabela.
3.1 Apresentao de tabelas

As tabelas so recursos utilizados pela estatstica, com o objetivo de organi-
zar e facilitar a visualizao e comparao dos dados.
As tabelas permitem uma viso geral dos valores assumidos pelas variveis
dentro de certos parmetros.
A representao tabular uma apresentao numrica dos dados. Nesse

tipo de representao, os dados so dispostos em linhas e colunas e distri-
budos de modo ordenado, segundo algumas regras prticas ditadas pelo
Conselho Nacional de Estatstica e pelo IBGE.
A integrao de valores que temos nas tabelas permite-nos ainda, a utili-

zao de representaes grficas, as quais, normalmente, so uma forma
mais benfica e elegante de demonstrar as caractersticas que esto sendo
analisadas.
Aula 3 - Tabelas 35 e-Tec Brasil

3.2 Elementos de uma tabela
Figura 3.1: Elementos de uma tabela

Fonte: CTISM
Corpo Conjunto de linhas e colunas que contm informaes sobre a varivel.

Conjunto das informaes, (mais completas possveis) que responde s perguntas:
Ttulo
O qu? Quando? Onde? Localizado no topo da tabela.
Cabealho Parte superior da tabela que especifica o contedo das colunas.
Coluna indicadora Parte da tabela que especifica o contedo das linhas.
Casa ou clula Espao destinado a um s nmero.
Fonte Indicao da entidade responsvel pelo fornecimento dos dados ou pela sua tabela.
De acordo com a Resoluo 886 da Fundao IBGE, nas casas ou clulas,

devemos colocar:
1. Um trao horizontal () quando o valor for zero, no s quanto natu-

reza das coisas, como quanto ao resultado do inqurito.
2. Trs pontos () quando no temos os dados.

3. Um ponto de interrogao (?) quando temos dvida quanto exatido
de determinado valor.
4. Zero (0) quando o valor muito pequeno para ser expresso pela unidade
utilizada. Se os valores so expressos em numerais decimais, precisamos
acrescentar parte decimal um nmero correspondente de zeros (0,0;
0,00; 0,000;...).
Observao
Os lados direito e esquerdo de uma tabela oficial devem ser abertos.
Resumo
Nessa aula, estudamos as tabelas que tm por finalidade expor sintetica-
mente e num s local os resultados sobre determinado assunto, de modo
que se obtenha uma viso global mais rpida daquilo que est em anlise.
1. Cite os elementos que fazem parte de uma tabela.
2. De acordo com o IBGE, o que devemos colocar nas casas ou clulas de

uma tabela?
Aula 3 - Tabelas 37 e-Tec Brasil

Aula 4 Sries estatsticas
Objetivos
Reconhecer, atravs da srie estatstica, a existncia de seus fatores.
Empregar a nomenclatura tcnica no estudo e na interpretao da

srie estatstica.
4.1 Apresentao de sries estatsticas

Uma srie estatstica toda tabela que apresenta um conjunto de dados
ordenados que possuem uma caracterstica em comum apresentada sob
Leia o texto sobre sries
forma de tabela e/ou grfico. estatsticas em:
http://www.oderson.com/
educacao/estatistica/series-
Numa srie estatstica observa-se a existncia de trs elementos ou fatores: revisao.doc
o tempo (cronologia), o espao (lugar) e a espcie (fenmeno). Se houver
a variao de um desses elementos, a srie estatstica classifica-se em tem-
poral, geogrfica ou especfica.
Portanto, o nome da srie depende dos elementos que variam, e eles podem
ser divididos, conforme o que se apresenta a seguir.
4.2 Srie temporal, histrica, cronolgica

ou evolutiva
a srie cujos dados esto em correspondncia com o tempo, ou seja, variam
com o tempo, enquanto o fato e o local permanecem constantes.
Aula 4 - Sries estatsticas 39 e-Tec Brasil

Exemplo
4.3 Srie geogrfica, territorial ou

de localidade
a srie cujos dados esto em correspondncia com a regio geogrfica, ou
seja, o elemento varivel o fator geogrfico (a regio), enquanto o tempo
e o fato permanecem constantes.
Exemplo
4.4 Srie especfica ou categrica

a srie cujos dados esto em correspondncia com a espcie, ou seja,
variam com o fenmeno. O local e o tempo permanecem constantes,
enquanto o fato varia.

Exemplo
4.5 Sries mistas, conjugadas ou tabela

de dupla entrada
As combinaes entre as sries anteriores constituem novas sries que so
denominadas sries compostas ou mistas e so apresentadas em tabelas
Para obter mais informaes
de dupla entrada, e permitem variar simultaneamente o tempo, o lugar e o sobre histria da estatstica,
fato, havendo duas ordens de classificao: uma horizontal e outra vertical. acesse:
http://www.im.ufrj.br/~lpbraga/
prob1/historia_estatistica.pdf
Exemplo
Aula 4 - Sries estatsticas 41 e-Tec Brasil

Resumo
Nesta aula, foi possvel observarmos a existncia dos fatores que fazem a
distino das sries estatsticas os quais so de fundamental importncia
para a sua compreenso.
1. Qual a definio de srie estatstica e quais os fatores que a compem?
2. Elabore um exemplo de srie geogrfica.

Aula 5 Distribuio de frequncia
Objetivos
Compreender a representao dos dados (amostrais e populacionais).
Compreender e reconhecer os elementos de uma distribuio de

frequncia.
Conhecer os tipos de frequncia.
5.1 Apresentao da distribuio de

frequncia
Aps a realizao de uma pesquisa em que os dados foram coletados,
necessrio organiz-los e classific-los. Isso pode ser feito mediante tabelas
e grficos. Em geral, construmos inicialmente uma tabela que contemple as
informaes coletadas em funo dos respectivos parmetros.
Um conjunto de observaes de certo fenmeno, no estando adequada-

mente organizado, fornece pouca informao de interesse ao pesquisador e
ao leitor. Para uma viso rpida e global do fenmeno em estudo preciso
que os dados estejam organizados. Um dos primeiros passos em uma anlise
de dados organizar, condensar, resumir e comunicar a informao obtida.
A fim de facilitar o entendimento do contedo no decorrer desta aula, usa-

remos o mesmo exemplo em todos os tpicos.
5.2 Definies bsicas
Dados primitivos ou brutos so os dados coletados durante a pesquisa

e que ainda no foram organizados.
Rol a ordenao dos valores obtidos (dados brutos) em ordem crescente

ou decrescente de grandeza numrica ou qualitativa.
Aula 5 - Distribuio de frequncia 43 e-Tec Brasil

Classe ao organizar os dados coletados, estes so subdivididos conve-
nientemente em categorias. Cada uma dessas subdivises recebe o nome
de classe.
5.3 Representao dos dados (amostrais

ou populacionais)
As tabelas, chamadas primitivas e rol, so utilizadas nas representaes de
dados que no esto organizados numericamente (dados brutos).
Exemplo
Considere o levantamento de dados da idade de 50 trabalhadores da inds-
tria A (varivel x), cujos resultados, em anos, mostrados na tabela a seguir,
esto colocados na sequncia como foram obtidos.
O primeiro passo para a organizao dos dados orden-los de forma cres-

cente ou decrescente. A tabela, assim organizada, recebe o nome de rol.
A simples organizao dos dados em um rol de ordem crescente j permite

determinar diretamente o menor valor (x = 20 anos), o maior valor (x = 49
anos), e a amplitude da variao (a distncia entre o maior e o menor valor,
x = 49 - 20 = 29 anos). Assim, temos:

5.4 Distribuio de frequncia
Uma maneira mais concisa de mostrar os dados do rol apresentar cada dado
seguido pelo nmero de vezes em que ocorre, ao invs de repeti-los. O nmero
de ocorrncias de um determinado valor recebe o nome de frequncia.
Exemplo
A idade de 20 anos ocorre 3 vezes, assim temos f (20) = 3. J a idade de 46
anos ocorre 2 vezes, que se escreve f (46) = 2.
A tabela que contm todos os valores com a sua frequncia recebe o nome
de distribuio de frequncia.
Exemplo
Ainda assim, o processo exige muito espao, em especial, quando o nmero

de valores da varivel (n) aumenta. O mais razovel nesses casos, quando a
varivel contnua, agrupar os valores por intervalos. Desse modo, ao invs
de listar cada um dos valores que ocorrem, listam-se os intervalos de valores
e a frequncia correspondente.
Exemplo
Ao invs de colocar 3 trabalhadores com 20 anos, 2 trabalhadores com 21
anos, etc., coloca-se, por exemplo, 12 trabalhadores entre 20 e 24 anos. Este

intervalo escrito como 20 24 que corresponde a 20 (smbolo de menor
ou igual) x < 24 (a varivel pode estar desde 20 inclusive at 24 exclusive),
portanto, valores 20 e 23, mas 24 no. Definindo o rol de acordo com inter-
valos, tem-se a seguinte tabela:
Procedendo desta forma, perde-se a informao detalhada das idades, mas se

ganha em praticidade, pois a anlise dos dados fica simplificada. Examinando
a tabela acima, podemos facilmente verificar que a maioria dos trabalhadores
tem idade entre 20 e 23 anos e que uma minoria maior que 48 anos.
Frequentemente procedemos desta forma numa anlise estatstica, pois o

objetivo da estatstica justamente fazer o apanhado geral das caractersticas
de um conjunto de dados, desinteressando-se por casos particulares.
Observao
: no inclui os valores da direita nem os da esquerda.
: inclui o valor da direita, mas no o da esquerda.
: inclui o valor da esquerda, mas no o da direita.
: inclui tanto os valores da direita quanto os da esquerda.

5.5 Distribuio de frequncia de dados
numricos agrupados em intervalos
de classe
Quando os dados numricos coletados assumem grande quantidade de valores
diversificados, fica invivel que cada valor isolado represente uma categoria.
Sendo assim, convm agruparmos os valores coletados em intervalos de classe.
Passos necessrios
Determinao do nmero de classes (K).
Amplitude amostral (AA).
Clculo de amplitude do intervalo de classe (h).
Limite inferior e superior do intervalo de classe.
Determinao dos intervalos de classe.
Determinao das frequncias dos intervalos de classe.
Amplitude total (AT).
5.5.1 Determinao do nmero de classes (K)

O nmero de classes que ir compor a tabela pode ser estabelecido pelo
estatstico que elabora a pesquisa, pois ele soberano para decidir o nmero
de classes. Para tornar o processo mais uniforme, existem duas maneiras para
estabelecer o nmero de classes em funo do nmero de dados da tabela.
a) Primeira maneira a frmula desenvolvida pelo matemtico Sturges

para o clculo do nmero de classes.
Sendo: K = nmero de classes

n = nmero de elementos coletados na pesquisa

b) Segunda maneira recomenda-se a utilizao quando o nmero de
dados coletados for menor ou igual a 50.
Exemplos
O nmero de classes pela frmula de Sturges, quando n = 30 :
O nmero de classes utilizando a frmula K = n, quando n = 30 :
O nmero de classes pela frmula de Sturges, quando n = 120 :
O nmero de classes utilizando a frmula K = n, quando n = 120 :
5.5.2 Amplitude amostral (AA)

a diferena entre o maior e o menor valor observado nos valores coletados.
5.5.3 Clculo da amplitude do intervalo de

classe (h)
Definido com quantas classes vamos construir a tabela de distribuio de
frequncia, pode-se passar ao clculo de amplitude do intervalo de classe.
h = amplitude de classe ou amplitude do intervalo de classe

Ou seja: a razo entre:
Observao
O valor obtido no clculo da amplitude de classe nem sempre um valor
exato. Sendo assim, para preservar o nmero de classes estabelecido, faz-se o
arredondamento da amplitude de classe para valores acima do valor obtido.
Exemplo
Se todos os dados coletados forem mltiplos de 5, a amplitude de intervalo
de classe dever ser arredondada para o mltiplo de 5 imediatamente supe-
rior ao valor obtido.
5.5.4 Limites inferior e superior do intervalo de

classe
Os valores do conjunto que compe o intervalo de classe esto limitados entre
dois nmeros que representam os extremos inferior e superior do intervalo.
Apresentao da conveno matemtica para os smbolos utilizados na

representao de intervalos abertos e fechados.
Smbolos de representao
Tipo de intervalo
1 tipo 2 tipo 3 tipo
Intervalo fechado esquerda e fechado direita [a, b] [a, b]
Intervalo aberto esquerda e aberto direita ]a, b[ (a, b)
Intervalo fechado esquerda e aberto direita [a, b[ [a, b)
Intervalo aberto esquerda e fechado direita ]a, b] (a, b]
Limite inferior (li) o menor valor numrico do intervalo de classe.
Limite superior (Li) o maior valor numrico do intervalo de classe.
O smbolo estabelece Incluso ou excluso para os valores limites

num intervalo de classe.

Exemplo
Dado o intervalo 15 22
O valor do limite inferior 15
O valor do limite superior 22.
O valor 15 est dentro do intervalo, pois o valor pertence ao intervalo,

estando fechado esquerda.
O valor 22 est fora do intervalo, no pertencendo ao intervalo, pois o

intervalo aberto direita.
A amplitude do intervalo de classe h = 7, pois h = 22 15 = 7.
5.5.5 Amplitude total (AT)

Calcula-se em relao aos valores dos intervalos de classe da tabela de dis-
tribuio de frequncia.
5.5.6 Ponto mdio de uma classe (Xi)

o ponto que, por situar-se numa posio mdia da distribuio de valores
do intervalo de classe, divide o intervalo em duas partes iguais.
Exemplo
Se considerarmos um intervalo de classe de valores: 30 44, o ponto mdio
desse intervalo calculado pela expresso:

5.6 Tipos de frequncia
5.6.1 Frequncia simples ou absoluta
A frequncia simples ou absoluta (fi) de uma classe ou de um valor individual
o nmero de vezes que o valor ocorre numa amostra.
Exemplo
A soma de todas as frequncias representada pelo smbolo de somatrio

(), onde i=1fi significa a soma dos fi, sendo que i vai de 1 at k. Pode-se
entender que a soma de todas as frequncias igual ao nmero total de
valores na amostra:
Quando no h dvidas, podemos escrever simplesmente:
Exemplo
Assim, escrever 8i=1 fi como escrever f1 + f2 + f3 + f4 + f5 + f6 + f7 + f8 ou seja:
Neste ponto podemos reescrever a distribuio de frequncia com a seguinte

representao tcnica da tabela:

5.6.2 Frequncia relativa (fri)
Frequncia relativa de uma classe o quociente entre a frequncia absoluta
(fi) da classe considerada e o nmero total de dados (n) coletados na pesquisa.
A frequncia relativa de uma classe mostra a parcela que aquela classe repre-
senta na amostra.
Frequncia relativa percentual (fri%) de uma classe o produto da frequn-

cia relativa por 100.
Exemplo
A frequncia relativa da terceira classe :
Ento, a terceira classe corresponde a uma frao de 0,12 do total ou 12%.

5.6.3 Frequncia acumulada (faci ou fi)
A frequncia acumulada (fi) a soma das frequncias simples de todas as
classes com intervalos inferiores a uma determinada classe, isto , corres-
ponde ao total (acumulado) das frequncias absolutas observadas at o nvel
em questo (inclusive) que representado pela letra j:
Exemplo
A frequncia acumulada correspondente terceira classe :
Significa que existem 24 alunos com idade inferior a 32 anos (limite superior
da terceira classe).
5.6.4 Frequncia relativa acumulada (fRACi ou fRi)

Frequncia relativa acumulada (fRi) a frequncia acumulada da classe divi-
dida pela frequncia total da distribuio, ou a razo entre a frequncia
acumulada da classe considerada e o nmero total de dados (n) coletados
na pesquisa:
Frequncia relativa acumulada percentual (fRACi% ou fRi%) de uma classe

o produto da frequncia relativa acumulada por 100%.
Exemplo
Para a terceira classe, temos:
Significa que a frao de 0,4 trabalhadores (ou 40%) tm idades inferiores a

32 anos (limite superior da terceira classe).

Exemplo
A tabela completa fica assim:
5.7 Grficos representativos de uma

distribuio de frequncia
Feita a coleta de dados, seja atravs de censo, de levantamento por amostra-
gem, ou de experimento, geralmente esses dados apresentam-se de maneira
desorganizada, devendo ser organizados e resumidos para possibilitar a
obteno de informaes teis. Uma maneira de organizar os dados a
distribuio de frequncia, que pode ser representada alm da forma de
tabela, atravs de grficos.

5.7.1 Histograma
O histograma formado por um conjunto de retngulos justapostos cujas
bases se localizam sobre o eixo horizontal (eixo x). Sobre esse eixo so repre-
sentados os intervalos de classe numa escala contnua, no sendo necessrio
que a escala inicie no zero, de tal modo que os seus pontos mdios coinci-
dam com os pontos mdios dos intervalos de classe e seus limites coincidam
com os limites da classe.
O nmero de retngulos encontrados em um histograma igual ao nmero

de intervalos de classe, sendo a largura de cada retngulo igual amplitude
do intervalo de classe, enquanto sua altura representa a frequncia do inter-
valo de classe, e a rea proporcional soma das frequncias.
Exemplo
O histograma para a idade de 50 trabalhadores da indstria A, fica assim:
Observao
A diferena entre o grfico de coluna e o histograma o distanciamento entre
as colunas. No histograma, no h separao entre os retngulos adjacentes.
5.7.2 Polgono de frequncias

um grfico, em linha, de uma distribuio de frequncias de configurao
linear. Esse grfico obtido unindo-se, por segmentos de reta, os pontos

mdios das bases superiores dos retngulos de um histograma. Pode ser
feito da mesma forma para frequncias acumuladas.
um grfico de linha em que cada ponto obtido considerando-se como

valor de X, o ponto mdio do intervalo de classe e, como valor de Y, a res-
pectiva frequncia do intervalo. Consideramos tambm uma classe anterior
primeira e outra posterior ltima. Ligando todos os pontos, temos o
polgono de frequncia.
Exemplo
Observando o histograma do exemplo anterior, o polgono de frequncias
para esta distribuio, onde os pontos mdios dos intervalos so dados por
22, 26, 30, 34 e 38, 42, 46, 50 e 54; acrescentamos primeira e posterior
ltima, com frequncia nula teremos:
Observao
Da mesma forma que o histograma, o polgono de frequncias tambm apre-
senta rea proporcional soma das frequncias. Tambm podemos constru-lo
por meio dos pontos mdios das bases superiores dos retngulos do histo-
grama, unidos ao ponto anterior primeira classe e ao posterior ltima.

Resumo
Ao longo desta aula estudamos que uma das formas de organizar os dados
coletados em uma pesquisa pode ser atravs das tabelas de distribuio de
frequncias ou de grficos, os quais permitem uma sntese adequada e uma
melhor compreenso dos resultados.
1. O que so dados brutos?
2. Diferencie os elementos de uma distribuio de frequncia e d exemplos

de cada um deles.
3. Cite e explique os tipos de frequncia.
4. Explique o significado da regra de Sturges e d um exemplo.
5. Utilizando um exemplo de histograma, elabore um polgono de frequncia.

Aula 6 Grficos estatsticos
Objetivos
Conhecer e identificar os tipos de grficos existentes.
Interpretar e comparar os valores colocados nos grficos.
6.1 Apresentao de grficos estatsticos

Os grficos so desenhos que envolvem formas e cores cuja construo uti-
liza tcnicas de desenho.
Os grficos so de extrema importncia na visualizao e interpretao de

informaes e dados acerca de temas de aspectos naturais, sociais e econ-
Saiba mais sobre
micos. Podemos dizer que os grficos so representaes visuais dos dados construo de grficos em:
estatsticos cujo objetivo produzir uma impresso mais rpida e viva do http://www.netknow.mat.br/
atividades/Graficos.pdf
fenmeno em estudo. Os grficos permitem a representao de uma relao
entre variveis e facilitam a compreenso de dados.
Alm disso, os grficos devem ser correspondentes s tabelas estatsticas,

mas no devem substitu-las. Desse modo, a representao grfica um
complemento importante da apresentao tabular.
A vantagem de um grfico sobre a tabela est na possibilidade de uma

rpida impresso visual da distribuio dos valores ou das frequncias obser-
vadas. A representao grfica de um fenmeno deve obedecer a certos
requisitos fundamentais para ser realmente til, tais como:
Simplicidade deve ser destitudo de detalhes e traos desnecessrios.
Clareza deve possuir uma correta interpretao dos valores representati-

vos do fenmeno em estudo.
Veracidade deve expressar a verdade sobre o fenmeno em estudo.
Aula 6 - Grficos estatsticos 59 e-Tec Brasil

6.2 Formas de apresentao dos grficos
Quando for levado em conta o visual de acordo com a composio de for-
mas, os grficos podem ser:
6.2.1 Grficos de informao

So grficos destinados principalmente ao pblico em geral, objetivando
proporcionar uma visualizao rpida e clara. So grficos tipicamente expo-
sitivos e dispensam comentrios explicativos adicionais. As legendas podem
ser omitidas, desde que as informaes desejadas estejam presentes.
6.2.2 Grficos de anlise

So grficos que servem principalmente ao trabalho estatstico, fornecendo
elementos teis fase de anlise dos dados, sem deixar de ser informativos.
Os grficos de anlise frequentemente vm acompanhados de uma tabela
estatstica. Inclui-se, muitas vezes, um texto explicativo, que chama a aten-
o do leitor para os pontos principais revelados pelo grfico.
6.3 Principais tipos de grficos

6.3.1 Grfico em curvas ou em linhas
Nesse tipo de grfico utiliza-se uma linha poligonal para representar sries
temporais, principalmente quando a srie cobrir um grande nmero de pero-
dos de tempo.
Os dados de uma tabela geralmente so colocados num sistema cartesiano

ortogonal, tendo pontos ligados por segmentos de reta.
Exemplo
Relao entre consumo e produo de leo combustvel no RS no perodo
compreendido entre Jan/Ago de 2010 (em milhes de barris).

Figura 6.1: Grfico em linhas
Fonte: CTISM
6.3.2 Grfico em colunas (simples, sobrepostas e

justapostas)
a representao de uma srie estatstica atravs de retngulos dispostos
em colunas (na vertical) ou em retngulos (na horizontal). Pode tambm
conter barras mltiplas. Esse tipo de grfico representa praticamente qual-
quer srie estatstica.
Exemplo

Figura 6.2: Grfico em colunas
Fonte: CTISM
Observao
As regras para a construo so as mesmas do grfico em curvas. As bases
das colunas so iguais e as alturas so proporcionais aos respectivos dados.
O espao entre as colunas pode variar de 1/3 a 2/3 do tamanho da base da
coluna.
6.3.3 Grfico em barras (simples, sobrepostas e

justapostas)
representado por retngulos dispostos horizontalmente, prevalecendo os
mesmos critrios adotados na elaborao de grfico em colunas.
Exemplo

Figura 6.3: Grfico em barras
Fonte: CTISM
6.3.4 Grfico em setores

Os dados so apresentados em setores circulares proporcionais aos valores
a eles atribudos. a representao grfica de uma srie estatstica em um
crculo de raio qualquer, por meio de setores com ngulos centrais propor-
cionais s ocorrncias. utilizado quando se pretende comparar cada valor
da srie com o total.
O total da srie corresponde a 360 (total de graus de um arco de circunfe-

rncia). O grfico em setores representa valores absolutos ou porcentagens
complementares.
As sries geogrficas, especficas e as categorias em nvel nominal so mais

representadas em grficos de setores, desde que no apresentem muitas
parcelas (no mximo sete).
Exemplo
Consumo de leo combustvel no RS, no perodo compreendido entre Jan/Ago
de 2010 (em milhes de barris).

Figura 6.4: Grfico em setores
Fonte: CTISM
Observao
Para construir este grfico, cada setor ser expresso graficamente em graus
(ngulo do setor) e a porcentagem calculada atravs de uma regra de trs:
Exemplo
No ano passado, certo produtor rural, aps anos de pouca lucratividade, resol-
veu diversificar sua produo. Atualmente, 25% da sua renda vem da criao
de sunos, 18% da psicultura, 31% do leite, 17% do cultivo de hortalias e
9% da fruticultura. Represente sua produo em um grfico de setores.
25% sunos: 100 x = 360 25 x = 9000 100 x = 90

18% piscicultura: 100 x = 360 18 x = 6480 100 x = 64,8
31% leite: 100 x = 360 31 x = 11160 100 x = 111,6
17% hortalias: 100 x = 360 17 x = 6120 100 x = 61,2
9% fruticultura: 100 x = 360 9 x = 3240 100 x = 32,4

Assim temos:
Figura 6.5: Produo rural

Fonte: CTISM
Resumo
Nesta aula foram estudados os grficos, os quais propiciam uma ideia inicial
mais satisfatria da concentrao e da disperso dos valores, uma vez que,
atravs deles, os dados estatsticos se apresentam em termos de grandezas
visualmente interpretveis.
1. Explique os tipos de grficos e d um exemplo de cada um deles.
2. Qual a principal vantagem de um grfico em relao a uma tabela?
Para obter mais

3. A representao grfica deve obedecer a certos requisitos. Quais so eles? informaes, acesse:
http://intervox.nce.ufrj.
br/~diniz/d/direito/ou-
estatstica.doc

Aula 7 Medidas descritivas
Objetivos
Reconhecer as medidas descritivas bsicas.
Aplicar as medidas descritivas, de acordo com a utilizao exigida.
Analisar e interpretar os procedimentos e frmulas utilizados nas

medidas descritivas, diferenciando-os.
7.1 Apresentao das medidas descritivas

Na maior parte das vezes em que os dados estatsticos so analisados, pro-
curamos obter um valor para representar um conjunto de dados. Esse valor
saiba mais sobre estatstica em:
deve sintetizar, da melhor maneira possvel, o comportamento do conjunto http://www.intervox.nce.
do qual ele originrio. Com isso, a Estatstica Descritiva visa descrever os ufrj.br/~diniz/d/direito/ou-
estatistica.doc
dados disponveis da forma mais completa possvel sem, no entanto, preocu-
par-se em tirar concluses sobre um conjunto maior de dados.
As medidas descritivas fazem parte da Estatstica Descritiva. Elas indicam

os valores em torno dos quais ocorre a maior concentrao do fenmeno
qualitativo em estudo.
As medidas descritivas bsicas mais importantes so as de:
Posio, disperso ou variabilidade, momentos e assimetria.
As medidas de posio dividem-se em medidas de tendncia central ou

promdias (verifica-se uma tendncia dos dados observados a se agruparem
em torno dos valores centrais) e separatrizes.
As medidas de tendncia central mais utilizadas so: mdia aritmtica,

moda e mediana. Outras promdias menos usadas so as mdias: geom-
trica, harmnica, quadrtica, cbica e biquadrtica.
Aula 7 - Medidas descritivas 67 e-Tec Brasil

As outras medidas de posio so as separatrizes que englobam a prpria
mediana, os decis, os quartis e os percentis.
7.2 Medidas de posio

7.2.1 Medidas de tendncia central (promdios)
Na utilizao de dados numricos, observa-se uma tendncia destes em se
agruparem em torno de um valor central, indicando que este caracterstica
dos dados e que o mesmo pode ser usado para descrev-los e represent-los.
As medidas de tendncia central so insuficientes para descrever adequada-

mente uma amostra, pois necessrio tambm descrever em que medida os
dados de observaes esto agrupados ao redor da mdia.
7.2.1.1 Mdia aritmtica

Simbolizada por x (x barra), no caso de amostra, e (mi) para populao,
esta a medida de tendncia central mais utilizada para descrever um con-
junto de dados.
a) Mdia aritmtica para dados no tabelados consiste na soma de

todas as observaes (xi) dividida pelo nmero (n) de observaes de um
determinado grupo, isto , o quociente da soma dos valores de um rol pelo
nmero de elementos. Sendo x1, x2, ... xn os elementos, temos:
b) Mdia aritmtica para dados tabelados ou ponderada quando os

dados estiverem agrupados em uma tabela de frequncias, pode-se obter a
mdia aritmtica da distribuio, se os elementos x1, x2, ..., xn apresentarem,
respectivamente, frequncias f1, f2, ..., fn, ou pesos da varivel, ento:

Exemplo
7.2.1.2 Moda
A moda (Mo) ou norma o valor que ocorre com maior frequncia ou
repeties, em um conjunto de valores. uma medida de dominncia, no
afetada por valores extremos.
Quando os dados esto agrupados em classes, a moda corresponde frequn-

cia simples mais alta, e o valor da moda tomado como o ponto mdio do
intervalo da classe. Se os limites inferior e superior da classe mais frequente
so (l) e (L), a moda ser calculada por Mo= (l + L) / 2.
Exemplo
Considere as seguintes distncias em quilmetros: 100, 90, 110, 100, 100,
2500 e 3000. A moda o valor que mais ocorre, portanto Mo = 100. Neste
caso a mdia x = 500.
a) Distribuio unimodal aquela que possui uma s moda.
Exemplo
xi = {100, 90, 110, 100, 100, 2500} Mo = 100

b) Distribuio bimodal ou plurimodal a srie possui dois ou mais valo-
res modais.
Exemplo
xi = {100, 200, 100, 100, 150, 210, 200, 120, 200} Mo = 100 e Mo = 200
c) Distribuio amodal ocorre quando nenhum valor repetido, isto ,

no possui moda.
Exemplo
xi = {1, 2, 3, 6, 7, 22, 300} No existe Mo
7.2.1.3 Mediana
A mediana ou valor mediano (Md) o valor que ocupa a posio central,
quando todos os itens do grupo esto dispostos em termos de valor em
ordem crescente ou decrescente de magnitude. Ela divide a srie ordenada
em dois conjuntos com o mesmo nmero de valores. Se a srie tem um
nmero mpar de valores, a mediana o valor que est no meio (ponto
mediano) da srie.
Exemplo
{2; 4; 6; 8; 10; 12; 15; 17; 19; 21; 23}, temos que Md = 12, pois abaixo de
12 temos 5 nmeros (2, 4, 6, 8, 10) e acima de 12 temos tambm 5 nmeros
(15, 17, 19, 21, 23).
Se a srie tem um nmero par de valores, ento, utiliza-se como mediana o

valor mdio entre os dois valores que esto no meio da srie. Dessa forma,
quando o nmero de observaes for par, deve-se somar os dois nmeros
centrais e aps dividir por dois.
Exemplo
Para a srie: {3; 5; 7; 9; 11; 13}, temos que Md = (7+9)/2 = 8
Uma fbrica deseja comparar o desempenho de duas mquinas, com base

na produo diria de uma determinada pea durante cinco dias:

O desempenho mdio da mquina A de 70 peas produzidas diariamente,
enquanto que a da mquina B de 71 peas. Com base na mdia aritmtica,
verifica-se que o desempenho da B melhor do que o da A. Porm, obser-
vando bem os dados, percebe-se que a produo de A varia apenas de 69
a 71 peas, ao passo que a de B varia de 60 a 83 peas, o que revela que o
desempenho da A bem mais uniforme do que o da B.
Se a srie tem um nmero par de valores, ento, utiliza-se como mediana o

valor mdio entre os dois valores que esto no meio da srie. Desta forma,
quando o nmero de observaes for par, deve-se somar os dois nmeros
centrais e aps dividir por dois.
7.3 Separatrizes
Alm das medidas de posio que estudamos, h outras que, consideradas
individualmente, no so medidas de tendncia central, mas esto ligadas
mediana, por sua caracterstica de separar a srie em duas partes, as quais
apresentam o mesmo nmero de valores.

As medidas (quartis, os decis e os percentis) so, juntamente com a
mediana, conhecidas pelo nome genrico de separatrizes.
Enquanto a mediana separa a distribuio em duas partes iguais, as outras

separatrizes dividem a distribuio da seguinte maneira:
Quartis dividem a distribuio em quatro partes iguais.

Decis dividem em dez partes iguais.
Percentis dividem em cem partes iguais.
Notaes
Qi quartil de ordem i.
Di decil de ordem i.
Pi percentil de ordem i.
7.3.1 Quartis
So os valores de uma srie que subdividem uma distribuio de medidas
em quatro partes iguais, quando dispostas em termos de valores em ordem
Assista a um vdeo sobre quartis
http://www.youtube.com/ crescente ou decrescente.
watch?v=4BmgvVuj3bs
Precisamos, portanto, de 3 quartis (Q1, Q2 e Q3) para dividir a srie em quatro

partes iguais.
Observao
O segundo quartil (Q2) ser sempre igual a mediana da srie.
Quartis para dados no agrupados em classes os quartis dividem um

conjunto de dados em 4 partes iguais. Assim, para o clculo das posies
usaremos:
Primeiro quartil (Q1 ou P25) o nmero da srie tal que um quarto (25%) dos
dados est abaixo dele e as trs quartas partes restantes (75%) esto acima
dele. Para encontrar a posio do Q1 emprega-se:

Segundo quartil (Q2) com evidncia, coincidente com a mediana (Q2 = Md).
A posio do Q2 obtida por:
Terceiro quartil (Q3 ou P75) o nmero da srie tal que trs quartos (75%)
dos dados esto abaixo dele e um quarto (25%), est acima dele. Calcula-se
a posio do Q3 como:
Onde: n = nmero de dados (valores)

p1 e p3 refere-se posio quartil
Exemplos
1. Em relao s notas em Estatstica dos alunos do Curso Tcnico em Auto-
mao Industrial EaD, calcule os quartis desta amostra.
Utilizando as relaes para a posio dos quartis, temos:
O primeiro quartil (Q1) abrange 25% dos valores da srie, o segundo quartil
(Q2) 50% e o terceiro (Q3) 75%.
Logo, em {2, 5, 6}, a mediana 5. Ou seja: ser o quartil 1 (Q1).
Em {10, 13, 15}, a mediana 13. Ou seja: ser o quartil 3 (Q3).

2. Em relao srie: {2, 3, 3, 5, 6, 6, 8, 9, 10, 11, 11, 12}. Como a srie j
est ordenada, calculando o quartil 2 teremos.
O quartil 1 ser a mediana da srie esquerda de Md: {2, 3, 3, 5, 6, 6}.
O quartil 3 ser a mediana da srie direita de Md: {8, 9, 10, 11, 11, 12}.
7.3.2 Decis
Decis para dados no agrupados so valores que dividem a srie em
10 partes iguais de tal forma que cada intervalo do decil contenha 10%
dos elementos coletados. Assim, para dados no agrupados o clculo das
posies (decis) usaremos:
Onde: n = nmero de dado (valores)
Exemplo
Considerando o exemplo das notas de Estatstica dos alunos do Curso Tc-
nico em Automao do exerccio anterior, calculamos os decis desta amostra:

Utilizando as relaes para a posio dos decis, temos:
O primeiro decil (D1) abrange 10% dos termos da srie, o segundo decil (D2)
20% e assim por diante, o nono (D9) 90%.
7.3.3 Percentil ou centil

Percentis para dados no agrupados so os valores que delimitam pro-
pores dentro de uma srie segundo o percentil escolhido, de tal forma que
cada intervalo do percentil contenha 1% dos elementos coletados. Assim,
para o clculo das posies (percentis) usaremos:
E evidente que:
Logo:
Onde: n = nmero de dados (valores)
O percentil 97,5, por exemplo, um valor que se apresenta acima de 97,5%

das observaes e tem acima dele os 2,5% dos valores restantes.

Exemplo
Da amostra dos exemplos anteriores, calcula-se os percentis:
Utilizando as relaes para a posio dos percentis, temos:
O dcimo percentil (P10) abrange 10% dos termos da srie, o vigsimo per-
centil (P20) 20% e assim por diante, o nonagsimo (P90) 90%.
7.3.4 Amplitude interquartil

A amplitude interquartil (AIQ) a diferena entre o valor do terceiro quartil
(Q3) e o valor do primeiro quartil (Q1) e compreende os 50% dos dados cen-
trais da srie. menos afetada pelos valores extremos do que a amplitude
total, tornando-se uma medida de grande utilidade. A AIQ vlida para
dados ordinais, intervalares ou de razo. calculada por:
7.4 Medidas de disperso ou de variabilidade

So medidas utilizadas para medir o grau de variabilidade ou disperso
dos valores observados em torno da mdia aritmtica. Servem para medir
a representatividade da mdia e proporcionar o conhecimento do nvel de
homogeneidade ou heterogeneidade dentro de cada grupo analisado.
A disperso ou variabilidade representa um dos mais importantes grupos

de medidas da estatstica. Para o conhecimento pleno e adequado de uma
srie ou de uma distribuio de frequncias, necessrio determinar no
apenas a posio central dos valores, atravs das medidas de posio, mas
preciso conhecer o real grau de afastamento de um conjunto de nmeros
em relao a sua mdia.

As medidas de disperso se dividem em:
7.4.1 Medida de disperso absoluta

7.4.1.1 Varincia (S2)
As medidas de tendncia central so insuficientes para descrever adequa-
damente uma amostra. necessrio tambm descrever em que medida os
Assista a um vdeo
dados de observaes esto agrupados ao redor da mdia. A varincia (s) sobre varincia
mede a disperso dos dados de observaes de uma amostra em relao watch?v=yVP8kLI_blU
respectiva mdia. Ela relaciona os desvios em torno da mdia, isto , a
mdia aritmtica dos quadrados dos desvios.
Deste modo, define-se a varincia como:
7.4.1.2 Desvio padro ( ou S)

Desvio padro () a raiz quadrada da varincia, ento calculado por:
Por consequncia, a varincia o quadrado do desvio padro.
Exemplo
Com os dados sobre a produo diria de 3 trabalhadores de uma indstria,
atravs do desvio padro, podemos identificar qual deles A, B, C, apresenta
menor variabilidade na produo diria de peas para carro.

Para a A, utilizando a definio, temos:
E calculando o desvio padro para B e para C, encontraremos os valores

respectivamente iguais a 9,69 e 9,59.
Portanto, podemos observar que o trabalhador A apresenta a menor disper-

so na produo diria de peas.
7.4.2 Medida de disperso relativa

7.4.2.1 Coeficiente de variao/coeficiente de variao
de Pearson
Quando se deseja comparar a variabilidade de duas ou mais distribuies,
mesmo quando elas se referem a diferentes fenmenos e so expressas em
unidades de medida distintas, isto , para comparar a variao do desvio
padro com a mdia, usa-se a razo entre o desvio padro e a mdia, cha-
mada de coeficiente de variao de Pearson.
O coeficiente de variao para um conjunto de n observaes definido

como o quociente entre o desvio padro e a mdia aritmtica da distribuio.
O coeficiente de variao independe da unidade de medio empregada,

permitindo com isso a comparao de vrios tipos de dados, tais como:

presso arterial com temperatura. O coeficiente de variao (CV) , portanto,
a magnitude relativa do desvio padro expresso em porcentagem da mdia:
Exemplos
1. Considerando uma mdia valendo x = 980 e um desvio padro = 58,
temos:
Que indica a disperso da amostra.
Observao
O coeficiente de variao de Pearson ou apenas coeficiente de variao (CV),
geralmente expresso em percentagem. Alguns analistas consideram:
Baixa disperso CV < 15%
Mdia disperso 15% < CV < 30%
Alta disperso CV > 30%
Um coeficiente de variao maior ou igual a 30% revela que a srie hete-

rognea e a mdia tem pouco significado. Se o coeficiente de variao for
menor que 30%, a srie ser homognea.
2. Considere uma amostra que apresenta uma distribuio de frenquncia

com x = 161 e = 4,22, logo temos coeficiente de variao valendo:
7.5 Momentos e assimetria

As medidas de assimetria complementam as medidas descritivas de posio
e de disperso, no sentido de proporcionar uma descrio e compreenso
mais completa das distribuies de frequncias. Essas distribuies no dife-
rem apenas quanto ao valor mdio e variabilidade, mas tambm quanto a
sua forma.

Para conhecer as medidas de assimetria, necessrio compreender certas
quantidades, conhecidas como momentos.
7.5.1 Momentos
So medidas descritivas de carter mais geral e geram as demais medidas des-
critivas, tais como as de posio, de disperso, de assimetria. De acordo com
a potncia considerada, tem-se a ordem ou o grau do momento calculado.
Os momentos podem ser simples ou centrados na origem, centrados na

mdia e abstratos.
7.5.2 Assimetria e simetria

Assimetria o grau de desvio, de afastamento da simetria ou o grau de
deformao de uma distribuio de frequncias. Os coeficientes de assime-
tria servem para medir o grau de deformao da distribuio. Quando no
h desvio, a distribuio simtrica.
a) Assimtrica nula ou simtrica uma distribuio de frequncias com

classes simtrica quando:
b) Assimtrica esquerda ou negativa uma distribuio de frequn-

cias com classes assimtrica esquerda ou negativa quando:

c) Assimtrica direita ou positiva uma distribuio de frequncias
com classes assimtrica direita ou positiva quando:
Para fazer a classificao do tipo de assimetria atravs de clculo, temos a

seguinte relao:
Se: x - Mo = 0 assimetria nula ou distribuio simtrica

x - Mo < 0 assimetria negativa ou esquerda
x - Mo > 0 assimetria positiva ou direita
Exemplo
Determinando os tipos de assimetria das distibuies abaixo:

Calculando a mdia, a mediana, a moda e o desvio padro para cada distri-
buio temos:
Logo, calculando o tipo de assimetria:
Construindo os grficos das distribuies anteriores, temos:

7.5.2.1 Coeficiente de assimetria
A medida anterior (x-Mo), por ser absoluta, apresenta a mesma deficincia
do desvio padro, isto , no permite a possibilidade de comparao entre
as medidas de duas distribuies. Por esse motivo, daremos preferncia ao
coeficiente de assimetria de Pearson (AS) definido por:
Escalas de assimetria: 0,15 < |AS| < 1 assimetria moderada

|AS| 1 assimetria elevada
Observao
Coeficiente de assimetria de Pearson considerado em mdulo para se fazer
a classificao acima.
Exemplo
Considerando as distribuies do exemplo anterior (A, B e C), calcule os
coeficientes de assimetria e faa a anlise dos resultados obtidos:
Resumo
Nesta aula estudamos as medidas de disperso, aprendemos que a descri-
o de um conjunto de dados mais completa quando se considera alm
de uma medida de tendncia central, uma medida de variao. Isso ocorre
porque comum encontrar sries que, apesar de apresentarem a mesma
mdia, so compostas de maneiras diferentes. Dessa forma, mostramos que
as medidas de tendncia central so insuficientes para descrever adequada-
mente uma srie estatstica.

1. Explique o significado de varincia e de desvio padro.
2. D um exemplo e explique o coeficiente de variao de Pearson.
3. Faa um paralelo entre assimetria e simetria.

Aula 8 Probabilidade
Objetivos
Conhecer e entender a ideia do trabalho estatstico.
Diferenciar e aplicar o espao amostral, experimento aleatrio e

evento.
Aplicar e conhecer o clculo da probabilidade da ocorrncia de um

evento.
8.1 Apresentao da probabilidade

No ano de 1654, um jogador da sociedade parisiense chamado Chevalier
de Mre props ao matemtico Blaise Pascal algumas questes sobre pos-
Assista a vdeos sobre
sibilidades de vencer jogos. Uma dessas questes foi: Um jogo de dados probabilidade
entre dois adversrios chega ao fim quando um dos jogadores vence trs watch?v=uHSpupVbcmE
partidas em primeiro lugar. Se esse jogo for interrompido antes do final, de
que maneira cada um dos jogadores dever ser indenizado? As reflexes watch?v=KEampel5L5U
em torno destes problemas levaram Pascal a corresponder-se com Pierre de
Fermat, desencadeando discusses a respeito dos princpios de uma nova watch?v=A0HggMjT9JI
teoria, que veio a ser chamada Teoria da Probabilidade. http://www.youtube.com/
watch?v=05m5BRVw7P8
Em condies normais podemos prever a que temperatura o leite ferve, http://www.youtube.com/
por exemplo. Esse tipo de experimento, cujo resultado previsvel, recebe watch?v=mPE8zh64SL0
o nome de determinstico. Mas, ao lanar um dado, uma ou mais vezes,

no podemos saber com antecedncia o nmero que se vai obter; sabemos
apenas que os possveis resultados so 1, 2, 3, 4, 5 ou 6. Esse tipo de experi-
mento, cujo resultado no pode ser previsto, chamado aleatrio.
J sabemos que, para se obter informaes sobre alguma caracterstica da

populao, o tamanho amostral de fundamental importncia. Estudaremos
agora Probabilidade, que uma ferramenta usada e necessria para fazer
ligaes entre a amostra e a populao, de modo que, a partir de informaes
da amostra, possam ser feitas afirmaes sobre caractersticas da populao.
Aula 8 - Probabilidade 85 e-Tec Brasil

Assim, pode-se dizer que a probabilidade a ferramenta bsica da Estatstica
Inferencial.
8.2 Experimento aleatrio

aquele experimento que, quando repetido em iguais condies, pode for-
necer resultados diferentes, ou seja, so resultados explicados ao acaso, isto
, no podem ser previamente determinados, dependem exclusivamente
do acaso. Se o fenmeno seguir um modelo no determinstico, temos um
experimento aleatrio que possui as seguintes caractersticas:
O experimento pode ser repetido.
Embora no seja possvel afirmar que resultado em particular ocorrer,

possvel descrever o conjunto de todos os resultados possveis do expe-
rimento.
medida que aumenta o nmero de repeties aparece uma certa re-

gularidade que torna possvel a construo de um modelo matemtico.
Exemplo
Lanamento de dois dados, lanamento de uma moeda, sorteio de um
cupom dentre cem mil cupons, etc.
Observao
Na teoria das probabilidades, estudamos os experimentos aleatrios equi-
provveis, ou seja, aqueles em que qualquer resultado pode ocorrer com a
mesma chance. o caso do lanamento de uma moeda: a possibilidade de
ocorrer cara ou coroa a mesma.
8.3 Espao amostral

o conjunto universo ou o conjunto de todos os resultados possveis de um
experimento aleatrio. A letra que representa o espao amostral S.
Exemplos
1. No experimento lanamento de um dado e observar a face superior
temos como espao amostral o conjunto S = {1, 2, 3, 4, 5, 6}. Portanto:
n (S) = 6.

2. Num jogo de futebol, entre duas equipes, uma das equipes pode obter
resultados tais como: vitria (v), empate (e) ou derrota (d). Tem-se ento:
S = {v, e, d}. Portanto: n (S) = 3
8.4 Evento
um conjunto qualquer de resultados de um experimento aleatrio. Pode-se
dizer que um evento qualquer subconjunto de um espao amostral.
representado, pela letra E.
Exemplo
No lanamento de duas moedas, o espao amostral E = {(C,C), (C,K), (K,C),
(K,K)}. Se aparecer faces iguais, o conjunto C = {(K,K), (C,C)}, subconjunto de
E, um evento de E.
8.4.1 Tipos de eventos

a) Eventos certos so eventos que possuem todos os elementos do
espao amostral. Logo, se E = S, ele o prprio espao amostral.
Exemplo
Lanamento de um dado e ocorrncia de um nmero menor do que 6 na
face superior.
b) Eventos impossveis so eventos que no possuem elementos no espao

amostral. Logo, se E = , o evento E chamado de evento impossvel.
Exemplo
Lanamento de um dado e ocorrncia de um nmero maior do que 6 na
face superior.
c) Eventos elementares se E S (E est contido em S) e E um conjunto

unitrio, ento E chamado evento elementar.
Exemplo
Lanamento de um dado e ocorrncia de um nmero mpar maior do que 4
na face superior.
d) Evento complementar em relao a determinado evento A, podemos

definir seu evento complementar (A) que caracterizado pela no ocor-
rncia daquele evento.

Exemplo
Considerando o lanamento de um dado, onde S = {1, 2, 3, 4, 5, 6}, e defi-
nido o evento A = {nmeros pares}, ento o evento complementar de A o
conjunto dos nmeros mpares, A = {1, 3, 5}.
A probabilidade de um evento ocorrer num experimento aleatrio equipro-

vvel dada pelo quociente da diviso do nmero de casos favorveis pelo
nmero de casos possveis.
8.5 Conceito de probabilidade

Se em um fenmeno aleatrio as possibilidades so igualmente provveis,
ento a probabilidade de ocorrer o evento A :
Exemplo
No lanamento de um dado, um nmero para pode ocorrer de 3 maneiras
diferentes, dentre 6 igualmente provveis, portanto, P= 3/6 = = 50%
Dizemos que um espao amostral S (finito) equiprovvel quando seus

eventos elementares tm probabilidades iguais de ocorrncia.
Num espao amostral equiprovvel S (finitos), a probabilidade de ocorrncia

de um evento A sempre:
Exemplo
Fazendo-se inspeo em um lote de 240 peas de motor, o departamento
de controle de qualidade constatou que 20 peas estavam com defeito.
Retirando-se ao acaso uma das 240 peas, a probabilidade de esta pea
NO ser defeituosa :
Sendo S o conjunto dos elementos do espao amostral, casos possveis,

e n (S) o nmero de elementos deste conjunto.

Sendo A o conjunto dos elementos das peas defeituosas, e n (A) o n-
mero de elementos deste conjunto.
Sendo E o conjunto dos elementos das peas no defeituosas, e n (E) o

nmero de elementos deste conjunto. Neste caso, o conjunto dos casos
favorveis.
Para calcular a probabilildade de retirada de uma pea que seja no defeituosa,

faa assim:
Isso significa que a probabilidade de retirar uma pea no defeituosa de

91,6% aproximadamente.
8.6 Eventos complementares

Se A e A so eventos complementares, ento:
8.7 Probabilidade condicional

Antes da realizao de um experimento, necessrio que j se tenha alguma
informao sobre o evento que se deseja observar. Nesse caso, o espao amos-
tral se modifica e o evento tem a sua probabilidade de ocorrncia alterada.
Frmula da probabilidade condicional:
Onde:
P (E2/E1) a probabilidade de ocorrer E2 condicionada pelo fato de j ter

ocorrido E1;

P (E3/E1 e E2) a probabilidade de ocorrer E3, condicionada pelo fato de j
terem ocorrido E1 e E2;
P (En/E1 e E2 e... En-1) a probabilidade de ocorrer En, condicionada ao fato de

j ter ocorrido E1 e E2... En-1.
Exemplo
Uma urna tem 30 bolas, sendo 10 vermelhas e 20 azuis. Se ocorrer um sor-
teio de 2 bolas, uma de cada vez e sem reposio, qual ser a probabilidade
de a primeira ser vermelha e a segunda ser azul?
Seja o espao amostral S = 30 bolas e consideramos os seguintes eventos:
A: vermelha na primeira retirada e P(A) = 10/30
B: azul na segunda retirada e P(B) = 20/29
Assim:
8.8 Eventos independentes

Dizemos que E1 e E2 e... En-1 so eventos independentes quando a probabi-
lidade de ocorrer um deles no depende do fato de os outros terem ou no
terem ocorrido.
Exemplo
Uma urna tem 30 bolas, sendo 10 vermelhas e 20 azuis. Se sortearmos 2
bolas uma de cada vez e repondo a sorteada na urna, qual ser a probabili-
dade de a primeira ser vermelha e a segunda ser azul?
Como os eventos so independentes, a probabilidade de sair vermelha na

primeira retirada e azul na segunda retirada igual ao produto das probabi-
lidades de cada condio, ou seja, P(A e B) = P(A) . P(B).

Ora, a probabilidade de sair vermelha na primeira retirada 10/30 e a de
sair azul na segunda retirada 20/30. Da, usando a regra do produto temos:
Observe que na segunda retirada foram consideradas todas as bolas, pois

houve reposio. Assim, P(B/A) = P(B), porque o fato de sair bola verme-
lha na primeira retirada no influenciou a segunda retirada, j que ela foi
reposta na urna.
8.9 Probabilidade de ocorrer a unio de eventos
De fato, se existirem elementos comuns a E1 e E2, estes eventos estaro

computados no clculo de P(E1) e P(E2). Para que sejam considerados uma
vez s, subtramos P(E1 e E2).
Probabilidade de ocorrer unio de eventos mutuamente exclusivos:
Exemplos
1. Se dois dados, azul e branco, forem lanados, qual a probabilidade de
sair 5 no azul e 3 no branco?
Considerando os eventos:
A: Tirar 5 no dado azul e P(A) = 1/6
B: Tirar 3 no dado branco e P(B) = 1/6
Sendo S o espao amostras de todos os possveis resultados, temos:
Da temos:

2. Se retirarmos aleatoriamente uma carta de um baralho com 52 cartas,
qual a probabilidade de ser um 8 ou um rei?
Sendo S o espao amostral de todos os resultados possveis, temos: n(S)=52

cartas.
Considere os eventos:
A: Sair 8 e P(A) = 4/52
B: Sair um rei e P(B) = 4/52
Assim, P(A ou B) = 4/52 + 4/52 - 0 = 8/52 = 2/13
Note que P(A e B) = 0, pois uma carta no pode ser 8 e rei ao mesmo tempo.
Observao
Quando isso ocorre, A B = , dizemos que os eventos A e B so mutua-
mente exclusivos.
Resumo
Nesta aula estudamos os princpios da Probabilidade. Verificamos que o
trabalho estatstico se desenvolve a partir da observao de determinados
fenmenos e emprega dados numricos relacionados aos mesmos, a fim de
tirar concluses que permitam conhec-los e explic-los. Nesse caso, com
determinado grau de crena, para se obter o desenvolvimento terico do
fenmeno, necessria a formulao de um modelo.
No campo da Estatstica, os modelos matemticos utilizados so denomi-

nados modelos no determinsticos ou probabilsticos, ou seja, permitem
avaliar a probabilidade de ocorrncia de resultados.
Com essa aula finalizamos uma introduo Estatstica, adquirindo conheci-

mentos bsicos os quais serviro de base para o estudo de outras disciplinas
como Gesto da Qualidade, entre outras.

1. Defina probabilidade.
2. Faa um paralelo entre evento e espao amostral, exemplificando-os.
3. Diferencie eventos mutuamente exclusivos e no exclusivos.
4. Determine a probabilidade de sair o nmero 5 em dois lanamentos su-

cessivos de um dado.
5. Em uma urna h cinco bolas azuis e 9 bolas vermelhas. Retiramos uma

bola da urna e, em seguida, sem repor a bola retirada, retiramos uma
segunda bola. Determine a probabilidade de:
a) Ambas serem bolas vermelhas.
b) Ambas serem azuis.
c) A primeira bola ser azul e a segunda vermelha..
6. Numa determinada cidade gacha, 52% dos habitantes so mulheres e

destas, 2,4% so canhotas. Dos homens, 2,5% so canhotos. Calcule a
probabilidade de que um indivduo escolhido ao acaso seja canhoto.

Referncias
COSTA NETO, P. L. de O. Probabilidades. 2. ed. So Paulo: Editora Edgard Blucher Ltda, 2005.
COSTA NETO, P. L. de O. Estatstica. So Paulo: Editora Edgard Blucher Ltda, 2002.
CRESPO, A. A. Estatstica Fcil. So Paulo: Editora Saraiva, 2002.
DALMOLIN, Beatriz Helena, et al. MAPA Referencial para Construo de Material

Didtico Programa e-Tec Brasil. 2. ed. Revisada. Florianpolis: Universidade Federal de
Santa Catarina UFSC, 2008.
DANTE, L. R. Matemtica: contexto e aplicaes. 3 v. So Paulo: tica, 2003.
DAVID, R. A.; Dennis, J. S.; Thomas, A. W. Estatstica Aplicada a Administrao e

Economia. 2. ed. So Paulo: Thomson, 2007.
DOWNING, D.; CLARK, J. Estatstica Aplicada. So Paulo: Editora Saraiva, 2000.
LAPPONI, J. C. Estatstica Usando Excel. So Paulo: Editora Lapponi, 2000.
LEVIN, J. Estatstica Aplicada a Cincias Humanas. 2. ed. So Paulo: Harbra, 1987.
MOORE, David. A Estatstica Bsica e sua Prtica. 5. ed. Editora LTC, 2011.
MOROTTIN, Pedro Alberto; BUSSAB, Wilson de Oliveira. Estatstica Bsica. 6. ed. Editora
Saraiva, 2010.
NICK, E.; KELLNER, S. R. O. Fundamentos de Estatstica para as Cincias do

Comportamento. Rio de Janeiro: Editora Renes, 1971.
SIEGEL, S.; CASTELLAN, N. J. Estatstica No Paramtrica para Cincias do

Comportamento. 2. ed. Porto Alegre: Artmed, 2006.
STEVENSON, W. J. Estatstica Aplicada Administrao. So Paulo: Harbra, 1997.
TRIOLA, M. F. Introduo Estatstica. 7. ed. Rio de Janeiro: LCT (Livros Tcnicos e

Cientficos) Editora S.A., 1999.

Currculo do professor-autor
Paulo Roberto da Costa natural de Santa Maria-RS, professor do Colgio

Tcnico Industrial (CTISM) da Universidade Federal de Santa Maria (UFSM).
Engenheiro Eletricista, graduado pela Universidade Federal de Santa Maria.
Licenciado em Matemtica com Habilitao em Fsica pela Faculdade de
Filosofia Cincias e Letras Imaculada Conceio (FIC), em Santa Maria-RS.
Licenciado no Esquema I (Formao de Professores), com habilitaes em
desenho tcnico, eletrnica e eletricidade pela Universidade Luterana do Brasil
(ULBRA), em Canoas-RS. Especialista em Engenharia Clnica pela Universidade
Federal do Rio Grande do Sul (UFRGS), em Porto Alegre-RS. Especialista em
Engenharia de Segurana do Trabalho pela UFSM-RS. Mestre em Engenharia
de Produo (Qualidade e Produtividade) pela UFSM. Doutor em Engenharia
Agrcola pela UFSM.
Atualmente no CTISM/UFSM, professor do Curso Tcnico de Segurana do

Trabalho e Tecnlogo em Redes de Computadores, ministra aulas em diver-
sos cursos tcnicos, como Mecnica e Eletromecnica, em disciplinas como:
Gerenciamento de Riscos, Gesto da Qualidade, Administrao e Organizao
para o Trabalho, Segurana do Trabalho, Higiene do Trabalho, Normalizao e
Legislao Aplicada, Eletricidade e Magnrtismo, Estatstica, entre outras, con-
forme o semestre letivo.
Ministrou disciplinas no Colgio Politcnico da UFSM, Colgio Agrcola de

Frederico Westphalen e no Curso de Especializao de Engenharia de Segurana
do Trabalho, tambm na UFSM. Foi Coordenador do Curso Tcnico em
Segurana do Trabalho e Diretor do Departamento de Relaes Empresariais e
Comunitrias, ambos no CTISM. Participou de diversos conselhos administrativos
(CEPE, CPPD, Colegiado, Comisses e Bancas de Tese de Doutorado) da UFSM.
membro do Ncleo de Ensino a Distncia e participa tambm em projetos
de extenso, ministrando cursos de capacitao para eletricistas da gerao,
transmisso e distribuio de energia eltrica nas reas de Eletricidade e de
Segurana do Trabalho.
95 e-Tec Brasil

Estatistica Pagina 85 PDF

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 Pagina 85 PDF

Caricato da

Copyright:

Formati disponibili

Estatstica

Paulo Roberto da Costa

Secretaria de Educao a Distncia

Colgio Tcnico Industrial de Santa Maria

Comisso de Acompanhamento e Validao Comisso de Acompanhamento e Validao

Coordenao Institucional Coordenador Institucional

Coordenao do Projeto Professor-autor

Cordenao de Design Instrucional Coordenao Tcnica

Designers Intrucionais Coordenao de Design

Superviso de Projeto Grfico Reviso Tcnica

Ficha catalogrfica elaborada por Maristela Eckhardt CRB 10/737

C837e Costa, Paulo Roberto da

1. Estatstica 2. Probabilidade 3. Programa Escola Aberta do

Bem-vindo ao e-Tec Brasil!

A educao a distncia no nosso pas, de dimenses continentais e grande

O e-Tec Brasil leva os cursos tcnicos a locais distantes das instituies de

O Ministrio da Educao, as instituies pblicas de ensino tcnico, seus

Os cones so elementos grficos utilizados para ampliar as formas de

Ateno: indica pontos de maior relevncia no texto.

Saiba mais: oferece novas informaes que enriquecem o

Glossrio: indica a definio de um termo, palavra ou expresso

Mdias integradas: sempre que se desejar que os estudantes

Atividades de aprendizagem: apresenta atividades em

Aula 2 Fases do mtodo estatstico 31

Aula 4 Sries estatsticas 39

Aula 5 Distribuio de frequncia 43

Aula 6 Grficos estatsticos 59

Aula 7 Medidas descritivas 67

No h ramo da matemtica, por mais abstrato que seja que no

Uma probabilidade razovel a nica certeza.

A experincia no permite nunca atingir a certeza absoluta. No

Ao elaborarmos este material, procuramos levar em conta as trs afirmaes

Esperamos que esta apostila facilite sua aprendizagem e desenvolva a sua

Faz-se necessrio muito estudo para obter sucesso no processo de aprendi-

Paulo Roberto da Costa

Investigao sugere pesquisa, busca de informaes e anlise de dados.

O relacionamento da Estatstica com as demais cincias cada vez mais

A aplicao da Estatstica intensificou-se nas ltimas dcadas, tornando-se o

Enfim, explcita ou implicitamente, a Estatstica est presente em todos os

Quando a estatstica aplicada a dados provenientes de observaes reali-

A estatstica fornece-nos as tcnicas para extrair informao de dados, os

Quando se aborda uma problemtica envolvendo mtodos estatsticos, estes

Quando de posse dos dados, procura-se agrup-los e reduzi-los, sob forma

Seguidamente o objetivo do estudo estatstico pode ser o de estimar uma

Concluindo, a estatstica tornou-se uma poderosa ferramenta para a com-

Panorama histrico da Estatstica

Embora a Estatstica seja recente na rea de pesquisa, ela j era observada de

Dados tm sido coletados ao longo da histria. Vejamos:

a) Antiguidade vrios povos j registravam o nmero de habitantes,

c) Sculo XVI surgem as primeiras anlises sistemticas, as primeiras ta-

Periodicamente, nas civilizaes antigas, eram feitos inquritos sobre

At o incio do sculo XVII, a Estatstica servia apenas para assuntos de

d) Sculo XVII iniciou-se na Inglaterra uma nova fase de desenvolvimento

e) Sculo XVIII a origem do termo Estatstica surgiu no sculo XVIII.

Contudo, muito antes do termo Estatstica, os romanos asseguravam

Disciplina: Estatstica (carga horria: 30h).

Ementa: Introduo estatstica, diviso da estatstica, fases do mtodo

Reconhecer, atravs da srie estatstica, a Ambiente virtual:

Compreender a representao dos dados Ambiente virtual:

Definir estatstica e seus tipos.

Reconhecer os processos relacionados ao estudo da populao na

Diferenciar e aplicar os mtodos cientficos.

Diferenciar e determinar as variveis quantitativas e qualitativas.