INSTITUTO DE ENSINO SUPERIOR DA AMAZNIA - IESA FACULDADE MARTHA FALCO

CURSO SUPEROR EM TECNOLOGIA

ADMINISTRAO

ESTATISTICA E INDICADORES REGIONAIS

Professor com titulao

Todos os direitos reservados ao IESA/FMF Minori, Amrico Matsuo. Estatstica. 1 ed. Manaus; IESA 103p. Bibliografia 1. Estatstica 2. Administrao I. Ttulo

Sumrio
1. PROGRAMA DA DISCIPLINA.....................................................................................................3 1.1 EMENTA................................................................................................................................................3 1.2 CARGA HORRIA TOTAL..........................................................................................................................3 1.3 OBJETIVOS............................................................................................................................................3 1.4 CONTEDO PROGRAMTICO.....................................................................................................................4 1.5 METODOLOGIA......................................................................................................................................6 1.6 CRITRIOS DE AVALIAO.......................................................................................................................6 1.7 BIBLIOGRAFIA RECOMENDADA...............................................................................................................10 CURRICULUM RESUMIDO DO PROFESSOR........................................................................................................10 2. TEXTO PARA ESTUDO...............................................................................................................11 2.1 INTRODUO........................................................................................................................................11 2.2 CONCEITOS GERAIS.............................................................................................................................11 2.3 MEDIDAS DE POSIO:..........................................................................................................................18 2.4 MEDIDAS DE DISPERSO OU VARIABILIDADE:.........................................................................................33 2.5 NMEROS INDICES....................................................................................................................42 2.6 PROBABILIDADE.........................................................................................................................52

ii

1. Programa da disciplina
1.1 Ementa
Analise de dados estatsticos. Compreenso dos indicadores regionais. Elaborao de equaes para a tomada de deciso. Uso de probabilidade estatstica na pratica profissional. Compreenso dos componentes de estatstica descritiva, variveis, populao, amostra, medias, desvio, medidas, indicadores sociais e econmicos.

1.2 Carga horria total

40 aulas/horas

1.3 Objetivos
Mostrar e demonstrar a importncia da estatstica, nas tomadas de decises independemente da rea a ser empregada. Reforar a Estatstica como uma ferramenta que organiza os dados em informaes, alm de trat-las de forma mais compacta para que possa tomar uma deciso.

1.4 Contedo programtico

1.

Conceitos Preliminares: O que Estatstica; Populao, Censo e Amostra; Estatstica Descritiva ou dedutiva e Estatstica Indutiva ou Inferencial; Varivel Discreta, Varivel Contnua; Dados Brutos, Rol; Sries Estatsticas: Geogrficas, Histricas, Especficas, Conjugadas ou Mistas. Exerccios

2.

Distribuio de Freqncia: Definio, Classe,Intervalos de Classe, Limites de uma Classe, Amplitude de uma Classe, Ponto Mdio de uma Classe, Amplitude Total da distribuio, Freqncia, Grficos. Exerccios

3.

Medidas de Posio: Medidas de Tendncia Central: Mdia, Mediana e Moda, Propriedades da Mdia; Separatrizes:Mediana, Quartil, Decil, Percentil. Exerccios

4.

Medidas de Disperso: Varincia, Desvio Padro, Desvio Mdio, Propriedades da Varincia, Propriedades do Desvio Padro. Exerccios

5.

Nmeros ndices: Conceito, Relativos de Preos, Base Fixa ou Relativa em Cadeia, Base Mvel ou Elos de Relativos; ndices Agregativos: ndices Agregativos simples, ndices Agregativos Ponderado; Principais rgos que calculam os ndices no Brasil: Fundao IBGE: ndice de Preos ao Consumidor - IPC, Fundao Getlio Vargas FGV: ndice Geral de Preo - IGP, Fundao Instituto de Pesquisas Econmicas da USP FIPE : ndice Geral de Preos IGP. Exerccios

6.

Probabilidades: Conceito: Espao Amostral, Evento, Evento Independente, Evento Mutuamente Exclusivo, Eventos complementares; Probabilidade da unio de dois eventos, Probabilidade de Eventos Mutuamente Exclusivos, Evento Condicional; Probabilidade de Eventos Complementares, Probabilidade Condicional. Exerccios

1.5 Metodologia
Aulas tericas e prticas, trabalhos prticos desenvolvidos em sala de aula, trabalhos em grupo, pesquisas, exerccios, avaliaes.

1.6 Critrios de avaliao

A avaliao ser continua, totalizando 2 (duas) notas bimestrais de 0 a 10 (cada), atravs de trabalhos desenvolvidos em sala de aula, pesquisas e avaliao. Os critrios utilizados para avaliao sero: assimilao dos contedos estudados; capacidade de aplicao dos contedos, assiduidade nos exerccios desenvolvidos em sala.

Na FMF, a avaliao do desempenho acadmico formativa, contnua e cumulativa, com prevalncia dos aspectos qualitativos sobre os quantitativos, incidindo sobre a freqncia e o aproveitamento acadmico.

A freqncia s aulas e demais atividades acadmicas, permitidas apenas aos matriculados, obrigatria, vedado o abono de faltas. Independentemente dos demais resultados obtidos, so considerados reprovado na disciplina o acadmico que no obtiver freqncia de, no mnimo, setenta e cinco por cento das aulas e demais atividades programadas.

A verificao e registro da freqncia so de responsabilidade do professor e, seu controle, para o efeito do pargrafo anterior, da Secretaria.

O rendimento acadmico avaliado por meio de acompanhamento contnuo do aluno e dos resultados por ele obtidos nas provas, exerccios, projetos, relatrios de pesquisa e demais atividades programadas em cada disciplina.

A avaliao do desempenho do acadmico feita, atribuindo-se uma nota expressa em grau numrico de zero a dez, com aproximao em dcimos.

A mdia de aprovao em cada disciplina obtida mediante as notas de provas, de trabalhos, de exerccios, de projetos, de relatrios e demais atividades programadas, conforme critrio de avaliao estabelecido pelo CAEPE.

O acadmico que deixa de comparecer s verificaes do aproveitamento na data fixada concedido segunda oportunidade, requerida no prazo de trs dias. Pode ser concedida reviso da nota atribuda, quando requerida no prazo de dois dias da divulgao. Atendida em qualquer caso a freqncia mnima de setenta e cinco por cento s aulas e demais atividades, o aluno aprovado na disciplina: Io acadmico que obtiver mdia igual ou superior a sete na disciplina;

II - mediante exame final, o acadmico que, tendo obtido mdia inferior a sete e superior ou igual a trs inteiros, obtiver mdia final igual ou superior a cinco, esta resultante da mdia aritmtica do rendimento acadmico e a nota do exame final.

O acadmico considerado reprovado na disciplina, se: Ia mdia do rendimento acadmico for inferior a trs;

II - a freqncia for inferior a setenta e cinco por cento. III a mdia final apurada for inferior a cinco.

promovido para o perodo seguinte o acadmico aprovado em todas as disciplinas ou reprovado, no mximo, em duas disciplinas.

Devem ser cursadas, em regime extraordinrio, as disciplinas de perodos anteriores quele em que o aluno est matriculado e nas quais no obteve aprovao.

O regime de dependncia ser permitido ao acadmico que tenha cursado a disciplina em semestres anteriores, com freqncia igual ou superior a 75% da carga horria total da disciplina, exigindo-se, apenas, que se submeta a todas as avaliaes realizadas nessa disciplina durante o semestre independentemente de freqncia s aulas. O acadmico no poder cursar as disciplinas dos perodos em que est matriculado e cujos horrios de aula forem incompatveis com os da (s) disciplina (s) em regime extraordinrio. Neste caso, entende-se por incompatibilidade a superposio, ainda que parcial, dos horrios de aula das disciplinas dos perodos no consecutivos.

O acadmico que estiver repetindo um perodo pode requerer aproveitamento de estudos das disciplinas em que foi aprovado e, conforme normas fixadas pelo Colegiado do Curso, cursar concomitantemente, outras disciplinas do semestre subseqente, desde que haja vaga e compatibilidade de horrio.

Podem ser ministradas aulas de dependncia em horrio especial, consoante normas aprovadas pelo Colegiado do Curso.

1.7 Bibliografia recomendada

FREUD,JONH E. Estatstica Aplicada. Bookman, 11a ed., 2006. LUCIANO TOLEDO, GERALDO E OVALLE, IVO IZIDORO. Estatstica Bsica, 2 Atlas. 1995. ARNOT CRESPO, Antnio. Estatstica Fcil, Saraiva, 2004 SILVA, LUCIANO BARBOSA DA, Estatstica para Concursos da ESAF Apostila NETO, Joo Flores, Estatstica Descritiva - Apostila
a

ed.

Curriculum resumido do professor

Amrico Matsuo Minori especialista em Administrao Estratgica de Negcios pela Universidade Nilton Lins, Especialista em Automao Industrial pela Universidade Federal da Paraba, Engenheiro Eletricista opo Eletrnica pela Universidade Federal do Par, Bacharel em Cincias Contbeis pela Universidade Nilton Lins, com grande experincia em docncia tanto em monitoria na UFFPA como em instituies de ensino, sendo a ltima na Faculdade de Itaituba onde ministrou vrias disciplinas como Estatstica, Sistema de Informao, Administrao Financeira, Administrao da Produo e Operao, Contabilidade de Custos.

10

2. Texto para estudo

2.1 Introduo
A clebre frase: O que no se pode medir no se pode controlar e se no h controle fica difcil tomar deciso. Esta frase tem muito a haver com a estatstica, pois ela uma ferramenta indispensvel para coletar, organizar, analisar, facilitar nas interpretaes dos dados e assim colaborar nas tomadas de decises. Veremos que uma ferramenta aplicvel em qualquer rea do conhecimento.

2.2 Conceitos Gerais

Estatstica Descritiva ou Indutiva a parte da estatstica responsvel pela organizao e explorao de informaes nos dados amostrais. Na Estatstica Descritiva tiramos concluses limitadas apenas nos dados coletados. Estatstica Inferencial ou Dedutiva a parte da estatstica que a partir das informaes amostrais e utilizando as probabilidades faz afirmaes sobre toda a populao com um grau de certeza controlada. Atravs da Estatstica Inferencial podem-se tirar concluses que transcendam as informaes iniciais dos dados. Populao um conjunto de dados que descreve algum fenmeno de interesse, ou seja, dados que tm, em comum uma determinada caracterstica. Ex.. Se estivermos interessados em saber a idade dos alunos da Faculdade Marta Falco, todos os alunos pertencentes Faculdade Marta Falco seria a populao. Caracterstica comum: alunos da Faculdade Marta Falco. Censo: Se entrevistarmos todos os alunos da Faculdade Marta Falco ento estamos realizando um Censo, ou seja, todos os elementos da populao so pesquisados. Isto nem sempre vivel seja por motivos fsicos, de tempo ou econmicos. Da trabalharemos com uma Amostra Amostra um subconjunto de dados selecionados de uma populao. Pretende-se, a partir da amostra, estudar a populao. Portanto, uma amostra deve ter as mesmas caractersticas que a populao de onde 11

foi retirada. Existem procedimentos adequados de amostragem .pois ela representar o todo (populao) Varivel: o conjunto de resultados possveis de um fenmeno (ou observao, ou caracterstica). Varveis Qualitativas: So aquelas para as quais no possvel uma medio numrica direta. Ex. Cor dos olhos, Sexo, Sabor, beleza, etc. Ou seja, associamos um atributo. Ex. olhos pretos, azuis, castanho. Sexo bom, sexo ruim, sexo regular. Sabor amargo, sabor doce. Variveis Quantitativas: So aquelas que resultam de uma contagem ou medio, pode ser representada por um valor numrico de forma direta. Ex. Altura, idade, temperatura, comprimento, etc. Esta varivel por sua vez se subdivide em: 1. Varivel discreta: So varveis originrias da contagem e assumem valores inteiros. Ex. Nmero de filhos, nmero de jogos, nmero de carteiras de uma sala de aula, populao de uma cidade, etc. 2. Variveis Contnuas: So variveis que surgem atravs do resultado de uma medio. Ex. Altura de uma pessoa, Temperatura, peso, etc. Dados Brutos ou Dados Primitivos: So dados coletados diretamente do campo, ou seja, sem nenhuma ou pouca organizao. Normalmente estes dados trazem pouca ou nenhuma informao suficiente para se tomar qualquer deciso. Ex. Imagine que algum retorne do campo trazendo as seguintes informaes do levantamento das idades de uma sala de aula: 18, 30, 25, 55, 17, 19, 25, 19, 43, 22, 14, 22, 29, 53, 44, 48,15, 19, 33, 20. De imediato no muito fcil sabermos a maior idade, a menor idade, a idade que mais se repete, tem mais alunos acima de 30 anos, predomina alunos adolescentes, etc. Rol: Seria uma das ferramentas bsicas de organizao, utilizadas pelos Estatsticos, aplicados nos dados brutos para organiz-los. Esta organizao se resume em ordenar em ORDEM CRESCENTE OU DECRESCENTE Se ao invs ordenamos na ordem crescente: 14, 15, 17, 18, 19, 19,19, 20, 22, 22, 25, 25, 29, 30, 33, 43, 44, 48, 53, 55, Muitas das perguntas anteriores podero ser respondidas com maior facilidade. Verifique. Exerccio - Classifique as variveis em qualitativas ou quantitativas (contnuas ou discretas): Cor dos olhos:

12

ndice de liquidez nas indstrias de Manaus: Produo de castanha em kg no Amazonas: Nmero de defeitos em aparelhos de TV: Comprimento dos pregos produzidos por uma empresa: Resultado obtido em cada jogada de um dado: Resultado de ganhadores da Loteria esportiva: Dados no agrupados, dados agrupados, tabelas de freqncias ou distribuio de frequncia: Dados no agrupados: Quando os dados so organizados em forma de Rol dizemos que os dados no so agrupados. Exemplo de dados no agrupados. 14, 15, 17, 18, 19, 19,19, 20, 22, 22, 25, 25, 29, 30, 33, 43, 44, 48, 53, 55. Esto organizados na forma de Rol. Dados agrupados: Quando condensamos os valores repetidos em um formato de uma tabela denominamos esse modo de organizao de tabela de freqncia ou distribuio de freqncia. Freqncia nada mais o valor de repetio da ocorrncia Exemplo de dados agrupados em tabela de freqncia ou distribuio de freqncia.

Dados 14 15 18 19 20 22 25 29 30 33 43 44

Freqncia 1 1 1 3 1 2 2 1 1 1 1 1 13

48 53 55

2 1 1

Observamos que na tabela de freqncia, em uma das colunas colocamos as ocorrncias (idades) e na outra quantas vezes essa ocorrncia se repetiu que denominamos de Freqncia. Freqncia: Indica o nmero de vezes que uma determinada ocorrncia se repetiu. Nesta forma de organizao, facilmente identificamos que 19 anos foi a idade que mais se repetiu. Distribuio de freqncia sem intervalos de classe: O formato de organizao dos dados na tabela anterior recebe o nome de Distribuio de freqncia sem intervalo de classe. Mas atravs dessa organizao conforme j foi citado podemos com a mais facilidade do que na apresentao no formato de ROL. Agora imagine que se o ROL tivesse um de tamanho razovel, esta distribuio de freqncia j traria inconvenincias, j que exigiria muito espao. Veja exemplo abaixo:

Dados 41 42 43 44 45 46 50 51 52 54 57 58 60 Total

Freqncia 3 2 1 1 1 2 2 1 1 1 1 2 2 20

Distribuio de freqncia com intervalos de classe: Quando o tamanho da amostra possui um nmero elevado mais racional efetuar o agrupamento dos valores em vrios intervalos, denominados de Intervalo de Classe.

Classes

Freqncias 14

41 |------- 45 45 |------- 49 49 |------- 53 53 |------- 57 57 |------- 61 Total

7 3 4 1 5 20

J podemos observar a comodidade da anlise em termos do tamanho da tabela. Todavia no temos s vantagens. Examinando a tabela no formato com intervalo variando de 41 a 45 no podemos garantir que do total de 7 existe 3 valores de 41, enquanto no formato anterior poderia identificar exatamente quantas vezes a varivel assumiu determinado valor. Elementos de uma distribuio de freqncia com intervalo de classe: Classe: so os intervalos de variao da varivel e simbolizada por i e o nmero total de classes simbolizada por k. Ex: na tabela anterior o intervalo 49 |------- 53 a 3 classe, ou seja i=3. Podemos verificar ainda que e o nmero total de classes k=5 Limites de Classe: so os extremos de cada classe. O menor nmero o limite inferior de classe (li) e o maior nmero, limite superior de classe (Li). Ex: em 49 |------- 53... l3= 49 e L3= 53. NOTA: Os intervalos de Classe devem ser escritos de acordo com a Resoluo 886/66 do IBGE. Ou seja, o smbolo |------- representa um intervalo fechado esquerda e aberto direita. O dado 53 do ROL no pertence classe 3 e sim a classe 4 representada por 53 |------- 57. Amplitude do Intervalo de Classe: obtida atravs da diferena entre o limite superior e inferior da classe e simbolizada por hi = Li - li. Ex: na tabela anterior hi= 53 - 49 = 4. Obs: Na distribuio de freqncia com classe o hi ser igual em todas as classes. Amplitude total da distribuio:: a diferena entre o limite superior da ltima classe e o limite inferior da primeira classe. AT = L(max) - l(min). Ex: na tabela anterior AT = 61 - 41= 20. Amplitude total da amostra (ROL): a diferena entre o valor mximo e o valor mnimo da amostra (ROL). Onde AA = Xmax - Xmin. Em nosso exemplo AA = 60 - 41 = 19. Obs: AT sempre ser maior que AA. Ponto mdio da classe: o ponto que divide o intervalo de classe em duas partes iguais. .......Ex: em 49 |------- 53 o ponto mdio x3 = (53+49)/2 = 51, ou seja x3=(l3+L3)/2. Mtodo prtico para a construo de uma Distribuio de Freqncia com Classe 15

1 - Organize os dados brutos em um ROL. 2 - Calcule a amplitude amostral AA. No nosso exemplo: AA =60 - 41 =19 3 - Calcule o nmero de classes atravs da "Regra de Sturges": i=1+3,3 logn, onde n o nmero total da distribuio. Variando os valores de n de 3 a 362 montamos a tabela a seguir. Se a distribuio possuir 5 elementos, n=5 ento pela tabela a distribuio poderia ser montada em 3 intervalos de classe, se tivesse 10 elementos poderia ser agrupada em 5 classes. I= n de classes I=1+3,3 log n 3 |-----| 5 3 6 |-----| 11 4 12 |-----| 22 5 23 |-----| 46 6 47 |-----| 90 7 91 |-----| 181 8 182 |-----| 362 9 n

No nosso exemplo: n = 20 dados. Aplicando a frmula ou consultando a tabela , a princpio, a distribuio de freqncia teria 5 classes. Obs: Qualquer regra para determinao do n de classes da tabela no nos levam a uma deciso final. Vai depender, na realidade, de um julgamento pessoal, que deve estar ligado natureza dos dados. 4 - Decidido o n de classes, calcule ento a amplitude do intervalo de classe h > AA/i. No nosso exemplo: AA/i = 19/5 = 3,8 . Obs:Como h > AA/i um valor ligeiramente superior para haver folga na ltima classe. Utilizaremos ento h = 4 5 - Temos ento o menor n da amostra, o n de classes e a amplitude do intervalo. Podemos montar a tabela, com o cuidado para no aparecer classes com freqncia = 0 (zero). No nosso exemplo: o menor n da amostra = 41 + h = 45, logo a primeira classe ser representada por 41 |------- 45. As classes seguintes respeitaro o mesmo procedimento. O primeiro elemento das classes seguintes sempre ser formado pelo ltimo elemento da classe anterior. Classes Freqncias 41 |------- 45 7

16

45 |------- 49 49 |------- 53 53 |------- 57 57 |------- 61 Total

3 4 1 5 20

Representao Grfica de uma Distribuio Histograma, Polgono de freqncia e Polgono de freqncia acumulada Em todos os grficos acima utilizamos o primeiro quadrante do sistema de eixos coordenados cartesianos ortogonais. Na linha horizontal (eixo das abscissas) colocamos os valores da varivel e na linha vertical (eixo das ordenadas), as freqncias. Histograma: formado por um conjunto de retngulos justapostos, cujas bases se localizam sobre o eixo horizontal, de tal modo que seus pontos mdios coincidam com os pontos mdios dos intervalos de classe. A rea de um histograma proporcional soma das freqncias simples ou absolutas. Freqncias simples ou absolutas: so os valores que realmente representam o nmero de dados de cada classe. A soma das freqncias simples igual ao nmero total dos dados da distribuio. Freqncias relativas: so os valores das razes entre as freqncias absolutas de cada classe e a freqncia total da distribuio. A soma das freqncias relativas igual a 1 (100 %). Polgono de freqncia: um grfico em linha, sendo as freqncias marcadas sobre perpendiculares ao eixo horizontal, levantadas pelos pontos mdios dos intervalos de classe. Para realmente obtermos um polgono (linha fechada), devemos completar a figura, ligando os extremos da linha obtida aos pontos mdios da classe anterior primeira e da posterior ltima, da distribuio. Polgono de freqncia acumulada: traado marcando-se as freqncias acumuladas sobre perpendiculares ao eixo horizontal, levantadas nos pontos correspondentes aos limites superiores dos intervalos de classe. Freqncia simples acumulada de uma classe: o total das freqncias de todos os valores inferiores ao limite superior do intervalo de uma determinada classe. Freqncia relativa acumulada de uma classe: a freqncia acumulada da classe, dividida pela freqncia total da distribuio. ...CLASSE.. 50 |-------- 54 54 |-------- 58 58 |-------- 62 ......fi..... 4 9 11 .....xi..... 52 56 60 .....fri..... 0,100 0,225 0,275 .....Fi..... 4 13 24 ......Fri..... 0,100 0,325 0,600

17

62 |-------- 66 66 |-------- 70 70 |-------- 74 Total

8 5 3 40

64 68 72

0,200 0,125 0,075 1,000

32 37 40

0,800 0,925 1,000

Exerccio: Com base na tabela acima Sendo fi= freq. simples; xi= ponto mdio de classe; fri= freq. simples acumulada; Fi= freq. relativa e Fri= freq. relativa acumulada. Construa o histograma, polgono de freqncia e polgono de freq. acumulada: Obs: uma distribuio de freqncia sem intervalos de classe representada graficamente por um diagrama onde cada valor da varivel representado por um segmento de reta vertical e de comprimento proporcional respectiva freqncia. . A Curva de freqncia ( Curva polida): Enquanto o polgono de freqncia nos d a imagem real do fenmeno estudado, a curva de freqncia nos d a imagem tendencial. O polimento (geometricamente, corresponde eliminao dos vrtices da linha poligonal) de um polgono de freqncia nos mostra o que seria tal polgono com um nmero maior de dados em amostras mais amplas. Consegue-se isso com o emprego de uma frmula bastante simples: fci = ( fant + 2fi + fpost ) / 4...........onde: fci = freqncia calculada da classe considerada (freq. polida) fi = freqncia simples da classe considerada fant = freqncia simples da classe anterior da classe considerada fpost = freqncia simples da classe posterior da classe considerada Exerccio: Com base na tabela anterior, construa o grfico da curva polida a partir das freqncias calculadas:

2.3 Medidas de posio:

As Medidas de Posio nos transmitiro informaes acerca da posio que os dados ocupam. Temos dois grupos de medidas de posio: Medidas de Tendncia Central e Medidas Separatrizes. 2.3.1 Medidas de Tendncia Central: As principais medidas de tendncia central ou as mais usadas so: Mdia aritmtica ou simplesmente mdia, Mediana e Moda. Outras mdias menos usadas so: geomtrica, harmnica, quadrtica, cbica e biquadrtica. As medidas de Tendncia Central nos indicam em torno dos quais os dados giram ou se concentram, vamos tomar como a Mdia. Ex. Quando falamos que a mdia das idades dos alunos gira em torno dos 22 anos queremos dizer que as 18

maiorias das idades dos alunos ficam em torno dos 22, ou seja, algum aluno tem uma idade de 20 outros de 18 outro de 25 e assim por diante, nada impedindo que algum aluno possa ter uma idade divergente da mdia, tipo 55 anos ou 14 anos. OBS: Ainda no aprendemos a calcular a mdia. O valor acima foi totalmente para ilustrar o assunto. 2.3.2 Medidas Separatrizes: As medidas separatrizes utilizadas so: Mediana, Quartil, Decil e Percentil. As Medidas Separatrizes nos ajudam a separar os dados. Por Exemplo, a Mediana um valor que separa exatamente na metade os dados em anlise, ou seja, nos indica que existem 50% de valores acima dela e 50% de valores abaixo dela.

MDIA ARITMTICA = Clculo da Mdia (Aritmtica) para dados no agrupados -ROL igual ao quociente entre a soma dos valores do conjunto e o nmero total dos valores. ...... onde Xi so os valores da varivel e n o nmero total de ocorrncias ou valores do ROL. NOTA: Esta frmula chamada de Mdia Aritmtica Simples para dados no agrupados. Existem outras mdias como a Mdia Ponderada, Mdia Geomtrica e Mdia Harmnica. Exemplo: Sabendo-se que a venda diria da quantidade de arroz tipo A, durante uma semana, foi de 10, 14, 13, 15, 16, 18 e 12 quilos, a venda mdia diria na semana .= (10+14+13+15+16+18+12) / 7 = 14 quilos Desvio em relao mdia: a diferena entre cada elemento de um conjunto de valores e a mdia aritmtica, ou seja: di = Xi No exemplo anterior temos sete desvios:... d1 = 10 - 14 = - 4 , ...d2 = 14 - 14 = 0 , ...d3 = 13 - 14 = - 1 , d4 = 15 - 14 = 1 ,... d5 = 16 - 14 = 2 ,... d6 = 18 - 14 = 4 ...e... d7 = 12 - 14 = - 2. Propriedades da mdia aritmtica: 1 propriedade: A soma algbrica dos desvios em relao mdia nula. No exemplo anterior: d1+d2+d3+d4+d5+d6+d7 = 0 2 propriedade: Somando-se (ou subtraindo-se) uma constante (c) a todos os valores de uma varivel, a mdia do conjunto fica aumentada ( ou diminuda) dessa constante. Se no exemplo original somarmos a constante 2 a cada um dos valores da varivel temos: Y = 12+16+15+17+18+20+14 / 7 = 16 kg ou

19

Y=

.+ 2 = 14 +2 = 16 kg

3 propriedade: Multiplicando-se (ou dividindo-se) todos os valores de uma varivel por uma constante (c), a mdia do conjunto fica multiplicada ( ou dividida) por essa constante. Se no exemplo original multiplicarmos a constante 3 a cada um dos valores da varivel temos: Y = 30+42+39+45+48+54+36 / 7 = 42 kg ou Y= x 3 = 14 x 3 = 42 kg

Clculo da Mdia Aritmtica para dados agrupados, sem intervalos de classe: Mdia ponderada Em um levantamento com 34 famlias foi feito um levantamento para saber a quantidade de filhos do sexo masculino, conforme mostrado na tabela a seguir. Deseja-se saber a mdia quantidade mdia de meninos por famlia:

N de meninos 0 1 2 3 4 Total

freqncia = fi 2 6 10 12 4 34

Como as freqncias so nmeros indicadores da intensidade de cada valor da varivel, elas funcionam como fatores de ponderao, o que nos leva a calcular a mdia aritmtica ponderada, dada pela frmula:

..xi. 0 1 2 3 4 total

..fi. 2 6 10 12 4 34

..xi.fi . 0 6 20 36 16 78

20

Onde o Smbolo representa a somatrio de cada produto do nmero de filhos pela respectiva quantidade de famlias que possuem a quantidade de meninos considerada. Assim a mdia de meninos por famlia = 78 / 34 = 2,3 meninos por famlia Clculo da Mdia Aritmtica para dados agrupados, Com intervalos de classe. Mdia ponderada Neste caso, convencionamos que todos os valores includos em um determinado intervalo de classe coincidem com o seu ponto mdio, e determinamos a mdia aritmtica ponderada por meio da frmula. Ou seja, a varivel o ponto mdio do intervalo de classe. ..onde Xi o ponto mdio da classe. Exemplo: Calcular a estatura mdia de bebs conforme a tabela abaixo.

Estaturas (cm) 50 |------------ 54 54 |------------ 58 58 |------------ 62 62 |------------ 66 66 |------------ 70 70 |------------ 74 Total

Freqncia = fi 4 9 11 8 5 3 40

ponto mdio = xi 52 56 60 64 68 72 = 61 cm

..xi.fi. 208 504 660 512 340 216 2.440

Aplicando a frmula acima temos: 2.440 / 40.= 61. logo... Mdia Geomtrica: a raiz n-sima do produto de todos eles. Mdia Geomtrica Simples:

ou .

Exemplo - Calcular a mdia geomtrica dos seguintes conjuntos de nmeros:E a) { 10, 60, 360 }........ no excel : =(10*60*360)^(1/3) ....R: 60 b) { 2, 2, 2 }........ no excel : =(2*2*2)^(1/3) ....R: 2 c) { 1, 4, 16, 64 }........ no excel : =(1*4*16*64)^(1/4) ....R: 8 . Mdia Geomtrica Ponderada : ou ..

21

Exemplo - Calcular a mdia geomtrica dos valores da tabela abaixo: ...xi... 1 3 9 27 Total ...fi... 2 4 2 1 9

No excel.......=(1^2*3^4*9^2*27^1)^(1/9)........R: 3,8296 . Propriedades da Mdia Geomtrica 1 propriedade: O produto dos quocientes de cada valor de um conjunto de nmeros pela mdia geomtrica do conjunto = 1. Exemplo - Comprovar a 1 propriedade da mdia geomtrica com os dados { 10, 60, 360 } g = 60... onde... 10/60 x 60/60 x 360/60 = 1 2 propriedade: Sries que apresentam o mesmo nmero de elementos com o mesmo produto tm a mesma mdia geomtrica. Exemplo - Comprovar a 2 propriedade da mdia geomtrica com os dados: a = {8 e 12,5}.........b = {2 e 50} ga = 10 ..................... gb = 10 3 propriedade: A mdia geomtrica menor ou igual a mdia aritmtica. A desigualdade g < ..sempre se verifica, quando os valores da srie forem positivos e nem todos iguais. Se entre eles houver um ou mais zeros, a mdia geomtrica ser nula. A igualdade g= ..s ocorrer quando todos os valores da srie forem iguais.

4 propriedade: Quanto maior a diferena entre os valores originais maior ser diferena entre as mdias aritmtica e geomtrica. Veja na tabela abaixo: conjunto mdia aritmtica mdia geomtrica X = {2, 2} 2 2 Y = {14, 16} 15 14,97 W = {8, 12} 10 9,8 22

Z = {2, 50} Aplicaes da Mdia Geomtrica a) Mdia de Relaes

26

10

Empresa Capital lquido Dvida Capital lquido/Dvida A 2.500 1.000 2,5 B 1.000 2.000 0,5 g = no excel.............=(2,5*0,5)^(1/2)........R: 1,1180 Obs: Se, para uma determinada empresa, se deseja estabelecer uma relao do tipo capital/dvida que seja independente da dvida ou do capital das diferentes empresas envolvidas, recomendvel o uso da mdia geomtrica. Se o que se deseja saber a relao capital/dvida de um certo nmero de empresas, aps a consolidao, a cifra correta ser obtida atravs da mdia aritmtica. Mdia de taxas de variao Exemplo: Suponhamos que um indivduo tenha aplicado um capital de R$ 500,00 em 1995. Aps um ano de aplicao, essa importncia chegou a R$ 650,00. Reaplicando essa ltima quantia, ao final de mais um ano seu montante situava-se em R$ 910,00. Qual a taxa mdia de aumento de capital ?

Perodo Taxa 1995 a 1996 650/500 = 1,3 1996 a 1997 910/650 = 1,4 A taxa mdia ser no excel..=(1,3*1,4)^(1/2) ou a raiz quadrada do produto de 1,3 e 1,4. Resposta: 1,3491 MDIA HARMNICA o inverso da mdia aritmtica dos inversos. Mdia Harmnica Simples para dados no agrupados

..

ou

Exemplo - Calcular a mdia harmnica simples dos seguintes conjuntos de nmeros: a) { 10, 60, 360 }. Resp:.. 3/(1/10+1/60+1/360) = 25,12

23

b) { 2, 2, 2, 2 } . Resp:... . 4/(1/2+1/2+1/2+1/2) = 2.... . Mdia Harmnica Ponderada para dados agrupados em tabelas de freqncias .. Exemplo - Calcular a mdia harmnica dos valores da tabela abaixo: classes ....fi.... ....xi.... ........fi/xi........ 1 |--------- 3 2 2 2/2 = 1,00 3 |--------- 5 4 4 4/4 = 1,00 5 |--------- 7 8 6 8/6 = 1,33 7 |--------- 9 4 8 4/8 = 0,50 9 |--------- 11 2 10 2/10 = 0,20 total 20 4,03 Resp: 20 / 4,03 = 4,96 Propriedades da mdia harmnica 1) A mdia harmnica menor que a mdia geomtrica para valores da varivel diferentes de zero. h< g.. e por extenso de raciocnio podemos escrever :.. h < g<

OBS: A mdia harmnica no aceita valores iguais a zero como dados de uma srie. 2) A igualdade g= h.= ....s ocorrer quando todos os valores da srie forem iguais.

OBS: Quando os valores da varivel no forem muito diferentes, verifica-se aproximadamente a seguinte relao: g = ( .+ h ) /.2

Demonstraremos a relao acima com os seguintes dados: z = { 10,1 ; 10,1 ; 10,2 ; 10,4 ; 10,5 } Mdia aritmtica = 51,3 / 5 = 10,2600 Mdia geomtrica = 10,2587 Mdia harmnica = 5 / 0,4874508 = 10,2574 Comprovando a relao: 10,2600 + 10,2574 / 2 = 10,2587 = mdia geomtrica MDIA QUADRTICA a raiz quadrada da mdia aritmtica dos quadrados Mdia Quadrtica Simples: (para dados no agrupados)

24

Exemplo - Calcular a mdia quadrtica simples do seguinte conjunto de nmeros: a = { 2 , 3 , 4 , 5 } ....Resp: 3,67 Mdia Quadrtica Ponderada: Quando os valores da varivel estiverem dispostos em uma tabela de freqncias, a mdia quadrtica ser determinada pela seguinte expresso:

Exemplo - Calcular a mdia quadrtica dos valores da tabela abaixo: ....fi.... ....xi.... ... 2 |--------- 4 5 3 9 4 |--------- 6 10 5 25 6 |--------- 8 12 7 49 8 |--------- 10 10 9 81 10 |-------- 12 5 11 121 total 42 No excel ....= ( 2298/42 )^(1/2) ....Resp: 7,40 ou aplica-se a raiz quadrada sobre 2298/42 classes ... . fi 45 250 588 810 605 2298

OBS: Sempre que os valores de X forem positivos e pelo menos um dado diferente vlida a seguinte relao: q> > g> h

A igualdade entre as mdias acima se verifica quando os valores da varivel forem iguais (constantes) A mdia quadrtica largamente utilizada em Estatstica, principalmente quando se pretende calcular a mdia de desvios ( x - .) , em vez de a mdia dos valores originais. Neste caso, a mdia quadrtica denominada desvio-padro, que uma importante medida de disperso. MODA o valor que ocorre com maior freqncia em uma srie de valores. Mo o smbolo da moda. Quando falamos o salrio de R$ 415,00 o que mais se repete na fbrica estamos dizendo que a maioria dos funcionrios recebe este salrio ou seja a moda do salrio desta empresa Mo = R$ 415,00 Clculo da Moda para dados no agrupados A moda facilmente reconhecida: basta, de acordo com definio, procurar o valor que mais se repete. 25

Exemplo: Na srie { 7 , 8 , 9 , 10 , 10 , 10 , 11 , 12 } a moda igual a 10. H sries nas quais no exista valor modal, isto , nas quais nenhum valor aparea mais vezes que outros. Exemplo: { 3 , 5 , 8 , 10 , 12 } no apresenta moda. A srie amodal. Em outros casos, pode haver dois ou mais valores de concentrao. Dizemos, ento, que a srie tem dois ou mais valores modais. Exemplo: { 2 , 3 , 4 , 4 , 4 , 5 , 6 , 7 , 7 , 7 , 8 , 9 } apresenta duas modas: 4 e 7. A srie bimodal. Clculo da Moda para dados agrupados Clculo da Moda Sem intervalos de classe Uma vez agrupados os dados, possvel determinar imediatamente a moda: basta identificar o valor da varivel de maior freqncia. Exemplo: Qual a temperatura mais comum medida no ms abaixo: Temperaturas freqncia 0 C 3 1 C 9 2 C 12 3 C 6 Resp: 2 C a temperatura modal, pois a de maior freqncia. Clculo da Moda com intervalos de classe A classe que apresenta a maior freqncia denominada classe modal. Pela definio, podemos afirmar que a moda, neste caso, o valor dominante que est compreendido entre os limites da classe modal. Moda Bruta: O mtodo mais simples para o clculo da moda consiste em tomar o ponto mdio da classe modal. Damos a esse valor a denominao de moda bruta. Mo = ( l* + L* ) / 2 onde l* = limite inferior da classe modal e L*= limite superior da classe modal. Exemplo: Calcule a estatura modal conforme a tabela abaixo. Classes (em cm) freqncia 26

54 |------------ 58 58 |------------ 62 62 |------------ 66 66 |------------ 70

9 11 8 5

Resp: a classe modal 58|-------- 62, pois a de maior freqncia. l*=58 e L*=62 Mo = (58+62) / 2 = 60 cm ( este valor estimado, pois no conhecemos o valor real da moda). Clculo da Moda pelo Mtodo de CZUBER: Mo = l* + (d1/(d1+d2)) x h*. Onde: l*= limite inferior da classe modal..... e..... L*= limite superior da classe modal d1= freqncia da classe modal - freqncia da classe anterior da classe modal d2= freqncia da classe modal - freqncia da classe posterior da classe modal h*= amplitude da classe modal Obs: A moda utilizada quando desejamos obter uma medida rpida e aproximada de posio ou quando a medida de posio deva ser o valor mais tpico da distribuio. J a mdia aritmtica a medida de posio que possui a maior estabilidade. MEDIANA A mediana de um conjunto de valores, dispostos segundo uma ordem ( crescente ou decrescente), o valo que separa a distribuio em dois subconjuntos de mesmo nmero de elementos. Ou seja antes e depois do valor mediano teremos a mesma quantidade de elementos Smbolo da mediana: Md Clculo da mediana para dados no-agrupados Dada uma srie de valores como, por exemplo: { 5, 2, 6, 13, 9, 15, 10 } De acordo com a definio de mediana, o primeiro passa a ser dado o da ordenao (crescente ou decrescente) dos valores: { 2, 5, 6, 9, 10, 13, 15 } O valor que divide a srie acima em duas partes iguais igual a 9, logo a Md = 9. Observe que existe trs nmeros antes do 9 e trs nmeros aps o 9 Mtodo prtico para o clculo da Mediana

27

Se a srie dada tiver nmero mpar de termos: O valor mediano ser o termo de ordem dado pela frmula : .( n + 1 ) / 2 NOTA: A frmula indica apenas a posio do elemento mediano Exemplo: Calcule a mediana da srie { 1, 3, 0, 0, 2, 4, 1, 2, 5 } 1 - ordenar a srie { 0, 0, 1, 1, 2, 2, 3, 4, 5 } Como n = 9, logo (n + 1)/2 dado por (9+1) / 2 = 5, ou seja, a mediana ocupa a 5 posio da srie ordenada. O valor que ocupa a 5 posio o elemento = 2 Se a srie dada tiver nmero par de termos: O valor mediano ser o termo de ordem dado pela frmula :. . .[( n/2 ) +( n/2+ 1 )] / 2 Obs: n/2 e (n/2 + 1) sero termos de ordem e devem ser substitudos pelo valor correspondente. Ou seja, achamos atravs de n/2 e n/2+1 quais so os elementos que ocupam as respectivas posies e depois somamos os valores encontrados e dividimos o resultado por dois. Exemplo: Calcule a mediana da srie { 1, 3, 0, 0, 2, 4, 1, 3, 5, 6 } 1 - ordenar a srie { 0, 0, 1, 1, 2, 3, 3, 4, 5, 6 } n = 10 logo a frmula ficar: [( 10/2 ) + (10/2 + 1)] / 2 [( 5 + 6)] / 2 ser na realidade (5 termo+ 6 termo) / 2 5 termo = 2 6 termo = 3 A mediana ser = (2+3) / 2 ou seja, Md = 2,5 . A mediana no exemplo ser a mdia aritmtica do 5 e 6 termos da srie. Notas: O valor mediano no necessariamente dever ser um elemento pertencente a distribuio. Quando o nmero de elementos da srie estatstica for mpar, haver coincidncia da mediana com um dos elementos da srie. Quando o nmero de elementos da srie estatstica for par, nunca haver coincidncia da mediana com um dos elementos da srie. A mediana ser sempre a mdia aritmtica dos 2 elementos centrais da srie.

28

Em uma srie, a mediana, a mdia e a moda no tm, necessariamente, o mesmo valor. A mediana, depende da posio e no dos valores dos elementos na srie ordenada. Essa uma das diferenas marcantes entre mediana e mdia, que se deixa influenciar, e muito, pelos valores extremos. Vejamos: Em { 5, 7, 10, 13, 15 } a mdia = 10 e a mediana = 10 Em { 5, 7, 10, 13, 65 } a mdia = 20 e a mediana = 10 isto , a mdia do segundo conjunto de valores maior do que a do primeiro, por influncia dos valores extremos, ao passo que a mediana permanece a mesma. Clculo da Mediana para dados agrupados: Sem intervalos de classe Neste caso, o bastante identificar a freqncia acumulada imediatamente superior metade da soma das freqncias. A mediana ser aquele valor da varivel que corresponde a tal freqncia acumulada. Exemplo conforme tabela abaixo: Varivel xi 0 1 2 3 4 total freqncia fi 2 6 9 13 5 35 freqncia acumulada 2 8 17 30 35

Quando o somatrio das freqncias for mpar o valor mediano ser o termo de ordem dado pela frmula :.

Como o somatrio das freqncias = 35 a frmula ficar: ( 35+1 ) / 2 = 18 termo = 3.... Quando o somatrio das freqncias for par o valor mediano ser o termo de ordem dado pela frmula :.

29

Exemplo - Calcule Mediana da tabela abaixo: Varivel xi 12 14 15 16 17 20 Total freqncia fi 1 2 1 2 1 1 8 freqncia acumulada 1 3 4 6 7 8

Aplicando frmula acima teremos:[(8/2)+ (8/2+1)]/2 = (4 termo + 5 termo) / 2 = (15 + 16) / 2 = 15,5 Com intervalos de classe Devemos seguir os seguintes passos: 1) Determinamos as freqncias acumuladas ; 2) Calculamos ; 3) Marcamos a classe correspondente freqncia acumulada imediatamente superior . Tal classe ser a classe mediana ; 4) Calculamos a Mediana pela seguinte frmula:..... l* + [( - FAA ) x h*] / f* l* = o limite inferior da classe mediana. FAA = a freqncia acumulada da classe anterior classe mediana. f* = a freqncia simples da classe mediana. h* = a amplitude do intervalo da classe mediana. Exemplo: Classes 50 |------------ 54 54 |------------ 58 58 |------------ 62 62 |------------ 66 66 |------------ 70 70 |------------ 74 total Freqncia = fi 4 9 11 8 5 3 40 Freqncia acumulada 4 13 24 32 37 40

= 40 / 2 =.20........... logo.a classe mediana ser 58 |---------- 62 l* = 58........... FAA = 13........... f* = 11........... h* = 4 Substituindo esses valores na frmula, obtemos: Md = 58 + [ (20 - 13) x 4] / 11 = 58 + 28/11 = 60,54 OBS: Esta mediana estimada, pois no temos os 40 valores da distribuio. 30

Emprego da Mediana Quando desejamos obter o ponto que divide a distribuio em duas partes iguais. Quando h valores extremos que afetam de maneira acentuada a mdia aritmtica. Quando a varivel em estudo salrio. SEPARATRIZES Alm das medidas de posio que estudamos, h outras que, consideradas individualmente, no so medidas de tendncia central, mas esto ligadas mediana relativamente sua caracterstica de separar a srie em duas partes que apresentam o mesmo nmero de valores. Essas medidas - os quartis, os decis e os percentis - so, juntamente com a mediana, conhecidas pelo nome genrico de separatrizes. QUARTIS Denominamos quartis os valores de uma srie que a dividem em quatro partes iguais. Precisamos portanto de 3 quartis (Q1 , Q2 e Q3 ) para dividir a srie em quatro partes iguais. Obs: O quartil 2 ( Q2 ) sempre ser igual a mediana da srie. Clculo dos Quartis em dados no agrupados O mtodo mais prtico utilizar o princpio do clculo da mediana para os 3 quartis. Na realidade sero calculadas " 3 medianas " em uma mesma srie. Exemplo1: Calcule os quartis da srie: { 5, 2, 6, 9, 10, 13, 15 } O primeiro passo a ser dado o da ordenao (crescente ou decrescente) dos valores: { 2, 5, 6, 9, 10, 13, 15 } O valor que divide a srie acima em duas partes iguais igual a 9, logo a Md = 9 que ser = Q2. Temos agora {2, 5, 6 } e {10, 13, 15 } como sendo os dois grupos de valores iguais proporcionados pela mediana ( tem o mesmo valor do quartil 2). Para o clculo do quartil 1 e 3 basta calcular as medianas das partes iguais provenientes da verdadeira Mediana da srie (quartil 2). Logo em { 2, 5, 6 } a mediana = 5 . Ou seja: ser o quartil 1 em {10, 13, 15 } a mediana =13 . Ou seja: ser o quartil 3 Exemplo2: Calcule os quartis da srie: { 1, 1, 2, 3, 5, 5, 6, 7, 9, 9, 10, 13 } A srie j est ordenada, ento calcularemos o Quartil 2 = Md = (5+6)/2 = 5,5 O quartil 1 ser a mediana da srie esquerda de Md : { 1, 1, 2, 3, 5, 5 } Q1 = (2+3)/2 = 2,5 O quartil 3 ser a mediana da srie direita de Md : {6, 7, 9, 9, 10, 13 } Q3 = (9+9)/2 = 9 Quartis para dados agrupados em classes

31

Usamos a mesma tcnica do clculo da mediana, bastando substituir, na frmula da mediana, E fi / 2.... por ... k . E fi / 4 ... sendo k o nmero de ordem do quartil. Assim, temos: Q1 = . l* + [(E fi / 4 - FAA ) x h*] / f* Q2 = . l* + [(2.E fi / 4 - FAA ) x h*] / f* Q3 = . l* + [(3.E fi / 4 - FAA ) x h*] / f* Exemplo3 - Calcule os quartis da tabela abaixo: classes 50 |------------ 54 54 |------------ 58 58 |------------ 62 62 |------------ 66 66 |------------ 70 70 |------------ 74 total O quartil 2 = Md , logo: = 40 / 2 =.20........... logo.a classe mediana ser 58 |---------- 62 l* = 58........... FAA = 13........... f* = 11........... h* = 4 Substituindo esses valores na frmula, obtemos: Md = 58 + [ (20 - 13) x 4] / 11 = 58 + 28/11 = 60,54 O quartil 1 : E fi / 4 = 10 Q1 = 54 + [ (10 - 4) x 4] / 9 = 54 + 2,66 = 56,66 O quartil 3 : 3.E fi / 4 = 30 Q3 = 62 + [ (30 -24) x 4] / 8 = 62 + 3 = 65 DECIS A definio dos decis obedece ao mesmo princpio dos quartis, com a modificao da porcentagem de valores que ficam aqum e alm do decil que se pretende calcular. A frmula bsica ser : k .E fi / 10 onde k o nmero de ordem do decil a ser calculado. Indicamos os decis : D1, D2, ... , D9. Deste modo precisamos de 9 decis para dividirmos uma srie em 10 partes iguais. De especial interesse o quinto decil, que divide o conjunto em duas partes iguais. Assim sendo,o quinto decil igual ao segundo quartil, que por sua vez igual mediana. Para D5 temos : 5.E fi / 10 = E fi / 2 Exemplo: Calcule o 3 decil da tabela anterior com classes. k= 3 onde 3 .E fi / 10 = 3x40/10 = 12. Este resultado corresponde a 2 classe. 32 freqncia = fi 4 9 11 8 5 3 40 freqncia acumulada 4 13 24 32 37 40

D3 = 54 + [ (12 - 4) x 4] / 9 = 54 + 3,55 = 57,55 PERCENTIL ou CENTIL Denominamos percentis ou centis como sendo os noventa e nove valores que separam uma srie em 100 partes iguais. Indicamos: P1, P2, ... , P99. evidente que P50 = Md ; P25 = Q1 e P75 = Q3. O clculo de um centil segue a mesma tcnica do clculo da mediana, porm a frmula ser : k .E fi / 100 onde k o nmero de ordem do centil a ser calculado. Exemplo: Calcule o 8 centil da tabela anterior com classes . k= 8 onde 8 .E fi / 100 = 8x40/100 = 3,2. Este resultado corresponde a 1 classe. P8 = 50 + [ (3,2 -0) x 4] / 4 = 50 + 3,2 = 53,2

2.4 Medidas de Disperso ou Variabilidade:

a maior ou menor diversificao dos valores de uma varivel em torno de um valor de tendncia central ( mdia ou mediana ) tomado como ponto de comparao. A mdia - ainda que considerada como um nmero que tem a faculdade de representar uma srie de valores - no pode, por si mesma, destacar o grau de homogeneidade ou heterogeneidade que existe entre os valores que compem o conjunto. Consideremos os seguintes conjuntos de valores das variveis X, Y e Z: X = { 70, 70, 70, 70, 70 } Y = { 68, 69, 70 ,71 ,72 } Z = { 5, 15, 50, 120, 160 } Observamos ento que os trs conjuntos apresentam a mesma mdia aritmtica = 350/5 = 70 Entretanto, fcil notar que o conjunto X mais homogneo que os conjuntos Y e Z, j que todos os valores so iguais mdia. O conjunto Y, por sua vez, mais homogneo que o conjunto Z, pois h menor diversificao entre cada um de seus valores e a mdia representativa. Conclumos ento que o conjunto X apresenta disperso nula e que o conjunto Y apresenta uma disperso menor que o conjunto Z. Medidas de disperso absoluta Amplitude total - AT : a nica medida de disperso que no tem na mdia o ponto de referncia. Quando os dados no esto agrupados, a amplitude total a diferena entre o maior e o menor valor observado: AT = X mximo - X mnimo. Exemplo: Para os valores 40, 45, 48, 62 e 70, em ROL, a amplitude total ser: AT = 70 - 40 = 30 Quando os dados esto agrupados em tabela sem intervalos de classe ainda temos : AT = X mximo X mnimo. Exemplo: xi fi 0 2 33

1 3 4 AT = 4 - 0 = 4

6 5 3

Com intervalos de classe a amplitude total a diferena entre o limite superior da ltima classe e o limite inferior da primeira classe. Ento AT = L mximo - l mnimo Exemplo: Classes Fi 4 |------------- 6 6 6 |------------- 8 2 8 |------------- 10 3 AT = 10 - 4 = 6 A amplitude total tem o inconveniente e s levar em conta os dois valores extremos da srie, descuidando do conjunto de valores intermedirios. Faz-se uso da amplitude total quando se quer determinar a amplitude da temperatura em um dia, no controle de qualidade ou como uma medida de clculo rpido sem muita exatido. Desvio quartil Tambm chamado de amplitude semi-interquatlica e baseada nos quartis. Smbolo: Dq e a Frmula: Dq = (Q3 - Q1) / 2

Observaes: 1 - O desvio quartil apresenta como vantagem o fato de ser uma medida fcil de calcular e de interpretar. Alm do mais, no afetado pelos valores extremos, grandes ou pequenos, sendo recomendado, por conseguinte, quando entre os dados figurem valores extremos que no se consideram representativos. 2- O desvio quartil dever ser usado preferencialmente quando a medida de tendncia central for a mediana. 3- Trata-se de uma medida insensvel distribuio dos itens menores que Q1, entre Q1 e Q3 e maiores que Q3. Exemplo: Para os valores 40, 45, 48, 62 e 70 o desvio quartil ser: Q1 = (45+40)/2 = 42,5 Q3 = (70+62)/2 = 66 Dq = (66 - 42,5) / 2 = 11,75 Desvio mdio absoluto Para dados no agrupados 34

 a mdia aritmtica dos valores absolutos dos desvios tomados em relao a uma das seguintes medidas de tendncia central: mdia ou mediana. Smbolo = Dm Frmula : para a Mdia = E | Xi | /n

Frmula : para a Mediana = E | Xi - Md | / n As barras verticais indicam que so tomados os valores absolutos, prescindindo do sinal dos desvios. Exemplo: Calcular o desvio mdio do conjunto de nmeros { - 4 , - 3 , - 2 , 3 , 5 } = - 0, 2 e Md = - 2 Tabela auxiliar para clculo do desvio mdio Xi -4 -3 -2 3 5 Xi (- 4) - (-0,2) = -3,8 (- 3) - (-0,2) = -2,8 (- 2) - (-0,2) = -1,8 3 - (-0,2) = 3,2 5 - (-0,2) = 5,2 E= | Xi 3,8 2,8 1,8 3,2 5,2 16,8 | Xi - Md (- 4) - (-2) = - 2 (- 3) - (-2) = - 1 (- 2) - (-2) = 0 3 - (-2) = 5 5 - (-2) = 7 E= | Xi - Md | 2 1 0 5 7 15

Pela Mdia : Dm = 16,8 / 5 = 3,36

Pela Mediana : Dm = 15 / 5 = 3

Desvio mdio para dados agrupados Se os valores vierem dispostos em uma tabela de freqncias, agrupados ou no em classes, sero usadas as seguintes frmulas: Clculo pela mdia: Dm = (E |Xi |. fi ) / E fi

Clculo pela mediana: Dm = (E |Xi - Md |. fi ) / E fi Exemplo de clculo pela mdia: Xi f i Xi . f i 3 4 5 6 E= 2 2 3 3 10 6 8 15 18 47 4,7 4,7 4,7 4,7 Xi - 1,7 - 0,7 0,3 1,3 | Xi 1,7 0,7 0,3 1,3 E= | | Xi 3,4 1,4 0,9 3,9 9,6 |.fi

35

Dm = 9,6 / 10 = 0,96 Para o clculo do Desvio mdio pela mediana segue-se o mesmo raciocnio. Xi 3 4 5 6 E= Dm = 7 / 10 = 0,70 Obs: Apesar de o desvio mdio expressar aceitavelmente a disperso de uma amostra, no to freqentemente empregado como o desvio-padro. O desvio mdio despreza o fato de alguns desvios serem negativos e outros positivos, pois essa medida os trata como se fossem todos positivos. Todavia ser preferido o uso do desvio mdio em lugar do desvio-padro, quando esse for indevidamente influenciado pelos desvios extremos. Desvio Padro a medida de disperso mais geralmente empregada, pois leva em considerao a totalidade dos valores da varivel em estudo. um indicador de variabilidade bastante estvel. O desvio padro baseia-se nos desvios em torno da mdia aritmtica e a sua frmula bsica pode ser traduzida como : a raiz quadrada da mdia aritmtica dos quadrados dos desvios e representada por S . Clculo do desvio padro para dados no agrupados. Quando os valores no esto agrupados utilizamos a seguinte frmula: fi 2 2 3 3 10 Md 5 5 5 5 Xi - Md -2 -1 0 1 | Xi - Md | 2 1 0 1 E= | Xi - Md | . f i 4 2 0 1 7

Exemplo: Calcular o desvio padro da populao representada por - 4 , -3 , -2 , 3 , 5

Xi -4 -3 -2 3 - 0,2 - 0,2 - 0,2 - 0,2 - 3,8 - 2,8 - 1,8 3,2 14,44 7,84 3,24 10,24

36

- 0,2

5,2 E=

27,04 62,8

Sabemos que n = 5 e 62,8 / 5 = 12,56. A raiz quadrada de 12,56 o desvio padro = 3,54 Obs: Quando nosso interesse no se restringe descrio dos dados mas, partindo da amostra, visamos tirar inferncias vlidas para a respectiva populao, convm efetuar uma modificao, que consiste em usar o divisor n - 1 em lugar de n. A frmula ficar ento:

Se os dados - 4 , -3 , -2 , 3 , 5 representassem uma amostra o desvio padro amostral seria a raiz quadrada de 62,8 / (5 -1) = 3,96 Propriedades do desvio padro: 1 = Somando-se (ou subtraindo-se) uma constante a todos os valores de uma varivel, o desvio padro no se altera. 2 = Multiplicando-se (ou dividindo-se) todos os valores de uma varivel por uma constante (diferente de zero), o desvio padro fica multiplicado ( ou dividido) por essa constante. Calculo do desvio padro para dados agrupados com ou sem intervalo de classe Para dados agrupados utilizamos a seguinte frmula: :

ou

quando se trata de uma amostra

Quando os dados forem agrupados em intervalo de classe Xi ser o ponto mdio da classe Exemplo: Calcule o desvio padro populacional da tabela abaixo:

37

Xi 0 1 2 3 4

f i Xi . f i 2 6 12 7 3 0 6 24 21 12 63 2,1 2,1 2,1 2,1 2,1 -2,1 -1,1 -0,1 0,9 1,9 4,41 1,21 0,01 0,81 3,61 E= 8,82 7,26 0,12 5,67 10,83 32,70

.fi

Total 30

Sabemos que E fi = 30 e 32,7 / 30 = 1,09. A raiz quadrada de 1,09 o desvio padro = 1,044 Se considerarmos os dados como sendo de uma amostra o desvio padro seria : 32,7 / (30 -1) = 1,062

a raiz quadrada de

Obs: Nas tabelas de freqncias com intervalos de classe a frmula a ser utilizada a mesma do exemplo anterior. Varincia o desvio padro elevado ao quadrado e simbolizado por S2 A varincia uma medida que tem pouca utilidade como estatstica descritiva, porm extremamente importante na inferncia estatstica e em combinaes de amostras. Exerccios: 1- Considere os seguintes conjuntos de nmeros: A = { 10, 20, 30, 40, 50 } B = { 100, 200, 300, 400, 500 } Que relao existe entre os desvios padres dos dois conjuntos de nmeros ? 2- Dados os conjuntos de nmeros: A = { 220, 230, 240, 250, 260 } B = { 20, 30, 40, 50, 60 } Que relao existe entre os desvios padres dos dois conjuntos de nmeros ? 3- Dados os conjuntos de nmeros: A = { -2, -1, 0, 1, 2 } B = { 220, 225, 230, 235, 240 } Podemos afirmar, de acordo com as propriedades do desvio padro, que o desvio padro de B igual: a) ao desvio padro de A; b) ao desvio padro de A, multiplicado pela constante 5; c) ao desvio padro de A, multiplicado pela constante 5, e esse resultado somado a 230; d) ao desvio padro de A mais a constante 230. Medidas de disperso relativa. CVP: Coeficiente de Variao de Pearson

38

Na estatstica descritiva o desvio padro por si s tem grandes limitaes. Assim, um desvio padro de 2 unidades pode ser considerado pequeno para uma srie de valores cujo valor mdio 200; no entanto, se a mdia for igual a 20, o mesmo no pode ser dito. Alm disso, o fato de o desvio padro ser expresso na mesma unidade dos dados limita o seu emprego quando desejamos comparar duas ou mais sries de valores, relativamente sua disperso ou variabilidade, quando expressas em unidades diferentes. Para contornar essas dificuldades e limitaes, podemos caracterizar a disperso ou variabilidade dos dados em termos relativos a seu valor mdio, medida essa denominada de CVP: Coeficiente de Variao de Pearson ( a razo entre o desvio padro e a mdia referentes a dados de uma mesma srie). A frmula do CVP = (S / ) x 100 ( o resultado neste caso expresso em percentual, entretanto pode ser expresso tambm atravs de um fator decimal, desprezando assim o valor 100 da frmula). Exemplo: Tomemos os resultados das estaturas e dos pesos de um mesmo grupo de indivduos: Discriminao M D I A ESTATURAS 175 cm PESOS 68 kg DESVIO PADRO 5,0 cm 2,0 kg

Qual das medidas (Estatura ou Peso) possui maior homogeneidade ? Teremos que calcular o CVP da Estatura e o CVP do Peso. O resultado menor ser o de maior homogeneidade ( menor disperso ou variabilidade). CVPestatura = ( 5 / 175 ) x 100 = 2,85 % CVPpeso = ( 2 / 68 ) x 100 = 2,94 %. Logo, nesse grupo de indivduos, as estaturas apresentam menor grau de disperso que os pesos. CVT: Coeficiente de Variao de Thorndike igual ao quociente entre o desvio padro e a mediana. CVT = S / Md ou CVT = (S / Md) x 100 quando queremos o resultado em %. CVQ: Coeficiente Quartlico de Variao Esse coeficiente definido pela seguinte expresso: CVQ = (Q3 - Q1) / (Q3 + Q1) ou [(Q3 - Q1) / (Q3 + Q1)] x 100 para resultado em %.

Desvio quartil Reduzido: Dqr = (Q3 - Q1) / 2Md ou [(Q3 - Q1) / 2Md ] x 100 para resultado em %.

39

Exerccios: 1- A renda mdia mensal na localidade A de R$ 750,00 e na localidade B de R$ 500,00. Os desvios padres so R$ 100,00 e R$ 80,00. Faa uma anlise comparativa quanto ao grau de homogeneidade da renda nestas duas localidades: 2- O risco de uma ao de uma empresa pode ser devidamente avaliado atravs da variabilidade dos retornos esperados. Portanto, a comparao das distribuies probabilsticas dos retornos, relativas a cada ao individual, possibilita a quem toma decises perceber os diferentes graus de risco. Analise, abaixo, os dados estatsticos relativos aos retornos de 5 aes e diga qual a menos arriscada : Discriminao Valor esperado Desvio padro Coeficiente de variao Ao A 15 % 6% 0,40 Ao B 12 % 6,6 % 0,55 Ao C 5% 2,5 % 0,50 Ao D 10 % 3% 0,30 Ao E 4% 2,6 % 0,65

3- Um grupo de 85 moas tem estatura mdia 160,6 cm, com um desvio padro igual a 5,97 cm. Outro grupo de 125 moas tem uma estatura mdia de 161,9 cm, sendo o desvio padro igual a 6,01 cm. Qual o coeficiente de variao de cada um dos grupos ? Qual o grupo mais homogneo ? 4- Um grupo de 196 famlias tem renda mdia de 163,8 dlares, com um coeficiente de variao de 3,3%. Qual o desvio padro da renda desse grupo ? 5- Uma distribuio apresenta as seguintes estatsticas: S = 1,5 e CVP = 2,9 % . Determine a mdia da distribuio: 6- Numa pequena cidade, 65 famlias tem a renda mdia de 57,5 dlares e o desvio padro de 5,98 dlares. A variabilidade relativa das famlias foi de : a) 0,104 dlares b) 10,4 dlares c) 0,104 % d) 10,4 % e) 0,104 famlias Medida de Assimetria Uma distribuio com classes simtrica quando : Mdia = Mediana = Moda Uma distribuio com classes : Assimtrica esquerda ou negativa quando : Mdia < Mediana < Moda Assimtrica direita ou positiva quando : Mdia > Mediana > Moda Exerccio - a) Determine os tipos de assimetria das distribuies abaixo: Distribuio A Classes fi 2 |------------ 6 6 6 |------------ 10 12 Distribuio B Classes Fi 2 |------------ 6 6 6 |------------ 10 12 40 Distribuio C Classes fi 2 |------------ 6 6 6 |------------ 10 30

10 |------------ 14 24 14 |------------ 18 12 18 |------------ 22 6 Total = 60

10 |------------ 14 24 14 |------------ 18 30 18 |------------ 22 6 Total = 78

10 |------------ 14 24 14 |------------ 18 12 18 |------------ 22 6 Total = 78

Exerccio - b) Demonstre graficamente as os resultados obtidos no exerccio anterior: Coeficiente de assimetria A medida anterior, 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 Person: As = 3 ( Mdia - Mediana ) / Desvio Padro Escalas de assimetria: | AS | < 0,15 => assimetria pequena 0,15 < | AS | < 1 => assimetria moderada | AS | > 1 => assimetria elevada Obs: Suponhamos AS = - 0,49 => a assimetria considerada moderada e negativa Suponhamos AS = 0,75 => a assimetria considerada moderada e positiva Exerccio Considerando as distribuies anteriores A , B e C , calcule os coeficientes de assimetria e faa a anlise dos resultados obtidos: Medidas de curtose Denominamos curtose o grau de achatamento de uma distribuio em relao a uma distribuio padro, denominada curva normal (curva correspondente a uma distribuio terica de probabilidade). Quando a distribuio apresenta uma curva de freqncia mais fechada que a normal (ou mais aguda ou afilada em sua parte superior), ela recebe o nome de leptocrtica. Quando a distribuio apresenta uma curva de freqncia mais aberta que a normal (ou mais achatada em sua parte superior), ela recebe o nome de platicrtica. A curva normal, que a nossa base referencial, recebe o nome de mesocrtica. Coeficiente de curtose C1 = (Q3 - Q1) / 2(P90 - P10) Este coeficiente conhecido como percentlico de curtose. Relativamente a curva normal, temos: 41

C1 = 0,263 => curva mesocrtica C1 < 0,263 => curva leptocrtica C1 > 0,263 => curva platicrtica obs: este coeficiente est dentro do programa excel (nas funes estatsticas automticas). O coeficiente abaixo ser utilizado em nossas anlises:

C2 =

onde S desvio padro

C2 = 3 => curva mesocrtica C2 > 3 => curva leptocrtica C2 < 3 => curva platicrtica

2.5 NMEROS INDICES

Os nmeros-ndices so medidas estatsticas freqentemente usadas por administradores, economistas e engenheiros, para comparar grupos de variveis relacionadas entre si e obter um quadro simples e resumido das mudanas significativas em reas relacionadas como preos de matrias-primas, preos de produtos acabados, volume fsico de produto etc. Mediante o emprego de nmeros-ndices possvel estabelecer comparaes entre: a) variaes ocorridas ao longo do tempo;

42

b) diferenas entre lugares; c) diferenas entre categorias semelhantes, tais como produtos, pessoas, organizaes etc. grande a importncia dos nmeros-ndices para o administrador, especialmente quando a moeda sofre uma desvalorizao constante e quando o processo de desenvolvimento econmico acarreta mudanas continuas nos hbitos dos consumidores, provocando com isso modificaes qualitativas e quantitativas na composio da produo nacional e de cada empresa individualmente. Assim, em qualquer anlise, quer no mbito interno de uma empresa, ou mesmo fora dela, na qual o fator monetrio se encontra presente, a utilizao de nmeros-ndices toma-se indispensvel, sob pena de o analista ser conduzido a concluses totalmente falsas e prejudiciais empresa. Por exemplo, se uma empresa aumenta seu faturamento de um perodo a outro, isso no quer dizer necessariamente que suas vendas melhoraram em termos de unidades vendidas. Pode ter ocorrido que uma forte tendncia inflacionaria tenha obrigado a empresa a aumentar acentuadamente os preos de seus produtos, fazendo gerar um acrscimo no faturamento (em termos "nominais"), o qual, na realidade, no corresponde a uma melhora de situao. Fora dos problemas gerados por alteraes nos preos dos produtos, os nmeros-ndices so teis tambm em outras reas de atuao da empresa como, por exemplo, no campo da pesquisa de mercado. Neste caso, podem ser utilizados nas mensuraes do potencial de mercado, na analise da lucratividade por produto, por canais de distribuio etc. Em suma, os nmeros-ndices so sempre teis quando nos defrontamos com anlises comparativas. Para o economista, o conhecimento de nmeros-ndices indispensvel igualmente como um instrumento til ao exerccio profissional, quer seus problemas estejam voltados para a microeconomia quer para a macroeconomia. No primeiro caso, poder-se-ia citar, por exemplo, a necessidade de se saber at que ponto o preo de determinado produto aumentou com relao aos preos dos demais produtos em um mesmo mercado. Se, por outro lado, o problema for quantificar a inflao, serem preciso medir o crescimento dos preos dos vrios produtos como um todo, atravs do ndice geral de preos. Sob os aspectos acima considerados, pode-se vislumbrar a noo de agregado subjacente ao conceito de nmero-ndice. Por essa razo, costuma-se conceber o nmero-ndice como uma medida utilizada para proporcionar uma expresso quantitativa global a um conjunto de medidas que no podem ser simplesmente adicionadas em virtude de apresentarem individualmente diferentes graus de importncia. Cada nmero-ndice de uma srie ( de nmeros) costuma vir expresso em termos percentuais. Os ndices mais empregados medem, em geral, variaes ao longo do tempo e exatamente nesse sentido que iremos trata-los neste capitulo. Alm disso, limitaremos o estudo s suas principais aplicaes no campo de administrao e de economia, as quais se situam no mbito das variaes de preos e de quantidades. CONCEITO DE RELATIVO A quantidade total de dinheiro gasto cada ano, em relao a certo ano base, varia de um ano para outro devido as variaes no nmero de unidades compradas dos diferentes artigos e igualmente devido a mudanas nos preos unitrios de tais artigos. Temos, portanto, trs 43

variveis em jogo: preo, quantidade e valor, sendo este ltimo o resultado do produto do preo pela quantidade. Relativo (Relao) de Preo Trata-se do nmero-ndice mais simples. Relacionando-se o preo de um produto numa poca (chamada poca atual ou poca dada) com o de uma poca o (chamada bsica ou simplesmente base) teremos um relativo de preo. Fazendo-se P t = preo numa poca atual e Po = preo na poca-base, definiremos relativo de preo pela seguinte quantidade: pt po Se quisermos expressar em termos percentuais o relativo de preo, bastar multiplicarmos o quociente acima por 100. p(o,t) = pt po NOTA O smbolo p(o,t) pode ser escrito tambm: po,t. Exemplo O preo de determinando artigo em 1979 foi Cr$ 1,20 e em 1980 subiu para Cr$ 1,38. Tomando-se por base o ano 1979, determinar o preo relativo em 1980. Soluo O ano considerado base corresponder sempre ao ndice igual a 100. Os demais apresentaro, portanto, valores que flutua no em torno de 100. Ento: p (79,80) = p1980 = 1,38 = 1,15 ou 115% ou simplesmente 115. p1979 1.20 Esse resultado indica que em 1980 houve um aumento de 15% no preo do artigo com relao ao preo do mesmo artigo em 1979. Se tivssemos p 1980 = 112 (cruzeiros) e P1979 = 120, o relativo de preo seria: p (79,80) = 112 = 0,93 ou 93% ou 93. 120 Em 1980 0 artigo em questo apresentou um preo de 7% inferior ao de 1979.
X

p(o,t)=

100

44

Relativo (Relao) de Quantidade Assim como podemos comparar os preos de bens, podemos tambm faz-lo em relao a quantidades, quer sejam elas quantidades produzidas, vendidas ou consumidas. Se fizermos q t= quantidade de um produto na poca atual (poca t) qo = quantidade desse mesmo produto na poca 0 (bsica), a quantidade relativa ser o seguinte quociente: q(o,t) = qt qo que representa a variao da quantidade na poca t com re1ao a uma poca 0 (base). Exemplo Uma empresa produziu 45 toneladas de ao em 1979 e 68 toneladas em 1980. A quantidade relativa ser, tomando-se o ano de 1979 como base: q (79,80) = q 80 = 68 = 1,51 ou 151%ou 151 q 79 45 No ano de 1980 esta empresa aumentou sua produo de 51% em relao a 1979. Relativo (Relao) de Valor Se p for o preo de determinado artigo em certa poca e q a quantidade produzida ou consumida desse mesmo artigo na mesma poca, ento, o produto p x q ser denominado valor total de produo ou de consumo. Sendo p t e q t respectivamente, o preo e a quantidade de um artigo na poca atual (t) e po e qo, o preo e a quantidade do mesmo artigo na poca bsica (0), definimos como total o valor relativo ou simplesmente valor relativo o quociente: v (o,t) = _vt_ = pt . qt = po, t . q o,t vo po . qo

O fato de vo,t = Po,t . qo,t conhecido como propriedade da reversibilidade dos fatores ou como critrio da decomposio das causas. Exemplo Uma empresa vendeu, em 1970, 1000 unidades de um artigo ao preo unitrio de Cr$ 500,00. Em 1971 vendeu 2000 unidades do mesmo artigo ao preo unitrio de Cr$ 600,00.O valor relativo da venda em 1971 foi: v (70, 71) = 600 . 2000 = 2,4 ou 240%. 500 . 1000 45

Em 1971, o valor das vendas foi 140% superior ao de 1970, alguns ndices agregados no satisfazem a essa propriedade. EMPREGO DE NDICES (AGREGATIVOS) PONDERADOS Como vimos, os ndices simples apresentam algumas desvantagens, em especial se refere inexistncia de pesos diferentes para cada utilidade que os compe de acordo com sua importncia relativa. No caso dos ndices ponderados, alm da frmula a ser usada para interpretar as variaes de preo e de quantidade dos bens, h o problema do critrio para a fixao dos pesos relativos de cada um deles. A ponderao proposta pelos mtodos mais usados baseia-se na participao de cada bem no valor transacionado total e feita, em geral, segundo dois critrios: peso fixo na poca bsica ou peso varivel na poca atual. ndice de Laspeyres ou Mtodo da poca Bsica O ndice de Laspeyres constitui uma mdia ponderada de relativos, sendo os fatores de ponderao determinados a partir de preos e de qualidades da poca bsica por conseguinte, no ndice de Laspeyres, a base de ponderao a poca bsica, dai a denominao mtodo da poca bsica. O peso relativo ou fator de ponderao relativa para um dado bem i, componente do ndice, dado por

O numerador da expresso representa o valor do dispndio com um dado bem i e o denominador a soma dos valores de todos os bens adquiridos na poca bsica. Assim sendo, w i0 equivale a participao relativa do valor do bem i, em re1ao ao valor de todos os bens transacionados, tendo como referenda a poca bsica. De onde se conclui que

ndice de Preo

Smbolo:

L o,t

O ndice de Laspeyres de Preo e definido pela seguinte expresso:

46

A expresso 20 pode ser simp1ificada. Lembrando que wio = 1 , podemos escrever

O ndice de preo, segundo o critrio de Laspeyres, indica que o valor das quantidades dos bens na poca bsica, aos preos do ano dado ( pt x qo ), igual a Lo,t por cento do valor das mesmas quantidades aos preos do ano-base; ou o valor das quantidades do ano-base variaram (L o,t - 100)% como resultado de 174 variaes de preo no perodo considerado. Se, por exemplo, L 78,80 = 1,40, diremos que o valor das quantidades do ano-base aumentou 40% como resultado do aumento de preos entre 78 e 80 que se compara, portanto, o dispndio terico na poca atual com o dispndio real na poca bsica para se manter a mesma estrutura de compra ou de consumo da poca bsica. Pode-se observar, na expresso 21, que as quantidades da poca bsica figuram como fatores de ponderao dos preos em duas pocas. Trata-se, portanto, de um ndice em que as quantidades (pesos) so fixas na poca bsica. Isso no o mesmo que dizer que a ponderao fixa, o que se ocorre quando os pesos independerem da base de comparao. No caso do ndice de Laspeyres, os pesos variam ao mudar a poca bsica, o que o caracteriza como um ndice agregativo ponderado, com ponderao referida a poca bsica. O ndice de Laspeyres apresenta uma tendncia para exagerar a alta, em virtude de considerar as quantidades da poca atual iguais s da poca bsica. a) ndice de Quantidade Smbolo: L'o,t O ndice de quantidade, pelo mtodo de Laspeyres obtm-se permutando p e q na expresso 21.

47

Neste caso, os preos da poca bsica so considerados os fatores de ponderao. O ndice agregativo de quantidade procura responder a seguinte que so: se em cada uma de duas pocas forem adquiridas quantidades diferentes de determinadas mercadorias, mas aos mesmos preos (fixos na poca bsica, no caso do ndice de Laspeyres), quanto se gastara na poca atual em re1ao ao que se gastou na poca bsica? Enquanto no ndice de preo a diferena da importncia gasta devia-se variao nos preos, no de quantidade ela se deve s variaes nas quantidades adquiridas, uma vez que os preos permanecem constantes. ndice de Paasche ou Mtodo da poca Atual O ndice agregativo proposto por Paasche , na sua frmu1a original, uma mdia harmnica ponderada de relativos, sendo os pesos calculados com base nos preos e nas quantidades dos bens na poca atual. A base de ponderao no ndice de Paasche e, portanto, a poca atual. O fator de ponderao simbolizado por wi t representa, ento, a participao percentual do dispndio com o componente i na poca atual em re1ao ao dispndio total da mesma poca simbolicamente, a) ndice de Preo

Smbolo: Po,t O ndice de preos, segundo o mtodo proposto por Paasche, definido pela expresso:
n

Substituindo wit pela expresso dada acima e lembrando que chegaremos a uma expresso mais simples.

wit
i=1

= 1,

48

O ndice de preo de Paasche indica que o valor das quantidades dos bens adquiridos na poca atual, aos preos dessa mesma poca, igual a Po,t por cento do valor dessas quantidades aos preos da poca bsica; ou o valor das quantidades da poca atual variou (P o,t - 100)% como resultado do aumento de preos no perodo considerado. Esse ndice mede, portanto, a relao entre o dispndio monetrio necessrio para adquirir bens nas quantidades e sistemas de preos da poca atual e o dispndio dado pelas quantidades da poca atual aos preos vigentes na poca bsica. Observando a expresso acima pode-se ver que os fatores de ponderao so as quantidades da poca atual. Como a poca atual varivel, os pesos, no ndice de Paasche, mudam quando as pocas atuais mudarem, o que o caracteriza como um ndice agregativo com ponderaes variveis. O ndice de Paasche reala a baixa porque a ponderao determinada pela poca atual. Uma sria limitao ao uso do ndice de preo de Paasche reside no fato de os pesos variarem em cada perodo, o que onera substancialmente a pesquisa, no caso de ser difcil estimar as quantidades na poca atual. Esse fato torna proibitivo o emprego do ndice de Paasche quando se deseja montar um ndice ponderado para se fazerem comparaes semanais, mensais ou mesmo trimestrais. b) ndice de Quantidade Smbolo: P'o,t O ndice de Paasche de quantidade definido por:

49

ndice do Fischer (ndice Ideal) O ndice de Fischer, tambm conhecido corno forma ideal, a mdia geomtrica dos nmeros-ndices de Laspeyres e de Paasche. Sob o aspecto da ponderao, esse ndice envolve os dois sistemas anteriormente adotados. A proposta de Fischer fundamenta-se no fato de os ndices que o compem no atenderem ao critrio de decomposio das causas, alm de um deles tender a superestimar e o outro a subestimar o verdadeiro valor do ndice. Esse verdadeiro valor tender a ser um nmero superior ao fornecido pela frmula de Paasche e inferior ao apresentado pela frmula de Laspeyres, o que acontece com a mdia geomtrica entre esses dois ndices. Entretanto, o ndice de Fischer, apesar de ser chamado de ideal, nisso pode ser considerado "perfeito". A necessidade de modificar pesos, em dada poca comparada, em decorrncia do clculo do ndice de Paasche, constitui uma restrio no desprezvel ao seu emprego. Alm disso, no parece ser possvel determinar especificamente o que o ndice de Fischer mede, bem como estabelecer o verdadeiro valor de um ndice perfeito, o qual serviria de elemento de referncia. a) ndice de Preo Smbolo: Io,t

ndice de Quantidade Smbolo: I'o,t

50

EXERCCIOS 1) Dados: 1997 PRODUTOS P A B C D 2 1 4 3 Q 4 6 4 6 P 3 2 1 6 Q 6 4 8 4 P 6 4 5 6 Q 12 4 16 4 1978 1979

Dados: fictcios a) Obter um ndice de Laspeyres e de Paasche de preo, com base em 1977, para o perodo 77/79. b) Obter um ndice de Laspeyres de Preo, base mvel, para o perodo 77/79 Respostas: a) L 77,78= 133,33 L 77,79= 216,67 P 77,78= 96,67 P 77,79= 184,64 b) L 77,78= 133,33 L 78,79= 200,00

51

2) Conjugue as duas sries seguintes de nmeros-ndices, usando 1958 como poca-base. NDICES DE PREOS DAS EXPORTAES LATINO-AMERICANAS ANO 1953 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 SRIE ANTIGA 118 115 105 100 96 90 SRIE NOVA

100 95 95 93 91 94

dados: fictcios Resposta: NDICES DE PREOS DAS EXPORTAES LATINO-AMERICANAS ANO 1953 1954 1955 1956 1957 1958 1959 1960 1961 1962 94 SRIE AJUSTADA 131 128 117 111 107 100 95 95 93 91

2.6 PROBABILIDADE
O clculo das probabilidades pertence ao campo da Matemtica, entretanto a maioria dos fenmenos de que trata a Estatstica so de natureza aleatria ou probabilstica. O conhecimento dos aspectos fundamentais do clculo das probabilidades uma necessidade essencial para o estudo da Estatstica Indutiva ou Inferencial.

52

Experimento Aleatrio So fenmenos que, mesmo repetido vrias vezes sob condies semelhantes, apresentam resultados imprevisveis. O resultado final depende do acaso. Exemplo: Da afirmao " provvel que o meu time ganhe a partida hoje" pode resultar: - que ele ganhe - que ele perca - que ele empate Este resultado final pode ter trs possibilidades. Espao Amostral o conjunto universo ou o conjunto de todos os resultados possveis de um experimento aleatrio. No experimento aleatrio "lanamento de uma moeda" temos o espao amostral {cara, coroa}. No experimento aleatrio "lanamento de um dado" temos o espao amostral {1, 2, 3, 4, 5, 6}. No experimento aleatrio "dois lanamentos sucessivos de uma moeda" temos o espao amostral : {(ca,ca) , (co,co) , (ca,co) , (co,ca)} Obs: cada elemento do espao amostral que corresponde a um resultado recebe o nome de ponto amostral. No primeiro exemplo : cara pertence ao espao amostral {cara, coroa}. Eventos qualquer subconjunto do espao amostral de um experimento aleatrio. Se considerarmos S como espao amostral e E como evento: Assim, qualquer que seja E, se E C S (E est contido em S), ento E um evento de S. Se E = S , E chamado de evento certo. Se E C S e E um conjunto unitrio, E chamado de evento elementar. Se E = , E chamado de evento impossvel. Exerccio 1- No lanamento de um dado temos S = {1,2,3,4,5,6}. Formule os eventos definidos pelas sentenas: A) Obter um nmero par na face superior do dado: A = {2,4,6} onde A C S. B) Obter um nmero menor ou igual a 6 na face superior: B = {1,2,3,4,5,6}, onde B = S, logo B um evento certo de S. C) Obter o nmero 4 na face superior : C = {4}, logo C um evento elementar de S. D) Obter um nmero maior que 6 na face superior : D = , logo D um evento impossvel de S. 2- No lanamento de duas moedas (uma de 10 centavos e outra de 5 centavos) a) Qual o espao amostral ? b) Formule os eventos definidos pelas sentenas: Obter uma cara : Obter pelo menos uma cara : Obter apenas um cara : Obter no mximo duas caras : Obter uma cara e uma coroa : Obter uma cara ou uma coroa : Conceito de Probabilidade Chamamos de probabilidade de um evento A (sendo que A est contido no Espao amostral) o nmero real 53

P(A) = n(A) / n(S), onde n(A) o nmero de casos favorveis e n(S) nmero total de casos provveis OBS: Quando todos os elementos do Espao amostral tem a mesma chance de acontecer, o espao amostral chamado de conjunto equiprovvel. Exemplos: 1- No lanamento de uma moeda qual a probabilidade de obter cara em um evento A ? S = { ca, co } n(S) = 2 A = {ca} n( A) = 1 P(A) = 1/2 = 0,5 = 50% 2- No lanamento de um dado qual a probabilidade de obter um nmero par em um evento A ? S = { 1,2,3,4,5,6 }, n(S) = 6 A = { 2,4,6 }, n(A)=3 P(A) = 3/6 = 0,5 = 50% 3- No lanamento de um dado qual a probabilidade de obter um nmero menor ou igual a 6 em um evento A ? S = { 1,2,3,4,5,6 }, n(S) 6 A = { 1,2,3,4,5,6 } n(A)= 6 P(A) = 6/6 = 1,0 = 100% Obs: a probabilidade de todo evento certo = 1 ou 100%. 4- No lanamento de um dado qual a probabilidade de obter um nmero maior que 6 em um evento A ? S = { 1,2,3,4,5,6 }, n(S)= 6 A = { }, n(A)=0 P(A) = 0/6 = 0 = 0% Obs: a probabilidade de todo evento impossvel = 0 ou 0% Eventos Complementares Sabemos que um evento pode ocorrer ou no. Sendo p a probabilidade de que ele ocorra (sucesso) e q a probabilidade de que ele no ocorra (insucesso), para um mesmo evento existe sempre a relao: p+q=1 Obs:Numa distribuio de probabilidades o somatrio das probabilidades atribudas a cada evento elementar igual a 1 onde p1 + p2 + p3 + ... + pn = 1 . Exemplos: 1-Sabemos que a probabilidade de tirar o n 4 no lanamento de um dado p = 1/6. logo, a probabilidade de no tirar o n 4 no lanamento de um dado : q = 1 - p ou q = 1 - 1/6 = 5/6. 2-Calcular a probabilidade de um piloto de automveis vencer uma dada corrida, onde as suas "chances", segundo os entendidos, so de "3 para 2". Calcule tambm a probabilidade dele perder: O termo "3 para 2" significa : De cada 5 corridas ele ganha 3 e perde 2. Ento p = 3/5 (ganhar) e q = 2/5 (perder). 3-Um dado foi fabricado de tal forma que num lanamento a probabilidade de ocorrer um nmero par o dobro da probabilidade de ocorrer nmero mpar na face superior, sendo que os trs nmeros pares ocorrem com igual probabilidade, bem como os trs nmeros mpares. Determine a probabilidade de ocorrncia de cada evento elementar: 4-Seja S = {a,b,c,d} . Consideremos a seguinte distribuio de probabilidades: P(a) = 1/8 ; P(b) = 1/8 ; P(c) = 1/4 e P(d) = x . Calcule o valor de x :

54

5- As chances de um time de futebol T ganhar o campeonato que est disputando so de "5 para 2". Determinar a probabilidade de T ganhar e a probabilidade de T perder : 6- Trs cavalos C1,C2 e C3 disputam um preo, onde s se premiar o vencedor. Um conhecedor dos 3 cavalos afirma que as "chances" de C1 vencer so o dobro das de C2,e que C2 tem o triplo das "chances" de C3. Calcule as probabilidades de cada cavalo vencer o preo: Eventos Independentes Dizemos que os eventos so independentes quando a realizao ou no realizao de um dos eventos no afeta a probabilidade da realizao do outro e vice-versa. Exemplo: Quando lanamos dois dados, o resultado obtido em um deles independe do resultado obtido no outro. Ento qual seria a probabilidade de obtermos, simultaneamente, o n 4 no primeiro dado e o n 3 no segundo dado ? Sendo P1 a probabilidade de realizao do primeiro evento e P2 a probabilidade de realizao do segundo evento, a probabilidade de que tais eventos se realizem simultaneamente dada pela frmula: P(1 n 2) = P(1 e 2) = P(1) x P(2) P1 = P(4 dado1) = 1/6 P2 = P(3 dado2) = 1/6 P total = P (4 dado1) x P (3 dado2) = 1/6 x 1/6 = 1/36 Eventos Mutuamente Exclusivos Dois ou mais eventos so mutuamente exclusivos quando a realizao de um exclui a realizao do(s) outro(s). Assim, no lanamento de uma moeda, o evento "tirar cara" e o evento "tirar coroa" so mutuamente exclusivos, j que, ao se realizar um deles, o outro no se realiza. Se dois eventos so mutuamente exclusivos, a probabilidade de que um ou outro se realize igual soma das probabilidades de que cada um deles se realize: P(1 U 2) = P(1 ou 2) = P(1) + P(2) Exemplo: No lanamento de um dado qual a probabilidade de se tirar o n 3 ou o n 4 ? Os dois eventos so mutuamente exclusivos ento: P = 1/6 + 1/6 = 2/6 = 1/3 Probabilidade da Unio de dois eventos: Na probabilidade da unio de dois eventos A e B, quando h elementos comuns, devemos excluir as probabilidades dos elementos comuns a A e B (elementos de A n B ) para no serem computadas duas vezes. Assim P(A U B) = P(A) + P(B) - P(A B) Exemplo: Retirando-se uma carta de um baralho de 52 cartas, qual a probabilidade da carta retirada ser um S (qualquer S) ou uma carta de COPAS ? P(S U Copas) = P(S) + P(Copas) - P(S n Copas) = 4/52 + 13/52 - 1/52 = 16/52 Probabilidade Condicional 55

Se A e B so dois eventos, a probabilidade de B ocorrer , depois de A ter acontecido definida por : P (B/A), ou seja, chamada probabilidade condicional de B. Neste caso os eventos so dependentes e definidos pela frmula: P (A e B ) = P (A) x P(B/A) Exemplo: Duas cartas so retiradas de um baralho sem haver reposio. Qual a probabilidade de ambas serem COPAS ? P (Copas1 e Copas2) = P(Copas1) x P(Copas2/Copas1) = 13/52 x 12/51 = 0,0588 = 5,88 % P(Copas1) = 13/52 P(Copas2/Copas1) = 12/51 Obs: No exemplo anterior se a 1 carta retirada voltasse ao baralho o experimento seria do tipo com reposio e seria um evento independente. O resultado seria: P(Copas1) x P(Copas2) = 13/52 x 13/52 = 0,625 = 6,25 % Espao amostral do baralho de 52 cartas: Carta pretas = 26 Paus = 13 (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei) Espadas = 13 (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei) Cartas vermelhas = 26 Ouros = 13 (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei) Copas = 13 (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama, rei) Exerccios: 1- Qual a probabilidade de sair o S de ouro quando retiramos 1 carta de um baralho de 52 cartas ? R=1/52 2- Qual a probabilidade de sair o um REI quando retiramos 1 carta de um baralho de 52 cartas ? R=4/52 3- Em um lote de 12 peas, 4 so defeituosas. Sendo retirada uma pea, calcule: a) a probabilidade de essa pea ser defeituosa. b) a probabilidade de essa pea no ser defeituosa. R = 4/12=1/3 e 8/12=2/3 4- De dois baralhos de 52 cartas retiram-se, simultaneamente, uma carta do primeiro baralho e uma carta do segundo. Qual a probabilidade de a carta do primeiro baralho ser um REI e a do segundo ser o 5 de paus ? R=4/52x1/52 5- Uma urna A contm: 3 bolas brancas, 4 pretas, 2 verdes; uma urna B contm: 5 bolas brancas, 2 pretas, 1 verde; uma urna C contm: 2 bolas brancas, 3 pretas, 4 verdes. Uma bola retirada de cada urna. Qual a probabilidade de as trs bolas retiradas da 1 , 2 e 3 urnas serem, respectivamente, branca, preta e verde ? 6- De um baralho de 52 cartas retiram-se, ao acaso, duas cartas sem reposio. Qual a probabilidade de a primeira carta ser o S de paus e a segunda ser o REI de paus ? R=1/52x1/51 7- Qual a probabilidade de sair uma figura (rei ou dama ou valete) quando retiramos uma carta de um baralho de 52 carta ? R=12/52 8- So dados dois baralhos de 52 cartas.Tiramos, ao mesmo tempo, uma carta do primeiro baralho e uma carta do segundo. Qual a probabilidade de tirarmos uma DAMA e um REI, no necessariamente nessa ordem ? R=4/52X4/52 9- Duas cartas so retiradas de um baralho sem haver reposio. Qual a probabilidade de ambas serem COPAS ou ESPADAS ? R=13/52+13/52 56

10- Duas bolas so retiradas (sem reposio) de uma urna que contm 2 bolas brancas e 3 bolas pretas. Qual a probabilidade de que a 1 seja branca e a 2 seja preta ? R=2/5X3/4 11- Duas bolas so retiradas (com reposio) de uma urna que contm 2 bolas brancas e 3 bolas pretas. Qual a probabilidade de que a 1 seja branca e a 2 seja preta ? R=2/5X3/5 12- Duas bolas so retiradas (sem reposio) de uma urna que contm 2 bolas brancas e 3 bolas pretas e 5 bolas verdes. a)Qual a probabilidade de que ambas sejam verdes ? R= 5/10X4/9b) Qual a probabilidade de que ambas sejam da mesma cor ? R= 2/10+3/10+5/10 Tcnicas de Contagem em probabilidade o uso das frmulas de anlise combinatria para o clculo do nmero de casos favorveis e o nmero de casos possveis. Arranjo com repetio: AR n,p AR 9,3 = 9 x 9 x 9 = 729 AR 9,2 = 9 x 9 = 81 Exemplo: Se mil ttulos entram em sorteio com os nmeros de 000 a 999. Qual a probabilidade: a - De sair nmeros com a dezena 24 = A10,1 / 1000 = 10 / 1000 = 0,01 ou 1% b - De sair nmeros com a unidade 4 = A10,2 / 1000 = 100 / 1000 = 0,1 ou 10% c - De sair nmeros com a centena 323 = 1 / 1000 = 0,001 ou 0,1% Reviso de Fatorial: 5! = 5 x 4 x 3 x 2 x 1 = 120 5! / 3! = 5 x 4 x 3! / 3! = 20 3! x 4! / 5! = 3 x 2 x 1 x 4! / 5 x 4! = 3 x 2 x 1 / 5 = 1,2 Combinao: Cn,r = n! / (n - r)! . r! C15,3 = 15! / (15-3)! . 3! = 15 x 14 x 13 x 12! / 12! x 3! = 15 x 14 x 13 / 3 x 2 x 1 Exemplos: 1- Qual a probabilidade de tirarmos 5 cartas de espadas sem reposio de um baralho de 52 cartas ? Mtodo tradicional: P(5 espadas) = 13/52 . 12/51 . 11/50 . 10/49 . 9/48 = 0,0005... Tcnica de contagem: P(5 espadas) = C13,5 / C52,5 = (13.12.11.10.9 / 5.4.3.2.1) / (52.51.50.49.48 / 5.4.3.2.1) = 13.12.11.10.9 / 52.51.50.49.48 = 0,0005... 2- De 20 pessoas que se oferecem para doar sangue 15 possuem sangue tipo B. Qual a probabilidade de, escolhendo-se 3 pessoas desse grupo todas as 3 escolhidas tenham sangue tipo B ? P (3 sangue B) = C15,3 / C20,3 = (15.14.13 / 3.2.1) / (20.19.18 / 3.2.1) = 15.14.13/20.19.18 = 0,399 3- Qual a probabilidade de retirarmos 2 ases em uma amostra de 5 cartas retiradas de um baralho de 52 cartas ? P (2 ases) = (C4,2 x C48,3) / C52,5 4- Qual a probabilidade de retirarmos 4 ases em uma amostra de 13 cartas retiradas de um baralho de 52 cartas ? P (4 ases) = (C4,4 x C48,9) / C52,13 = C48,9 / C52,13 Teorema da probabilidade total Seja B1, B2, B3...Bk um conjunto de eventos mutuamente exclusivos cuja unio forma o espao amostral. Seja A outro evento no mesmo espao amostral, tal que P(A) > 0 . Ento: P(A) = P( A n B1) + P( A n B2) + P( A n B3) + . . . + P( A n Bk) P(A) = P(B1) . P(A|B1) + P(B2) . P(A|B2) + . . . P(Bk) . P(A|Bk) 57

Ento podemos escrever a frmula da probabilidade total como : P(A) = E P(Bi) . P(A|Bi) Exemplo: Segundo especialistas esportivos, a probabilidade de que o Flamengo vena o prximo jogo estimada em 0,70 se no chover, e s de 0,50 se chover. Se os registros meteorolgicos anunciam uma probabilidade de 0,40 de chover na data do jogo, qual ser ento a probabilidade desse time ganhar o prximo jogo ? P(A) = E P(Bi) . P(A|Bi) P(ganhar) = P(ganhar n chuva ) + P(ganhar n no chuva ) P(ganhar) = P(chuva) . P(ganhar | chuva) + P(no chuva) . P(ganhar | no chuva) P(ganhar) = (0,40 . 0,50 ) + (0,60 . 0,70) = 0,20 + 0,42 = 0,62 ou 62% TEOREMA DE BAYES Sabemos que: P(A) = E P(Bi) . P(A|Bi) P(A n Bi) = P(A) . P(Bi|A) logo P(Bi|A) = P(A n Bi) / P(A) ento substituindo teremos : P (Bi|A) = P (Bi) . P (A|Bi) / E P(Bi) . P(A|Bi) que a frmula de Bayes Exemplo: Certo professor da FACEV 4/5 das vezes vai trabalhar usando um fusca e usando um carro importado nas demais vezes. Quando ele usa o fusca, 75 % das vezes ele chega em casa antes das 23 horas e quando usa o carro importado s chega em casa antes das 23 horas em 60% das vezes. Ontem o professor chegou em casa aps s 23 horas. Qual a probabilidade de que ele, no dia de ontem, tenha usado o fusca ? B1 = usar o fusca B2 = usar carro importado A = chegar em casa aps 23 horas P(B1) = 4/5 = 0,80 P(B2) = 1/5 = 0,20 P( A | B1) = 1 - 0,75 = 0,25 P( A | B2) = 1 - 0,60 = 0,40 P (B1 | A) = P (B1) . P( A | B1) / P (B1) . P( A | B1) + P (B2) . P( A | B2) P (B1 | A) = 0,80 x 0,25 /(0,80 x 0,25) + (0,20 x 0,40) = P (B1 | A) = 0,20 / (0,20 + 0,08) = 0,7143 ou 71,43 % Exerccio: Certo aluno da FACEV 3/4 das vezes vai estudar usando um fusca e usando um carro importado nas demais vezes. Quando ele usa o fusca, 35 % das vezes ele chega em casa depois das 23 horas e quando usa o carro importado s chega em casa antes das 23 horas em 0,55 das vezes. Ontem o aluno chegou em casa antes das 23 horas. Qual a probabilidade em percentual de que ele, no dia de ontem, tenha usado o fusca ? Resposta: 78 % DISTRIBUIO DE PROBABILIDADES Apresentaremos neste captulo trs modelos tericos de distribuio de probabilidade, aos quais um experimento aleatrio estudado possa ser adaptado, o que permitir a soluo de grande nmero de problemas prticos. Varivel Aleatria Suponhamos um espao amostral S e que a cada ponto amostral seja atribudo um nmero. Fica, ento, definida uma funo chamada varivel aleatria. Assim, se o espao amostral relativo ao "lanamento simultneo de duas moedas" S = {(ca,ca), (ca,co), (co,ca), (co,co)} e se X representa o "nmero de caras" que aparecem, a cada ponto amostral podemos associar um nmero para X, de acordo com a tabela abaixo:

58

Ponto Amostral (ca,ca) (ca,co) (co,ca) (co,co) Logo podemos escrever: Nmero de caras (X) 2 1 0

X 2 1 1 0

Probabilidade (X) 2/4

Total 4/4 = 1 Exemplo prtico de uma distribuio de probabilidade: Consideremos a distribuio de freqncias relativa ao nmero de acidentes dirios na Rodovia do SOL durante o ms de nov/97: Nmero de Acidentes freqncia 0 22 1 5 2 2 3 1 Podemos ento escrever a tabela de distribuio de probabilidade: Nmero de Acidentes (X) Probabilidade (X) 0 0,73 1 0,17 2 0,07 3 0,03 Total 1,00 Construmos acima uma tabela onde aparecem os valores de uma varivel aleatria X e as probabilidades de X ocorrer que a tabela de distribuio de probabilidades. Funes de probabilidades: f(X) = p(X= xi) Ao definir a distribuio de probabilidade, estabelecemos uma correspondncia unvoca entre os valores da varivel aleatria X e os valores da varivel P (probabilidade). Esta correspondncia define uma funo onde os valores xi formam o domnio da funo e os valores pi o seu conjunto imagem. Assim, ao lanarmos um dado, a varivel aleatria X, definida por "pontos de um dado", pode tomar os valores 1,2,3,4,5 e 6. Ento resulta a seguinte distribuio de probabilidade: X P (X) 1 1/6

59

2 3 4 5 6 Total

1/6 1/6 1/6 1/6 1/6 6/6 = 1

Distribuio Binomial Vamos imaginar fenmenos cujos resultados s podem ser de dois tipos, um dos quais considerado como sucesso e o outro insucesso. Este fenmeno pode ser repetido tantas vezes quanto se queira (n vezes), nas mesmas condies. As provas repetidas devem ser independentes, isto , o resultado de uma no deve afetar os resultados das sucessivas. No decorrer do experimento, a probabilidade p do sucesso e a probabilidade de q (q = 1 - p) do insucesso manter-se-o constantes. Nessas condies X uma varivel aleatria discreta que segue uma distribuio binomial. P(x) = P(x) = a probabilidade de que o evento se realize x vezes em n provas. p = a probabilidade de que o evento se realize em uma s prova = sucesso. q = a probabilidade de que o evento no se realize no decurso dessa prova = insucesso. OBS: O nome binomial devido frmula, pois representa o termo geral do desenvolvimento do binmio de Newton. Exemplos: 1- Uma moeda lanada 5 vezes seguidas e independentes. Calcule a probabilidade de serem obtidas 3 caras nessas 5 provas. n=5 x=3 p = 1/2 q = 1 - (1/2) = 1/2 P(x=3) = 5/16 2- Dois times de futebol, A e B, jogam entre si 6 vezes. Encontre a probabilidade de o time A ganhar 4 jogos. 3- Determine a probabilidade de obtermos exatamente 3 caras em 6 lances de uma moeda. 4- Jogando-se um dado trs vezes, determine a probabilidade de se obter um mltiplo de 3 duas vezes. 5- Dois times de futebol, A e B, jogam entre si 6 vezes. Encontre a probabilidade de o time A: a- ganhar dois ou trs jogos; b- ganhar pelo menos um jogo; 6- A probabilidade de um atirador acertar o alvo 2/3. Se ele atirar 5 vezes, qual a probabilidade de acertar exatamente 2 tiros ? 7- Seis parafusos so escolhidos ao acaso da produo de certa mquina, que apresenta 10% de peas defeituosas. Qual a probabilidade de serem defeituosos dois deles ? 60

DISTRIBUIO NORMAL Entre as distribuies tericas de varivel aleatria contnua, uma das mais empregadas a distribuio Normal. Muitas das variveis analisadas na pesquisa scio-econmica correspondem distribuio normal ou dela se aproximam. Propriedades da distribuio normal : 1 - A varivel aleatria X pode assumir todo e qualquer valor real. 2 - A representao grfica da distribuio normal uma curva em forma de sino, simtrica em torno da mdia, que recebe o nome de curva normal ou de Gauss. 3 - A rea total limitada pela curva e pelo eixo das abscissas igual a 1, j que essa rea corresponde probabilidade de a varivel aleatria X assumir qualquer valor real. 4 - A curva normal assinttica em relao ao eixo das abscissas, isto , aproxima-se indefinidamente do eixo das abscissas sem, contudo, alcan-lo. 5 - Como a curva simtrica em torno da mdia, a probabilidade de ocorrer valor maior que a mdia igual probabilidade de ocorrer valor menor do que a mdia, isto , ambas as probabilidades so iguais a 0,5 ou 50%. Cada metade da curva representa 50% de probabilidade. Quando temos em mos uma varivel aleatria com distribuio normal, nosso principal interesse obter a probabilidade de essa varivel aleatria assumir um valor em um determinado intervalo. Vejamos com proceder, por meio de um exemplo concreto. Exemplo: Seja X a varivel aleatria que representa os dimetros dos parafusos produzidos por certa mquina. Vamos supor que essa varivel tenha distribuio normal com mdia = 2 cm e desvio padro = 0,04 cm. Qual a probabilidade de um parafuso ter o dimetro com valor entre 2 e 2,05 cm ? P ( 2 < X < 2,05) = ? Com o auxlio de uma distribuio normal reduzida, isto , uma distribuio normal de mdia = 0 e desvio padro = 1. Resolveremos o problema atravs da varivel z , onde z = (X S )/

Utilizaremos tambm uma tabela normal reduzida, que nos d a probabilidade de z tomar qualquer valor entre a mdia 0 e um dado valor z, isto : P ( 0 < Z < z)

61

Temos, ento, que se X uma varivel aleatria com distribuio normal de mdia desvio padro S, podemos escrever: P( < X < x ) = P (0 < Z < z)

No nosso problema queremos calcular P(2 < X < 2,05). para obter essa probabilidade, precisamos, em primeiro lugar, calcular o valor de z que corresponde a x = 2,05 z = (2,05 - 2) / 0,04 = 1,25 Utilizao da Tabela Z Procuremos, agora, na tabela Z o valor de z = 1,25 Na primeira coluna encontramos o valor at uma casa decimal = 1,2. Em seguida, encontramos, na primeira linha, o valor 5, que corresponde ao ltimo algarismo do nmero 1,25. Na interseco da linha e coluna correspondentes encontramos o valor 0,3944, o que nos permite escrever: P (0 < Z < 1,25 ) = 0,3944 ou 39,44 %, assim a probabilidade de um certo parafuso apresentar um dimetro entre a mdia = 2cm e x = 2,05 cm de 39,44 %. Exerccios: 1- Determine as probabilidades: a) P(-1,25 < Z < 0) = b) P(-0,5 < Z < 1,48) = c) P(0,8 < Z < 1,23) = d) P(-1,25 < Z < -1,20) = e) P( Z < 0,92) = f) P(Z > 0,6) = 2- Os salrios dos bancrios so distribudos normalmente, em torno da mdia R$ 10.000,00, com desvio padro de R$ 800,00. Calcule a probabilidade de um bancrio ter o salrio situado entre R$ 9.800,00 e R$ 10.400,00. Devemos inicialmente calcular os valores z1 e z2, z1 = (9800 - 10000) / 800 = -0,25 e z2 = (10400 - 10000) / 800 = 0,5

P( 9800 < X < 10400) = P(-0,25 < Z < 0,5) = P(-0,25 < Z < 0) + P(0 < Z < 0,5) = 0,0987 +0,1915 = 0,2902 ou 29,02 % 3- Um teste padronizado de escolaridade tem distribuio normal com mdia = 100 e desvio padro = 10. Determine a probabilidade de um aluno submetido ao teste ter nota : 62

a) maior que 120 b)maior que 80 c)entre 85 e 115 d)maior que 100 Instrumental Matemtico - 01 Arredondamento de dados Muitas vezes, necessrio ou conveniente suprimir unidades inferiores s de determinada ordem. Esta tcnica denominada arredondamento de dados. De acordo com a resoluo 886/66 do IBGE, o arredondamento feito da seguinte maneira: 1 - Quando o primeiro algarismo a ser abandonado 0,1,2,3 ou 4, fica inalterado o ltimo algarismo a permanecer. Ex: 53,24 passa a 53,2 ; 44,03 passa a 44,0

2 - Quando o primeiro algarismo a ser abandonado 6,7,8, ou 9, aumenta-se de uma unidade o algarismo a permanecer. Ex: 53,87 passa a 53,9 ; 44,08 passa a 44,1 ; 44,99 passa a 45,0

3 - Quando o primeiro algarismo a ser abandonado 5, h duas solues: a) Se ao 5 seguir em qualquer casa um algarismo diferente de zero, aumenta-se uma unidade ao algarismo a permanecer. Ex: 2,352 passa a 2,4 ; 25,6501 passa a 25,7 ; 76,250002 passa a 76,3

b) Se o 5 for o ltimo algarismo ou se ao 5 s se seguirem zeros, o ltimo algarismo a ser conservado s ser aumentando de uma unidade se for mpar. Exemplos:

24,75 passa a 24,8 24,65 passa a 24,6 24,75000 passa 24,8 24,6500 passa a 24,6

Obs: No devemos nunca fazer arredondamento sucessivos. Exemplo: 17,3452 passa a 17,3 e no para 17,35 e depois para 17,4. Compensao

63

Suponhamos os dados abaixo, aos quais aplicamos as regras do arredondamento: 25,32 + 17,85 + 10,44 + 31,17 = 84,78 25,3 + 17,8 + 10,4 + 31,2 = 84,7 Verificamos que houve uma pequena discordncia: a soma exatamente 84,7 quando, pelo arredondamento, deveria ser 84,8. entretanto, para a apresentao dos resultados, necessrio que desaparea tal diferena, o que possvel pela prtica do que denominamos compensao, conservando o mesmo nmero de casas decimais. Usamos "descarregar" a diferena na(s) maior(es) parcela(s). Veja: 25,3 + 17,8 + 10,4 + 31,3 = 84,8 Obs: Se a maior parcela igual ou maior que o dobro de qualquer outra parcela, "descarregamos" a diferena apenas na maior parcela. Exerccios: 1 - Arredonde cada uma dos numerais abaixo, conforme a preciso pedida: a - Para o dcimo mais prximo:

23,40 = 234,7832 = 45,09 = 48,85002 = 120,4500 =

b - Para o centsimo mais prximo:

46,727 = 123,842 = 45,65 = 28,255 = 37,485 =

c - Para a unidade mais prxima:

46,727 = 123,842 =

64

45,65 = 28,255 = 37,485 =

d - Para a dezena mais prxima:

42,3 = 123,842 = 295 = 2995,000 = 59 =

2 - Arredonde para o centsimo mais prximo e compense, se necessrio: 0,060 + 0,119 + 0,223 + 0,313 + 0,164 + 0,091 + 0,030 = 1,000 3 - Arredonde para a unidade mais prxima e compense, se necessrio: 4,0 + 7,6 + 12,4 + 27,4 + 11,4 + 8,0 = 70,8

65

TABELA DE NMEROS ALEATRIOS C4 1 2 3 4 5 6 7 8 9 0 5 4 3 2 1 0 9 8 7 6 1 1 2 2 3 3 4 4 5 C5 6 6 7 7 8 8 9 9 0 0 1 3 5 7 9 2 4 6 8 0 1 3 5 7 9 0 2 3 6 C6 1 3 5 7 9 1 0 2 0 3 9 3 8 4 8 5 7 6 7 1 3 2 4 3 5 4 6 6 8 C7 0 9 0 8 0 7 6 3 2 1 1 0 2 0 3 0 4 0 5 9 5 8 6 7 7 2 3 4 5 C8 2 5 1 6 2 2 3 6 0 1 9 3 3 7 8 5 1 1 9 8 2 6 5 8 0 2 2 3 6 C9 3 5 9 5 0 2 7 3 3 1 4 2 6 0 3 3 1 4 4 4 4 1 8 0 4 6 0 1 9 C10 5 3 8 2 3 2 6 7 7 2 1 3 5 7 9 2 4 6 8 0 1 2 4 3 5 6 8 7 8 C11 7 4 7 7 1 2 4 3 5 6 8 7 0 9 4 1 2 2 0 2 7 0 0 0 8 1 9 1 2 C12 6 8 6 8 0 8 0 7 0 0 4 0 2 0 0 3 4 2 0 9 5 2 8 9 7 1 2 0 0 C13 2 8 3 1 1 6 7 8 9 2 2 3 6 0 1 5 6 3 2 2 7 0 0 2 4 0 3 2 2 C14 0 0 0 0 1 1 1 9 7 0 1 4 3 6 9 8 7 3 3 3 3 1 1 2 2 3 3 0 3 C15 9 9 0 0 2 9 2 4 6 8 3 5 6 5 5 9 0 0 6 2 0 3 9 6 2 9 7 9 0 C16 9 3 1 7 4 4 1 3 5 0 3 8 7 2 2 1 2 1 9 5 0 5 6 7 3 9 7 6 1 C17 8 0 2 5 3 5 0 9 7 9 2 9 0 7 2 2 3 5 6 3 9 4 9 6 8 1 4 4 4 C18 1 1 1 3 1 2 1 2 8 7 7 3 1 8 0 3 7 4 4 5 1 6 5 4 2 0 0 3 3 C19 0 7 4 2 9 0 2 3 0 7 6 5 7 1 0 9 8 5 3 7 2 4 0 9 1 3 5 7 3 C20 3 0 3 2 5 0 8 2 8 7 4 2 9 0 2 6 5 1 6 2 0 3 8 8 2 4 6 9 7 C21 4 4 2 5 6 1 9 3 4 3 4 4 6 0 1 5 3 1 7 7 3 2 0 9 2 3 8 0 7 C22 7 0 4 8 8 3 7 0 5 6 3 0 8 7 2 2 1 3 2 8 4 0 2 4 0 9 8 7 5 C23 2 8 5 1 5 1 5 0 2 7 8 1 3 5 4 7 2 4 1 2 9 0 4 7 7 6 5 6 6 C24 1 3 6 9 0 0 3 4 3 2 9 7 5 3 7 8 5 7 9 5 3 3 9 7 0 3 2 1 7 C25 0 1 7 0 2 9 2 4 0 9 0 9 3 0 6 1 6 8 7 6 0 9 8 7 6 5 4 3 4

C3 6 7 5 8 4 9 3 0 1 2 0 1 9 2 8 2 3 0 1 0 2 9 3 8 3 7 4 7 5

C 8 2 7 3 3 2 1 2 7 0 7 1 3 9 3 0 9 1 0 2 4 6 8 0 1 3 5 7 3

Faculdade Martha Falco <Nome do Curso> Nome da disciplina

Faculdade Martha Falco <Nome do Curso> Nome da disciplina

Faculdade Martha Falco <Nome do Curso> Nome da disciplina