ESTATSTICA DESCRITIVA Prof.

Srgio Carvalho
# Conceitos Iniciais Imprescindveis A prova no vai lhe perguntar o que a Estatstica, mas convm que saibamos que ela um ramo da matemtica, e que trabalha com elementos de pesquisa ou com modelos probabilsticos. Como nosso alvo a Estatstica Bsica, a maior parte do nosso trabalho ser focado nos elementos de pesquisa, ficando os tais modelos probabilsticos (Distribuio Binomial e Distribuio Normal) para o final do nosso Curso. Da, por hora, basta ficarmos com a idia de que trabalharemos com elementos de pesquisa. Como isso? Por exemplo: suponhamos que h uma sala com duzentas pessoas, e eu pretendo realizar uma pesquisa, para saber qual a idade de cada uma delas. Ora, como no tenho bola de cristal, o jeito ser perguntar, de uma por uma: Quantos anos voc tem? J pensaram, que pergunta deselegante... Mas o jeito! Para eu trabalhar com elementos de pesquisa, o primeiro e inevitvel passo ser a coleta dos dados. Pois bem, eu acabei de questionar aquelas duzentas pessoas e j estou de posse das respostas que cada uma delas me passou. Ok? Vejamos algumas dessas respostas: {28 anos, 35 anos, 17 anos, 14 anos, 22 anos, 31 anos, 45 anos, ...} Facilmente se v que esses dados esto desordenados, uma vez que acabaram de ser recebidos (coletados) e ainda no foram submetidos a nenhuma espcie de organizao. So os chamados dados brutos! fcil supor que, se pretendo fazer uma anlise, um estudo mais aprofundado desses elementos, ser imprescindvel que os organizemos. Claro! Ser mais fcil trabalhar com os dados organizados que com dados brutos. Organizar os dados , portanto, a segunda etapa do processo estatstico! A forma mais bsica de organizao dos dados o conhecido rol, o qual consiste, to somente, em um arranjo dos dados brutos em ordem crescente ou decrescente. Normalmente, em prova, o rol vem com dados em ordem crescente! Tomando aqueles dados brutos e os transformando em rol, teremos: {14 anos, 17 anos, 22 anos, 28 anos, 31 anos, 35 anos, 45 anos, ...} O rol no a nica maneira de organizao dos dados. apenas uma delas, a mais simples! Uma vez que estivermos com os elementos da pesquisa, coletados e organizados, ser conveniente descrev-los. Descrever os dados o mesmo que apresent-los. E isso poder ser feito tambm de vrias formas. Poderemos apresentar os dados por meio de uma tabela, por meio de um grfico, ou outra qualquer. O fato que, ao concluirmos essas trs fases iniciais do processo estatstico coleta, organizao e descrio dos dados somente ento estaremos aptos a passar s duas etapas finais, que consistem em proceder anlise dos elementos para, enfim, chegarmos a uma concluso ou tomada de deciso. Obviamente que a Estatstica no se prestar a um objetivo to pobre como o de meramente coletar dados de pesquisa para disp-los numa tabela. Claro que no! O alcance da Estatstica maior: aqueles elementos serviro a uma anlise, porque, ao final, queremos chegar a uma concluso! Existe uma deciso a ser tomada, e o ser com base na concluso a qual a anlise dos dados nos conduzir!

A Estatstica est na vida das pessoas, muito mais do que elas imaginam! No h um s medicamento vendido nas farmcias que no tenha sido submetido a rigorosos controles estatsticos! Antes de virar remdio, aquela droga foi testada um zilho de vezes. Primeiro em bichos e depois em gente. E foram anotados os efeitos colaterais causados pela droga, em cada uma das vezes que elas foram tomadas pelos pacientes. Esses dados foram analisados, para gerar uma concluso. Aquela substncia s se transforma em medicamento e chega s prateleiras se a concluso for satisfatria e os riscos estiverem dentro de um padro aceitvel. Esse apenas um minsculo exemplo. So milhares deles! Os autores costumam classificar a Estatstica em Descritiva e Inferencial. Nossa memorizao passar pelo alfabeto: neste, o D vem antes do I. Assim, a Estatstica Descritiva (a do D) englobar as etapas iniciais do processo estatstico, quais sejam, a coleta, a organizao e a descrio dos dados. J a Estatstica Inferencial (a do I), se encarregar da anlise dos dados e tomada de deciso, que so as etapas finais do processo. Ficou fcil: a Estatstica do D vem antes da Estatstica do I. Pode-se resumir as trs etapas da Estatstica Descritiva em uma nica palavra: sntese! Da, coletar os dados, organiz-los e descrev-los o mesmo que fazer a sntese dos dados. Ok? Voltemos quele exemplo inicial, das duzentas pessoas na sala. Minha pesquisa sobre a idade de cada uma delas. Ora, se eu tiver tempo e pacincia para extrair a informao de todas as pessoas da sala, estarei trabalhando com a populao inteira. Populao, na Estatstica, , pois, o conjunto universo do qual extramos a informao! No exemplo da sala, aquelas duzentas pessoas sero a populao! E se trabalho com a populao inteira, estarei fazendo um estudo estatstico chamado censo! Ou seja, o censo uma forma de fazer uma pesquisa estatstica, em que todos os elementos da populao so consultados! Mas se eu considerar que duzentas pessoas muita gente, e que eu perderia muito tempo e dinheiro para coletar os dados de todos eles, haveria uma outra forma possvel para trabalharmos? Sim! Ao invs de usarmos toda a populao para coletar as respostas, escolheremos apenas uma parte menor dela, um subgrupo, que ter o poder de represent-la por inteiro. Suponhamos, ento, que eu decidi fazer a pergunta a apenas cinqenta pessoas. Esse grupo menor ser chamado de amostra, e estaremos realizando um estudo estatstico por amostragem. Atentemos para o fato de que amostra no meramente um pedao menor da populao! No s isso! A caracterstica fundamental da amostra a da representatividade! Claro! No adiantaria eu escolher uma nica pessoa e perguntar a sua idade. Essa nica resposta, certamente, no teria o poder de representar a populao toda. No poderamos estender populao uma concluso oriunda de um subgrupo no-significativo. Concordam? Da, uma pergunta: Mas, professor, qual seria o nmero mnimo de elementos de uma populao que poderia ser adotado, para que possamos consider-lo uma amostra? Boa pergunta! Existem clculos para isso! E os veremos, oportunamente! Por enquanto, basta-nos saber que de um lado existe a populao, e esta relaciona-se com o conceito de censo; de outro lado existe a amostra, relacionada com o conceito de amostragem! Ok? Mais adiante, numa prxima aula, veremos como o conhecimento desses dois conceitos tem sido exigido em questes de provas recentes, envolvendo clculos e tudo mais! (E veremos como um negcio fcil...)

Se eu estudei a idade das pessoas daquela sala, ento a minha varivel estatstica era idade. Se eu for estudar peso, a varivel ser o peso. Se eu for estudar a religio praticada pelas pessoas, essa ser a varivel. Em suma, varivel estatstica o objeto do estudo! Podemos classificar as variveis estatsticas em variveis quantitativas e em variveis qualitativas. Sero quantitativas quando lhes pudermos atribuir um valor numrico. Qual a sua idade? A resposta um nmero? Sim! Ento, idade uma varivel quantitativa. Quantos livros voc l por ano? A resposta um nmero? Sim! Ento, nmero de livros lidos por ano uma varivel quantitativa. Por outro lado, se pergunto qual a sua cor preferida, a resposta no um valor numrico. Logo, a varivel ser dita qualitativa. Essa primeira subclassificao! classificao bem simples. Concordam? Existe ainda uma

Variveis Quantitativas podero ser ditas discretas ou contnuas. Sero variveis quantitativas discretas (tambm chamadas descontnuas) aquelas que forem obtidas por um processo de contagem. Se para responder pergunta Quantas pessoas moram na sua casa? voc precisa fazer uma contagem, ento estamos diante de uma varivel discreta. J as variveis contnuas so aquelas obtidas por um processo de medio! Se algum perguntar o seu peso, voc precisar subir numa balana e medir. Assim, peso uma varivel contnua. Essas dicas contagem para varivel discreta e medio para varivel contnua so conceitos mnemnicos, ou seja, usados para auxiliar a memorizao. E os conceitos formais, quais seriam? Vamos aprender por meio de dois exemplos. Considere a reta abaixo, formada por resultados possveis pergunta Quantas pessoas moram na sua casa? Teremos:

9 ...

Ora, sejam quantas forem as pessoas entrevistadas, todas as respostas recairo sempre sobre os valores inteiros (1, 2, 3, 4, 5 etc). Ou seja, jamais algum poder dizer que moram 3,75 pessoas em sua casa! Concordam? Por isso dizemos que a varivel discreta tambm chamada varivel descontnua. Porque entre um resultado possvel e outro existe uma descontinuidade. Certo? Agora, consideremos a seguinte reta de resultados possveis abaixo, e que estejamos investigando o peso de um grupo de pessoas. Vejamos:

10

20

30

40

50

60

70

80

90 ...

Poderia algum responder que pesa 64,325kg? Claro! Observamos facilmente que para esta varivel no h qualquer descontinuidade entre um resultado possvel e outro! Ou seja, a varivel contnua pode assumir qualquer resultado. Esses conceitos varivel discreta e varivel contnua bem como a quase totalidade dos demais conceitos estudados nesta aula inaugural, no tm sido cobrados nas provas mais recentes da Esaf. Costumavam s-lo, e muito, em provas mais antigas. Sendo assim, por que temos que estud-los? Primeiramente, porque ainda continuam presentes nos programas atuais. E depois porque no h, simplesmente, como saltar esse conhecimento bsico. Ele ter, sim, sua utilidade, como veremos ao longo das aulas.

Constaro de qualquer programa de Estatstica Bsica de concurso tpicos como Medidas de Posio, Medidas Separatrizes, Medidas de Disperso, Medidas de Assimetria, Medidas de Curtose, entre outros. Ora, estudaremos o que significa e como se calcula cada uma dessas medidas! O que precisamos saber que todos esses clculos sero realizados com base nos dados de um determinado conjunto. Chegamos ao ponto: a maneira mais usual de um conjunto de dados ser apresentado em uma prova qualquer por meio de uma tabela, que receber o nome de Distribuio de Frequncias! Voltemos ao exemplo daquela sala de aula, com duzentas pessoas, e eu quero saber agora quantos livros cada um l por ano. Pois bem, para simplificar minha vida, eu posso estabelecer alguns intervalos, que representaro as respostas daquelas pessoas. Por exemplo: pessoas que lem de 0 a 5 livros por ano (cinco exclusive!); que lem de 5 a 10 livros por ano (dez exclusive!); que lem de 10 a 15 (quinze exclusive!); e de 15 a 20. Colocando essas classes de resultados numa coluna da tabela, teremos:
Classes (nmero de livros lidos por ano) 0 !--- 5 5 !--- 10 fi (pessoas)

10 !--- 15 15 !--- 20 Total

Para complementar a tabela, agora eu pedirei: Por gentileza, pessoas que lem entre zero e quatro livros por ano, levantem a mo! Percebam que nesse momento se far um silncio constrangedor... e todos meio com vergonha de erguer a mo e revelar que no so leitores assim to assduos como gostariam de ser... Mas a eu insisto: Vamos l, minha gente! s para eu preencher a tabela... Resultado: 108 corajosas (e preguiosas) pessoas ergueram a mo. Repetindo a pergunta para leitores de cinco a nove livros por ano, 72 pessoas se pronunciaram. Nova pergunta, agora para o intervalo de 10 a 14 livros, e apenas 18 pessoas ergueram o brao. Finalmente, na ltima pergunta, duas mseras pessoas (o que diferente de duas pessoas mseras!), levantaram a mo. Informando o resultado desta pesquisa na tabela, teremos o seguinte:
Classes (nmero de livros lidos por ano) 0 !--- 5 5 !--- 10 fi (pessoas) 108 72 18 2 200

10 !--- 15 15 !--- 20 Total

Pronto, meus amigos! Estamos diante de uma Distribuio de Frequncias! Trata-se, portanto, de uma tabela que retratar o resultado de uma pesquisa realizada. A caracterstica marcante da Distribuio de Frequncias que a varivel estudada estar subdivida em classes! Dedicaremos o restante desta aula inteira a conhecer e a dissecar uma Distribuio de Frequncias! Exploraremos ao mximo essa tabela, pois ela se tornou, por assim dizer, a alma de uma prova de Estatstica Bsica! Saber trabalhar com uma Distribuio de Frequncias meio caminho andado para se fazer uma boa prova!

No sentido inverso, se voc no tiver desenvoltura para trabalhar com a Distribuio, estar em maus lenis na hora da prova! Ok? A Distribuio de Frequncias nada mais que uma tabela, por meio da qual conheceremos o resultado de uma pesquisa realizada. O exemplo mostrado na aula de apresentao contemplava um grupo de duzentas pessoas que seriam questionadas sobre o nmero de livros que cada uma delas lem por ano. (Lembrados?) Assim, o resultado desta enquete foi transcrito para uma tabela, e apresentado da forma seguinte:
Classes (nmero de livros lidos por ano) 0 !--- 5 5 !--- 10 fi (pessoas) 108 72 18 2 200

10 !--- 15 15 !--- 20 Total

Pronto, meus amigos! Estamos diante de uma Distribuio de Frequncias! Trata-se, portanto, de uma tabela que retratar o resultado de uma pesquisa realizada. A caracterstica marcante da Distribuio de Frequncias que a varivel estudada estar subdivida em classes! As classes sero, portanto, as subdivises da nossa varivel. um conceito intuitivo. Basta olharmos, e conclumos que essa Distribuio acima possui quatro classes: 1 Classe) Pessoas que lem entre zero e cinco livros por ano; 2 Classe) Pessoas que lem entre cinco e dez livros por ano; 3 Classe) Pessoas que lem entre dez e quinze livros por ano; 4 Classe) Pessoas que lem entre quinze e vinte livros por ano; Observem que cada classe ser margeada por dois limites, chamados respectivamente de limite inferior (linf) e limite superior (lsup). Esses limites so justamente os valores que voc est enxergando no incio e no fim de cada classe. Assim, teremos que: 1 Classe) linf=0 e lsup=5 2 Classe) linf=5 e lsup=10 3 Classe) linf=10 e lsup=15 4 Classe) linf=15 e lsup=20 Facilmente vocs j observaram que onde acaba uma classe, comea a prxima! No verdade? Ou seja, o limite superior de uma classe igual ao limite inferior da classe seguinte. Agora uma pergunta interessante, a qual voc dever tentar responder apenas olhando para a tabela. Ok? Uma pessoa que l exatamente 10 (dez) livros por ano entrar na contagem da segunda classe ou da terceira? Veja a tabela novamente:
Classes (nmero de livros lidos por ano) 0 !--- 5 5 !--- 10 10 !--- 15 15 !--- 20 fi (pessoas) 108 72 18 2


Total

200

Vemos que 10 limite superior da segunda classe e inferior da terceira. Mas, e a? Quem l 10 livros participar de qual das classes, segunda ou terceira? Para responder a essa pergunta, precisamos conhecer o significado de intervalo de classe! E esse conceito ser definido com base no smbolo que estiver presente entre os limites da classe. No caso do exemplo acima, o smbolo presente este: !---Essa simbologia tem um significado. Ampliemos o smbolo para explicarmos melhor:

Linf

Lsup

A presena do tracinho vertical no lado do limite inferior significa que ele estar includo no intervalo de classe. Falamos em intervalo fechado esquerda. A ausncia do tracinho vertical no lado do limite superior quer dizer que este limite estar excludo do intervalo! Falaremos em intervalo aberto direita. Da, se analisarmos a segunda classe, teremos:

10

Esta classe possui como limites os valores 5 e 10. Porm, uma pessoa que l exatamente 10 (dez) livros no entrar na contagem desta segunda classe, uma vez que 10 limite superior desta classe, e aqui temos que o intervalo aberto direita. Ou seja, o limite superior est excludo desta contagem, embora faa parte da classe como um de seus limites! Voc conclui: classe uma coisa; intervalo de classe outra. Quem define o intervalo a simbologia que separa os limites das classes. Este smbolo que vimos acima (----) aquele com o qual trabalharemos sempre! , por assim dizer, a simbologia clssica! Trabalharemos sempre com essa considerao: intervalo fechado direita e aberto esquerda. E por que ser sempre assim? Porque nossa elaboradora, a Esaf, considera que em uma Distribuio de Frequncias, trabalha-se sempre com variveis contnuas! Todos lembrados do que uma varivel contnua? aquela que pode assumir qualquer resultado. Em outras: entre um resultado possvel e outro, no pode haver qualquer descontinuidade. E se no pode haver descontinuidade entre resultados possveis da varivel, faz-se necessrio que onde termine uma classe, comece a prxima. Algum dir: mas professor, nmero de livros lidos por ano uma varivel discreta! Sim. Eu sei que . Eu s usei essa varivel para ilustrar o que uma Distribuio de Frequncias. No fui muito rigoroso com o exemplo. Ok? Mas na prova, para efeito de uma questo terica, fica valendo o seguinte: na Distribuio de Frequncias, trabalhamos com variveis contnuas!

Outras simbologias h na definio de outros tipos de intervalos de classe. Como no so de nosso interesse, no trataremos a seu respeito. O prximo elemento que estudaremos a amplitude da classe. Um conceito muito simples. Amplitude ser, para ns, sinnimo de tamanho. Amplitude da classe ser, portanto, o tamanho da classe. Representaremos esse conceito com a letra h (minscula). Observando a nossa tabela, percebemos facilmente que todas as classe apresentam a mesma amplitude (o mesmo tamanho). Seno, vejamos:
0 5 Classes !--- 5 !--- 10 h=5 h=5 h=5 h=5

10 !--- 15 15 !--- 20

Pergunta: obrigatrio que todas as classes tenham a mesma amplitude? No! No obrigado! Mas isso algo esperado. A quase totalidade das Distribuies de Frequncia trazidas em provas usa classes de mesma amplitude. Mas isso no uma regra. apenas o usual. Na prova do AFRF de 2005, por exemplo, a Esaf inovou e apresentou uma Distribuio em que nem todas as classes possuam a mesma amplitude. Oportunamente veremos os efeitos, na resoluo das questes, do fato de estarmos diante de uma Distribuio de Frequncia com classes de amplitudes diversas. Ok? A rigor, no muda quase nada. Falemos agora sobre o chamado Ponto Mdio. O que vem a ser? Ora, o nome sugestivo: Ponto Mdio (PM) aquele valor que est rigorosamente no meio da classe. Cada classe possui, portanto, seu prprio Ponto Mdio. s vezes possvel determinar o PM de uma classe, s de olhar para ela. o caso do nosso exemplo. Vejamos: qual o valor que est exatamente entre 0 e 5? 2,5. Concordam? Claro! Da, 2,5 o PM da primeira classe. Mas se tivssemos uma classe com os seguintes limites: 19,5 !--- 24,5. Pode ser que no seja assim to imediata a determinao desse PM. Assim, calcularemos o PM da classe somando seus limites, e dividindo esse resultado por dois. Ou seja: PM=(Linf+Lsup)/2. Assim, para a classe 19,5 !--- 24,5 , teramos: PM=(19,5+24,5)/2=22. S isso! Agora voltemos a nossa Distribuio de Frequncias, e construamos a coluna dos Pontos Mdios. Teremos:
0 5 Classes !--- 5 !--- 10 PM 2,5 7,5 12,5 17,5

10 !--- 15 15 !--- 20

Algum conseguiu observar uma relao qualquer entre os Pontos Mdios? Sim? Vemos que a diferena entre dois pontos mdios consecutivos foi sempre igual a uma constante. Perceberam? Ou dito de outra forma: o prximo Ponto Mdio sempre igual ao anterior somado a uma constante. Neste caso, essa constante 5. Ora, onde foi mesmo que vimos esse valor 5? Foi este tambm o valor da amplitude das classes!

Concluiremos assim: sempre que todas as classes de uma Distribuio de Frequncias tiverem a mesma amplitude (mesmo h), observaremos que o prximo Ponto Mdio ser igual ao anterior somado quela amplitude. este o primeiro atalho do nosso Curso! Um bem simples, verdade, mas no deixa de ser um atalho! Assim, na hora de construirmos a coluna dos Pontos Mdios, a primeira coisa a observar se todas as classes tm a mesma amplitude. Se for o caso, voc ir apenas descobrir o valor do primeiro Ponto Mdio (o PM da primeira classe). Da, basta sair somar este PM com o h e prosseguir realizando essa mesma operao, at chegar ltima classe. No nosso exemplo, sabemos que h=5, logo, teremos:
0 5 Classes !--- 5 !--- 10 (2,5+5) = PM 2,5 1 PM, calculado! 7,5

10 !--- 15 15 !--- 20

(7,5+5) = 12,5 (12,5+5)= 17,5

Pois bem! J conhecemos quais os elementos de uma Distribuio de Frequncias. Agora precisamos saber por que essa tabela chamada assim. O que vm a ser essas tais frequncias? sobre isso que falaremos a seguir. Comecemos repetindo a tabela do nosso exemplo:
Classes (nmero de livros lidos por ano) 0 !--- 5 5 !--- 10 fi (pessoas) 108 72 18 2 200

10 !--- 15 15 !--- 20 Total

Observemos que a segunda coluna nos revela o nmero de elementos que participa da classe correspondente. Ou seja, o valor 108 na primeira classe da coluna do fi significa que h 108 pessoas no conjunto que lem entre zero e cinco livros por ano (cinco exclusive). Assim, conclumos: a coluna do fi, chamada frequncia absoluta simples, indica o nmero de elementos que faz parte da classe correspondente. S isso. a frequncia de mais fcil compreenso! E a mais importante delas tambm! Precisaremos conhecer os valores da fi para podermos resolver quase todas as questes de uma prova.

Podemos, assim, unir os dois esquemas de transformao em um s, e chegaremos ao seguinte:

De simples para acumulada: somar com a diagonal fac (iguais na primeira classe) fi fad (iguais na ltima classe) (comparam-se os dois somatrios) Fac (iguais na primeira classe) Fi Fad (iguais na ltima classe) De acumulada para simples: prxima acumulada acumulada anterior

Na seqncia, trocaremos apenas algumas palavras sobre o que venha a ser um Histograma. O Histograma o grfico estatstico que existe para representar os dados de uma Distribuio de Frequncias. Relacione sempre: Histograma para Distribuio de Frequncias! Ok? muito fcil construir um Histograma. No eixo horizontal, anotaremos os limites das classes; e no eixo vertical, as frequncias absolutas simples. Trabalhemos com a seguinte Distribuio de Frequncias, e tentemos construir o Histograma. Teremos: Xi 0 --- 10 10 --- 20 20 --- 30 30 --- 40 40 --- 50 fi 4 3 2 1 Fi 3 4 3 2 1 n=13

10

20

30

40

50

(Classes)

A primeira classe, que vai de zero a dez, tem fi igual a 3. Assim, o retngulo que representar essa classe no histograma ser o seguinte:


fi 4 3 2 1

10

20

30

40

50

(Classes)

Viram? A base do retngulo definida pelos limites da classe, enquanto sua altura definida pela frequncia absoluta simples daquela classe. No fcil? Faclimo! Para a segunda classe, sabendo que o fi=4, teremos: fi 4 3 2 1

10

20

30

40

50

(Classes)

A essa altura, todos j entenderam a feitura do Histograma, no isso? Assim, vou logo completar o grfico, com base nos dados daquela Distribuio de Frequncias apresentada acima. Teremos: fi 4 3 2 1

10

20

30

40

50

(Classes)

Enfim! Professor, mas por que foi mesmo que voc apresentou o Histograma exatamente neste momento? Porque possvel, embora muito raro, que a sua prova apresente o conjunto a ser trabalhado por meio de um grfico como esse! Ou seja, em vez de apresentar a Distribuio de Frequncias, a questo trar um Histograma! E a? O que fazer? Ora, com a mesma facilidade que voc construiu um Histograma partindo de uma Distribuio de Frequncias, voc poder fazer o caminho de volta, e construir

10

a Distribuio, partindo de um Histograma! Concordam? Repito: muito raro vir um Histograma na prova. Mas no impossvel. E j aconteceu! Querem ver um exemplo? Caiu numa prova bem antiga de Tcnico da Receita Federal, do tempo em que esse cargo se chamava TTN. O Histograma trazido pela prova foi o seguinte: fi 12 10 8 6 4 2 2 4 6 8 10 12 14 16 idades

E a? Voc saberia transformar esse grfico numa Distribuio de Frequncias? Claro. Ficaria o seguinte: Classes 2 --- 4 4 --- 6 6 --- 8 8 --- 10 10 --- 12 12 --- 14 14 --- 16 fi 2 6 10 12 8 6 4

# Medidas de Posio: Nosso presente estudo dar incio anlise das chamadas Medidas de Posio. Porm, antes de as conhecermos, convm muitssimo que ns saibamos quais so as formas pelas quais um conjunto pode ser apresentado numa prova. As mais comuns formas de apresentao de um conjunto so as trs seguintes: 1) Rol: aqui os elementos do conjunto estaro dispostos numa ordem que pode ser crescente ou decrescente. So exemplos de rol: (1,2,3,4,5) (1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 4, 4, 5) E assim por diante! No muito comum encontrarmos um rol numa questo de prova, mas tambm no algo impossvel. Entre as ltimas provas da Receita, pde-se ver um rol na prova de 1998 e na de 2005. Entendido o que um rol? timo. 2) Dados Tabulados: Vamos trabalhar com esse segundo exemplo de rol, acima. Ser possvel apresentarmos os elementos desse conjunto na forma de uma tabela? Claro que sim!

11


Vamos ver como que fica: Xi 1 2 3 4 5 fi 3 4 3 2 1

Vejam que a coluna do Xi apresenta os elementos (individualizados) do conjunto; e a coluna do fi (a nossa conhecidssima frequncia absoluta simples) indica o nmero de vezes que o elemento aparece no conjunto! Assim, vemos que o elemento 1 (Xi=1) aparece trs vezes naquele rol (fi=3); o elemento 2 (Xi=2) aparece quatro vezes (fi=4), e assim por diante. Se quisermos saber quantos elementos h neste conjunto, o que teremos que fazer? Ora, teremos que somar a coluna da frequncia absoluta simples fi. Da, j podemos guardar a seguinte informao: sempre que quisermos saber o n (nmero de elementos de um conjunto), e esse conjunto estiver apresentado na forma de uma tabela, basta somarmos os valores da coluna da frequncia absoluta simples! Ok? Assim, teremos: Xi 1 2 3 4 5 fi 3 4 3 2 1 n=13

Uma discusso existe acerca desta segunda forma de apresentao dos dados: h autores que dizem que se trata de um tipo de Distribuio de Frequncias; outros dizem que no! Ora, para efeito de concurso, essa discusso no nos interessa em nada! O que interessa que voc precisar saber trabalhar a questo de todo jeito! Assim, para ns, aparecendo um conjunto na prova, e esse conjunto estando apresentado desta forma que acabamos de ver acima, diremos que estamos diante de Dados Tabulados! E s! Ok? 3) Distribuio de Frequncias: Essa j nossa velha conhecida! Na Distribuio de Frequncias, diferentemente do que ocorre no rol e nos dados tabulados, os elementos do conjunto estaro agrupados em classes, em vez de serem apresentados de forma individualizada! Exemplo:

12


Xi 0 -- 10 10 -- 20 20 -- 30 30 -- 40 40 -- 50 fi 3 4 3 2 1 n=13

Essencialmente, o que diferencia a Distribuio de Frequncias das outras duas formas de apresentao de um conjunto, vistas acima, exatamente o fato de aqui, na Distribuio, os dados estarem agrupados em classes! J usamos uma aula anterior para estudar com mincia os elementos de uma Distribuio, no verdade? Essencialmente, so essas as trs formas mais usuais de apresentao de um conjunto: Rol, Dados Tabulados e Distribuio de Frequncias. Porm, no so as nicas. Vamos aproveitar o ensejo para apresentar um tipo de grfico, chamado de Histograma! J falamos sobre esse grfico na aula passada! Lembrados? Trabalhemos com a Distribuio de Frequncias do exemplo acima, e tentemos construir o Histograma. (Isso, inclusive, j foi feito)! Teremos: fi 4 3 2 1

10

20

30

40

50

(Classes)

Pois bem! O que fizemos nesta aula, at o momento, foi conhecer as maneiras pelas quais a Esaf, ou qualquer outra elaboradora, pode se utilizar para apresentar um conjunto de elementos numa prova de Estatstica. Uma vez fornecido o conjunto seja na forma de um rol, ou de dados tabulados, ou de Distribuio de Frequncias, ou de um Histograma, ou de um Diagrama de Ramos e Folhas j podero ser solicitados, nas questes da prova, os clculos de uma infinidade de medidas estatsticas! Ou seja, para um determinado conjunto, pode-se pedir o clculo de: Medidas de Tendncia Central (Mdia, Moda, Mediana); Medidas Separatrizes (Mediana, Quartis, Decis, Centis); Medidas de Disperso (Amplitude Total, Desvio Absoluto, Desvio Padro, Varincia, Coeficiente de Variao, Desvio Quartlico, Varincia Relativa);

13


etc, etc.

Considerando que o Histograma ser transformado em uma Distribuio de Frequncias e que o Diagrama de Ramos e Folhas ser transformado num Rol, resta que as trs formas bsicas de apresentao dos dados sero, realmente: o Rol, os Dados Tabulados e a Distribuio de Frequncias. Assim, para cada uma das medidas estatsticas que formos estudar, aprenderemos como ela ser calculada para o caso de o conjunto estar na forma de um Rol, ou de Dados Tabulados ou de Distribuio de Frequncias. Ok? Ento vamos l! Comearemos conhecendo as Medidas de Tendncia Central Mdia Aritmtica, Moda e Mediana. # A Mdia Aritmtica:

Quando falarmos simplesmente em Mdia, saiba que estaremos nos referindo Mdia Aritmtica. Ok? Existem outras espcies de Mdia, alm da Aritmtica, que sero estudadas oportunamente. Comecemos pelo clculo da Mdia de um Rol. Estou certo que esse um clculo que todos ns j realizamos. Suponhamos que voc ainda est na faculdade. O semestre comeou, e voc nem se deu conta disso. Eis que chegou o dia da primeira prova! A sua nota foi um desastre: nota 3 (trs). Que lstima! A voc disse: Valha-me Deus, as aulas j comearam! (Meio tardia essa descoberta...!) O fato que voc procurou se redimir da nota baixa que tirou, e dedicou esforos para a segunda prova. O resultado se fez perceber, e voc conseguiu agora tirar um 8 (oito). Ora, voc sabia que para passar por mdia, teria que tirar um notao na terceira e ltima prova, uma vez que a mdia naquela sua faculdade era 7 (sete). Assim, virou vrias noites estudando e se dedicando quela disciplina, de sorte que conseguiu, merecidamente, tirar um 10 (dez) na terceira prova. To logo recebeu esta ltima nota, voc correu s contas, pois desejava saber se havia passado por mdia, ou se necessitaria fazer a prova final. Suas contas foram as seguintes:

(3 + 8 + 10) = 21 =7,0
3 3

Parabns! Voc acaba de provar que um aluno cobra! (Aquele que passa se arrastando)! Mas passou, no foi? Isso o que importa! (Igual no concurso: se voc passar em ltimo lugar, vai ganhar o mesmo salrio de quem passou em primeiro)! Vejamos novamente as notas das trs provas dessa pessoa: (3, 8, 10). Isto um rol? Sim! Ento, esta conta que foi feita para o clculo da mdia das notas foi, rigorosamente, o mesmo clculo que se faz para se descobrir a Mdia Aritmtica de um conjunto apresentado na forma de um rol. Ou seja: somam-se as notas, e divide-se este resultado pelo nmero de provas. Falando-se de um modo genrico: somam-se os elementos do conjunto, e divide-se esse resultado pelo nmero de elementos do conjunto! Colocando-se essa definio em uma frmula, usando-se da linguagem estatstica, teremos que:

14

X=
Onde:

Xi
n

X a Mdia Aritmtica;

o sinal de somatrio. O que vier aps este smbolo dever ser somado! Xi cada elemento do conjunto; n o nmero de elementos do conjunto. S isso! Nada mais fcil que se calcular a Mdia de um rol. Pena que o Rol seja to raro em provas...! # A TRANSIO: Esta palavra Transio est em destaque, porque nos acompanhar longamente durante nosso Curso! Aprenderemos, meus queridos, que h uma maneira faclima de migrarmos de uma frmula de Rol para a frmula de Dados Tabulados. Da mesma forma, h como migrarmos da frmula dos Dados Tabulados para a frmula da Distribuio de Frequncias! E essa maneira de fazer a migrao de uma frmula para outra justamente a tal da Transio que vamos aprender agora! Vamos l! 1) Como passar da frmula do Rol para a dos Dados Tabulados? Manda a primeira transio que faamos o seguinte: Repete-se a frmula do rol; e Acrescenta-se no numerador da frmula, sempre junto ao sinal de somatrio (), a frequncia absoluta simples fi. S isso! Assim, se eu j aprendi que a frmula usada para se calcular a Mdia Aritmtica de um conjunto apresentado na forma de um rol :

X=

Xi
n

...

... ento, querendo agora construir a frmula da Mdia Aritmtica para um conjunto apresentado na forma de Dados Tabulados, eu s precisarei seguir o que manda a transio! E teremos: Para Dados Tabulados:

X =

...... fi Xi n

Viram? Bastou repetir a frmula do Rol (j conhecida!) e acrescentar o fi no numerador, junto ao sinal de somatrio! Usamos a primeira Transio!

15

E agora, caso queiramos construir a frmula da Mdia Aritmtica para uma Distribuio de Frequncias, como devemos proceder? A surge a segunda transio. Vejamos. 2) Como passar da frmula dos Dados Tabulados para a da Distribuio de Frequncias? Manda a segunda transio que faamos o seguinte: Repete-se a frmula dos Dados Tabulados; e Troca-se o Xi (elemento individualizado do conjunto) por PM (Ponto Mdio) da classe! E s isso! Mas qual seria o motivo de essa transio se fazer desta forma? Ora, por uma razo muito simples. Basta comparar as duas primeiras formas de apresentao (Rol e Dados Tabulados) com a Distribuio de Frequncias, e veremos que naquelas estamos sempre trabalhando com Xi (elementos individualizados do conjunto). Mas na Distribuio de Frequncias, ns deixamos de trabalhar com elementos individualizados, uma vez que agora nossa varivel passar a ser agrupada em classes! Da, na Distribuio, no h mais que se falar em elemento individualizado Xi. Ter ele que ser substitudo por aquele elemento que melhor representa cada classe. E esse elemento justamente o Ponto Mdio! Assim, conhecendo a frmula da Mdia Aritmtica para Dados Tabulados, e aplicando o que nos manda a segunda transio, teremos que a Mdia para uma Distribuio de Frequncias ser dada por:

X=

fi. PM
n

A boa notcia, meus amigos, que essa mesmssima transio, que acabamos de aprender, no se aplica somente a frmulas de Mdia Aritmtica. No! Vai muito alm disso! Vamos us-la para a memorizao de vrias outras medidas estatsticas, a exemplo do Desvio Absoluto, do Desvio Padro, da Varincia, entre outras. Primeiro, vejamos se ficou mesmo bem memorizada a nossa Transio! Teremos: Resumo da Transio: 1) Voc memoriza a frmula do Rol; 2) Repete a frmula do Rol e acrescenta fi no numerador, sempre junto ao sinal de somatrio, e aqui chegamos frmula dos Dados Tabulados; 3) Repete a frmula dos Dados Tabulados e troca-se Xi por PM (Ponto Mdio), e aqui chegamos frmula da Distribuio de Frequncias! # Resumo das Frmulas da Mdia Aritmtica: Mdia Aritmtica para Rol:

X=
Mdia Aritmtica para Dados Tabulados:

Xi
n

X =
16

fi. Xi
n

Mdia Aritmtica para Distribuio de Frequncias:

X =

fi.PM
n

Agora, considerando que em aproximadamente 99% dos casos o conjunto vem, na prova, expresso na forma de uma Distribuio de Frequncias, convm que nos dediquemos mais a esta forma de apresentao! # Algumas Propriedades da Mdia Aritmtica: Considere o seguinte conjunto original (um rol): {1, 2, 3, 4, 5} Qual a mdia deste conjunto? Teremos: (1+2+3+4+5)/5=15/5 X =3 E se agora tomarmos cada elemento (Xi) daquele conjunto original, e resolvermos adicionar cada um deles constante 10, por exemplo. O que teremos? Ora, teremos um novo conjunto: {11, 12, 13, 14, 15}. Concordam? Assim, j no mais estamos diante daquela varivel original, e sim de uma varivel transformada! Transformada por meio de qu? De uma operao de soma! E qual a Mdia desse novo conjunto (dessa nova varivel)? Faamos as contas: (11+12+13+14+15)/5=65/5

X =13.

Ora, nem precisaramos ter feito essa conta! Pois existe uma propriedade que diz: somando-se todos os elementos do conjunto com uma constante, a Mdia do novo conjunto ser igual Mdia do conjunto original tambm somada com aquela mesma constante! Foi verdade isso? Sim. A Mdia do conjunto original era X =3. Ns somamos cada elemento do conjunto original com constante 10. Da, a Mdia do novo conjunto ser a mdia anterior (3) somada tambm constante 10. Ou seja, a nova Mdia ser 13. E se serve para soma, serve tambm para subtrao! Agora consideremos que cada elemento daquele conjunto original ser multiplicado pela constante 10. Ok? O que ocorrer quele conjunto? Ser transformado em outro. Passaremos a ter: {10, 20, 30, 40, 50}. No se trata mais da varivel original e sim de uma varivel transformada! Transformada por quem? Por uma operao de multiplicao! Calculando a mdia do novo conjunto, teremos: (10+20+30+40+50)/5=150/5 X =30. E nem precisaramos ter feito este clculo, pois existe uma propriedade da Mdia que diz: multiplicando-se cada elemento de um conjunto original por uma constante, a nova Mdia ser igual mdia anterior tambm multiplicada pela mesma constante! Seno, vejamos: a mdia do conjunto original era X =3. Ns multiplicamos cada elemento do conjunto original pela constante 10. Da, a Mdia do novo conjunto ser a mdia anterior (3) multiplicada tambm pela constante 10. Ou seja, a nova Mdia ser 30. E se serve para produto, serve tambm para diviso! Para melhorar a nossa vida e a nossa memorizao, resumiremos essas propriedades todas em uma nica (e pequena) frase: A MDIA INFLUENCIADA PELAS QUATRO OPERAES! Ok? essa a frase que deve ficar guardada em nossa memria!

17


# MODA: Mo

Esse um dos assuntos prediletos das alunas! Qualquer concurseira de respeito sabe que Moda aquilo que est em evidncia. isso mesmo? Assim na vida, assim na Estatstica. Moda, em sentido estatstico, ser aquele elemento que mais aparece no conjunto! S isso! Nada mais fcil! Vamos aprender a reconhecer a moda de um rol, de dados tabulados e de uma distribuio de frequncias. Vamos l. Moda do Rol: Analise o conjunto abaixo, e me diga qual o elemento que se sobressai aos demais: {1, 1, 2, 2, 2, 3, 3, 3, 3, 5, 5, 7, 7, 10} Facilmente se v que o elemento de maior frequncia, aquele que mais aparece no conjunto, o elemento Xi=3,0. Est terminado! A Moda desse conjunto 3. Diremos: Mo=3. E no se fala mais nisso! Vocs acham, sinceramente, que a Esaf iria colocar uma questo como essa em prova? Quem pensou que no errou! Confira a questo abaixo, extrada do AFRF-1998: (AFTN-98) Os dados seguintes, ordenados do menor para o maior, foram obtidos de uma amostra aleatria, de 50 preos (Xi) de aes, tomada numa bolsa de valores internacional. A unidade monetria o dlar americano. 4, 5, 5, 6, 6, 6, 6, 7, 7, 7, 7, 7, 7, 8, 8, 8, 8, 8, 8, 8, 8, 8, 9, 9, 9, 9, 9, 9, 10, 10, 10, 10, 10, 10, 10, 10, 11, 11, 12, 12, 13, 13,14, 15, 15, 15, 16, 16, 18, 23 Com base nestes dados, assinale a opo que corresponde ao preo modal. a) 7 b) 23 c) 10 d) 8 e) 9 Sol.: Vejam que o conjunto foi apresentado na forma de um rol. E seus elementos representam preos. Da, a questo pede que se calcule o preo modal. Se os elementos representassem salrios, a questo pediria o salrio modal. Se os elementos representassem pesos, a questo pediria o peso modal. Se representassem idades, a idade modal. E assim por diante! Pois bem! Aqui, usaremos a tcnica milenar do dedo. Basta colocar o dedo em cima dos elementos do conjunto, e contar, para descobrir aquele que aparece mais vezes que os demais! Concluso: o elemento Xi=8 o que mais aparece. aquele de maior frequncia. Logo, a Moda desse conjunto e a resposta da questo! E acreditem: isso valeu um ponto numa prova de Auditor-Fiscal da Receita Federal. Isso corrobora a minha tese de que nem s de questes difceis se faz uma prova! Tambm existem as fceis, as muito fceis, as faclimas, e as estupidamente bestas! E essas ns no podemos errar, nem em pesadelo. Pois bem. Mais algumas informaes: Se o conjunto apresenta uma s moda, ser dito conjunto modal. Mas, considere o rol abaixo: {1, 2, 2, 2, 3, 3, 5, 7, 7, 7, 9, 10} Quem a moda desse conjunto? No apenas uma, mas so duas: o elemento 2 e o elemento 7. Estamos, pois, diante de um conjunto dito bimodal.

18

E se houver trs ou mais modas em um conjunto? Ento estaremos diante de um conjunto multimodal. Atente agora para o seguinte conjunto: {1, 2, 3, 4, 5} Quem arrisca dizer qual a Moda dele? Existe algum elemento que se destaca em relao aos demais? Um elemento que aparece mais que os outros? No! Nenhum elemento se destaca. Da, conclumos que no h moda neste rol, de sorte que estamos diante de um conjunto amodal. Concluso: diferentemente da Mdia Aritmtica, que sempre existe e nica, a Moda pode existir, pode no existir e, no primeiro caso, pode haver uma, ou duas, ou vrias Modas em um mesmo conjunto! Alguma dvida para a Moda de um rol? Creio que no! Adiante. Moda de Dados Tabulados: Aqui estamos diante do que h de mais fcil neste Curso! Ora, sabemos que a Moda o elemento de maior frequncia. Assim, diante do conjunto seguinte, tente dizer qual o elemento modal: Xi 1 2 3 4 5 fi 2 3 7 5 1

Neste caso, de o conjunto estar apresentado na forma de Dados Tabulados, sequer precisamos aplicar a tcnica do dedo. Basta deslizar pela coluna da frequncia absoluta simples (fi), procurando pela maior fi. Ao encontrarmos, saberemos que o elemento Xi a que ela se refere ser a Moda do conjunto! Assim: Xi 1 2 3 4 5 A Moda do conjunto 3. S e somente s! Viram como fcil? Essa a nunca caiu em prova, at agora! Moda para Distribuio de Frequncias: Aqui estamos diante de uma questo de prova em potencial. H dois mtodos distintos para calcularmos a Moda de uma Distribuio: A Moda de Czuber e a Moda de King. Precisamos saber que a regra trabalharmos com o mtodo de Czuber. Dito de outra forma: s calcularemos a Moda de uma distribuio de frequncias pelo mtodo de King se a questo expressamente o determinar! Ok? fi 2 3 7 5 1

19

Consideremos o seguinte conjunto, supondo que represente os pesos de um grupo de crianas: Classes 0-10 10-20 20-30 30-40 40-50 fi 2 4 7 5 2

Comecemos aprendendo o clculo da Moda de Czuber. So dois passos: 1) Identificar a classe modal. Ora, classe modal aquela de maior frequncia absoluta simples (maior fi). S isso! Neste caso, a maior fi 7, de sorte que a terceira classe ser a classe modal. Teremos: Classes 0-10 10-20 20-30 30-40 40-50 fi 2 4 7 5 2

At aqui, tudo tranqilo? Tranqilssimo! Pois bem. O segundo passo consiste em: 2) Aplicar a Equao da Moda de Czuber. a seguinte:

a Mo = l inf + .h a + p
Observem que os elementos desta frmula sero extrados daquela Classe Modal que acabamos de identificar no primeiro passo. Ok? Assim, o limite inferior (linf) a que se refere a equao o limite inferior da classe modal; a amplitude (h) a que se refere a equao a amplitude da classe modal. E esses deltas da frmula, significam o qu? Delta significa diferena. Quando falamos em a estamos nos referindo diferena anterior. E quando falamos em p estamos nos referindo diferena posterior. Tanto a quanto p sero calculados com base em um mesmo referencial: a frequncia absoluta simples da classe modal. Assim: a a diferena entre a fi da classe modal e a fi da classe anterior; e p a diferena entre a fi da classe modal e a fi da classe posterior. No caso do nosso exemplo teremos: Classes 0-10 10-20 20-30 30-40 40-50 fi 2 4 7 5 2

a=3 p=2

Finalmente, resta-nos aplicar a frmula de Czuber. E teremos que:

20

a 3 Mo = l inf + .h Mo = 20 + 3 + 2 .10 Mo=26 Resposta! a + p

Pode haver questo mais fcil do que esta? No pode! E cai na prova, exatamente desse jeito! Um ponto garantido a mais para ns. Aprendamos agora o clculo da Moda de King. Em dois passos: 1) Identificar a Classe Modal. J sabemos fazer isso: a classe modal sempre aquela de maior frequncia absoluta simples! 2) Aplicar a equao de King, que a seguinte:

fp Mo = l inf + .h fp + fa
Os dados da equao da Moda de King sero tambm extrados da Classe Modal. Assim: linf se referir ao limite inferior da classe modal; h a amplitude da classe modal. E estas fp e fa, o que so? So, respectivamente: fp: frequncia absoluta simples da classe posterior da classe modal; e fa: frequncia absoluta simples da classe anterior da classe modal. Nesta frmula no calcularemos deltas, ou seja, no faremos diferenas. Tomaremos as prprias frequncias simples, a anterior e a posterior fi da classe modal. Assim, para o nosso exemplo, teremos que: Classes 0-10 10-20 20-30 30-40 40-50 Da: fi 2 4 7 5 2

fa fp

fp 5 Mo = l inf + .h Mo = 20 + 4 + 5 .10 Mo=25,56 Resposta! fp + fa

Quero chamar ateno para um detalhe: na Moda de Czuber (que a regra!), o numerador do colchete o a, enquanto o numerador da Moda de King a fp. Perceberam isso? No pode errar a frmula, seno a questo est perdida! Vou frisar novamente: s usaremos o clculo da Moda de King se a questo mandar expressamente. Se ela no o fizer, trabalharemos com a Moda de Czuber, que a moda dos deltas, que a regra! Ok? Vamos dar uma olhadinha no rol abaixo: {1, 2, 2, 3} Quem a Moda deste rol? 2. Concordam? E se tomarmos cada elemento deste conjunto original e os somarmos constante 10, por exemplo, o que ocorrer? Passaremos a ter um novo conjunto. O seguinte:

21


{11, 12, 12, 13}

Quem a nova Moda? 12. E nem precisvamos ter feito este clculo, uma vez que existe uma propriedade que afirma que: somando todos os elementos do conjunto a uma mesma constante, a nova moda ser a anterior tambm somada quela constante! E se serve para soma, serve tambm para subtrao! Tomemos novamente o conjunto original. E se multiplicarmos cada elemento daquele conjunto pela constante 10, o que ocorreria? Chegaramos ao seguinte conjunto: {10, 20, 20, 30} E a nova Moda 20, como j poderamos prever. Sim! Pois h uma propriedade, segundo a qual: multiplicando todos os elementos de um conjunto original por uma mesma constante, a nova moda ser a anterior tambm multiplicada pela mesma constante! E se serve para multiplicao, serve tambm para diviso! Resumo da histria: a Moda, a exemplo da Mdia Aritmtica, tambm influenciada pelas quatro operaes!

# Mediana: Md Como o prprio nome pode sugerir, a Mediana aquele elemento que est rigorosamente no meio do conjunto, dividindo-o em duas partes iguais, ou seja, em duas metades! O clculo da Mediana quase sempre uma questo certa na prova! Uma questo que no podemos e no iremos errar de jeito nenhum! Mediana para o Rol: Consideremos o seguinte conjunto: {10, 20, 30, 40, 50} S olhando, seremos capazes de dizer qual o elemento que est no meio deste conjunto? Claro! o elemento 30. Concordam? Ficaram dois elementos sua direita, e dois sua esquerda. Ele est, portanto, no meio do conjunto. E sendo assim, a Mediana! {10, 20, 30, 40, 50} Md=30 Vocs perceberam que o conjunto acima tem um nmero mpar de elementos. Para ele, temos que n=5. Sempre que isso ocorrer, ou seja, sempre que o conjunto tiver um nmero mpar de elementos, significa que s haver uma posio central. E o elemento que ocupar esta posio central ser a prpria Mediana do conjunto! H um clculo que podemos fazer para descobrir qual a posio central, no caso de o conjunto apresentar um nmero mpar de elementos. Este clculo o seguinte: Posio Central = (n+1)/2 Isto para quando n for um nmero mpar! Reparem bem que o resultado desta conta no a Mediana do conjunto, e sim a sua posio central. O elemento que ocupar esta posio central ser, este sim, a Mediana. No nosso exemplo, tnhamos n=5. (Um nmero mpar, o que indica a existncia de uma nica posio central)! Assim, faremos: (n+1)/2=(5+1)/2=3 Posio!

22

Esta a posio central do conjunto! Da, usando novamente a tcnica milenar do dedo, voc vai contar as posies do conjunto, at chegar terceira. O elemento que a ocupar ser a Mediana que estamos procurando! Teremos: {10, 20, 30, 40, 50} 3 Posio Md=30 E se o conjunto tiver um nmero par de elementos? A a histria outra. Vejamos. Se nosso conjunto for o seguinte: {10, 20, 30, 40, 50, 60} Quantos elementos h? Seis elementos. Temos, pois: n=6. Um nmero par de elementos! Sempre que isso ocorrer, ou seja, sempre que houver um nmero par de elementos no conjunto, significa que haver duas posies centrais! Estas posies centrais podero ser encontradas da seguinte forma: 1 Posio Central: (n/2) 2 Posio Central: a vizinha posterior. Neste caso, em que n=6, teremos: 1 Posio Central: (n/2)=6/2= 3 Posio! 2 Posio Central: a vizinha posterior = 4 Posio! As duas posies centrais esto, portanto, identificadas. Resta descobrir quais so os dois elementos que as ocupam. E vejam o que ser feito para calcularmos a Mediana. Teremos: {10, 20, 30, 40, 50, 60} 4 Posio 30 Md=(30+40)/2 Md=35, 3 Posio 40 Ou seja, se n um nmero par, descobriremos quais so os dois elementos que ocupam as duas posies centrais, somaremos esses elementos e dividiremos o resultado desta soma por dois. Assim, chegaremos Mediana do conjunto! Ficou evidenciado neste exemplo que a Mediana no necessariamente ter que ser um dos elementos do conjunto! Viram? Esse valor 35 no um dos elementos! E no entanto a Mediana! A prova do Fiscal da Receita de 1998 cobrou uma questo para se determinar a Mediana de um rol. Fazendo uma pequena e irrelevante adaptao, foi o seguinte: (AFTN-98) Os dados seguintes, ordenados do menor para o maior, foram obtidos de uma amostra aleatria, de 50 preos (Xi) de aes, tomada numa bolsa de valores internacional. A unidade monetria o dlar americano. 4, 5, 5, 6, 6, 6, 6, 7, 7, 7, 7, 7, 7, 8, 8, 8, 8, 8, 8, 8, 8, 8, 9, 9, 9, 9, 9, 9, 10, 10, 10, 10, 10, 10, 10, 10, 11, 11, 12, 12, 13, 13,14, 15, 15, 15, 16, 16, 18, 23 Assinale a opo que corresponde mediana:

23


a) 9,0 b) 9,5 c) 8,0

d) 8,5 e) 10

Sol.: Estamos diante de um rol de 50 elementos. Portanto, n=50, que um nmero par! Se n um nmero par, teremos duas posies centrais, que sero, respectivamente: 1 Posio Central: (n/2)=50/2= 25 Posio 2 Posio Central: a vizinha posterior = 26 Posio Sabendo disso, e usando a milenar tcnica do dedo, contaremos os elementos, para saber quais deles ocupam estas duas posies centrais. Vamos l: 4, 5, 5, 6, 6, 6, 6, 7, 7, 7, 7, 7, 7, 8, 8, 8, 8, 8, 8, 8, 8, 8, 9, 9, 9, 9, 9, 9, 10, 10, 10, 10, 10, 10, 10, 10, 11, 11, 12, 12, 13, 13,14, 15, 15, 15, 16, 16, 18, 23 Os dois elementos que ocupam as duas posies centrais so, ambos, iguais a 9. Nem precisaremos perder tempo somando-os e dividindo o resultado por dois. Concordam? Basta dizer que a Mediana igual a 9 e pronto! Da: Md=9 Resposta! # Mediana para Distribuio de Frequncias: Esta, sim, questo muito provvel na sua prova! Consideremos o seguinte conjunto: Classes 0-10 10-20 20-30 30-40 40-50 fi 2 4 7 5 2

Se ele representa, suponhamos, os pesos de um grupo de crianas, ento a questo lhe pedir que encontre o peso mediano; se fossem idades, a questo pediria a idade mediana; se fossem salrios, o salrio mediano. E assim por diante! O primeiro passo identificar a Classe Mediana! Para isso, trilharemos o seguinte caminho: Calcular a frao da Mediana: (n/2). No clculo da mediana de uma distribuio de frequncias, no faz nenhuma diferena se n par ou mpar. Seja como for, o nosso clculo ser sempre esse mesmo: (n/2). Construirmos a coluna da fac (frequncia absoluta acumulada crescente). Compararemos os valores da fac com o resultado da frao da mediana (n/2), fazendo a seguinte pergunta: Esta fac maior ou igual a (n/2)? Comearemos a fazer esta pergunta desde a fac da primeira classe (l em cima) e a repetiremos, descendo fac por fac, at que a resposta seja SIM. Quando a resposta for sim, pararemos, procuraremos a classe correspondente, e esta ser a nossa Classe Mediana. Vamos fazer isso? Teremos:

24


Classes 0-10 10-20 20-30 30-40 40-50 n/2 = 10 Agora, construindo a fac, teremos: Classes 0-10 10-20 20-30 30-40 40-50 fi 2 4 7 5 2 n=20

fi 2 4 7 5 2 n=20

fac 2 6 13 18 20

Fazendo a pergunta, teremos: Classes 0-10 10-20 20-30 30-40 40-50 fi 2 4 7 5 2 n=20 fac 2 6 13 18 20 2 maior ou igual a 10? No! (Adiante!) 6 maior ou igual a 10? No! (Adiante!) 13 maior ou igual a 10? SIM! (PARAMOS AQUI!)

E a terceira classe a nossa classe mediana! Uma vez conhecedores da Classe Mediana, faremos com ela um desenho! Vejamos novamente nosso conjunto: Classes 0-10 10-20 20-30 30-40 40-50 fi 2 4 7 5 2 n=20 fac 2 6 13 18 20

Classe Mediana!

Traremos essa classe mediana aqui para fora, e nosso desenho ser construdo da seguinte maneira: Na parte de cima do desenho, colocaremos os limites da classe. Teremos: Limites da Classe:

20

30

At aqui, tudo bem? Na parte de baixo do desenho, colocaremos as frequncias absolutas acumuladas crescentes (fac) associadas a esses dois limites! Como assim? Vejamos: se eu perguntar quantos elementos j foram acumulados at o limite inferior 20, o que voc responder? Veja o conjunto novamente:

25


Classes 0-10 10-20 20-30 30-40 40-50 Fi 2 4 7 5 2 n=20

Fac 2 6 13 18 20

Teremos acumulado 6 elementos, concordam? E se eu perguntar quantos elementos j foram acumulados at o limite superior 30, o que voc dir? Vejamos no conjunto: Classes 0-10 10-20 20-30 30-40 40-50 Teremos acumulado 13 elementos! Concluso: na hora de identificar as frequncias acumuladas associadas aos dois limites da classe mediana, estas fac sero, sempre e respectivamente, a fac da classe anterior, e a fac da prpria classe mediana! Assim, complementando nosso desenho, teremos: Limites da Classe: fac associadas: Fi 2 4 7 5 2 Fac 2 6 13 18 20

20 6

30 13

Faltando quase nada para terminarmos o desenho! Agora perguntaremos: qual a posio da Mediana? o resultado da frao (n/2). Quanto? 10. Pois bem! Esse 10 corresponde posio, e posio corresponde frequncia acumulada. Assim, localizaremos a dcima posio do conjunto na parte de baixo do desenho. Teremos: Limites da Classe: fac associadas:

20 6 10

30 13

Ora, a esta dcima posio corresponde qual elemento dentro da classe? Corresponde Mediana. Assim, concluiremos o desenho, fazendo: Limites da Classe: fac associadas:

20 6

Md 10

30 13

preciso agora que voc releia com calma os passos necessrios feitura deste desenho acima. primeira vista, parece ser complicado. Mas no ! Quando nos habituarmos a trabalhar com ele, estejam certos de que se tornar faclimo! Uma vez diante deste desenho, marcaremos o pedao da classe que vai do limite inferior at a Mediana, e procuraremos por quatro valores. Os seguintes:

26

Limites da Classe: fac associadas:

20 6

Md 10

30 13

Encontrando estes quatro valores, teremos:

10

Limites da Classe: fac associadas:

20 6
4

Md 10

30 13

Os quatro valores encontrados preenchero os quatro espaos de uma igualdade entre duas fraes. Uma dessas fraes ser composta pelos valores referentes classe inteira. E a segunda delas, pelos valores referentes classe quebrada! Teremos:

27

10 7

x 4

Multiplica-se cruzando, e teremos: X=(4x10)/7 X=5,71 Agora, resta-nos olhar para o desenho, e constataremos que para chegar Mediana, teremos que somar o limite inferior ao X que acabamos de calcular. Teremos: Md=20+X Md=20+5,71 Md=25,71 Resposta! Faamos mais um exemplo: uma questo de fiscal da Receita: (AFRF-2002.2) Para a soluo das duas prximas questes utilize o enunciado que segue. O atributo do tipo contnuo X, observado como um inteiro, numa amostra de tamanho 100 obtida de uma populao de 1000 indivduos, produziu a tabela de frequncias seguinte: Classes Frequncia (f) 29,5-39,5 4 39,5-49,5 8 49,5-59,5 14 59,5-69,5 20 69,5-79,5 26 79,5-89,5 18 89,5-99,5 10 Assinale a opo que corresponde estimativa da mediana amostral do atributo X. a) 71,04 d) 68,08 b) 65,02 e) 70,02 c) 75,03 Sol.: A questo pediu o clculo da Mediana da Distribuio de Frequncias. Vamos fazer isso apenas seguindo os passos que aprendemos acima, como se estivssemos seguindo uma receita de bolo. No tem errada! Vamos: 1) Encontrar o valor do n (somando a coluna da fi) e calcular a frao da Mediana (n/2). Teremos: Classes 29,5-39,5 39,5-49,5 49,5-59,5 59,5-69,5 69,5-79,5 79,5-89,5 89,5-99,5 (n/2)=50 2) Construir a coluna da fac (frequncia absoluta acumulada crescente): fi 4 8 14 20 26 18 10 n=100

28


Classes 29,5-39,5 39,5-49,5 49,5-59,5 59,5-69,5 69,5-79,5 79,5-89,5 89,5-99,5 fi 4 8 14 20 26 18 10 n=100

fac 4 12 26 46 72 90 100

3) Comparar os valores da fac com o valor da frao da Mediana (n/2), fazendo a velha pergunta: esta fac maior ou igual a (n/2)? at que a resposta seja sim! Classes 29,5-39,5 39,5-49,5 49,5-59,5 59,5-69,5 69,5-79,5 79,5-89,5 89,5-99,5 fi 4 8 14 20 26 18 10 n=100 fac 4 12 26 46 72 90 100 4 maior ou igual a 50? No! (Adiante!) 12 maior ou igual a 50? No! (Adiante!) 26 maior ou igual a 50? No! (Adiante!) 46 maior ou igual a 50? No! (Adiante!) 72 maior ou igual a 50? SIM! (PARAMOS AQUI!)

Com esses passos iniciais, conseguimos identificar qual a Classe Mediana (69,5-79,5). Resta-nos preparar o desenho, para clculo da Mediana! Comecemos com a parte de cima do desenho, onde colocaremos os limites da Classe Mediana. Teremos:

Limites da Classe:

69,5

79,5

Na parte de baixo do desenho, colocaremos as frequncias absolutas acumuladas crescentes associadas queles dois limites. J sabemos: sero sempre a fac da classe anterior e a fac da prpria classe mediana. Teremos:

Limites da Classe: fac associadas:

69,5 46

79,5 72

Quase l! Qual a posio da Mediana neste conjunto? o resultado da frao: 50. Assim, associada posio 50 teremos a Mediana. Nosso desenho completo o seguinte: Limites da Classe: fac associadas:

69,5 46

Md 50

79,5 72

29

Uma vez que o desenho j est completo, iremos procura de quatro valores. Temos:

10

Limites da Classe: fac associadas:

69,5 46

Md 50
4

79,5 72

26

Com esses quatro valores, formamos uma igualdade entre duas fraes. A seguinte:

10 26

x 4

Multiplica-se cruzando, e teremos: X=(4x10)/26 X=1,54 Finalmente, o que falta ser feito apenas somar o limite inferior da classe mediana ao valor do X que acabamos de calcular. Teremos: Md=69,5+1,54 Md=71,04 Resposta! E a? Fcil, no? Faclimo! E vai ficar ainda mais quando voc praticar, resolvendo vrias questes de provas recentes! Convm que voc repita as resolues at que esses passos fiquem todos automatizados em sua mente. Na hora da prova, s ligar o piloto automtico e sair resolvendo a questo sem dificuldade alguma! Mais algumas informaes. Considere o seguinte conjunto: {1, 2, 3} A Mediana, todos concordam, Md=2. Se somarmos os elementos deste conjunto com a constante 10, teremos: {11, 12, 13}

30

E a nova mediana 12. Ou seja, valeu aqui tambm para a Mediana a propriedade da soma (e da subtrao)! Se multiplicarmos todos os elementos do conjunto original por 10, teremos: {10, 20, 30} A nova mediana 20. Vale tambm para a Mediana a propriedade do produto (e da diviso)! Em suma: a Mediana tambm influenciada pelas quatro operaes! Se voc trocar 3 por 300, nosso conjunto original agora ser: {1, 2, 300} E a Mediana continuar a ser 2. Ou seja, a Mediana, assim como a Moda (e diferentemente da Mdia), no influenciada por valores extremos! # Medidas de Disperso (ou de Variabilidade): Estudaremos apenas as 3 medidas de Disperso mais importantes e mais cobradas em prova, quais sejam, o Desvio Padro, a Varincia e o Coeficiente de Variao. Tais medidas nos diro quo prximos ou quo distantes, entre si, esto os elementos do conjunto! # Desvio Padro: S sinnimo de Disperso Absoluta! (Guarde isso!). Essa , de longe, a medida de disperso mais presente em prova! E por uma razo bem simples: alm da memorizao das frmulas, teremos sobretudo que conhecer com segurana as suas propriedades. Ok? Comecemos pelas frmulas! Aqui novamente a transio (aquela que aprendemos para as frmulas da Mdia Aritmtica!) vai nos socorrer! Voc s ter o trabalho de memorizar a frmula do Desvio Padro para um rol. O restante das frmulas (para Dados Tabulados e para Distribuio de Frequncias) voc leva de graa! (Pague uma e leve trs!). Teremos: Desvio Padro para Rol:

S=

(Xi X )
n

E agora voc vai lembrar: a frmula do Desvio Padro a frmula da raiz! Ok? E se aplicarmos aquela nossa conhecida transio? Como ficaro as outras duas frmulas? Teremos: 1 transio: colocando fi junto ao sinal de somatrio: Desvio Padro para Dados Tabulados: 2 transio: trocando Xi por PM: Desvio Padro para Distribuio de Frequncias:

S=

fi.(Xi X )
n

S=

fi.(PM X )
n

31

At agora, o que temos? Temos trs frmulas. Mas ateno: o Desvio Padro a primeira medida deste Curso em que haver diferena na frmula, caso estejamos trabalhando com um conjunto que represente toda a populao, ou apenas uma amostra! Entendido? Faz diferena na frmula do Desvio Padro se o conjunto a populao ou se uma amostra! Essas trs frmulas que vimos acima servem para o clculo do Desvio Padro Populacional. Ns as aplicaremos se o conjunto for uma populao! E quando saberemos que o conjunto da questo a populao? Quando no for dito que uma amostra! Ou seja, a regra a seguinte: o conjunto da questo da prova s ser uma amostra se isso for dito pelo enunciado! Caso contrrio, no ser amostra: ser populao! Ok? Mas, e se a questo disser que o conjunto uma amostra ou, por outra, pedir o clculo do Desvio Padro Amostral? O que faremos? Ora, saberemos que amostral se refere a amostra, de sorte que todas as trs frmulas vistas acima, que servem para o clculo populacional, tero que sofrer uma pequena modificao, para se adequar ao clculo amostral. Essa pequena modificao consiste em acrescentarmos um menos 1 no denominador. Assim, teremos: Desvio Padro Amostral para Rol:

S=

(Xi X )
n 1

1 transio: colocando fi junto ao sinal de somatrio: Desvio Padro Amostral para Dados Tabulados: 2 transio: trocando Xi por PM: Desvio Padro Amostral para Distribuio de Frequncias:

S=

fi.(Xi X )
n 1

S=

fi.(PM X )
n 1

Mas, professor, e se a questo disser que o conjunto uma amostra, e eu esquecer de colocar o menos 1 no denominador da frmula? Bem, neste caso, voc errar a questo. Simplesmente isso! Ou seja, o menos um no denominador do desvio padro amostral imprescindvel! Se esquecer, erra! Alis, s a ttulo de informao, esse menos um chamado de fator de correo de Bessel. Esse nome no importante. Pode ser esquecido sem problemas. O que no podemos esquecer de coloc-lo na frmula. Pois bem, ainda no acabou o estudo das frmulas! Se voc reparar bem as equaes que j dispomos, ver que em todas elas existe um produto notvel no numerador. Repararam? o que est no parntese! Esse produto notvel pode ser desenvolvido, de sorte que podemos realizar um desenvolvimento algbrico com essas frmulas bsica, at chegarmos a novas frmulas, que nada mais sero que as primeiras, apresentadas de outro jeito. Entendido? Obviamente que irei poupar a todos do tal desenvolvimento algbrico. (E nem pense que na prova voc teria tempo para faz-lo!). O que nos interessa o resultado. Qual a frmula desenvolvida do Desvio Padro para um rol? a seguinte:

( Xi )2 1 2 Frmula Desenvolvida do S para Rol: S = . Xi n n

32

E a? O que acharam? Ningum se assuste, por favor! Tenho certeza que se voc repetir esta frmula umas dez vezes, na dcima vez j estar parecendo fcil. Uma pergunta: vocs acham que se tomarmos os elementos de um mesmo conjunto, e aplicarmos a eles as duas frmulas do Desvio Padro, a bsica e a desenvolvida, chegaremos ao mesmo resultado? O que voc diz? Claro que sim! Trata-se, na verdade, de uma mesma frmula, apenas apresentada de duas maneiras diferentes! O resultado ser necessariamente o mesmo! Ento voc dir: se assim, eu vou ficar apenas com a bsica, que menorzinha... E eu respondo: pssimo negcio! Haver questes que sero imediatamente resolvidas na prova, se voc se lembrar da equao desenvolvida! J veremos isso. Antes, porm, precisamos conhecer tambm as frmulas desenvolvidas do desvio padro para Dados Tabulados, e para Distribuio de Frequncias! E como faremos isso? Aplicando a transio! Teremos: 1 transio: colocando fi junto ao sinal de somatrio: Frmula Desenvolvida do S para Dados Tabulados:

( fi.Xi )2 1 2 S = . fi. Xi n n
2 transio: trocando Xi por PM: Frmula Desenvolvida do S para Distribuio de Frequncias:

( fi.PM )2 1 2 S = . fi.PM n n
Quase l! S resta lembrar que essas trs frmulas desenvolvidas do desvio padro que vimos acima servem apenas no caso de o conjunto trabalhado representar toda a populao! Mas se a questo disser que o conjunto uma amostra, ou exigir o clculo do desvio padro amostral, ento precisaremos modificar tambm as frmulas desenvolvidas, acrescentando aquele mesmo menos um no denominador. Teremos: Frmula Desenvolvida do Desvio Padro Amostral de um Rol:

( Xi )2 1 2 S = . Xi n n 1
1 transio: colocando fi junto ao sinal de somatrio: Frmula Desenvolvida do S Amostral para Dados Tabulados:

( fi.Xi )2 1 2 S = . fi. Xi n n 1
33


2 transio: trocando Xi por PM:

Frmula Desenvolvida do S Amostral para Dist. de Frequncias:

( fi.PM )2 1 2 S = . fi.PM n n 1
E com isso, conclumos a primeira etapa do estudo do Desvio Padro: a memorizao das frmulas. A rigor, se voc prestar bem ateno, so doze frmulas. Mas voc pagou apenas duas, e levou todas as outras para casa! Como foi isso? Bastou voc memorizar a frmula bsica para o rol, e a frmula desenvolvida para o rol. Da, aplica-se a transio, e pronto! E mais: se a questo disser que o conjunto amostra, voc vai e pe um menos 1 no denominador! Para estas frmulas ficarem bem memorizadas, vou repeti-las todas na seqncia. Teremos: # Frmulas do Desvio Padro: S Frmula Bsica do Desvio Padro Populacional para Rol:

S=

(Xi X )
n

Esta acima a primeira que voc ter realmente que memorizar! Frmula Bsica do Desvio Padro Populacional para Dados Tabulados:

S=

fi.(Xi X )
n

Frmula Bsica do Desvio Padro Populacional para Distribuio de Frequncias:

S=

fi.(PM X )
n

Frmula Bsica do Desvio Padro Amostral para Rol:

S=

(Xi X )
n 1

Frmula Bsica do Desvio Padro Amostral para Dados Tabulados:

S=

fi.(Xi X )
n 1

34

Frmula Bsica do Desvio Padro Amostral para Distribuio de Frequncias:

S=

fi.(PM X )
n 1

Frmula Desenvolvida do Desvio Padro Populacional para Rol:

( Xi )2 1 2 S = . Xi n n
Esta acima a segunda que voc ter realmente que memorizar! Frmula Desenvolvida do Desvio Padro Populacional para Dados Tabulados:

( fi.Xi )2 1 2 S = . fi. Xi n n
Frmula Desenvolvida Frequncias: do Desvio Padro Populacional para Distribuio de

( fi.PM )2 1 2 S = . fi.PM n n
Frmula Desenvolvida do Desvio Padro Amostral para Rol:

( Xi )2 1 2 S = . Xi n n 1
Frmula Desenvolvida do Desvio Padro Amostral para Dados Tabulados:

( fi.Xi )2 1 2 S = . fi. Xi n n 1
Frmula Desenvolvida do Desvio Padro Amostral para Distribuio de Frequncias:

( fi.PM )2 1 2 S = . fi.PM n n 1
IMPORTANTE: Reparem nestas ltimas trs frmulas, que o fator de correo (o menos 1) s entra no denominador que fica dentro do parntese! Ok? Temos doze frmulas no papel. E voc s precisou memorizar duas delas! As demais saram por transio!

35


# Propriedades do Desvio Padro:

O desvio padro no influenciado por operaes de soma ou subtrao. Assim, se uma questo de prova nos der o seguinte rol: (101, 102, 103, 104, 105), e pedir que calculemos o seu desvio padro, o que podemos fazer? Ora, as contas seriam muito grandes para chegarmos resposta! Mas voc pode pensar assim: j que soma e subtrao no alteram o desvio padro, eu posso pegar todos os elementos desse conjunto original, e subtrair cada um deles de uma mesma constante. Cem, por exemplo. E chegaremos a um novo conjunto, que o seguinte: (1, 2, 3, 4, 5). So valores mais baixos? Sim, consideravelmente! E se encontrarmos para este novo conjunto o valor do Desvio Padro, esse resultado encontrado ser exatamente o mesmo Desvio Padro daquele outro conjunto original! O mesmo! O desvio padro somente influenciado por operaes de produto ou diviso: multiplicaremos ou dividiremos pela prpria constante. Significa o qu? Significa que se conhecermos o desvio padro de um conjunto original (por exemplo, S=2), e se todos os elementos desse conjunto original forem multiplicados por uma constante (por exemplo, multiplicados por 5), ento chegaremos a um novo conjunto, cujo novo desvio padro ser o S do conjunto original tambm multiplicado por 5. Entendido isso? Muitas questes de provas recentes elaboradas pela Esaf tm explorado esse conhecimento. So questes que nos falam em varivel transformada! Passemos a um exemplo. Exemplo: Considere a seguinte transformao: (X-2)/3. Se o desvio padro da varivel transformada igual a 4, qual ser o desvio padro da varivel original X? Sol.: Sempre que o enunciado nos fornecer uma transformao da varivel, j podemos, de imediato, fazer o desenho de transformao. Esse desenho simples, rpido de ser feito, e no deixar voc errar a questo de jeito nenhum! Podemos chamar a varivel transformada de Y, por exemplo. Assim, nossa transformao a seguinte: Y=(X-2)/3. Fazendo a parte de cima do desenho, teremos: 1)-2 2)3

Xi

Yi

Todos entenderam como se fez esse caminho de ida do desenho acima? Tomamos a varivel original X e, com ela, realizamos duas operaes (aquelas da transformao!): subtramos todo mundo por 2, e depois dividimos todo mundo por 3. E se agora resolvermos desenhar o caminho de volta, ou seja, as operaes que nos faro voltar varivel original. O que faremos? Fcil: inverteremos as operaes do caminho de ida. S isso! Nada mais fcil. Teremos: 1)-2 2)3

Xi

Yi

2)+2

1)x3

36

Observem todos que se inverteu tambm a seqncia das operaes: onde terminou l em cima, comeou aqui embaixo; e onde comeou l em cima, acabou c em baixo. Ok? Pronto! No d mais para errar essa questo! O dado fornecido pelo enunciado foi que o Desvio Padro da varivel transformada igual a 4. Quem a varivel transformada? o Y. Assim, do lado do Y, teremos que: 1)-2 2)3

Xi

Yi

Sy=4,0

2)+2

1)x3

Mas o Sy no me interessa! Interessa-me o Sx. Assim, partindo do Desvio Padro de um lado, chegarei ao Desvio Padro do outro! Para tanto, precisarei percorrer as operaes do caminho adequado (de cima ou de baixo), lembrando-me das propriedades do Desvio Padro! Faamos isso: estamos partindo com Sy=4. A primeira operao que surge no caminho de volta (de baixo) um produto! Voc vai fazer esse produto? Claro que sim! (Desvio padro s no alterado por soma e subtrao!). Teremos: 4 x 3 = 12 Por enquanto, temos S=12. Na seqncia, surge uma soma (+2). Faremos essa soma? O que vocs me dizem? No! E por que no faremos? Porque operaes de soma (ou subtrao) no alteram o desvio padro. Passaremos direto pela soma, e teremos, enfim, que: Sx=12,00 Entendido? Algum se lembra de como so as propriedades da Mdia Aritmtica? No? Elas cabem todas numa nica frase. Ningum lembra? A Mdia influenciada pelas quatro operaes! Assim, se a questo nos falasse sobre aquela mesma transformao da varivel que vimos acima, e dissesse ainda que a mdia da varivel transformada igual a que calculemos a mdia da varivel original ( X )? Vejamos: 1)-2 2)3

Y =8,0, e pedir

Xi

Yi

Y =8,0

2)+2

1)x3

Ora, simplesmente percorreremos as operaes do caminho de volta (caminho de baixo), lembrando-nos das propriedades da Mdia, j que com ela que estamos trabalhando.

37

Se a Mdia influenciada pelas quatro operaes, ento qualquer conta que aparecer neste caminho de volta ns teremos que realizar. Assim, teremos que: 8 x 3 = 24 e 24 +2 =26 Ou seja: # Varincia: S2 Neste momento, vou aproveitar a tima oportunidade, e dizer a todos que a prxima medida de disperso que iremos estudar ser a chamada Varincia. Precisamos saber, precisamente agora, que a Varincia , conceitualmente, o quadrado do Desvio Padro! Ou seja: Varincia = (Desvio Padro)2 Ou seja de novo: Varincia = S2 Ora, sabendo disso, e sabendo tambm que todas as frmulas do desvio padro tm raiz quadrada, se as elevarmos ao quadrado, o que ocorrer com todas elas? Perdero o sinal da raiz. S isso! Em suma: se eu conheo as frmulas do Desvio Padro, ento tambm conheo as frmulas da Varincia: basta tirar o sinal da raiz! Assim, teremos: # Frmulas da Varincia: Frmula Bsica da Varincia Populacional para Rol:

X =26,0

(Xi X ) =
n

Frmula Bsica da Varincia Populacional para Dados Tabulados:

fi.(Xi X ) =
n

Frmula Bsica da Varincia Populacional para Distribuio de Frequncias:

fi.(PM X ) =
n

Frmula Bsica da Varincia Amostral para Rol:

(Xi X ) =
n 1

Frmula Bsica da Varincia Amostral para Dados Tabulados:

fi.(Xi X ) =
n 1

38

Frmula Bsica da Varincia Amostral para Distribuio de Frequncias:

fi.(PM X ) =
n 1

Frmula Desenvolvida da Varincia Populacional para Rol:

( fi.Xi )2 1 2 S = . fi. Xi n n
2

Frmula Desenvolvida da Varincia Populacional para Dados Tabulados:

( fi.Xi )2 1 2 S = . fi. Xi n n
2

Frmula Desenvolvida da Varincia Populacional para Distribuio de Frequncias:

( fi.PM )2 1 2 S = . fi.PM n n
2

Frmula Desenvolvida da Varincia Amostral para Rol:

( Xi )2 1 2 S = . Xi n n 1
2

Frmula Desenvolvida da Varincia Amostral para Dados Tabulados:

( fi.Xi )2 1 2 S = . fi. Xi n n 1
2

Frmula Desenvolvida da Varincia Amostral para Distribuio de Frequncias:

( fi.PM )2 1 2 S = . fi.PM n n 1
2

Vejam que negcio da China ns fizemos: memorizamos duas frmulas (as duas do rol), e levamos vinte e quatro para casa! Pague duas, e leve vinte e quatro! Excelente, no acham? Basta voc lembrar de fazer a transio, e lembrar de pr o menos 1 no denominador, se o conjunto for uma amostra! Pois bem! Ainda no acabamos o estudo do Desvio Padro. Eu apenas abri um parntese, para aproveitar as suas frmulas que estavam no papel, para mostrar que bastava tirar o sinal da raiz, e j estaremos com as frmulas da Varincia. Voltemos agora ao estudo das Propriedades do Desvio Padro.

39


# Propriedades do Desvio Padro:

O desvio padro no influenciado por operaes de soma ou subtrao. Assim, se uma questo de prova nos der o seguinte rol: (101, 102, 103, 104, 105), e pedir que calculemos o seu desvio padro, o que podemos fazer? Ora, as contas seriam muito grandes para chegarmos resposta! Mas voc pode pensar assim: j que soma e subtrao no alteram o desvio padro, eu posso pegar todos os elementos desse conjunto original, e subtrair cada um deles de uma mesma constante. Cem, por exemplo. E chegaremos a um novo conjunto, que o seguinte: (1, 2, 3, 4, 5). So valores mais baixos? Sim, consideravelmente! E se encontrarmos para este novo conjunto o valor do Desvio Padro, esse resultado encontrado ser exatamente o mesmo Desvio Padro daquele outro conjunto original! O mesmo! O desvio padro somente influenciado por operaes de produto ou diviso: multiplicaremos ou dividiremos pela prpria constante. Significa o qu? Significa que se conhecermos o desvio padro de um conjunto original (por exemplo, S=2), e se todos os elementos desse conjunto original forem multiplicados por uma constante (por exemplo, multiplicados por 5), ento chegaremos a um novo conjunto, cujo novo desvio padro ser o S do conjunto original tambm multiplicado por 5. # Propriedades da Varincia: A Varincia no influenciada por operaes de soma ou subtrao. Mesmo entendimento que tivemos para o desvio padro! A Varincia somente influenciada por operaes de produto ou diviso: multiplicaremos ou dividiremos pelo quadrado da constante.

# Coeficiente de Variao: CV O CV tambm conhecido por disperso relativa! Conceitualmente, teremos que:

CV =

S X

Esto lembrados que o desvio padro tambm se chama disperso absoluta? Pois bem! O CV dito disperso relativa, exatamente porque ele igual disperso absoluta (o desvio padro) em relao a algum. E esse algum a Mdia Aritmtica! Ok? Precisamos saber ainda que o CV uma medida adimensional, ou seja, no depende da unidade da varivel trabalhada! Essa informao j caiu muitas vezes, em questes tericas de provas mais antigas! Mas o que significa isso? Ora, considere que estamos com um conjunto que representa os pesos de um grupo de crianas. Ok? Assim, nossa varivel peso, e medida na unidade quilos. Assim, se calcularmos a Mdia, ser um valor em kg. Se calcularmos o desvio padro, ser um valor em Kg. Finalmente, colocando Desvio Padro e Mdia na frmula do CV, teremos que Kg corta com Kg. Concluso: o CV adimensional. (Isso no cai mais em prova h um bom tempo...)

40

# Probabilidade: Pelo exame das ltimas questes de concurso (sobretudo da Esaf), percebemos que h sete tpicos relacionados Probabilidade, os quais, se bem compreendidos, sero a chave para acertarmos qualquer questo de prova. Seno, vejamos! Esses referidos tpicos so os seguintes: Conceito de probabilidade; rvore de probabilidades; Situaes excludentes; Caminho de probabilidades Eventos independentes; Probabilidade da unio de dois eventos; e Probabilidade condicional. Aprenderemos esses tpicos, um a um, por meio da resoluo de exerccios diversos. # Conceito de Probabilidade: Exemplo 01) Uma urna contm dez bolinhas, sendo quatro delas azuis e seis vermelhas. Ao retirar aleatoriamente uma dessas bolas da urna, qual a probabilidade que ela seja vermelha? Sol.: O conceito de Probabilidade faclimo. Trata-se de uma diviso! Antes de mais nada, convm saber que a questo de Probabilidade inconfundvel. Haver no enunciado sempre a pergunta: Qual a probabilidade de ...? No mximo, a questo trocar a palavra probabilidade pela palavra chance. (Mas isso tambm no algo comum de ocorrer)! Da, procuraremos saber qual a probabilidade de realizao de um determinado evento! Teremos, ento, que o conceito que buscamos o seguinte: Probabilidade =

n de resultados favorveis n de resultados possveis

Pois bem! Vejamos como fcil a coisa. Qual o evento em anlise neste exemplo? Retirar uma bola azul da urna! Ora, a tal urna contm dez bolas. Da, se quero retirar apenas uma delas, quantos sero os resultados possveis para essa retirada? Dez, claro! J temos o nosso denominador! Passemos ao numerador, os resultados favorveis. A pergunta : favorveis a quem? Favorveis realizao do evento! Ora, se eu pretendo retirar uma bola azul da urna, ento quantos sero os resultados que satisfaro essa exigncia do evento (bola azul)? Quatro! (S h quatro bolas azuis na urna!). De posse dos resultados favorveis e possveis para o evento em tela, faremos: P = 4 / 10 = 0,40 = 40% Resposta!

41

De antemo, convm sabermos que a Probabilidade tem valor mximo de 100%. Neste caso (P=100%), estaremos diante do chamado evento certo! Por exemplo: qual a probabilidade de obtermos um valor menor que 7 no lanamento de um dado? Ora, trata-se de um evento certo! H aqui uma certeza matemtica! A probabilidade ser, portanto, de 100%. A idia oposta ao do evento certo a do evento impossvel: aquele cuja probabilidade de ocorrncia de 0% (zero por cento)! Exemplo: qual a probabilidade de eu ganhar na loteria sem jogar? Nenhuma! Qualquer criana acerta essa resposta! Entre um evento impossvel e um evento certo, infindveis so as possibilidades (e as probabilidades!). Este , pois, o conceito de probabilidade! Faamos outro exemplo: Exemplo 02) Uma urna contm dez bolinhas, numeradas de 1 a 10. Ao retirar aleatoriamente uma dessas bolas da urna, qual a probabilidade que ela tenha um nmero par? Sol.: Retomemos o nosso conceito: Probabilidade =

n de resultados favorveis n de resultados possveis

O evento agora retirar uma bola da urna, e queremos que ela seja par! Da, para retirar uma bola de urna que contm dez bolas, haver irrefutavelmente dez resultados possveis! Concordam? (J temos o denominador!) Acerca do numerador, perguntaremos: qual a exigncia do evento? que a bola retirada tenha um nmero par. Quantos so os resultados que atendem, que satisfazem, essa exigncia? Ora, so cinco (as bolas de nmeros 2, 4, 6, 8 e 10). Pronto! Lanando os valores no conceito, teremos: P=(5/10)=0,50=50% Resposta! # Situaes Excludentes, rvore de Probabilidades e Eventos Independentes: Vejamos esses conceitos, por meio do exemplo seguinte:

Exemplo 03) (TCE-RN 2000 ESAF) A probabilidade de um gato estar vivo daqui a 5 anos 3/5. A probabilidade de um co estar vivo daqui a 5 anos 4/5. Considerando os eventos independentes, a probabilidade de somente o co estar vivo daqui a 5 anos de: Sol.: Vamos analisar a primeira frase do enunciado: a probabilidade de um gato estar vivo daqui a 5 anos 3/5. Temos que nos habituar a ler uma frase que fala da probabilidade de ocorrncia de um evento, j tentando vislumbrar se existe uma situao excludente para aquele evento. Como isso? Ora, o evento que estamos tratando o gato estar vivo daqui a 5 anos. A situao excludente para o gato estar vivo justamente o gato estar morto!

42

Claro! Por que razo chamamos situaes excludentes? Porque uma exclui a outra! Ou seja, se o gato estiver vivo porque no estar morto; e vice-versa: se estiver morto porque no estar vivo. E no h uma terceira possibilidade! O que devemos saber sobre as situaes excludentes? Devemos saber que a soma das probabilidades de ocorrncia de situaes excludentes ser sempre igual a 100%. Ou seja, se somarmos a probabilidade de o gato estar vivo daqui a cinco anos e a probabilidade de o gato estar morto daqui a cinco anos, teremos que 100% ser o resultado desta soma! Da, sabendo que a probabilidade de o gato estar vivo de (3/5), ento a frao que representar o evento de o gato estar morto ser exatamente de (2/5). Claro! Pois somando (2/5) a (3/5) dar igual a 1, que 100%. Ora, apenas analisando essa primeira frase, j podemos comear a compor a nossa rvore de probabilidades! O que isso? apenas um desenho, que nos ajudar a enxergar melhor a questo. Da, at aqui, teremos que: VIVO (3/5) GATO MORTO (2/5) Prosseguindo a leitura do enunciado, dito que a probabilidade de um co estar vivo daqui a 5 anos 4/5. Facilmente conseguimos imaginar a situao excludente para o co estar vivo. Qual ser? O co estar morto! Claro! E se somarmos essas duas probabilidades (co vivo e co morto), o resultado ser 100% (ou ento 1, se estivermos trabalhando com a notao unitria)! Da, de quanto ser a probabilidade de o co estar morto daqui a cinco anos? a frao que falta a 4/5 para chegar a 5/5, ou seja, para chegar a 100%. Ser, portanto, de 1/5. Com isso, j d para completarmos a rvore de probabilidades dessa questo. Teremos: VIVO (3/5) GATO MORTO (2/5) VIVO (4/5) CO MORTO (1/5) Pois bem! At aqui, j aprendemos a desenhar uma rvore de probabilidades, e a saber o que so situaes excludentes, e que a soma das probabilidades dessas situaes excludentes ser sempre 100% (ou sempre 1, que o mesmo que 100%)! Prosseguindo a leitura do enunciado, veremos o seguinte: Considerando os eventos independentes... Ento esses quatro eventos que temos acima na rvore de probabilidades (gato vivo, gato morto, co vivo, co morto) so eventos independentes! O que temos que saber acerca de eventos independentes? Apenas que se quisermos calcular a probabilidade de ocorrncia simultnea de dois ou mais desses eventos, teremos que multiplicar as probabilidades de cada um deles.

43


Ou seja, se temos que: P(co vivo)=4/5 e

P(gato vivo)=3/5

E quisermos saber a probabilidade, ao mesmo tempo, de o co estar vivo e de o gato estar vivo, faremos: P(gato vivo & co vivo) = P(gato vivo) x P(co vivo) = (3/5) x (4/5) = 12/25 Ento isso que precisamos saber sobre eventos independentes! Agora retornemos ao enunciado: a probabilidade de somente o co estar vivo daqui a 5 anos de? A palavra chave dessa pergunta a palavra somente! Ora, a questo falava de duas figuras: o co e o gato. Se se deseja saber a probabilidade de somente o co estar vivo daqui a 5 anos, podemos traduzir essa pergunta de outra forma: Qual a probabilidade de o co estar vivo daqui a 5 anos & o gato estar morto? Ora, se quero somente o co vivo, porque quero tambm o gato morto! Olhemos de novo para a nossa rvore de probabilidades: VIVO (3/5) GATO MORTO (2/5) VIVO (4/5) CO MORTO (1/5) J vimos que esses eventos (co vivo & gato morto) so eventos independentes! Da, se procuramos a probabilidade de ocorrncia simultnea desses dois eventos, faremos: P(co vivo & gato morto)= P(co vivo) x P(gato morto) P(co vivo & gato morto)= (4/5)x(2/5) =8/25 (Resposta!) Com base nessa resoluo, voc j temos plenas condies de resolver a questo seguinte, que por sinal tambm da Esaf, e foi cobrada na prova do MPOG/2003. Foi a seguinte: EXEMPLO 04) (MPOG/2003/ESAF) Paulo e Roberto foram indicados para participarem de um torneio de basquete. A probabilidade de Paulo ser escolhido para participar do torneio 3/5. A probabilidade de Roberto ser escolhido para participar do mesmo torneio 1/5. Sabendo que a escolha de um deles independente da escolha do outro, a probabilidade de somente Paulo ser escolhido para participar do torneio igual a: a) 4/5 Sol.: Procuremos, na primeira leitura, verificar a existncia de algum evento que admita uma situao excludente. Tem? Sim: Paulo ser escolhido! Qual seria a situao excludente? Ora, seria Paulo no ser escolhido, obviamente! O mesmo se d para o evento Roberto ser escolhido, cuja situao excludente seria Roberto no ser escolhido. Aprendemos h pouco que a soma das probabilidades de situaes excludentes sempre igual a 100%. Da, nossa rvore de probabilidades para esse exemplo ser a seguinte: b) 10/25 c) 12/25 d) 3/5 e) 4/5

44


PARTICIPAR (3/5) PAULO

NO PARTICIPAR (2/5) PARTICIPAR (1/5) ROBERTO NO PARTICIPAR (4/5)

A questo tambm informa que estamos diante de eventos independentes! Ou seja, caso queiramos descobrir a probabilidade simultnea de mais de um deles, teremos que fazer o produto das respectivas probabilidades! Por fim, a questo pergunta qual a probabilidade de somente o Paulo participar do torneio. Ora, ningum se engana mais! Traduziremos esse questionamento da seguinte forma: Qual a probabilidade de o Paulo participar &, ao mesmo tempo, de o Roberto no participar do torneio? Entendido? Teremos: PARTICIPAR (3/5) PAULO NO PARTICIPAR (2/5) PARTICIPAR (1/5) ROBERTO NO PARTICIPAR (4/5) P(Paulo participar & Roberto no participar) = (3/5) x (4/5) = 12/25 Resposta! # Caminho de Probabilidades: Conheceremos esse conceito por meio do exemplo seguinte: EXEMPLO 05) Um juiz de futebol possui trs cartes no bolso. Um todo amarelo, o outro todo vermelho e o terceiro vermelho de um lado e amarelo do outro. Num determinado jogo, o juiz retira, ao acaso, um carto do bolso e mostra, tambm ao acaso, uma face do carto a um jogador. Assim, a probabilidade de a face que o juiz v ser vermelha e de a outra face, mostrada ao jogador, ser amarela igual a: Sol.: Comearemos analisando a questo dos cartes que o juiz tem no bolso. So trs, e o enunciado disse que o juiz ir tirar qualquer um deles, de forma aleatria! Ora, se a retirada feita de forma aleatria, a probabilidade de ser retirado qualquer dos trs cartes ser a mesma e igual a 1/3 (um carto favorvel em trs possveis)! Da, j podemos comear a desenhar nossa rvore de probabilidades! Teremos:

45


Carto (vermelho-vermelho) (1/3)

Carto (amarelho-amarelo) (1/3)

Carto (amarelo-vermelho) (1/3) S que a questo no pra por a. Segue com a seguinte pergunta: qual a probabilidade de, ao retirar o carto do bolso, a face vermelha fique voltada para o juiz e a face amarela fique voltada para o jogador? Ora, para que fique uma cor voltada para o juiz e outra cor voltada para o jogador, bvio que o carto retirado do bolso ter que ser o de duas cores! De outra forma, seria impossvel. Concordam? Ocorre que, ao retirar o carto de duas cores do bolso, surgem aqui duas novas situaes, as quais devero ser acrescidas nossa rvore de probabilidades! So as seguintes: Carto (vermelho-vermelho) (1/3)

Carto (amarelho-amarelo) (1/3) Face Vermelha p/ o juiz e Face Amarela p/ o jogador Carto (amarelo-vermelho) (1/3) Face Amarela p/ o juiz e Face Vermelha p/ o jogador Observemos que essas duas novas situaes so tambm situaes excludentes! Claro! Se ocorrer a de cima, porque no ocorreu a de baixo, e vice-versa! Como so apenas duas situaes excludentes, as probabilidades de cada uma ocorrer 1/2. Concluindo, portanto, nossa rvore de probabilidades, teremos:

46


Carto (vermelho-vermelho) (1/3)

Carto (amarelho-amarelo) (1/3) Vermelho p/ o juiz e Amarelo p/ o jogador Carto (amarelo-vermelho) (1/3) Amarelo p/ o juiz e Vermelho p/ o jogador Aqui, olhando para essa rvore acima, veremos que surge um novo conceito! Estamos falando do caminho de probabilidades! O que isso? to-somente um caminho em que h duas (ou mais) probabilidades que se sucedem! Ou em outras palavras, um caminho em que h mais de um evento, de modo que um posterior ao outro. Olhando para o desenho acima, vemos que existem dois caminhos de probabilidade. Vou destacar primeiro um, e depois o outro. Vejamos: Carto (vermelho-vermelho) (1/3) (1/2) (1/2)

Carto (amarelho-amarelo) (1/3) Vermelho p/ o juiz e Amarelo p/ o jogador Carto (amarelo-vermelho) (1/3) Amarelo p/ o juiz e Vermelho p/ o jogador Est em azul nosso caminho de probabilidades. Nele, vemos que um evento se sucede ao outro. O primeiro a escolha do carto de duas faces; o segundo o fato de a face vermelha ficar voltada para o juiz, e a amarela para o jogador! O que interessa saber acerca de um caminho de probabilidade que quando estivermos diante de um, no nos interessar mais a probabilidade individual de um evento ou do outro: interessar-nos- a probabilidade de todo o caminho! E para descobrirmos a probabilidade que o resultado de um caminho de probabilidades, teremos sempre que multiplicar as probabilidades individuais de cada evento que compe aquele caminho. (1/2) (1/2)

47

Da, para chegarmos probabilidade que resulta deste caminho azul acima, faremos (1/3)x(1/2), e chegaremos ao seguinte: Carto (vermelho-vermelho) (1/3)

Carto (amarelho-amarelo) (1/3) Vermelho p/ o juiz e (1/2) (1/6) Amarelo p/ o jogador Carto (amar.-verm.) (1/3) Amarelo p/ o juiz e (1/2) Vermelho p/ o jogador Essa probabilidade que encontramos (1/6) o resultado deste caminho probabilidade e representa a ocorrncia dos dois eventos que compem este caminho. de

Ou seja, (1/6) justamente a probabilidade de a face que o juiz v ser vermelha e de a outra face, mostrada ao jogador, ser amarela. exatamente isso o que a questo est perguntando! Da, nossa resposta, encontrada probabilidades, igual a (1/6). apenas pelo resultado de um caminho de

Observemos que para acertar essa questo, tivemos que usar os seguintes conhecimentos: 1) saber o que so situaes excludentes; 2) saber desenhar uma rvore de probabilidades; 3) saber o que um caminho de probabilidades, e como se chega a sua probabilidade resultante! Passemos a mais um exemplo! EXEMPLO 06) (SERPRO 2001 ESAF) H apenas dois modos, mutuamente excludentes, de Gensio ir para Genebra participar de um congresso: ou de navio ou de avio. A probabilidade de Gensio ir de navio de 40% e de ir de avio de 60%. Se ele for de navio, a probabilidade de chegar ao congresso com dois dias de atraso de 8,5%. Se ele for de avio a probabilidade de chegar ao congresso com dois dias de atraso de 1%. Sabe-se que Gensio chegou com dois dias de atraso para participar do congresso em Genebra. A probabilidade de ele ter ido de avio : Sol.: Numa leitura calma deste enunciado, vemos que ele todo muito propcio para que faamos o desenho da rvore de probabilidades, observando atentamente as situaes excludentes que nos so apresentadas! Seno, vejamos: a primeira coisa que nos diz a questo que o Gensio s pode viajar de dois modos: navio ou avio. E diz tambm que estes dois modos de ele viajar so mutuamente excludentes! Ora, aqui foi dito de forma expressa: so duas situaes excludentes! Foi dito ainda quais so as probabilidades de o Gensio viajar de navio e de avio.

48


Teremos: Navio (40%)

Da, j podemos iniciar o desenho da rvore de probabilidades!

Avio (60%) S uma observao: na hora que o enunciado falou que viajar de navio e viajar de avio so situaes excludentes, e acrescentou que a probabilidade de o Gensio ir de navio de 40%, ento no seria necessrio ter informado que a probabilidade de ele ter ido de avio de 60%. J seria nossa obrigao saber disso, uma vez que a soma das probabilidades de situaes excludentes sempre 100%. No verdade? Pois bem! S que o enunciado no parou por a! Surgem, na seqncia da leitura, mais duas outras situaes. Quer tenha o Gensio viajado de navio, quer tenha viajado de avio, ele poder chegar com atraso ao congresso! Isso dito pelo enunciado! E se pode chegar com atraso, ns j somos capazes de deduzir que, contrariamente, ele pode tambm chegar em tempo, ou seja, sem atraso. evidente que se Gensio chegar em tempo porque no atrasou; e se atrasar, porque no conseguiu chegar em tempo. Concordam? Ou seja, essas duas situaes chegar atrasado e chegar em tempo so situaes excludentes! O enunciado traz quais so as probabilidades de Gensio chegar atrasado nos dois casos (tendo ido de navio e tendo ido de avio), de modo que j teremos como completar a nossa rvore de probabilidades, da seguinte forma: Atrasado (8,5%) Navio (40%) Em tempo (91,5%)

Atrasado (1%) Avio (60%) Em tempo (99%) Boa oportunidade essa para ns explorarmos o desenho acima! Quantos caminhos de probabilidade ns temos nessa rvore de probabilidades? Temos quatro caminhos: 1) viajar de navio & chegar atrasado; 2) viajar de navio & chegar em tempo; 3) viajar de avio & chegar atrasado; 4) viajar de avio & chegar em tempo. J sabemos que, diante de um caminho de probabilidades, as probabilidades individuais j deixaram de ser interessantes para ns! S nos vo interessar as probabilidades resultantes de cada caminho!

49

Sabemos tambm que, para chegar a essas probabilidades resultantes, teremos que multiplicar as probabilidades individuais de cada caminho! No isso mesmo? isso mesmo! Da, analisemos esta rvore e esses caminhos, caso a questo fizesse uma dessas seguintes perguntas: 1) Qual a probabilidade de Gensio ir de navio e de chegar atrasado? O que lhes parece? Ser que isso que est sendo pedido acima o resultado de algum caminho de probabilidade? Claro! logo do primeiro caminho! Vejamos: Atrasado (8,5%) Navio (40%) Em tempo (91,5%)

Atrasado (1%) Avio (60%) Em tempo (99%) Da, multiplicando-se as probabilidades individuais desse caminho, teremos: (0,40)x(0,085)= 0,034 = 3,4% Resposta! Na linguagem da probabilidade, diremos: P(navio & atrasado)=0,034 2) Qual a probabilidade de Gensio ir de avio e chegar atrasado? Novamente a pergunta feita acima nos remete a um dos caminhos de probabilidade. Qual deles? O terceiro. Vejamos: Atrasado (8,5%) Navio (40%) Em tempo (91,5%)

Atrasado (1%) Avio (60%) Em tempo (99%) Multiplicando-se as probabilidades individuais desse caminho, teremos: (0,60)x(0,01)= 0,006 = 0,6% Resposta! Na linguagem da probabilidade, diremos: P(avio & atrasado)=0,006

50

3) Qual a probabilidade de Gensio chegar atrasado? A pergunta aqui foi diferente! S falou no evento atraso, sem estabelecer o meio de transporte! Da, fica claro que h dois caminhos que nos conduzem a esse resultado chegar atrasado. E so justamente os seguintes: Atrasado (8,5%) 3,4% Navio (40%) Em tempo (91,5%)

Atrasado (1%) 0,6% Avio (60%) Em tempo (99%) Ora, como so dois os caminhos que nos conduzem ao resultado procurado, teremos portanto que somar essas duas probabilidades resultantes de ambos. Teremos, pois, que: 3,4% + 0,6% = 4% Resposta! Na linguagem da probabilidade, diremos: P(chegar atrasado)=0,04 4) Qual a probabilidade de Gensio chegar em tempo? Aqui tambm no foi estabelecido qual seria o meio de transporte que levaria Gensio a no se atrasar! De modo que essa pergunta ficou muito fcil de ser respondida. Seno, vejamos: no item anterior, encontramos que a probabilidade de Gensio chegar atrasado (independente do transporte utilizado) foi de 4%. Ora, ser que chegar atrasado e chegar em tempo no so situaes excludentes? Claro que sim! J sabemos disso! Logo, se somarmos as probabilidades dessas duas situaes (chegar atrasado e chegar em tempo), teremos que chegar a 100%. Da, faremos: P(atrasado) + P(em tempo) = 100% 4% + P(em tempo) = 100% P(em tempo)=100% - 4% P(em tempo) = 96% Resposta! Na linguagem da probabilidade, diremos: P(em tempo)=0,96 Com essas quatro perguntas acima, queremos mostrar que uma questo de probabilidade pode morrer to somente pela anlise desses tais caminhos de probabilidade, oriundos da rvore de probabilidades! Ou no! Por que ou no? Porque pode haver mais! E o que pode haver a mais? Pode haver a mais o seguinte: pode ocorrer de a questo, aps fornecer todos os elementos necessrios e suficientes para que ns desenhemos a rvore de probabilidades, ela trazer (assim como quem no quer nada!) mais uma informao. Essa informao adicional, que muito pode nos parecer inservvel, ser na verdade essencial para nossa resoluo. O que temos de saber que essa informao adicional no vir nos falando de uma probabilidade! No! Ela vir falando de um FATO!

51

Ou seja, uma informao que um fato dado; algo que passa a ser do nosso conhecimento! Vamos fazer um teste: vamos recolocar abaixo o nosso enunciado. Voc vai l-lo novamente, com muita calma e muita ateno, tentando descobrir se foi fornecida pela questo esta tal de informao adicional; este fato dado, que passa a ser do seu conhecimento. Ok? A segue o enunciado: H apenas dois modos, mutuamente excludentes, de Gensio ir para Genebra participar de um congresso: ou de navio ou de avio. A probabilidade de Gensio ir de navio de 40% e de ir de avio de 60%. Se ele for de navio, a probabilidade de chegar ao congresso com dois dias de atraso de 8,5%. Se ele for de avio a probabilidade de chegar ao congresso com dois dias de atraso de 1%. Sabe-se que Gensio chegou com dois dias de atraso para participar do congresso em Genebra. A probabilidade de ele ter ido de avio : E a? Algum achou uma frase suspeita? Uma frase que veio sozinha? E que no falou nada de probabilidade? E que s nos informou um fato dado? NO?????? No possvel...! Tente novamente: H apenas dois modos, mutuamente excludentes, de Gensio ir para Genebra participar de um congresso: ou de navio ou de avio. A probabilidade de Gensio ir de navio de 40% e de ir de avio de 60%. Se ele for de navio, a probabilidade de chegar ao congresso com dois dias de atraso de 8,5%. Se ele for de avio a probabilidade de chegar ao congresso com dois dias de atraso de 1%. Sabe-se que Gensio chegou com dois dias de atraso para participar do congresso em Genebra. A probabilidade de ele ter ido de avio : E agora, melhorou? Agora todo mundo vai dizer que j tinha visto da primeira vez... Pois , minha gente! Aqui teremos novidades: quando a questo fornecer todos os elementos necessrios para desenharmos a rvore de probabilidades e para construirmos os caminhos de probabilidades, mas no se contentar apenas com isso, de modo a nos revelar ainda um fato, estaremos diante de uma questo da chamada probabilidade condicional. E o que isso? muito fcil. Probabilidade condicional ser a probabilidade de ocorrncia de um evento A, dado que sabemos que ocorreu um outro evento B. Esse evento B justamente aquele que nos dado a conhecer pela informao adicional; por aquela frase que vem sozinha, e apenas nos revela um fato dado; algo que passa a ser do nosso conhecimento. Retornemos novamente ao nosso enunciado, para ver se entendemos o que est sendo solicitado por esta questo. Vamos por partes! Podemos dividir esse enunciado em trs pedaos, representados abaixo em cores diferentes: H apenas dois modos, mutuamente excludentes, de Gensio ir para Genebra participar de um congresso: ou de navio ou de avio. A probabilidade de Gensio ir de navio de 40% e de ir de avio de 60%. Se ele for de navio, a probabilidade de chegar ao congresso com dois dias de atraso de 8,5%. Se ele for de avio a probabilidade de chegar ao congresso com dois dias de atraso de 1%. Sabe-se que Gensio chegou com dois dias de atraso para participar do congresso em Genebra. A probabilidade de ele ter ido de avio : 1) O primeiro pedao que destacamos (em vermelho) servir apenas para uma coisa: para desenharmos a rvore de probabilidades e os respectivos caminhos de probabilidade. 2) A segunda parte do enunciado (destacada em azul) se resume a uma nica frase: o fato dado! aquela informao que passa a ser conhecida por ns todos! Repito: no uma probabilidade: um fato!

52

3) A terceira e ltima parte do enunciado (destacada em verde) a pergunta! Pronto! Estamos quase l! Agora s nos resta definir exatamente o que a questo quer de ns. Para saber isso, comearemos pela pergunta do enunciado: a terceira parte! Qual a probabilidade de Gensio ter ido de avio? Sabendo que esta a pergunta da questo, s nos falta averiguar uma coisa: foi fornecido pelo enunciado aquela informao adicional? Aquele fato dado? Foi? Sim! E qual foi mesmo esse fato dado? Foi que Gensio chegou atrasado! Da, o que a questo est mesmo querendo saber o seguinte: Qual a probabilidade de Gensio ter ido de avio, dado que chegou atrasado? Essa a pergunta completa! Essa a pergunta da probabilidade condicional. Por que condicional? Porque est submetida a uma condio! Qual condio? A de que exista um fato que ns estamos certos que ocorreu! Veja como a pergunta acima se enquadra perfeitamente no modelo da probabilidade condicional: Qual a probabilidade de ocorrncia de um evento A, dado que sabemos que ocorreu um evento B? Observemos que o que vir aps o dado que ser sempre o fato fornecido pelo enunciado! Utilizando a nomenclatura prpria da matemtica, reduziremos a pergunta acima ao seguinte: P(A dado B)=? Esta a pergunta da probabilidade condicional. Para respond-la, teremos que aplicar a seguinte frmula:

P( A dado B) =

P( A e B) P( B)

Aplicando a frmula acima nossa questo, teremos: P(avio dado atrasado) = P(avio & atrasado) / P(atrasado) Vejamos que o numerador desta frmula P(avio & atrasado) exatamente a resposta da pergunta b, que foi analisado h pouco por ns, e em que conclumos que: P(avio & atrasado)=0,006. Vejamos ainda que o denominador da frmula P(atraso) corresponde, por sua vez, resposta da pergunta c , vista acima, com o que conclumos que: P(atrasado)=0,04. Pronto! Dispondo dos elementos todos da frmula da probabilidade condicional, chegaremos ao seguinte: P(avio dado atraso) = P(avio & atraso) / P(atraso) P(avio dado atraso) = 0,006 / 0,04 = 0,15 = 15% Resposta! Exemplo 07) (Analista MPU/2004) Carlos diariamente almoa um prato de sopa no mesmo restaurante. A sopa feita de forma aleatria por um dos trs cozinheiros que l trabalham: 40% das vezes a sopa feita por Joo; 40% das vezes por Jos, e 20% das vezes por Maria. Joo salga demais a sopa 10% das vezes; Jos o faz em 5% das vezes, e Maria 20% das vezes. Como de costume, um dia qualquer Carlos pede a sopa

53

e, ao experiment-la, verifica que est salgada demais. A probabilidade de que essa sopa tenha sido feita por Jos igual a? Sol.: Convm relermos o enunciado, tentado j ver se possvel estabelecermos aquela diviso em partes! Ser que possvel. Vejamos: Carlos diariamente almoa um prato de sopa no mesmo restaurante. A sopa feita de forma aleatria por um dos trs cozinheiros que l trabalham: 40% das vezes a sopa feita por Joo; 40% das vezes por Jos, e 20% das vezes por Maria. Joo salga demais a sopa 10% das vezes; Jos o faz em 5% das vezes, e Maria 20% das vezes. Como de costume, um dia qualquer Carlos pede a sopa e, ao experiment-la, verifica que est salgada demais. A probabilidade de que essa sopa tenha sido feita por Jos igual a? A primeira parte aquela que usaremos para desenhar a rvore de probabilidades, observando as situaes excludentes, e construindo, se for o caso, os caminhos de probabilidade. A segunda parte (em vermelho) um informao adicional que nos revela um fato. Algo que passa a ser do nosso conhecimento! No uma probabilidade: um fato dado! A terceira parte a pergunta da questo! Trabalhando a primeira parte do enunciado, chegaremos seguinte rvore de probabilidades: sopa salgada (10%) JOO (40%) sopa normal (90%) sopa salgada (5%) JOS (40%) sopa normal (95%) sopa salgada (20%) MARIA (20%) sopa normal (80%) Agora temos que formular a pergunta completa da questo! O que est sendo questionado na ltima parte do enunciado? A pergunta qual a probabilidade de Jos ter feito a sopa? Existe dentro do enunciado uma informao adicional, que nos d a conhecer um fato? Sim! Qual esse fato? que a sopa ficou salgada! Ora, que a sopa ficou salgada um fato dado pela questo. algo do qual agora temos conhecimento. Da, a pergunta completa desta questo a seguinte: Qual a probabilidade de Jos ter feito a sopa, dado que a sopa ficou salgada? Estamos diante de uma probabilidade condicional. Na linguagem da probabilidade, teremos: P(Jos dado salgada)=? A s aplicar a frmula da probabilidade condicional. Teremos: P(Jos dado salgada)= P(Jos & salgada) / P(salgada)

54

O numerador P(Jos & salgada) ser a probabilidade resultante de um nico caminho de probabilidade. O primeiro deles! Vejamos: sopa salgada (10%) JOO (40%) sopa normal (90%) sopa salgada (5%) JOS (40%) sopa normal (95%) sopa salgada (20%) MARIA (20%) sopa normal (80%) J no tocante ao denominador P(salgada), teremos que somar as probabilidades resultantes de trs caminhos de probabilidades para chegarmos a ele. Teremos: 0,40 x 0,05 = 0,02

sopa salgada (10%) 0,40 x 0,10 = 0,04 JOO (40%) sopa normal (90%)

sopa salgada (5%) 0,40 x 0,05 = 0,02 JOS (40%) sopa normal (95%)

sopa salgada (20%) 0,20 x 0,20 = 0,04 MARIA (20%) sopa normal (80%) Da, jogando os dados na frmula da probabilidade condicional, teremos que: P(Jos dado salgada)= 0,02 / (0,04+0.02+0,04) P (Jos dado salgada) = 0,02/0,10 = 20% Resposta! Dando continuidade ao estudo da Probabilidade, veremos agora mais alguns conceitos que ainda no foram comentados. Quais sejam: Probabilidade da unio de dois eventos; e Probabilidade binomial.

55


# Probabilidade da Unio de Dois Eventos:

Esta situao se verificar sempre que a questo de probabilidade trouxer uma pergunta referente a dois eventos, conectados entre si pela partcula ou. Por exemplo, pode ser que a questo apresente uma srie de dados e no final pergunte: Qual a probabilidade de ocorrncia do evento A ou do evento B? Saberemos, ento, de imediato, que a partcula ou significar unio! Trabalharemos, assim, com uma frmula prpria: a da Probabilidade da Unio de Dois Eventos: P(evento A ou evento B)=P(evento A)+P(evento B) P(evento A e evento B) Reparemos bem na terceira parcela da frmula acima: P(evento A e evento B). Esta parcela trata acerca da probabilidade de ocorrncia simultnea dos eventos A e B. Aprendemos na aula passada que, caso os eventos A e B sejam eventos independentes, ento a probabilidade de ocorrncia de A e B, ao mesmo tempo, ser encontrada pelo produto das probabilidades individuais! Lembrados disso? Pois bem! Vejamos alguns exemplos que nos ajudaro a entender melhor essa teoria. Exemplo 1) Uma urna contm 10 bolinhas numeradas de 1 a 10. Uma bolinha escolhida ao acaso. Qual a probabilidade de se observar um mltiplo de 2 ou de 4? Sol.: Vemos facilmente que esta questo trata de dois eventos, e no apenas de um! Quais so esses dois eventos? Retirar uma bolinha numerada com um mltiplo de dois; e retirar uma bolinha numerada com um mltiplo de quatro. Na pergunta da questo, esses dois eventos esto conectados entre si pela partcula ou, o que nos leva a concluir que estamos trabalhando com a probabilidade da unio de dois eventos! Teremos, pois, que: P(mltiplo de 2 ou mltiplo de 4)=P(mltiplo de 2)+P(mltiplo de 4)-P(mltiplo de 2 e mltiplo de 4) O que temos a fazer descobrir o valor de cada uma das parcelas. Vamos l! P(mltiplo de 2)=? Sabemos que probabilidade uma frao: Resultados favorveis / resultados possveis! Da, na hora de retirarmos uma bolinha de uma urna que contm dez delas, quantos sero os resultados possveis? Sero 10, obviamente! esse nosso denominador. Queremos agora que a bolinha retirada seja mltiplo de 2. Quantos so os resultados que satisfazem essa exigncia (resultados favorveis)? Ora, so 5. Seno, vejamos: {1, 2, 3, 4, 5, 6, 7, 8, 9, 10} (cinco mltiplos de 2)! Da, teremos: P(mltiplo de 2)= (5/10) Passemos a trabalhar a segunda parcela da equao: P(mltiplo de 4)=? Quantos so os resultados possveis para a retirada de uma bola, se a urna tem dez bolas? Dez. ( o nosso denominador)!

56

E quantos so os resultados que satisfazem a exigncia de a bola retirada ser mltiplo de 4? Ou seja, quantos so os resultados favorveis? So 2. Vejamos: {1, 2, 3, 4, 5, 6, 7, 8, 9, 10} (dois mltiplos de 4)! Da, teremos que: P(mltiplo de 4)=(2/10) Pois bem! S nos falta calcular agora a terceira parcela da equao: P(mltiplo de 2 e mltiplo de 4)=? J sabemos que h dez resultados possveis para a retirada de uma bola dessa urna! Mas quantos sero os resultados favorveis? Ou seja, quantos sero os resultados que satisfazem, ao mesmo tempo, a exigncia de a bola retirada ser um mltiplo de 2 e um mltiplo de 4? Essa fcil. Vejamos: {1, 2, 3, 4, 5, 6, 7, 8, 9, 10} (so tambm apenas 2 resultados, ao mesmo tempo, mltiplos de 2 e mltiplos de 4)! Da, teremos que: P(mltiplo de 2 e mltiplo de 4)=(2/10) Finalmente, lanando todos esses resultados na equao da unio de dois eventos, teremos: P(mltiplo de 2 ou mltiplo de 4)=(5/10)+(2/10)(2/10) E: P(mltiplo de 2 ou mltiplo de 4)=(5/10)=0,50= 50% Resposta! Ou seja, no tem segredo! Basta recordar da frmula e aplic-la! Mais um exemplo. Exemplo 2) (ESAF) Um dado honesto lanado juntamente com uma moeda no viciada. Assim, a probabilidade de se obter um nmero mpar no dado ou coroa na moeda : a) 1/5 b) 1/4 c) 2/4 d) 3/5 e) 3/4 Sol.: Percebemos que aqui tambm haver dois eventos envolvidos: o lanamento de um dado e o lanamento de uma moeda. Obviamente que lanar um dado e lanar uma moeda so eventos que no dependem um do outro, ou seja, o resultado de um no influencia em nada o resultado do outro. Em outras palavras, so eventos independentes, embora o enunciado no tenha dito isso expressamente! Pois bem! Vamos ao nosso raciocnio. Trabalhando primeiro com o dado. Quantas possibilidades de resultado h no lanamento de um dado? Ora, h seis possibilidades: {1, 2, 3, 4, 5, 6}. E quantos modos diferentes h de esse resultado ser um numero mpar? Vejamos: {1, 2, 3, 4, 5, 6}. Ora, haver trs possibilidades. Da, ao lanarmos um dado, a probabilidade de o resultado ser mpar ser: P(resultado mpar no dado) =

3 1 = 6 2

57

Passemos ao caso da moeda! Quantos resultados possveis h no lanamento de uma moeda no viciada? Dois: {cara, coroa}. Quantos resultados possveis de coroa? Apenas um. Logo, a probabilidade de, ao lanarmos uma moeda, dar coroa de: P(coroa na moeda) =

1 2

Quase l! Quando o enunciado pede que se determine a probabilidade de se obter um nmero mpar no dado ou coroa na moeda, estar falando, obviamente, da unio entre esses dois eventos. J sabemos que a existe uma frmula prpria para esses casos. Teremos: P(mpar no dado ou coroa na moeda)=P(mpar dado)+P(coroa moeda)P(mpar dado e coroa moeda) Pois bem! As duas primeiras parcelas da equao acima j foram calculadas. Resta-nos a ltima! Eis o xis da questo: esta ltima parcela h que ser muito bem pensada por ns. Por qu? Porque se estivermos trabalhando com eventos independentes e esse o nosso caso! ento esta parcela ser encontrada pelo produto das probabilidades dos dois eventos. Teremos: P(mpar no dado e coroa na moeda)=P(mpar no dado) x P(coroa na moeda) Da, encontraremos que: P(mpar no dado e coroa na moeda)= (1/2) x (1/2) = (1/4) Finalmente, aplicando os resultados obtidos na nossa equao, encontraremos que: P(mpar no dado ou coroa na moeda)=(1/2)+(1/2)(1/4)=(3/4) Resposta!

# Distribuies de Probabilidade: Distribuio Binomial:

Como reconhecer a questo de Distribuio Binomial? Ela perguntar por uma probabilidade; Ela tratar de um experimento que se repetir n vezes, sempre mantidas as mesmas condies originais. Este experimento s admite dois resultados: sucesso e fracasso. Este experimento diz respeito a uma varivel discreta. Tais resultados (sucesso e fracasso) so mutuamente excludentes, ou seja, ocorrendo um, o outro est automaticamente descartado. A cada repetio do experimento, as probabilidade de sucesso p e de fracasso q se mantm constantes. Cada tentativa independente da outra.

E a questo de distribuio binomial far a seguinte pergunta: Qual a probabilidade de se obter S sucessos, em n tentativas?

58

Se uma varivel tem distribuio binomial, diremos que:

X B(n,p)
Equaes: Probabilidade Binomial:

P(S sucessos)=Cn,S.(p)S.(q)F
Onde: Cn,s= n!/[s!(n-s)!] n o nmero de repeties do experimento; p a probabilidade de ocorrncia de sucesso; q a probabilidade de ocorrncia de fracasso; S o nmero de sucessos desejados; F o nmero de fracassos. Valor Esperado:

E(x)= = n.p
Varincia:

Var(x)= 2 = n.p.q
Desvio Padro:

Desvio Padro(x)= =

Questes de Fixao:
1) Uma moeda ser lanada cinco vezes consecutivas. Qual a probabilidade de se verificarem 3 resultados cara? 2) Um casal quer ter oito filhos. Qual a probabilidade de nascerem exatamente 5 meninas, considerando que no venham gmeos? 3) Um candidato tem apenas 2% das intenes de voto. Qual a probabilidade de que, em 100 eleitores escolhidos ao acaso, encontremos cinco que desejem votar nesse candidato?

Questes de Concursos:
4) (ESAF) Em uma cidade, 10% das pessoas possuem carro importado. Dez pessoas dessa cidade so selecionadas, ao acaso e com reposio. A probabilidade de que exatamente 7 das pessoas selecionadas possuam carro importado : a) (0,1)7 . (0,9)3 d) 120 . (0,1) . (0,9)7 3 7 b) (0,1) . (0,9) e) 120 . (0,1)7 . (0,9) 7 3 c) 120 . (0,1) . (0,9) 5) (ESAF) So lanadas 4 moedas distintas e no viciadas. Qual a probabilidade de resultar exatamente duas caras e duas coroas? a) 25% b) 37,5% c) 42% d) 44,5% e) 50%

59


Distribuio Poisson:

Como reconhecer a questo de Distribuio Poisson? Ela perguntar por uma probabilidade; Ela tambm uma distribuio discreta; Ela se parece muito com a binomial; No empregada em experimentos nos quais se est interessado no nmero de sucessos obtidos em n tentativas, como ocorre no caso da distribuio binomial. Est-se interessado em saber o nmero de sucessos ocorridos durante um intervalo contnuo, que pode ser um intervalo de tempo, de espao etc. Exemplos: - O nmero de vezes que o telefone toca durante um dia; - O nmero de acidentes automobilsticos ocorridos numa rodovia durante um ms; - O nmero de defeitos encontrados em um rolo de arame de 500 metros.

E a questo de distribuio de Poisson far a seguinte pergunta: Qual a probabilidade de se obter S sucessos, neste determinado intervalo (de tempo, de espao etc)?

Equao: Probabilidade de Poisson:

P(S) = (e- . S) / S!
Onde: P(S) a probabilidade de S ocorrncias no intervalo; o valor esperado ou nmero mdio de ocorrncias no intervalo; e = 2,71828 Valor Esperado:

E(x)=
Varincia:

Var(x)= 2 =
Desvio Padro:

Desvio Padro(x)= =
Questes de Fixao:
1) Suponha que, em mdia, o telefone toque 4 vezes ao dia em uma casa. Qual a probabilidade de que, num certo dia qualquer, ele toque exatamente duas vezes? (Considere que: e-4=1,83).

60

2) Suponha que, em mdia, o telefone toque 4 vezes ao dia em uma casa. Qual a probabilidade de que, num certo dia qualquer, ele toque no mximo duas vezes? (Considere que: e-4=1,83). 3) Uma aluna, quando assiste a aulas em salas com ar-condicionado, espirra, em mdia, trs vezes por hora. Qual a probabilidade de que, em uma hora, ela espirre cinco vezes? 4) Uma aluna, quando assiste a aulas em salas com ar-condicionado, espirra, em mdia, trs vezes por hora. Qual a probabilidade de que, em trs horas, ela espirre dez vezes?

Distribuio Normal:
Como reconhecer a questo de Distribuio Normal? Ela perguntar por uma probabilidade; Esta probabilidade estar relacionada a um intervalo e dir respeito a uma varivel contnua. Exemplos: - Qual a probabilidade de que uma pessoa pese entre 45 kg e 58 kg? - Qual a probabilidade de que uma pessoa pese acima de 72 kg? (Intervalo: de 72 kg at mais infinito) - Qual a probabilidade de que uma pessoa gaste, para ler um jornal, entre 32 minutos e 43 minutos? - Qual a probabilidade de que uma pessoa gaste menos de 25 minutos para ler um jornal? (Intervalo: de menos infinito at 25 minutos). Esta probabilidade no ser calculada por uma frmula, e sim pela rea verificada sob uma curva: a curva Normal ou de Gauss. Esta curva construda pela seguinte frmula:

NO PRECISO DECORAR ESTA FRMULA!!! Ela serve apenas para sabermos que haver infinitas curvas normais, cada uma delas definidas pela mdia () e pela varincia (2) do conjunto! Ou seja, mdia e varincia so os parmetros de uma distribuio normal. Assim, se uma varivel tem distribuio normal, diremos que:

X N(, 2)
Se so infinitas curvas normais, precisaramos de infinitas tabelas para nos auxiliar no clculo da rea sob a curva! Mas s existe uma tabela: a da CURVA NORMAL PADRONIZADA!! Esta Curva Normal Padronizada apresenta: =0 e 2=1. A varivel normal padronizada ser chamada de Z Com a tabela da curva Z encontramos a rea da curva entre 0 (zero) e um outro valor especificado, direita de zero. Esta rea ser a prpria probabilidade! Ocorre que qualquer distribuio normal particular (X) pode ser transformada na varivel normal padronizada (Z), da seguinte forma: Caractersticas da Curva Normal:

61

Fazendo essa transformao, encontraremos na tabela a rea sob a curva normal padronizada, e que corresponder probabilidade que estamos procurando! Em outras palavras: haver uma nica tabela para descobrirmos probabilidades de toda e qualquer varivel contnua que tenha distribuio normal! # Caractersticas da Curva Normal: - simtrica: Frequncia

- Apresenta a seguinte propriedade: Frequncia

Varivel

-3

-2

-1

+1

+2

+3

Varivel

68,26% 95,44% 99,74% # Exemplificando uma Questo de Distribuio Normal: Suponhamos que um conjunto represente os pesos de um grupo de pessoas. Para este conjunto, verificou-se que a mdia dos pesos era de

=25

kg e a varincia era de

2 =9

kg2.

(Reparem na unidade da varincia, que estar sempre elevada ao quadrado)! Consideremos ainda que se saiba que esta varivel se distribui normalmente. Assim, diremos apenas que: X N(25, 9).

62

Entendido at aqui? Reparem que se a varincia deste conjunto 9, ento o seu desvio padro (definido como a raiz quadrada da varincia) ser igual a 3. Pois bem! Reparem agora na pergunta que ser feita: sabendo que a varivel X tem distribuio normal, qual a probabilidade de que uma pessoa qualquer deste conjunto apresente peso variando entre 25 e 28 quilogramas? Vejam que no estudo da probabilidade associada distribuio normal, estaremos sempre investigando a probabilidade referente a um intervalo da varivel. Neste caso, a primeira coisa a fazer reduzir a varivel X varivel padronizada Z. Os dois valores de X que conhecemos so 25 (que a mdia do conjunto) e 28. Assim, usando a frmula da reduo, teremos: Para X=25 Z=

( Xi )

( Xi )

Z=

(25 25) Z=0,00 3 (28 25) Z=1,00 3

Para X=28 Z=

Z=

Assim, realizamos a transformao da varivel, e j estamos trabalhando com a Curva Normal Padronizada! Modificou-se, portanto, a pergunta da questo! A nova pergunta agora a seguinte: considerando a Curva Normal Padronizada (ou Reduzida), qual a probabilidade de Z estar dentro do intervalo que vai de Z=0 at Z=1? E para esta pergunta, meus queridos, existe uma tabela prontinha, que nos dar a resposta quase que de forma imediata! # A Tabela da Distribuio Normal Padronizada: Precisamos conhecer bem como se faz a pesquisa a esta tabela, pois por meio dela que chegaremos soluo desejada. J do conhecimento de todos que a curva normal simtrica em torno da mdia aritmtica, e que cada metade da rea sob a curva representa 50%. Pois bem! IMPORTANTE: A tabela da Curva Normal Padronizada nos indicar sempre o percentual de elementos que est no intervalo que vai de Z=0 at um Z qualquer. No caso, desejamos conhecer o percentual que h entre Z=0 e Z=1. Ilustrativamente, teremos:

z=0

z=1

63


z 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2.0 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 3.0 4.0 .00 00,00 03,98 07,93 11,79 15,54 19,15 22,57 25,80 28,81 31,59 34,13 36,43 38,49 40,32 41,92 43,32 44,52 45,54 46,41 47,13 47,72 48,21 48,61 48,93 49,18 49,38 49,53 49,65 49,74 49,81 49,87 49,997 .01 00,40 04,38 08,32 12,17 15,91 19,50 22,91 26,11 29,10 31,86 34,38 36,65 38,69 40,49 42,07 43,45 44,63 45,64 46,49 47,19 47,78 48,26 48,64 48,96 49,20 49,40 49,55 49,66 49,75 49,82 .02 00,80 04,78 08,71 12,55 16,28 19,85 23,24 26,42 29,39 32,12 34,61 36,86 38,69 40,66 42,22 43,57 44,74 45,73 46,56 47,26 47,83 48,30 48,68 48,98 49,22 49,41 49,56 49,67 49,76 49,82 .03 01,20 05,17 09,10 12,93 16,64 20,19 23,57 26,73 29,67 32,38 34,85 37,08 39,07 40,82 42,36 43,70 44,84 45,82 46,64 47,32 47,88 48,34 48,71 49,01 49,25 49,43 49,57 49,68 49,77 49,83 .04 01,60 05,57 09,48 13,31 17,00 20,54 23,89 27,04 29,95 32,64 35,08 37,29 39,25 40,99 42,51 43,83 44,95 45,91 46,71 47,38 47,93 48,38 48,75 49,04 49,27 49,45 49,59 49,69 49,77 49,84

.05 01,99 05,96 09,87 13,68 17,36 20,88 24,22 27,34 30,23 32,90 35,31 37,49 39,44 41,15 42,65 43,94 45,05 45,99 46,78 47,44 47,98 48,42 48,78 49,06 49,29 49,46 49,60 49,70 49,78 49,84 .06 02,39 06,36 10,26 14,06 17,72 21,23 24,54 27,64 30,51 33,15 35,54 37,70 39,62 41,31 42,79 44,06 45,15 46,08 46,86 47,50 48,03 48,46 48,81 49,09 49,31 49,48 49,61 49,71 49,79 49,85 .07 02,79 06,75 10,64 14,43 18,08 21,57 24,86 27,94 30,78 33,40 35,77 37,90 39,80 41,47 42,92 44,18 45,25 46,16 46,93 47,56 48,08 48,50 48,84 49,11 49,32 49,49 49,62 49,72 49,79 49,85 .08 03,19 07,14 11,03 14,80 18,44 21,90 25,17 28,23 31,06 33,65 35,99 38,10 39,97 41,62 43,06 44,29 45,35 46,25 46,99 47,61 48,12 48,54 48,87 49,13 49,34 49,51 49,63 49,73 49,80 49,86 .09 03,59 07,53 11,41 15,17 18,79 22,24 25,49 28,52 31,33 33,89 36,21 38,30 40,15 41,77 43,19 44,41 45,45 46,33 46,06 47,67 48,17 48,57 48,90 49,16 49,36 49,52 49,64 49,74 49,81 49,86

Neste momento, resta conhecermos a tabela. Ela ser mais ou menos assim:

A consulta a esta tabela se faz olhando-se primeiramente para a coluna da esquerda, e em seguida para a primeira linha. No esqueamos que as porcentagens constantes no miolo da tabela representam a rea sob a curva normal, delimitada pela linha do z=0 e de um outro valor de z qualquer. Assim, na tabela acima, procuraremos sempre por este z qualquer. Se queremos, como em nosso exemplo, descobrir a porcentagem de elementos entre z=0 e z=1,00, interessa-nos encontrar este 1,00 na tabela. Comeamos procurando pelo 1,0 na coluna da esquerda. Uma vez encontrado, correremos nossa vista pela linha de cima, procurando pelo 0,00. E por que isso? Porque 1,00 o mesmo que 1,0 (encontrado na coluna da esquerda) + 0,00 (encontrado na linha de cima).

64


Vejamos na tabela: z 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 1.1 ... 4.0 .00 00,00 03,98 07,93 11,79 15,54 19,15 22,57 25,80 28,81 31,59 34,13 36,43 ... 49,997 .01 00,40 04,38 08,32 12,17 15,91 19,50 22,91 26,11 29,10 31,86 34,38 36,65 ... .02 00,80 04,78 08,71 12,55 16,28 19,85 23,24 26,42 29,39 32,12 34,61 36,86 ... .03 01,20 05,17 09,10 12,93 16,64 20,19 23,57 26,73 29,67 32,38 34,85 37,08 ... .04 01,60 05,57 09,48 13,31 17,00 20,54 23,89 27,04 29,95 32,64 35,08 37,29 ...

.05 01,99 05,96 09,87 13,68 17,36 20,88 24,22 27,34 30,23 32,90 35,31 37,49 ... .06 02,39 06,36 10,26 14,06 17,72 21,23 24,54 27,64 30,51 33,15 35,54 37,70 ... .07 02,79 06,75 10,64 14,43 18,08 21,57 24,86 27,94 30,78 33,40 35,77 37,90 ... .08 03,19 07,14 11,03 14,80 18,44 21,90 25,17 28,23 31,06 33,65 35,99 38,10 ... .09 03,59 07,53 11,41 15,17 18,79 22,24 25,49 28,52 31,33 33,89 36,21 38,30 ...

Qual foi o resultado encontrado? Foi 34,13. Isso significa que 34,13% dos elementos do conjunto esto localizados entre o z=0 e o z=1. Ou, dito de outra forma, 34,13% dos elementos situam-se entre os pesos 25kg e 28kg. Esta porcentagem, para ser convertida em probabilidade, basta que seja dividida por 100, o que equivale a deslocar a vrgula duas casas para a esquerda. Assim, ao z=1 corresponde o valor 34,13%, ou a probabilidade de 0,3413. Conclumos: a probabilidade de que uma pessoa qualquer desse conjunto apresente peso entre 25 kg e 28 kg 34,13% (ou de 0,3413)! # Outro Exemplo: Alteremos o enunciado: considerando aquele mesmo conjunto de pesos de um grupo de pessoas, em que X N(25,9), se a questo perguntasse agora pelo percentual de elementos com peso acima de 28 quilogramas, o que faramos? Inicialmente, faramos a transformao da varivel. Assim: Para X=28 Z=

( Xi )

Z=

(28 25) Z=1,00 3

Da, ilustrativamente, o que estamos buscando a seguinte rea:

Z=0

Z=1

65

Ora, para descobrirmos o valor da rea marcada no desenho acima, teremos, na verdade, que fazer uma subtrao entre duas porcentagens! Sabemos que toda a metade do desenho direita do z=0 representa 50% do conjunto. Uma vez sabendo que o percentual de elementos entre z=0 e z=1 de 34,13% (resultado do exerccio anterior), ento poderemos dizer que: P(z>1)=0,50-0,3413 P(z>1)=0,1587 Percebam que, neste caso, a resposta no vem diretamente da tabela, uma vez que esta expressar sempre (no podemos esquecer isto!) a porcentagem de elementos que se encontram entre z=0 e um z qualquer. Ok? Assim, 15,87% dos elementos do conjunto tm peso acima de 28 kg. Ou, por outra, 0,1587 a probabilidade de algum deste conjunto pesar mais que 28 kg.

Questes de Fixao:
1) Qual a probabilidade de z pertencer regio destacada? Frequncia

-3

-2

-1

+1

+2

+3

Varivel

2) Qual a probabilidade de z pertencer regio destacada? Frequncia

-3

-2

-1

+1

+2

+3

Varivel

66


Frequncia

3) Qual a probabilidade de z pertencer regio destacada?

-3

-2

-1

+1

+2

+3

Varivel

4) Qual a probabilidade de z pertencer regio destacada? Frequncia

-3

-2

-1

+1

+2

+3

Varivel

5) Qual a probabilidade de z pertencer regio destacada? Frequncia

-3

-2

-1

+1

+2

+3

Varivel

67

6) Determinar a rea limitada pela curva normal em cada um dos casos: a) entre z = 0 e z = 1,2 b) entre z = -0,68 e z = 0 c) entre z = -0,46 e z = 2,21 d) entre z = 0,81 e z = 1,94 e) esquerda de z = -0,6 7) Considerando que XN(40,16), qual o valor de Z para Xi=44? 8) Seja X com os seguintes parmetros: N(25,36). Qual o valor de Z para Xi=18? 9) Supondo que XN(40,16), qual a probabilidade de X pertencer ao intervalo 40 a 45? 10) Considerando que XN(30,16). Calcular: a) P(X>40)=? b) P(X<20)=? c) P(35<X<42)=? 11) Um grupo de crianas apresenta peso mdio de 25 kg e desvio padro de 3 kg. Sabendo que o peso tem distribuio normal, qual a probabilidade de que uma pessoa qualquer desse conjunto apresente peso variando entre 25kg e 28kg? 12) Para o mesmo conjunto de crianas da questo anterior, XN(25,9), qual o percentual de elementos com peso acima de 28 kg? 13) O tempo necessrio para se resolver uma determinada prova distribudo normalmente, com uma mdia de 80 minutos e um desvio padro de 10 minutos. Responda s seguintes perguntas: a) Qual a probabilidade de se completar a prova em uma hora ou menos? b) Qual a probabilidade de que um estudante complete a prova em mais de 60 minutos porm em menos de 75 minutos? c) Considere que a classe tenha 60 estudantes e que o perodo de exame seja de 90 minutos de durao. Quantos estudantes voc espera que sero incapazes de completar o exame no tempo determinado? 14) Os pesos de 600 estudantes so normalmente distribudos com mdia 65kg e desvio padro 5kg. Qual o nmero de alunos que se pode esperar encontrar entre 60 e 70kg? Considere P(0<z<1)=0,34 . a) 400 c) 416 e) 430 b) 408 d) 420

Questo de Concurso:
15) (ESAF) Um fabricante de baterias de automvel afirma que a mdia de vida til de sua bateria 60 meses. Entretanto, a garantia dada sua marca apenas de 36 meses. Assuma que o desvio padro da vida til dessas baterias seja 10 meses, e que a distribuio de frequncia aproximadamente normal. Qual a probabilidade de as baterias desse fabricante durarem mais de 50 meses? a) 68% c) 84% b) 76% d) 92%

68