ApostilaProbEstatistica Pi 2011 TGPI

Prof.
Ms Luiz Gonzaga de Paula
PROBABILIDADE E ESTATSTICA Resumo das aulas professor Gonzaga PARTE 1

1 - INTRODUO
1.1 Evoluo Histrica A origem da palavra estatstica esta associada palavra latina STATUS (Estado). H indcios de que 3000 anos A.C. j se faziam censos na Babilnia, China e Egito. Contudo, mesmo que a prtica de coleta de dados fosse conhecida, pelos povos antigos e se atribuam a Aristteles 180 descries de Estados, apenas no sculo XVII a Estatstica passou a ser considerada disciplina autnoma, tendo como objetivo bsico descrio dos Bens do Estado. A palavra Estatstica foi batizada pelo professor alemo Godofredo Achenwall (1719 1772). Godofredo determinou os objetivos da Estatstica e suas relaes com as demais cincias. Com a escola alem as tabelas tornaram-se mais completas, surgiram s representaes grficas e os clculos das probabilidades, a Estatstica deixou de ser simples catalogao de dados numricos coletivos para se tornar o estudo de como chegar a concluses sobre o todo (populao), partindo da observao de partes desse todo (amostra). 1.2 O que Estatstica? Estatstica uma parte da matemtica aplicada que fornece mtodos para coleta, organizao, descrio, anlise e interpretao de dados e para a utilizao dos mesmos na tomada de decises. A coleta, a organizao, a descrio dos dados, o clculo e a interpretao de coeficientes pertencem Estatstica Descritiva, enquanto a anlise e a interpretao dos dados, associado a uma margem de incerteza, ficam a cargo da Estatstica Indutiva ou Inferencial, tambm chamada como a medida da incerteza ou mtodos que se fundamentam na teoria da probabilidade.
Prof. Ms Luiz Gonzaga de Paula
2 - ORGANIZAO DE DADOS ESTATSTICOS

2.1 - Fases do Mtodo Estatstico Definio do problema: Saber exatamente aquilo que se pretende pesquisar o mesmo que definir corretamente o problema. Planejamento: Como levantar informaes? Que dados devero ser obtidos? Qual levantamento a ser utilizado? Censitrio? Por amostragem? Fazer o cronograma de atividades. Estipular os Custos envolvidos. 2.2 - Coleta de Dados: Fase operacional. o registro sistemtico de dados, com um objetivo determinado. A coleta pode ser direta e indireta. Coleta Direta: Quando obtida diretamente da fonte. Exemplo: Empresa que realiza uma pesquisa para saber a preferncia dos consumidores pela sua marca. Quando feita sobre elementos informativos de registro obrigatrio (nascimento, casamento, etc.) A coleta direta de dados pode ser classificada relativamente ao fator tempo em: a) continua quando feita continuamente, tal como: registros de nascimento, bitos, casamentos; b) peridica quando feita em intervalos constantes de tempo, como os censos (de 10 em 10 anos) , avaliaes mensais dos alunos, etc. c) ocasional -- quando feita extemporaneamente, a fim de atender a uma conjuntura ou a uma emergncia, como no caso de epidemia. Exemplo registro de casos de dengue. Coleta Indireta: feita por dedues a partir dos elementos conseguidos pela coleta direta, por analogia, por avaliao, indcios ou proporcional. 2.3 - Apurao dos Dados: Resumo dos dados atravs de sua contagem e agrupamento. a condensao e tabulao de dados. Pode ser manual, mecanizada. 2.4 - Apresentao dos Dados: Os dados devem ser apresentados sob a forma de tabelas e grficos, segundo regras prticas fixadas pelo Instituto Brasileiro de Geografia e Estatstica. (IBGE) 2.5 - Anlise e Interpretao dos Dados: A ltima fase do trabalho estatstico a mais importante e delicada. Est ligada essencialmente ao clculo de medidas e coeficientes, cuja finalidade principal descrever o fenmeno (Estatstica Descritiva)
3 - DEFINIES BSICAS DA ESTATSTICA

3.1 - Fenmeno Estatstico: qualquer evento que se pretenda analisar, cujo estudo seja possvel a aplicao do mtodo estatstico. So divididos em trs grupos: Fenmenos de massa ou coletivo: So aqueles que no podem ser definidos por uma simples observao. A estatstica dedica-se ao estudo desses fenmenos. Ex: A natalidade em Minas Gerais, O preo mdio da cerveja em Pouso Alegre, etc. Fenmenos individuais: So aqueles que iro compor os fenmenos de massa.
Exemplo: cada nascimento em Minas Gerais, cada preo de cerveja em Pouso Alegre, etc. Fenmenos de multido: Quando as caractersticas observadas para a massa no se verificam para o particular. 3.2 - Dado Estatstico: um dado numrico, considerado a matria-prima sobre a qual iremos aplicar os mtodos estatsticos. 3.3 A Estatstica nas Empresas A direo de uma empresa exige de seu administrador a importante tarefa de tomar decises, e o conhecimento e o uso da Estatstica facilitaro seu trplice trabalho de organizar, dirigir e controlar a empresa. 3.4 Populaes, Amostra, Parmetros, Estimativas e Atributo Populao: o conjunto total de elementos (pessoas, coisas, objetos) portadores de, pelo menos, uma caracterstica comum. Amostra: uma parcela representativa da populao que examinada com o propsito de tirarmos concluses sobre a essa populao. ( qualquer subconjunto no vazio e finito de uma populao). Parmetros: So valores singulares que existem na populao e que servem para caracteriz-la. Para definirmos um parmetro devemos examinar toda a populao. Exemplo: Os alunos do 5 ano de Administrao da UNIVAS tm em mdia 1,70 m de estatura. Estimativa: um valor aproximado do parmetro e calculado com o uso da amostra.
Atributo: Quando os dados estatsticos apresentam um carter qualitativo, o levantamento e os estudos necessrios ao tratamento desses dados so designados genericamente de estatstica de atributo. 3.5 - Varivel: o conjunto de resultados possveis de um fenmeno. 3.5.1 - Varivel Qualitativa: Quando seus valores so expressos por atributos: sexo, cor da pele, etc. 3.5.2 - Varivel Quantitativa: Quando os dados so de carter nitidamente quantitativo, e o conjunto dos resultados possui uma estrutura numrica, trata-se, portanto da estatstica de varivel e se dividem em: a) Varivel discreta ou descontnua: Seus valores so expressos geralmente atravs de nmeros inteiros no negativos. Resulta normalmente de contagens. Exemplo: Nmeros de alunos presentes s aulas de introduo estatstica no 1 semestre de 2009: maro = 18, abril = 30 , maio = 35 , junho = 36. b) Varivel contnua: Resulta normalmente de uma mensurao, e a escala numrica de seus possveis valores corresponde ao conjunto R dos nmeros Reais, ou seja, podem assumir, teoricamente, qualquer valor entre dois limites. Exemplo: Quando voc vai medir a temperatura de seu corpo com um termmetro de mercrio o que ocorre o seguinte: O filete de mercrio, ao dilatar-se, passar por todas as temperaturas intermedirias at chegar na temperatura atual do seu corpo. Exemplos de variveis: Cor dos olhos das alunas: ndice de liquidez nas indstrias mineiras: Produo de caf no Brasil: Nmero de defeitos em aparelhos de TV: Comprimento dos pregos produzidos por uma empresa: O ponto obtido em cada jogada de um dado: qualitativa quantitativa contnua quantitativa contnua quantitativa discreta quantitativa contnua quantitativa discreta
4 - AMOSTRAGEM
4.1 - Mtodos probabilsticos uma tcnica especial para recolher amostras, que garantem, tanto quanto possvel, o acaso na escolha. Exige que cada elemento da populao possua determinada probabilidade de ser selecionado. Normalmente possuem a mesma probabilidade. Assim, se N for o tamanho da populao, a probabilidade de cada elemento ser selecionado ser 1/N. Trata-se do mtodo que garante cientificamente a aplicao das tcnicas estatsticas de inferncias. Somente com base em amostragens probabilsticas que se podem realizar inferncias ou indues sobre a populao a partir do conhecimento da amostra.
4.1.1 - Amostragem Casual ou Aleatria Simples o processo mais elementar e freqentemente utilizado. equivalente a um sorteio lotrico. Pode ser realizada numerando-se a populao de 1 a n e sorteando-se, a seguir, por meio de um dispositivo aleatrio qualquer x nmeros dessa seqncia, os quais correspondero aos elementos pertencentes amostra. Exemplo: Vamos obter uma amostra, de 10%, representativa para a pesquisa da estatura de 90 alunos da UNIVAS: 1 - numeramos os alunos de 1 a 90. 2 - escrevemos os nmeros dos alunos, de 1 a 90, em pedaos iguais de papel, colocamos na urna e aps mistura retiramos, um a um, nove nmeros que formaro a amostra. OBS: quando o nmero de elementos da amostra muito grande, esse tipo de sorteio tornase muito trabalhoso. Neste caso utiliza-se uma Tabela de nmeros aleatrios, construda de modo que os algarismos de 0 a 9 so distribudos ao acaso nas linhas e colunas. 4.1.2 - Amostragem Proporcional Estratificada: Quando a populao se divide em estratos, convm que o sorteio dos elementos da amostra leve em considerao tais estratos, da obtemos os elementos da amostra proporcional ao nmero de elementos desses estratos. Exemplo: Vamos obter uma amostra proporcional estratificada, de 10%, do exemplo anterior, supondo, que, dos 90 alunos, 54 sejam meninos e 36 sejam meninas. So, portanto dois estratos (sexo masculino e sexo feminino). Logo, temos:
Tabela 4.1 Amostra proporcional estratificada alunos UNIVAS - 2009 Sexo Populao 10% M 54 5,4 F 36 3,6 Total 90
Fonte: Autor
amostra 5 4 9
Numeramos ento os alunos de 01 a 90, sendo 01 a 54 meninos e 55 a 90, meninas e procedemos ao sorteio casual com urna ou tabela de nmeros aleatrios. Tomando na tabela de Nmeros Aleatrios a 1 e a 2 colunas da esquerda, de cima para baixo, obtemos os seguintes nmeros: 57 28 92 90 80 22 56 79 53 18 53 03 27 05 40 Ento temos: a) para os meninos (de 01 a 54) 28 22 53 18 03 b) para as meninas (de 55 a 90) 57 90 80 56 4.1.3 - Amostragem Sistemtica: Quando os elementos da populao j se acham ordenados, no h necessidade de construir o sistema de referncia. So exemplos os pronturios mdicos de um hospital, os prdios de uma rua, etc. Nestes casos, a seleo dos elementos que constituiro a amostra pode ser feita por um sistema imposto pelo pesquisador. Exemplo: Suponhamos uma rua com 900 casas, das quais desejamos obter uma amostra formada por 50 casas para uma pesquisa de opinio. Podemos, neste caso, usar o seguinte procedimento: como 900/50 = 18, escolhemos por sorteio casual um nmero de 01 a 18, o qual indicaria o primeiro elemento sorteado para a amostra; os demais elementos seriam periodicamente considerados de 18 em 18. Assim, suponhamos que o nmero sorteado fosse 4 a amostra seria: 4 casa, 22 casa, 40 casa, 58 casa, 76 casa, etc. 4.2 - Mtodos no Probabilsticos So amostragens em que h uma escolha deliberada dos elementos da amostra. No possvel generalizar os resultados das pesquisas para a populao, pois as amostras noprobabilsticas no garantem a representatividade da populao. 4.2.1 - Amostragem Acidental Trata-se de uma amostra formada por aqueles elementos que vo aparecendo, que so possveis de se obter at completar o nmero de elementos da amostra. Geralmente utilizada em pesquisas de opinio, em que os entrevistados so acidentalmente escolhidos.
6
Exemplo: Pesquisas de opinio em praas pblicas, ruas de grandes cidades; 4.2.2 - Amostragem Intencional De acordo com determinado critrio, escolhido intencionalmente um grupo de elementos que iro compor a amostra. O investigador se dirige intencionalmente a grupos de elementos dos quais deseja saber a opinio. Exemplo: Numa pesquisa sobre preferncia por determinado cosmtico, o pesquisador se dirige a um grande salo de beleza e entrevista as pessoas que ali se encontram. 4.2.3 - Amostragem por Quotas Um dos mtodos de amostragem mais comumente usados em levantamentos de mercado e em prvias eleitorais. Ele abrange trs fases: 1 - Classificao da populao em termos de propriedades que se sabe, ou presume, serem relevantes para a caracterstica a ser estudada; 2 - Determinao da proporo da populao para cada caracterstica, com base na constituio conhecidas, presumidas ou estimadas, da populao; 3 - Fixao de quotas para cada entrevistador a quem tocar a responsabilidade de selecionar os entrevistados, de modo que a amostra total observada ou entrevistada contenha a proporo e cada classe tal como determinada na 2 fase. Exemplo: Numa pesquisa sobre o "trabalho das mulheres na atualidade", provavelmente se ter interesse em considerar: a diviso cidade e campo, a habitao, o nmero de filhos, a idade dos filhos, a renda mdia, as faixas etrias etc. A primeira tarefa descobrir as propores (porcentagens) dessas caractersticas na populao. Imagina-se que haja 47% de homens e 53% de mulheres na populao. Logo, uma amostra de 50 pessoas dever ter 23 homens e 27 mulheres. Ento o pesquisador receber uma "quota" para entrevistar 27 mulheres. A considerao de vrias categorias exigir uma composio amostral que atenda ao n determinado e s propores populacionais estipuladas.
5 - SRIES ESTATSTICAS
5.1 - Tabela A Tabela resume um conjunto de dados dispostos segundo linhas e colunas de maneira sistemtica. Uma tabela compe-se de: Corpo conjunto de linhas e colunas que contm informaes sobre a varivel em estudo; Cabealho parte superior da tabela que especifica o contedo das colunas; Coluna indicadora parte da tabela que especifica o contedo das linhas; Linhas retas horizontais imaginrias que facilitam a leitura; Clula espao destinado a um s nmero; Ttulo conjunto de informaes, as mais completas possveis, respondendo s perguntas: O que?, Quando?, Onde? Localizado no corpo da tabela. Fontes, Notas e as Chamadas, colocadas no rodap da tabela.
De acordo com a Resoluo 886 do IBGE, nas casas ou clulas da tabela devemos colocar: Um trao horizontal (-) quando o valor zero; Trs pontos (...) quando no temos os dados; Zero (0) quando o valor muito pequeno para ser expresso pela unidade utilizada; Um ponto de interrogao (?) quando temos dvida quanto exatido de determinado valor. Obs: O lado direito e esquerdo de uma tabela oficial deve ser aberto.
5.2 - Srie Estatstica: Srie estatstica qualquer tabela que apresenta a distribuio de um conjunto de dados estatsticos em funo da poca, do local ou da espcie.
8
Da pode inferir que numa srie estatstica observamos a existncia de trs elementos: O tempo, o espao e a espcie. Conforme varie um dos elementos da srie, podemos classific-la em: Histrica, geogrfica e especfica. 5.2.1 - Srie histrica: Identifica-se pelo carter varivel do fator cronolgico. O local e a espcie (fenmeno) so elementos fixos. Esta srie tambm chamada de temporal ou evolutiva. Tabela 5.1 Entrada de turistas argentinos no Brasil 1994-1999. Ano 1994 1998 1999
Fonte: OMT
Nmero de turistas 787117 1467922 1548571
5.2.2 - Srie Geogrfica: Apresenta como elemento varivel o fator geogrfico. A poca e o fato (espcie) so elementos fixos. Tambm chamada de espacial, territorial ou de localizao. Conforme Tabela 5.2. Tabela 5.2 Nmero de emissoras de rdio nas grandes regies do Brasil - 1980 FILIAIS Norte Nordeste Sudeste Sul Centro Oeste
Fonte: CODE INF/SESU/Ministrio da Educao
UNIDADES VENDIDAS 43 215 517 403 85
5.2.3 Srie Especfica: O carter varivel apenas o fato ou espcie. O local e o tempo permanecem constantes. Tabela 5.3 O que fazer com o 13 salrios (consumidores paulistanos dezembro 2000). Opes Pagar dvidas Fazer compras Poupar ou guardar Investir ou aplicar Gastar nas frias Outros
Fonte: InformEstado 9
Valor percentual sobre o 13 salrios 53% 14% 14% 7% 6% 6%
6 - GRFICOS ESTATSTICOS
So representaes visuais dos dados estatsticos que devem corresponder, mas nunca substituir as tabelas estatsticas. O grfico estatstico uma forma de apresentao dos dados estatsticos, cujo objetivo o de produzir, no investigador ou no pblico em geral, uma impresso mais rpida do fenmeno em estudo. A representao grfica de um fenmeno deve obedecer a certos requisitos fundamentais para ser til: a) b) Simplicidade o grfico deve ser destitudo de detalhes de importncia secundria. Clareza - o grfico deve possibilitar uma correta interpretao dos valores representativos do fenmeno em estudo. Veracidade - o grfico deve expressar a verdade sobre o fenmeno em estudo.
c)
Grficos de informao: So grficos destinados principalmente ao pblico em geral, objetivando proporcionar uma visualizao rpida e clara. So grficos tipicamente expositivos, dispensando comentrios explicativos adicionais. Grficos de anlise: So grficos que se prestam melhor ao trabalho estatstico, fornecendo elementos teis fase de anlise dos dados, sem deixar de ser tambm informativos. Principais tipos de grficos: Diagramas, Cartogramas e Pictogramas. 6.1 Diagramas: So grficos geomtricos dispostos em duas dimenses. So os mais usados na representao de sries estatsticas. Eles podem ser: 6.1.1 Grficos em barras horizontais ou em barras verticais (colunas). a representao de uma srie por meio de retngulos, dispostos verticalmente (em colunas) ou horizontalmente (em barras). a) Grficos em barras horizontais. Os retngulos tm a mesma altura e os comprimentos so proporcionais aos respectivos dados. So geralmente utilizados sempre que os dizeres a serem escritos so extensos.
10
b) Grficos em barras verticais (colunas). Os retngulos tm a mesma base e as alturas so proporcionais aos respectivos dado.
6.1.2 Grficos em linhas.
So freqentemente usados para representao de sries cronolgicas com um grande nmero de perodos de tempo. As linhas so mais eficientes do que as colunas, quando
11
existem intensas flutuaes nas sries ou quando h necessidade de se representarem vrias sries em um mesmo grfico.
PRODUO DE CAF NA REGIO DELTA 1994/2003

PRODUO (Milhes de Toneladas) 60 40 20 0 1 2 3 4 5 6 7 8 9 10 ANOS
Fonte: I.B.C.
6.1.3
Grficos em setores. (ou pizza)
Tambm chamados de grficos de Pizza. um grfico particularmente apropriado para representar as divises de um montante total. O total representado pelo crculo, que fica dividido em tantos setores quantas so as partes.
Distribuio dos Em pregados da WEG Ltda por rea de trabalho / m aio 2004
4% 8% 24% 16% APOIO TCNICO OPERAO TRANSPORTE ADMINISTRAO 48% DIRETORIA
.
Fonte: Motores Eltricos WEG 12
6.2 - Cartogramas: So ilustraes relativas a cartas geogrficas (mapas). O objetivo desse grfico o de figurar os dados estatsticos diretamente relacionados com reas geogrficas ou polticas.
6.3 - Pictogramas: So construdos a partir de figuras representativas da intensidade do fenmeno. Este tipo de grfico tem a vantagem de despertar a ateno do pblico leigo, pois sua forma atraente e sugestiva. Os smbolos devem ser auto-explicativos. A desvantagem dos pictogramas que apenas mostram uma viso geral do fenmeno, e no de detalhes minuciosos. Veja o exemplo abaixo:
13
7 - DISTRIBUIES DE FREQNCIA
um tipo de tabela que condensa uma coleo de dados conforme as freqncias (repeties de seus valores). Dados brutos: uma relao de elementos que no foram numericamente organizados. Exemplo: 45, 41, 42, 41, 42 43, 44, 41,50, 46, 50, 46, 60, 54, 52, 58, 57, 58, 60, 51 ROL: uma seqncia ordenada dos dados brutos em ordem crescente ou decrescente. Exemplo: 41, 41, 41, 42, 42 43, 44, 45,46, 46, 50, 50, 51, 52, 54, 57, 58, 58, 60, 60 7.1 - Distribuio de Freqncia sem Intervalos de Classe (Varivel Discreta) a simples condensao dos dados conforme as repeties de seus valores. Colocamos na primeira coluna em ordem crescente apenas os valores distintos da srie e na segunda coluna os valores das freqncias simples correspondentes. Exemplo:
Tabela 7.1 - Distribuio de Freqncia sem Intervalos de Classe
Dados Freqncia xi fi 41 3 42 2 43 1 44 1 45 1 46 2 50 2 51 1 52 1 54 1 57 1 58 2 60 2 Total 20 xi - representa as variveis (valores da srie) fi - representa a freqncia simples (repetio de valores).
14
7.2 - Distribuio de Freqncia Com Intervalos de Classe (Varivel Contnua). Quando a varivel for contnua ou o tamanho da amostra for muito elevado, mais racional efetuar o agrupamento dos valores em vrios intervalos de classe. A construo da distribuio de freqncia com intervalos de classe (Varivel Contnua) requer o conhecimento dos seguintes conceitos: Amplitude total da amostra (AA): a diferena entre o valor mximo e o valor mnimo da amostra.
AA = X(mx.) X(min.)
(7.1)
Classe: so os intervalos de variao da varivel e simbolizada por (i) e o nmero total de classes simbolizada por (K). Usa a regra de Sturges para o clculo de K:
k 1 + 3,3 log n onde: K o nmero de classe; n o nmero total de dados.

Amplitude do intervalo de classe h
h> AA K
(7.2)
(7.3)
Limites de classe: so os extremos de cada classe. O menor nmero o limite inferior de classe (li) e o maior nmero, limite superior de classe (Li). Exemplo: em li |------- Li. O smbolo |------representa um intervalo fechado esquerda e aberto direita. Mtodo prtico para construo de uma Distribuio de Freqncias com Intervalo de Classe 1 passo: Organize os dados brutos em um ROL. No nosso exemplo o rol :
41, 41, 41, 42, 42 43, 44, 45,46, 46, 50, 50, 51, 52, 54, 57, 58, 58, 60, 60
2 passo: Calcule a amplitude amostral (AA.)
No nosso exemplo: AA = 60 - 41 = 19
3 passo: Calcule o nmero de classes atravs da Regra de Sturges,
No nosso exemplo: n = 20 ; k 1 + 3,3 log 20 ; K = 5,29 ; resulta K = 5 classes

Obs: Qualquer regra para determinao do n de classes no nos leva a uma deciso final; esta vai depender na realidade de um julgamento pessoal, que deve estar ligado natureza dos dados.
15
4 passo: calcula a amplitude do intervalo de classe h
h>
AA . K
No nosso exemplo: AA/K = 19/5 = 3,8 AA Obs. Importante: Como h > , devemos escolher um valor ligeiramente superior para haver K folga na ltima classe. Utilizaremos em nosso exemplo h = 4
5 passo: monta a Tabela No nosso exemplo: o menor nmero da amostra = 41, donde: 41 + h = 45, logo a primeira classe ser representada por: 41 |------- 45. As classes seguintes respeitaro o mesmo procedimento. Os primeiros elementos das classes seguintes sempre sero formados pelo ltimo elemento da classe anterior. Tabela 7.2 - - Distribuio de Freqncia
com Intervalos de Classe
Classe i 1 2 3 4 5
Intervalo de Freqncia classe fi 41 |------- 45 7 45 |------- 49 3 4 49 |------- 53 1 53 |------- 57 57 |------- 61 5 Total 20
7.2.1 - Elementos de uma distribuio de freqncia com intervalos de classe Limites de classe: so os extremos de cada classe. O menor nmero o limite inferior de classe (li) e o maior nmero, limite superior de classe (Li). No exemplo: na 3 classe 49 |------- 53,... l3 = 49 e L3 = 53. O smbolo |------- representa um intervalo fechado esquerda e aberto direita. O dado 53 no pertence classe 3 e sim a classe 4 representada por 53 |------- 57. Amplitude do intervalo de classe (hi): obtida atravs da diferena entre o limite superior e inferior da classe e simbolizada por hi, onde: hi = Li li. (7.4)
Exemplo na tabela anterior h3 = 53 - 49 = 4.

Amplitude total da distribuio (AT): a diferena entre o limite superior da ltima classe e o limite inferior da primeira classe. AT = L(mx) l(mn). Exemplo na tabela anterior AT = 61 - 41= 20. Obs: AT sempre ser maior que AA.
AT>AA
(7.5)
Ponto mdio de uma classe ( xi ): o ponto que divide o intervalo de classe em duas partes iguais.
l i + Li 2 Exemplo: Calcular o ponto mdio da terceira classe do exemplo anterior. x3 = ( l3 + L3 )/2. x3 = (53+49)/2 = 51 xi =
(7.6)
Exerccios; SOMATRIO: Reviso.

16
8 TIPOS DE FREQNCIAS
8.1 Freqncia simples (fi) so os valores que representam o nmero de dados de cada classe. O somatrio das freqncias simples igual ao nmero total dos dados.
=n
(8.1)
8.2 Freqncia simples relativa de uma classe (fri).

So os valores das razes entre as freqncias simples de cada classe e a freqncia total da distribuio. A soma das freqncias simples relativa igual a 1.
f ri =
fi
(8.2)
i
8.2.1 - Freqncia simples relativa percentual de uma classe (fri %).
fri % = fri .100

8.3 Freqncia Acumulada de uma Classe (Fi)
a soma da freqncia simples desta classe com as freqncias simples das classes anteriores. Fi = f1+ f2 + ..... +fi
(8.3)
(8.4)
8.4 - Freqncia Acumulada Relativa de uma Classe (FRi)

a razo da freqncia acumulada desta classe, dividida pela freqncia total da distribuio: Fi FRi = fi
(8.5)
8.4.1 - Freqncia Acumulada Relativa percentual de uma Classe (FRi%)
FRi% =FRi .100
(8.6)
Exemplo: Dada distribuio de freqncia das estaturas dos 40 alunos de uma faculdade. Montar uma tabela com as Freqncias relativas (fri), Freqncia acumulada (Fi) e Freqncia acumulada relativa (FRi).
17
a)
Dados: Tabela 8.1 Estaturas de 40 alunos Classe ESTATURAS (cm) Freqncias i Intervalo de classe fi 1 150 |-------- 154 4 2 154 |-------- 158 9 3 158 |-------- 162 11 4 162 |-------- 166 8 5 166 |-------- 170 5 6 170 |-------- 174 3 40 -------------------------
b) Soluo
Tabela 8.2 Estaturas de 40 alunos com frequncias relativas Classe i 1 2 3 4 5 6 Estaturas (cm) Int. classe 150 |-------- 154 154 |-------- 158 158 |-------- 162 162 |-------- 166 166 |-------- 170 170 |-------- 174 ----------------
fi
4 9 11 8 5 3 40
Fi
4 13 24 32 37 40 ---
Xi
152 156 160 164 168 172 ----
fri
0,100 0,225 0,275 0,200 0,125 0,075 1,000
fri%
10,0 22,5 27,5 20,0 12,5 7,5 100
FRi
0,100 0,325 0,600 0,800 0,925 1,000 -----
FRi%
10,0 32,5 60,0 80,0 92,5 100 ------
Exerccios: 1 Um banco Americano selecionou ao acaso 25 contas de pessoas fsicas em uma agncia, em determinado dia, obtendo os seguintes saldos em dlares:
52500,00 6830,00 16323, 00 25300,00 28000,00 18300,00 3250,00 42130,00 31452,00 21000,00 35700,00 17603,00 27606,00 39610,00 14751,00 43800,00 35600,00 18350,00 22450,00 39512,00 22150,00 7800,00 12521,00 7380,00 17319,00
Monte com estes dados uma distribuio de frequncia com intervalo de classes (varivel contnua).
18
2 Construa a distribuio de freqncia para a srie representativa da idade de 50 alunos do primeiro ano de Administrao, conforme Tabela 8.3 Tabela 8.3
Idade (anos) Nmeros de alunos X1 f1 17 3 18 18 19 17 8 20 21 4 40
3 Construa a distribuio de freqncia para a srie abaixo que representa uma amostra dos salrios de 25 funcionrios selecionados em uma empresa, dados na Tabela 8.4
Tabela 8.4 amostra dos salrios de 25 Classe Salrios R$ Nmeros de funcionrios i fi 1 1000 |-------- 1200 2 2 6 1200 |-------- 1400 3 10 1400 |-------- 1600 4 1600 |-------- 1800 5 5 2 1800 |-------- 2000 25
4 - complete a Tabela 8.5 de distribuio de freqncia:
Tabela 8.5 completar os dados Casse i 1 2 3 4 5 Intervalo de classe 6 |-------- 10 10 |-------- 14 14 |-------- 18 18 |-------- 22 22 |-------- 24 fi 1 25 14 90 2 fri Fi FRi %
19
9 - REPRESENTAES GRFICA DE UMA DISTRIBUIO

Histograma, Polgono de freqncia e Polgono de freqncia acumulada
Para construo destes grficos utilizamos o primeiro quadrante do sistema de eixos coordenados cartesianos ortogonais. Na linha horizontal (eixo das abscissas) colocamos os valores da varivel e na linha vertical (eixo das ordenadas), as freqncias.
9.1 - Histograma: O histograma formado por um conjunto de retngulos justapostos, representados em um sistema de coordenadas cartesianas, cujas bases so os intervalos de classe e cujas alturas so valores proporcionais s freqncias simples correspondentes. A rea de um histograma proporcional soma das freqncias simples.
9.2 - Polgono de freqncia: Polgono de freqncia um grfico em linha, sendo as freqncias marcadas sobre perpendiculares ao eixo horizontal, levantadas pelos pontos mdios dos intervalos de classe.
20
Observaes:
1. Deve deixar, intencionalmente, um espao igual a um intervalo de classe no incio e no final da representao grfica do histograma. Se considerarmos estes espaamentos como sendo classes fictcias com freqncia zero e unirmos os pontos mdios das bases superiores destes retngulos, obtemos o polgono de freqncia. 2. A rea do polgono de freqncia igual rea do histograma. 3. O histograma de um censo representa diretamente a distribuio de freqncia da populao. O histograma da amostra representa apenas a distribuio de freqncia da amostra e no da populao, no entanto, se imaginarmos o nmero n de elementos da amostra aumentando progressivamente, o nmero de classes iria aumentando progressivamente e a amplitude do intervalo de classe iria diminuindo, o que transformaria o polgono de freqncia praticamente em uma curva polida de freqncia. Esta curva nos dar uma noo de distribuio de freqncia da populao.
Exerccios:
Construa uma distribuio de freqncia um histograma, um polgono de freqncia para a srie representativa de uma amostra dos salrios de 25 funcionrios selecionados em uma empresa, Tabela 9.1. Tabela 9.1 amostra dos salrios de 25 funcionrios classe Salrios em R$ Nmeros de funcionrios i Int. de classe fi 1 2 3 4 5 1000 |------- 1200 1200 |------- 1400 1400 |------- 1600 1600 |------- 1800 1800 |------- 2000 2 6 10 5 2 25
21
Soluo: a) Distribuio de freqncia: Tabela9.2 amostra dos salrios de 25 funcionrios Classe i 1 2 3 4 5 Salrios em R$ Intervalo de classe 1000 |------- 1200 1200 |------- 1400 1400 |--------1600 1600 |------- 1800 1800 |------- 2000
fi 2 6 10 5 2 25
fri %
Fi
FRi %
Xi
b) Histograma:
c) Polgono de freqncia
22
9.3 Grfico de Pareto

O diagrama de Pareto uma forma especial do grfico de barras verticais, que dispe os itens analisados desde o mais freqente at o menos freqente. Tem como objetivo estabelecer prioridades na tomada de deciso, a partir de uma abordagem estatstica.
9.3.1-Anlise de Pareto
No campo da qualidade o engenheiro Juran aplicou esse princpio demonstrando que alguns poucos fatores so responsveis pelas maiorias dos efeitos observados. Estabeleceu assim, um mtodo que permite classificar os problemas da qualidade identificando os poucos problemas que so vitais e diferenciando-os dos muitos que so triviais. Esse mtodo foi por ele denominado Anlise de Pareto. A forma grfica de apresentar os dados estudados por esse mtodo focou conhecida como grfico de Pareto ou ainda Diagrama de Pareto. O grfico de Pareto usado sempre que for preciso ressaltar a importncia relativa entre problemas ou condies, no sentido de: a) Escolher o ponto de partida para a soluo de problemas; b) Avaliar o progresso de um processo; c) Identificar a causa bsica de um problema.
9.3.2 Passos para construir o diagrama de Pareto

1- Defina o objetivo da anlise (por exemplo: ndice de rejeies). 2- Estratifique o objeto a analisar (ndice de rejeies: por turno; por tipo de defeito; por mquina; por operador; por custo). 3- Colete os dados, utilizando uma folha de verificao. 4- Classifique cada item. 5- Reorganize os dados em ordem decrescente. 6- Calcula a Freqncia Relativa Acumulada percentual (FRi) 7- Construa o grfico, aps determinar as escalas do eixo horizontal e vertical. 8- Construa a curva da porcentagem acumulada. Ela oferece uma viso mais clara da relao entre as contribuies individuais de cada um dos fatores
23
Exemplo: Anlise de no Conformidade de Produto - construir um grfico de Pareto para os defeitos encontrados nos componentes de um conjunto durante inspeo de qualidade no processo da montagem. Componentes do conjunto ABC Quantidade de peas produzidas: 1000 Roteiro para construo do grfico de Pareto 1 Dadas bruto - coleta de dados, dos componentes com defeitos: Alinhamento 12; solda 21; parafuso solto 68; juno 15; sujeira 41; riscos 29; trinca 10; rebarba 06; bolha 01 2 ROL: organizao dos dados em ordem decrescente: 68; 41; 29; 21; 15; 12; 10; 06; 01 3 construo da Tabela de distribuio de freqncia: Tabela 9.3 de distribuio de freqncias das peas com defeitos Tipo de defeito Freqncia Parafuso solto Sujeira Riscos Solda Juno Alinhamento Trinca Rebarba Bolha Total 68 41 29 21 15 12 10 06 01 202 Freqncia Freqncia Relativa Acumulada Classificao % % 34% 34% 1 20% 54% 2 14% 68% 3 10% 78% 4 07% 85% 5 06% 91% 6 05% 96% 7 03% 99% 8 01% 100% 9 100% --
24
4 Desenho do grfico de Pareto
GRFICO DE PARETO
Exerccio: construa um grfico de Pareto para a distribuio de freqncias da Tabela 9.4.
Motivos Rapidez para receber pedido Aparncia do recinto Qualidade do caf Opes de bebidas Presteza dos funcionrios Total
Tabela 9.4 Frequncia de respostas 22 10 19 70 5 126
Porcentagem 17 8 15 56 4 100
Ordem 2 4 3 1 5
25
10 MEDIDAS DE TENDNCIA CENTRAL

So as estatsticas que representam uma srie de dados orientando-nos quanto posio da distribuio em relao ao eixo horizontal do grfico da curva de freqncia.
A medida de tendncia central procura estabelecer um nmero no eixo horizontal em torno do qual a srie se concentra. As medidas de tendncia central mais utilizada so: A mdia aritmtica, a moda e a mediana.
10.1 - Mdia Aritmtica: A mdia aritmtica designada por x .
10.1.1 - Mdia aritmtica simples

Mdia aritmtica simples igual ao quociente entre a soma dos valores das variveis e o nmero total de variveis.
x=
x
n
(10.1)
Onde: xi so os valores das variveis e n o nmero total de variveis.
Dados no agrupados as freqncias
Quando desejamos conhecer a mdia dos dados no-agrupados as freqncias, determinamos a mdia aritmtica simples.
Exemplo: Determinar a mdia aritmtica simples dos valores:
10, 14, 13, 15, 16, 18 e 12
x=
10 + 14 + 13 + 15 + 16 + 18 + 12 = 14 14
10.1.2 - Mdia aritmtica ponderada
uma mdia aritmtica em que cada valor se encontra ponderado a um fator de ponderao.
Dados agrupados as frequncias
Quando os dados esto agrupados as freqncias, elas funcionam como fatores de ponderao, o que nos leva a calcular a mdia aritmtica ponderada, dada pela seguinte frmula:
x=
x f f
i i
(10.2)
26
a) Mdia aritmtica ponderada em dados agrupados sem intervalos de classe
Dispositivo prtico: abre na tabela, uma coluna correspondente aos produtos xi f i Exemplos: Determinar a mdia da distribuio, da Tabela 10.1 Tabela 10.1 xi f i 2 1 5 4 6 3 8 2 10
Soluo:
1 abre na tabela, a coluna correspondente aos produtos xi f i 2 efetua os produtos xi f i 3 calcula o somatrio da coluna xi f i : Tabela 10.2 x i f i xi . f i 2 1 2 5 4 20 6 3 18 8 2 16 56 10
4 - substitui na formula os valores:
x=
x f f
i i
56 = 5,6 10
Observao: Interpretao: O valor mdio da srie 5,6, isto , 5,6 o ponto de concentrao dos valores da srie. Quando a varivel for discreta, por exemplo, nmero de alunos, considera-se a aproximao do resultado, por exemplo, 6 alunos.
27
b) Mdia aritmtica ponderada em dados agrupados com intervalos de classe: Dispositivo prtico: Abre na tabela, uma coluna correspondente a xi (pontos mdios das classes) e outra correspondente aos produtos xi f i Exemplos: Determinar a mdia da distribuio da Tabela 10.3: Tabela 10.3 Classes
i
Int. de classe 150 |------- 154 154 |------- 158 158 |------- 162 162 |------- 166 166 |------- 170 170 |------- 174
fi 04 09 11 08 05 03 40
1 2 3 4 5 6
Soluo:
1 - abre na tabela, uma coluna correspondente a xi (pontos mdios das classes) xi =
li + Li 2 2 - abre na tabela, a coluna correspondente aos produtos xi f i e efetua os produtos xi f i 3 - calcula o somatrio das colunas f i e xi f i , temos: Tabela 10.4 Classes Int. de classe fi i 1 2 3 4 5 6 150 |------- 154 154 |------- 158 158 |------- 162 162 |------- 166 166 |------- 170 170 |------- 174 04 09 11 08 05 03 40
xi
152 156 160 164 168 172
xi f i
608 1404 1760 1312 840 516 6440
4 - e substitui na frmula os valores:
x=
x f f
i i
6440 = 161 40
28
10.2 Moda (Mo)
Moda o valor que ocorre com maior freqncia em uma srie de valores. Esse valor denominado de valor modal.
Desse modo, o salrio modal dos empregados de uma fbrica o salrio mais comum, isto , o salrio recebido pelo maior nmero de empregados dessa fbrica.
10.2.1 - Moda quando os dados no esto agrupados
A moda facilmente reconhecida: basta, de acordo com definio, procurar o valor que mais se repete.
Exemplo: Na srie { 7 , 8 , 9 , 10 , 10 , 10 , 11 , 12 } a moda igual a 10.
H sries nas quais no exista valor modal, isto , nas quais nenhum valor aparea mais vezes que outros.
Exemplo: {3 , 5 , 8 , 10 , 12} no apresenta moda. A srie amodal.
.Em outros casos, pode haver dois ou mais valores de concentrao. Dizemos, ento, que a srie tem dois ou mais valores modais.
Exemplo: {2 , 3 , 4 , 4 , 4 , 5 , 6 , 7 , 7 , 7 , 8 , 9 } apresenta duas modas: 4 e 7. A srie bimodal.

10.2.2 - A Moda quando os dados esto agrupados sem intervalos de classes
Uma vez agrupados os dados, possvel determinar imediatamente a moda: basta fixar o valor da varivel de maior freqncia. Exemplo: Qual a temperatura mais comum medida na distribuio de freqncia da Tabela 10.5 Tabela 10.5 Freqncia Temperaturas fi 10 C 3 11 C 9 12 C 12 13 C 6 Resposta: 12 C a temperatura modal, pois a de maior freqncia.
29
10.2.3 - A Moda quando os dados esto agrupados COM intervalos de classes
A classe que apresenta a maior freqncia denominada classe modal. Pela definio, podemos afirmar que a moda, neste caso, o valor dominante que est compreendido entre os limites da classe modal. O mtodo mais elaborado para o clculo do valor modal o que utiliza frmula de Czuber:
M O = l* +
Onde:
D1 h* D1 + D2
(10.3)
M O = moda l * = limite inferior da classe modal
D1 = diferena entre a freqncia simples da classe modal e a freqncia simples da classe anterior classe modal D2 = diferena entre a freqncia simples da classe modal e a freqncia simples da classe posterior classe modal
h * = amplitude da classe modal Exemplo: Calcular a moda utilizando a frmula de Czuber para a distribuio da Tabela 10.6
Tabela 10.6 Classe Intervalo de classe Freqncia fi 1 0 |------- 10 1 2 10 |------- 20 3 3 20 |------- 30 6 4 30 |------- 40 2
Soluo: A classe modal a terceira classe, portanto, a moda ser:
D1 = 6 3 = 3 ; D2 = 6 2 = 4 ; l * = 20 ; h * = 30 20 = 10 e MO = 24,286
M O = 20 +
Obs:
3 10 = 24,286 3+ 4
A moda utilizada quando desejamos obter uma medida rpida e aproximada de posio ou quando a medida de posio deva ser o valor mais tpico da distribuio. J a mdia aritmtica a medida de posio que possui a maior estabilidade.
30
10.3 Mediana (Md)

A mediana um valor real que separa o rol em duas partes deixando sua esquerda o mesmo nmero de elementos que a sua direita. Portanto a mediana de um conjunto de valores, dispostos segundo uma ordem (crescente ou decrescente), o valor situado de tal forma no conjunto que o separa em dois subconjuntos de mesmo nmero de elementos.
10.3.1 - Clculo da mediana em dados no-agrupados (dados brutos)

1 - Passo ordena os elementos da srie, obtendo o Rol; 2 - Passo determina o nmero de elementos do Rol; 3 - Passo verifique se o nmero de elementos impar ou par.
a) Se o nmero de elementos for impar o Rol admite apenas um elemento central que ocupa a
n +1 posio , e o valor do elemento que ocupa esta posio a mediana. 2 Exemplo: Determinar a mediana da srie: X: {5, 2, 6, 13, 9, 15, 10} 1 - Passo: Ordenando os elementos da srie, obtemos o Rol, X: {2, 5, 6, 9, 10, 13, 15}; 2 - Passo: Determina o nmero de elementos do Rol: n= 7 elementos, portanto o nmero de elementos do Rol impar;
7 +1 3 - Passo: Determina a posio do termo central, = 4 posio 2 O valor que ocupa a 4 posio e divide a srie em duas partes iguais igual a 9, logo a Md = 9.
b) Se o nmero de elementos for par o Rol admite dois elementos centrais que ocupam as posies
n n e + 1 . A mediana convencionada como sendo a mdia dos valores que ocupam estas 2 2 posies centrais. Exemplo: Determinar a mediana da srie: X: {1, 3, 0, 0, 2, 4, 1, 3, 5, 6} 1 Passo - ordena a srie {0, 0, 1, 1, 2, 3, 3, 4, 5, 6}
31
2 - Passo: Determina o nmero de elementos do Rol: n=10 elementos, portanto o nmero de elementos do Rol par; 3 - Passo: Determina as posies dos dois termos centrais: 10/2=5 termo e (10/2 + 1)= 6 termo. Os valores que ocupam estas posies so: 5 termo = 2 e 6 termo = 3, portanto a mediana ser: 2 +3 Md = = 2,5 , ou seja, Md = 2,5 2 Notas: Quando o nmero de elementos da srie estatstica for mpar, haver coincidncia da mediana com um dos elementos da srie. Quando o nmero de elementos da srie estatstica for par, nunca haver coincidncia da mediana com um dos elementos da srie. A mediana ser sempre a mdia aritmtica dos 2 elementos centrais da srie. Em uma srie a mediana, a mdia e a moda no tm, necessariamente, o mesmo valor. A mediana depende da posio e no dos valores dos elementos na srie ordenada. Essa uma diferena marcante entre a mediana e mdia (que se deixa influenciar, e muito, pelos valores extremos). Vejamos: Em {5, 7, 10, 13, 15} a mdia = 10 e a mediana = 10 Em {5, 7, 10, 13, 65} a mdia = 20 e a mediana = 10 Isto , a mdia do segundo conjunto de valores maior do que a do primeiro, por influncia dos valores extremos, ao passo que a mediana permanece a mesma.
10.3.2 - Clculo da mediana em dados agrupados sem intervalos de classes (Varivel Discreta)
Se os dados esto agrupados sem intervalos de classes, eles j esto naturalmente ordenados. Assim, basta verificar se f i da distribuio um nmero par ou impar e em seguida aplicar o mesmo raciocnio do caso anterior. Exemplo: a) Determinar a mediana da srie da Tabela 10.7 Tabela 10.7 Varivel Freqncia xi fi 2 1 5 4 8 10 10 6 12 2 f i =23
32
Soluo: O nmero de elementos da srie n=
=23, que mpar, portanto, a srie admite
23 + 1 apenas um elemento central que ocupa a posio = 12 , para localizar esta posio, calcula 2 a freqncia acumulada da distribuio da Tabela 10.8
Tabela 10.8 Varivel Freqncia Freqncia acumulada xi fi Fi 2 1 1 4 5 5 8 10 15 Cl Md 10 6 21 12 2 23 23 E em seguida identifica a classe mediana que a freqncia acumulada imediatamente superior 12 posio. A mediana ser o valor da varivel que corresponde classe mediana, ou seja, Md = 8 Exemplo: b) Determinar a mediana da Tabela 10.9 Tabela 10.9 Varivel Freqncia xi fi 0 3 1 5 2 8 3 10 5 6 f i =32
Soluo: O nmero de elementos da srie n= f i =32, que par, portanto, a srie admite dois elementos centrais que ocupa as posies: 32/2= 16 e 17, para localizar estas posies, calcula a freqncia acumulada da distribuio, Tabela 10.6
Tabela 10.10 Varivel Freqncia Freqncia acumulada xi fi Fi 0 3 3 1 5 8 2 8 16 Cl Md 3 10 26 Cl Md 5 6 32 32 85
33
E em seguida identifica as classes medianas que so as freqncias acumuladas imediatamente superiores s posies 16 e 17. A mediana ser a mdia dos valores das variveis que correspondem s classes medianas, ou seja:
2 +3 Md = = 2,5 2
10.3.3 - Clculo da mediana em dados agrupados com intervalos de classes (Varivel Contnua) Neste caso, o problema consiste em determinar o ponto do intervalo de classe em que est compreendida a mediana. Portanto, devemos primeiramente determinar a classe na qual se acha mediana, denominada classe mediana. Esta classe aquela correspondente a freqncia acumulada
fi , feito isto, faz uma interpolao entre os limites inferior e imediatamente superior a 2 superior da classe mediana, admitindo-se que os valores se distribuem uniformemente em todo o intervalo de classe. Existe uma frmula prtica para o clculo da mediana em dados agrupados com intervalos de classes, que a seguinte:
Md = l +
fi
F ( ant .) h f
(10.4)
Onde:
l o limite inferior da classe mediana; h a amplitude do intervalo da classe mediana; F( ant .) a freqncia acumulada da classe anterior classe mediana;
a freqncia simples da classe mediana.
Exemplo: Determinar a mediana da Tabela 10.7 Tabela 10.11 Classe Int. de classe Freqncia fi 1 50 |------------ 54 4 2 54 |------------ 58 9 3 58 |------------ 62 11 4 62 |------------ 66 8 5 66 |------------ 70 5 6 70 |------------ 74 3 40
Soluo: Segue os seguintes passos:

34
1)
Determinamos as freqncias acumuladas ; Tabela 10.12 Freqncia Freqncia acumulada fi Fi 4 9 11 8 5 3 40 4 13 24 32 37 40
Classe Int. de classe 1 2 3 4 5 6
50 |------------ 54 54 |------------ 58 58 |------------ 62 62 |------------ 66 66 |------------ 70 70 |------------ 74
--------------------------
2)
Calculamos
2 =
fi
40 = 20 2
3)
Marcamos a classe correspondente freqncia acumulada imediatamente superior
2.
fi
Tal classe ser a classe mediana, no exemplo (3 classe);

4) Calculamos a Mediana pela frmula prtica (10.1).
no exemplo:
l = 58; h = 62 58 = 4; F( ant .) = 13; f = 11;
Substituindo esses valores na frmula, obtemos:
Md = 58 +
(20 7).4 = 60,55 11
Emprego da Mediana

Quando desejamos obter o ponto que divide a distribuio em duas partes iguais. Quando h valores extremos que afetam de maneira acentuada a mdia aritmtica. Quando a varivel em estudo salrio.
35
11- MEDIDAS SEPARATRIZES

Medidas Separatrizes so nmeros reais que dividem a srie ordenada de dados em partes que contem a mesma quantidade de elementos da srie. Desta forma, a mediana que divide a srie ordenada de dados em duas partes iguais, cada uma delas contendo 50 % dos valores da srie, tambm uma medida separatriz. Alm da mediana, destacaremos outras medidas separatrizes que so: quartis, quintis, decis e percentis.
11.1 Quartis
Se dividirmos a srie ordenada em quatro partes iguais, cada parte ficar com 25 % de seus elementos. Os valores dos elementos que separam estes grupos so chamados quartis. Assim: O primeiro quartil, que indicaremos por Q1, separa a srie ordenada deixando 25% de seus valores esquerda e 75 % de seus valores direita. O segundo quartil, que indicaremos por Q2, separa a srie ordenada deixando 50 % de seus valores esquerda e 50 % de seus valores direita. Observe que o segundo quartil igual mediana da srie. O terceiro quartil, que indicaremos por Q3, separa a srie ordenada deixando 75 % de seus valores esquerda e 25 % de seus valores direita.
11.2 Quintis
Se dividirmos a srie ordenada em cinco partes iguais, cada parte ficar com 20 % de seus elementos. Os valores dos elementos que separam estes grupos so chamados quintis. Assim: O primeiro quintil, que indicaremos por K1, separa a srie ordenada deixando 20% de seus valores esquerda e 80 % de seus valores direita. O segundo quintil, que indicaremos por K2, separa a srie ordenada deixando 40% de seus valores esquerda e 60 % de seus valores direita. O terceiro quintil, que indicaremos por K3, separa a srie ordenada deixando 60% de seus valores esquerda e 40 % de seus valores direita. O quarto quintil, que indicaremos por K4, separa a srie ordenada deixando 80% de seus valores esquerda e 20 % de seus valores direita.
36
11.3 Decis
Se dividirmos a srie ordenada em dez partes iguais, cada parte ficar com 10 % de seus elementos. Os valores dos elementos que separam estes grupos so chamados decis. Assim: O primeiro decil, que indicaremos por D1, separa a srie ordenada deixando 10% de seus valores esquerda e 90 % de seus valores direita. O segundo decil, que indicaremos por D2, separa a srie ordenada deixando 20% de seus valores esquerda e 80 % de seus valores direita. O terceiro decil, que indicaremos por D3, separa a srie ordenada deixando 30% de seus valores esquerda e 70 % de seus valores direita. O quarto decil, que indicaremos por D4, separa a srie ordenada deixando 40% de seus valores esquerda e 60 % de seus valores direita. O quinto decil, que indicaremos por D5, separa a srie ordenada deixando 50% de seus valores esquerda e 50 % de seus valores direita. Observe que o quinto decil igual mediana e o segundo quartil da srie. O sexto decil, que indicaremos por D6, separa a srie ordenada deixando 60% de seus valores esquerda e 40 % de seus valores direita. De modo anlogo so definidos os outros decis.
11.4 Percentis
Se dividirmos a srie ordenada em cem partes iguais, cada parte ficar com 1 % de seus elementos. Os valores dos elementos que separam estes grupos so chamados percentis. Assim, O primeiro percentil, que indicaremos por P1, separa a srie ordenada deixando 1% de seus valores esquerda e 99 % de seus valores direita. De modo anlogo so definidos os outros percentis.
11.5 Clculo das medidas separatrizes
Se observarmos que os quartis, quintis e decis so mltiplos dos percentis, ento basta estabelecermos processos de clculos somente para os percentis, porque todas as outras medidas separatrizes podem ser identificadas como percentis, da seguinte forma: Tabela 11.1 Quartis Quintis Decis Q1 = P25 K1 = P20 Q2 = P50 K2 = P40 Q3 = P75 K3 = P60 K4 = P80 D1 = P10 D2 = P20 D3 = P30 D4 = P40 ... D9 = P90
37
Os quartis, quintis, decis e percentis so medidas separatrizes importantes, utilizaremos estas medidas apena para variveis contnuas. Quando os dados so agrupados intervalo de classe, usamos a mesma tcnica de clculo da mediana, bastando substituir na equao (10.1) pela equao (11.1)
i fi Fant h 100 Pi = l + f Onde: Pi o percentil i ( i = 1; 2; 3;.........99)

l o limite inferior da classe que contem o percentil i h a amplitude do intervalo da classe que contem o percentil i; F( ant .) a freqncia acumulada da classe anterior classe que contem o percentil i;
(11.1)
f a freqncia simples da classe que contem o percentil i.
o somatrio das freqncia simples.
Roteiro de clculo: Exemplo: Calcule o primeiro, o segundo e o terceiro quartis da distribuio da Tabela 11.2 Tabela 11.2 Classe Int. de classe 1 2 3 4 5 6 7 145|------------ 151 151|------------ 157 157|------------ 163 163|------------ 169 169|------------ 175 175|------------ 181 181|------------ 187
Freqncia fi 10 9 8 6 3 3 1 40
Soluo: a) Clculo do Q1
Segue os seguintes passos:
38
1 Passo calcula as frequncias acumuladas;

Tabela 11.3 Freqncia Freqncia acumulada Classe Int. de classe fi Fi 1 145|------------ 151 10 10 151|------------ 157 2 9 19 3 8 27 157|------------ 163 4 163|------------ 169 6 33 5 3 36 169|------------ 175 6 175|------------ 181 3 39 7 181|------------ 187 1 40 40
2 Passo Identifica a medida separatriz que queremos obter com o percentil correspondente, Pi .
Q1 = P25
3 Passo Calcule a posio p =
i fi 100
p=
25 40 = 10 100
4 Passo Identifica a classe correspondente freqncia acumulada igual ou imediatamente superior posio p, denominada classe de Pi . A classe que contem a posio Pi na distribuio
a 1 classe.
5 Passo Calcula P25 , identificando os valores, e substituindo na frmula (11.1),

l =145; h =151-145 = 6; f = 10;
i fi 100
= 10; F( ant .) = 0
Obtemos: P25 = Q1 = 145 + (10 0) 6 = 145 + 6 = 151 10
Importante: Observe que o valor calculado para Q1 igual ao limite superior da classe Pi , isto
for igual freqncia acumulada, quando isto ocorrer no h 100 necessidade de fazer o clculo, basta assumir o valor do limite superior da classe Pi . b) Clculo do Q2 ocorre quando a posio p = i fi
1 Passo calcula as freqncias acumuladas (j foram calculadas no exemplo anterior); 2 Passo Identifica a medida separatriz: Q2 = P50
39
3 Passo Calcule a posio p =
, p = (50 * 40) / 100 = 20 100 4 Passo Identifica a classe: A classe que contem a posio Pi na distribuio a 3 classe.
i fi
5 Passo Calcula P50, identificando os valores, e substituindo na frmula:
l =157; h =163-157 = 6; f = 8;
i fi
100
= 20; F( ant .) = 19
P50 = Q2 = 157 +
c) Clculo de Q3
(20 19).6 = 157 + 0,75 = 157,75 8
1 Passo frequncia acumulada: j calculada no exemplo anterior; 2 Passo Identifica a medida separatriz: Q3 = P75 i fi 3 Passo Calcule a posio p = , p = (75 * 40) / 100 = 30 100 4 Passo Identifica a classe: A classe que contem a posio Pi na distribuio a 4 classe. 5 Passo Calcula P75, identificando os valores, e substituindo na frmula:
l =163; h =169-163 = 6; f = 6;
i fi
100
= 30; F( ant .) = 27 (30 27) 6 = 163 + 3 = 166 6
P75 = Q3 = 163 +
Observao:
Construindo o polgono de frequncia geometricamente, as medidas separatrizes.
acumulada
percentual,
podemos
determinar,
Fica como exerccios, construir o polgono de freqncia acumulada percentual para a distribuio do exerccio anterior.
Exerccios:
40
12 MEDIDAS DE DISPERSO
Disperso: a maior ou menor diversificao dos valores de uma varivel em torno da mdia ou mediana, tomado como ponto de comparao.
A mdia ainda que considerada como um nmero que tem a faculdade de representar uma srie de valores no pode por si mesma, destacar o grau de homogeneidade ou heterogeneidade que existe entre os valores que compem o conjunto. Consideremos os seguintes conjuntos de valores das variveis X, Y e Z: X = {70, 70, 70, 70, 70} Y = {68, 69, 70 ,71 ,72} Z = {5, 15, 50, 120, 16} Calculando a mdia aritmtica de cada conjunto, obtemos: X = 350 = 70 5
Notamos que os trs conjuntos apresentam a mesma mdia aritmtica. Entretanto, fcil notar que o conjunto X mais homogneo que os conjuntos Y e Z, j que todos os valores so iguais mdia. O conjunto Y, por sua vez, mais homogneo que o conjunto Z, pois h menor diversificao entre cada um de seus valores e a mdia representativa. Conclumos que o conjunto X apresenta disperso nula e que o conjunto Y apresenta uma disperso menor do que a do conjunto Z.
12.1 - Medidas de Disperso Absoluta

Para qualificar os valores de uma dada varivel, ressaltando a maior ou menor disperso entre esses valores e a sua medida de posio, a Estatstica recorre s medidas de disperso absoluta. As principais medidas de disperso absoluta so: Amplitude total, varincia e desvio padro
12.1.1 Amplitude Total (AT) a) Dados no agrupados

A amplitude total a diferena entre o maior e o menor valor da srie: AT= X(mx.) X(mn.) Exemplo: X: {35, 42, 46, 50, 65, 75} AT = 75 35 = 40
41
b) Dados agrupados sem intervalos de classe

A amplitude total a diferena entre o maior e o menor valor da distribuio: Exemplo: Tabela 12.1 Varivel Frequncia xi fi 2 3 5 3 5 8 10 7 8 6 AT= 8 2 = 6
c) Dados agrupados com intervalos de classe

A amplitude total a diferena entre o limite superior da ltima classe e o limite inferior da primeira classe: AT= L(mx.) l (mn.) Exemplo: Tabela 12.2 Classe Int. de classe 1 2 3 4 5 6 7 145|------------ 151 151|------------ 157 157|------------ 163 163|------------ 169 169|------------ 175 175|------------ 181 181|------------ 187 Freqncia fi 10 9 8 6 3 3 1 40
AT = 187 145 = 42 Observao: A amplitude total a nica medida de disperso que no tem na mdia o ponto de referncia. Tem o inconveniente de s levar em conta os dois valores extremos da srie, descuidando do conjunto de valores intermedirios. Desta forma a amplitude total apenas uma indicao aproximada da disperso.
42
12.1.2 - Varincia e Desvio Padro Introduo: Como vimos a amplitude total apenas uma indicao aproximada da disperso por deixar influenciar pelos valores extremos, j a Varincia e Desvio Padro so medidas que fogem a essa falha, pois levam em considerao a totalidade dos valores da varivel em estudo, o que faz delas ndices de variabilidade bastante estveis, por isso mesmo, os mais importantes e geralmente empregados. Tanto o desvio padro como a varincia so usados como medidas de disperso ou variabilidade. O uso de uma ou outra depender da finalidade que se tenha em vista. A varincia uma medida que tem pouca utilidade na estatstica descritiva, porm extremamente importante na inferncia estatstica e em combinaes de amostras. Em particular, para as medidas da varincia e do desvio padro deve-se lavar em considerao o fato de a sequncia de dados representarem toda uma populao ou apenas uma amostra de uma populao. Com as seguintes notaes:
Quando os dados representam uma populao varincia e denotada por 2 e o desvio padro por . Quando os dados representam uma amostra varincia e denotada por s 2 e o desvio padro por s .
12.1.2.1 Varincia
A varincia baseia-se nos desvios em torno da mdia aritmtica, porm determinando a mdia aritmtica dos quadrados dos desvios obtida entre os elementos da srie e a sua mdia.
12.1.2.2 Desvio padro

O desvio padro definido como a raiz quadrada positiva da varincia.
12.1.2.3 Clculo da Varincia e Desvio Padro

1 caso Dados brutos a) Se os dados representam uma Populao, a varincia calculada pela frmula:
(x x) =
i
(12,1)
Exemplo: Calcular Varincia e Desvio Padro da seqncia: x: 4, 5, 8, 5
1 passo calcula a mdia

x=
x
n
4 + 5 + 8 + 5 22 = = 5,5 4 4
43
2 passo calcula o quadrado de cada desvio em relao mdia ( xi x ) 2

(4 5,5)2 = 2,25 (5 5,5)2 = 0,25 (8 5,5)2 = 6,25 (5 5,5)2 = 0,25
3 passo soma-se estes valores, obtm-se: 2,25+0,25+6,25+0,25= 9 4 passo substituindo esses valores na frmula (12.1) da varincia vem:
9 = 2,25 n 4 5 passo: calcula Desvio Padro, que a raiz quadrada positiva da varincia:
2 =
(x
x)2
= 2,25 = 1,5 unidades

b) Se os dados representam uma Populao, a varincia calculada pela frmula:
(x x) =
i
n 1
(12.2)
Observao: a nica diferena entre a frmula da varincia populacional ( 2 ) e a frmula da varincia amostral ( s 2 ) o denominador. Assim:
s
E o desvio padro
(x =
x)2
n 1
9 =3 4 1
s = 3 = 1,73 unidades
2 caso Dados agrupados.

a) Se a Varivel representativa de uma Populao, ento a varincia calculada pela frmula (12.3)
(x x) = f
i i
fi
(12.3)
E o desvio padro igual raiz quadrada positiva da varincia:
(x x) f
i i
fi
(12.4)
44
b)
Se a Varivel representativa de uma de uma amostra, ento a varincia calculada pela frmula (12.5)
s2 =
(x x) f f 1
2 i i
(12.5)
E o desvio padro igual raiz quadrada positiva da varincia:
s=
(x x) f f 1
2 i i
(12.6)
Exemplo 1: Varivel Discreta Calcule a varincia e o desvio padro da distribuio da Tabela 12.3, representativa de uma populao.
Tabela 12.3 Varivel Freqncia xi fi 2 3 3 5 4 8 5 4 --20

1 passo: calcula a mdia da distribuio:
Abre na Tabela, a coluna correspondente aos produtos xi f i Efetua os produtos xi f i Calcula o somatrio da coluna xi f i : Tabela 12.4 Varivel Freqncia xi f i xi fi 6 2 3 15 3 5 32 4 8 20 5 4 73 20
Calcula a mdia: x =
x f f
i i
73 = 3,65 20
45
2 passo: abre na Tabela mais uma coluna para o clculo ( xi x ) 2 f i
Tabela 12.5
Varivel Freqncia xi fi 2 3 3 5 4 8 5 4 --20
xi f i
( xi x ) 2 f i 8,1675 2,1125 0,9800 7,2900 18,55
6 15 32 20 73
3 passo: calcula a varincia populacional
(x x) = f
i i
fi
18,55 = 0,9275 20
4 passo: calcula o desvio padro populacional
= 0,9275 = 0,963
Exemplo 2 Calcular a varincia e o desvio padro da distribuio do exerccio anterior considerando que os dados sejam representativos de uma amostra. 1 passo: calcula a varincia amostral
s2 =
(x x) f f 1
2 i i
18,55 18,55 = = 0,9763 20 1 19
2 passo: calcula o desvio padro amostral
s = 0,9763 = 0,988
Exemplo 3 - Varivel Contnua - Calcule a varincia e o desvio padro da distribuio representativa de uma populao, da Tabela 12.4.
Tabela 12.6 Classe Intervalo de classe Freqncia i fi 1 0|------------ 4 1 2 4|------------ 8 3 3 8|------------ 12 5 4 12|------------ 16 1 10
46
Como na distribuio com intervalo de classe no temos os valores de xi , substitumos estes valores pelos pontos mdios de classe. xi =
li + Li 2 Soluo: usaremos e disposio da Tabela 12.6 acrescentando as colunas necessrias para a resoluo dos clculos.
Tabela 12.7 Classe Intervalo de classe Freqncia xi i fi 1 0|------------ 4 1 2 4|------------ 8 3 6 2 3 8|------------ 12 5 10 1 14 4 12|------------ 16 10 --li + Li 2 xi f i
( xi x ) 2 f i 40,96 17,28 12,80 31,36 102,4
2 18 50 14 84
1 passo: calcula o ponto mdio de cada classe: xi = 2 passo: calcula o somatrio de:
x f
i
= 84
3 passo: calcula a mdia da distribuio: x =
x f f
i i
84 = 8,4 10
4 passo: calcula o somatrio de: ( xi x ) 2 f i = 102,4 5 passo: calcula a varincia populacional:
(x x) = f
i i
fi
102,4 = 10,24 10
6 passo: calcula o desvio padro populacional:
= 10,24 = 3,2
Exemplo 4 Se a Varivel Contnua fosse representativa de uma amostra, a varincia amostral seria denotada por s2 e sua frmula de calculo seria:
s2 =
(x
x)2
n 1
102,4 102,4 = = 11,38 10 1 9
47
E o desvio padro amostral seria:

s = 11,38 = 3,373
Comentrios: A unidade da varincia dada sempre no quadrado da unidade de medida da srie de dados, portanto o valor da varincia no pode ser comparado diretamente com os dados da srie, ou seja: a varincia no tem interpretao na estatstica descritiva. Para suprir esta deficincia define o desvio padro como a raiz quadrada positiva da varincia. O desvio padro ter sempre a mesma unidade de medida da srie e, portanto admite interpretao. 12.1.2.4 Interpretao do Desvio Padro O Desvio Padro a mais importante das medidas de disperso. Quando uma curva de frequncia representativa de uma distribuio perfeitamente simtrica como a curva da figura abaixo, podemos afirmar que: Por simples integrao da funo de densidade, possvel calcular a probabilidade de ocorrncia em funo do afastamento da mdia segundo o nmero de desvios-padro:
0,682 ou 68,2% para faixa 1 . 0,954 ou 95,4% para faixa 2 . 0,997 ou 99,7% para faixa 3 . Na faixa 3 ocorre a quase totalidade (99,7%) dos valores. Por isso, ela , em algumas referncias, denominada disperso natural do processo.
A anlise da curva permite a concluso lgica do que se observa na prtica: as ocorrncias tendem a concentrar-se em torno de uma mdia e se tornam mais raras ou menos provveis medida que dela se afastam.
Exerccios:
48
12.2 - Medidas de Disperso Relativa
Trata-se de uma medida relativa de disperso, til para a comparao em termos relativos do grau de concentrao em torno da mdia de sries distintas. Medida essa denominada de coeficiente de variao.
12.2.1 - Coeficiente de Variao (CV)
O coeficiente de variao a relao entre o desvio-padro e a mdia aritmtica da distribuio: Coeficiente de variao populacional calculado pela frmula (12.7)
CV =
(12.7)
Coeficiente de variao amostral calculado pela frmula (12.8)

CV = s x
(12.8)
Nota que CV, uma diviso de elementos de mesma unidade, portanto um nmero adimensional, conseqentemente pode ser expresso em termos percentuais, bastando multiplicar o resultado da diviso por 100. Exemplo: Na cidade Alfa, a temperatura mdia do ano de 27C e o desvio padro 8 C. Na cidade Beta, a temperatura mdia do ano de 24C e o desvio padro 6 C. Qual das duas cidades apresenta a temperatura mais homogenia?
CV A =
8 = 0,296 27
ou 29,6%
CVB =
6 = 0,25 24
ou 25%
Resposta: A cidade Beta apresenta maior Homogeneidade nos valores de temperatura ao longo do ano, porque tem menor coeficiente de variao.
Exerccios:
49
13 - MEDIDAS DE ASSIMETRIA E CURTOSE 13.1 Medidas de Assimetria
Assimetria o grau de afastamento de uma distribuio do grau de simetria. Quando uma distribuio simtrica, os valores da mdia, da moda e da mediana so coincidentes. A figura (a) abaixo mostra uma distribuio simtrica ( x = M O = M d ); a figura (b) mostra uma distribuio assimtrica positiva ( M O < M d < x ) e a figura (c) mostra uma distribuio assimtrica negativa ( M O > M d > x ).
13.1.1 Coeficiente de Pearson (As)
AS =
x MO
(13.1)
Se AS = 0 : ento a distribuio simtrica. Se AS < 0 : ento a distribuio assimtrica negativa. Se AS > 0 : ento a distribuio assimtrica positiva. Segundo este critrio, as distribuies so classificadas da seguinte forma: Se AS -1 Se -1 < AS < 0 Se AS = 0 Se 0 < AS < 1 Se AS 1 : assimetria negativa forte. : assimetria negativa fraca. : simtrica : assimetria positiva fraca.. : assimetria positiva forte.
50
13.1.2 Coeficiente de Bowley (As)
AS =
Q3 + Q1 2 M d Q3 Q1
(13.2)
Se AS = 0 : ento a distribuio simtrica. Se AS < 0 : ento a distribuio assimtrica negativa. Se AS > 0 : ento a distribuio assimtrica positiva. No coeficiente de Bowley o valor varia de -1 a 1. Segundo este critrio, as distribuies so classificadas da seguinte forma: Se -1 AS - 0,3 Se -0,3 < AS < - 0,1 Se -0,1 AS < 0 Se AS = 0 Se 0 < AS 0,1 Se 0,1 < AS < 0,3 Se 0,3 AS 1
13.2 - Medidas de Curtose
: assimetria negativa forte. : assimetria negativa moderada. : assimetria negativa fraca. : simtrica : assimetria positiva fraca. : assimetria positiva moderada. : assimetria positiva forte.
Observando a concentrao dos valores de uma distribuio em torno de sua Moda, podemos observar trs situaes especiais indicadas na figura abaixo:
51
1 caso Na curava (a) os dados esto fortemente concentrados em torno da Moda, o que faria a curva de fraquencia ser bastante afilada, como mostra afigura. 2 caso Na curava (b) os dados esto razoavelmente concentrados em torno da Moda, o que faria a curva de fraquencia ser razoavelmente afilada, como mostra afigura. 3 caso Na curava (c) os dados esto fracamente concentrados em torno da Moda, o que faria a curva de fraquencia ser fracamente afilada, como mostra afigura. A medida de curtose procura classificar estes tipos de curvas com respeito ao afilamento ou achatamento de sua rea central. Os seguintes termos so usados para indicar a faixa do excesso de curtose de uma distribuio: Positivo: Nulo: Negativo:
Leptocrtica. Mesocrtica . Platicrtica.
curva (a) da Figura curva (b) da Figura curva (c) da Figura
Para classificar uma distribuio quanto a sua curtose, podemos utilizar o coeficiente de curtose dado pela frmula:
(x x) . f f K=
2 1 i
(13.3)
K = o valor da curtose. Se K = 0 Se K > 0 Se K < 0 : a distribuio Mesocrtica. : a distribuio Leptocrtica. : a distribuio Platicrtica.
Observao: O valor 3, que aparece na frmula (13.3), representa o valor da curtose para uma distribuio terica de probabilidade denominada distribuio normal padro, que caracteriza a distribuio Mesocrtica. Esta distribuio ser estudada na seqncia do curso. Se uma distribuio apresenta conforma a equao (13.4) ela Mesocrtica e conseqentemente K = 0.
(x x) . f f
2 1 i
Exerccios:
=3
(13.4)
52
14 - PROBABILIDADE
14.1 - Introduo:
A maioria dos fenmenos de que trata a Estatstica so de natureza aleatria ou probabilstica. O conhecimento dos aspectos fundamentais do clculo da probabilidade uma necessidade essencial para o estudo da Estatstica Indutiva ou Inferencial.
14.2 Fenmenos:
Entendemos por fenmenos qualquer acontecimento natural. Os fenmenos classificam em: Determinsticos e Aleatrios.
Fenmenos Determinsticos so aqueles que repetidos sob as mesmas condies, conduzem sempre a um mesmo resultado. Fenmenos Aleatrios so fenmenos que, mesmo repetido vrias vezes sob condies semelhantes, apresentam resultados imprevisveis. O resultado final depende do acaso.
Exemplo: Da afirmao " provvel que o meu time ganhe a partida hoje" pode resultar: que ele ganhe que ele perca que ele empate
Este resultado final pode ter trs possibilidades.

14.3 - Espao Amostral (S)
o conjunto universo ou o conjunto de resultados possveis de um experimento aleatrio. No experimento aleatrio "lanamento de uma moeda" temos o espao amostral: {cara, coroa}. No experimento aleatrio "lanamento de um dado" temos o espao amostral: {1, 2, 3, 4, 5, 6}. No experimento aleatrio "dois lanamentos sucessivos de uma moeda" temos o espao amostral: {(ca,ca) , (co,co) , (ca,co) , (co,ca)} Obs.: cada elemento do espao amostral que corresponde a um resultado recebe o nome de ponto amostral. No primeiro exemplo: cara pertence ao espao amostral {cara, coroa}.
53
14.4 Eventos Evento qualquer subconjunto do espao amostral de um experimento aleatrio.

Se considerarmos S como espao amostral e E como evento: Assim, qualquer que seja E, se E S (E pertence a S), ento E um evento de S. Se E = S, E chamado de evento certo. Se E S e E um conjunto unitrio, E chamado de evento elementar. Se E = , E chamado de evento impossvel.
Exemplos: 1- No lanamento de um dado temos S = {1, 2, 3, 4, 5,6}. Formule os eventos definidos pelas sentenas:
a) Obter um nmero par na face superior do dado: A = {2, 4, 6} onde A S. b) Obter um nmero menor ou igual a 6 na face superior: B = {1, 2, 3, 4, 5, 6}, onde B = S, logo B um evento certo de S. c) Obter o nmero 4 na face superior: C = {4}, logo C um evento elementar de S. d) Obter um nmero maior que 6 na face superior: D = , logo D um evento impossvel de S.
14.5 - Conceitos de Probabilidade Clssica
Chamamos de probabilidade de um evento A (sendo que A est contido no Espao amostral S) o nmero real P(A), tal que: P(A) = nmero de casos favorveis de A / nmero total de casos Em outras palavras a probabilidade P(A) definida como a relao entre o nmero de possveis resultados favorveis do evento A e o nmero de elementos do espao amostral S.
P( A) =
Sendo:
n ( A) o nmero de elementos do evento favorvel A n ( S ) o nmero de elementos do espao amostral S
n( A) n( S )
(14.1)
54
OBS: Quando todos os elementos do Espao amostral tm a mesma chance de acontecer, o espao amostral chamado de conjunto equiprovvel. Exemplos:
1- No lanamento de uma moeda qual a probabilidade de obter cara em um evento A?
S = {ca, co} = 2
A = {ca} = 1 ento:
P(A) = 1/2 = 0,5 = 50%
2 - No lanamento de um dado qual a probabilidade de obter um nmero par em um evento A?
S = {1, 2, 3, 4, 5, 6} = 6
A = {2, 4, 6} = 3
P(A) = 3/6 = 0,5 = 50%
3 - No lanamento de um dado qual a probabilidade de obter um nmero menor ou igual a 6 em um evento A ?
S = {1, 2, 3, 4, 5, 6} = 6
A = {1, 2, 3, 4, 5, 6} = 6
P(A) = 6/6 = 1,0 = 100%
Obs.: a probabilidade de todo evento certo igual a 1 ou 100%.

4 - No lanamento de um dado qual a probabilidade de obter um nmero maior que 6 em um evento A?
S = {1, 2, 3, 4, 5, 6 } = 6
A={ }=0
P(A) = 0/6 = 0 = 0%
Obs.: a probabilidade de todo evento impossvel = 0 ou 0%

14.5.1 - Eventos Complementares P (CA)
Sabemos que um evento pode ocorrer ou no. Sendo p a probabilidade de que ele ocorra (sucesso) e q a probabilidade de que ele no ocorra (insucesso), para um mesmo evento existe sempre a relao: p + q = 1 e q = 1 p, portanto:
P (CA) = 1- P(A) (14.2)
Obs. - Numa distribuio de probabilidades o somatrio das probabilidades atribudas a cada evento elementar igual a 1, onde: p1 + p2 + p3 + ... + pn = 1 Exemplos:
1- Sabemos que a probabilidade de tirar o n. 4 no lanamento de um dado p = 1/6, logo, a q = 1 p, probabilidade de no tirar o n. 4 no lanamento de um dado :
portanto: q = 1 - 1/6 = 5/6.

55
2 - Calcular a probabilidade de um piloto de automvel vencer uma dada corrida, onde as suas "chances", segundo os entendidos, so de (3 para 2). Calcule tambm a probabilidade dele perder:
O termo (3 para 2) significa: De cada 5 corridas ele ganha 3 e perde 2. Ento p = 3/5 (ganhar) e q = 1- 3/5 =2/5 (perder). Exerccios:
1
Seja S = {a, b, c, d}. Consideremos a seguinte distribuio de probabilidades: P(a) = 1/8; P(b) = 1/8; P(c) = 1/4 e P(d) = x. Calcule o valor de x:
2- As chances de um time de futebol T ganhar o campeonato que est disputando so de (5 para 2) Determinar a probabilidade de T ganhar e a probabilidade de T perder: 14.5.2 - Eventos Mutuamente Exclusivos
Dois ou mais eventos so mutuamente exclusivos quando a realizao de um exclui a realizao do(s) outro(s). Assim, no lanamento de uma moeda, o evento "tirar cara" e o evento "tirar coroa" so mutuamente exclusivos, j que, ao se realizar um deles, o outro no se realiza. Isto A B= Se dois eventos so mutuamente exclusivos, a probabilidade de que um ou outro se realize igual soma das probabilidades de que cada um deles se realize:
P(A B) = P(A) + P(B) 14.3
Exemplo: No lanamento de um dado qual a probabilidade de se tirar o n. 3 ou o n. 4? Os dois eventos so mutuamente exclusivos ento: P = 1/6 + 1/6 = 2/6 = 1/3
14.5.3 Probabilidade da Reunio (Eventos no Mutuamente Exclusivos)
A probabilidade da unio de dois eventos A e B, quando h elementos comuns, Isto : A B , devemos excluir as probabilidades dos elementos comuns A e B para no serem computadas duas vezes. Assim:
P(A B) = P(A) + P(B) P(A B) 14.4
56
Exemplo: No lanamento de um dado, consideramos o evento A = {1, 2, 5, 6} e o evento B = {2, 4, 6}, calcular a probabilidade de A B. A interseco de A e B : A B = {2, 6}. 4 3 2 5 P ( A B ) = P ( A) + P ( B ) P ( A B ) = + = = 83,33% 6 6 6 6 14.5.4 - Probabilidade Condicional
Se A e B so dois eventos, a probabilidade de B ocorrer depois da ocorrncia de A chamada probabilidade condicional de B em relao a A, e indica-se por : P (B|A), Neste caso os eventos so dependentes e definidos pelas frmulas (14.5) e (14.6): P( B | A) = P( A B) P( A) (14.5)
P( A | B) =
P( A B) P( B)
(14.6)
Exemplo: Considere o conjunto de nmeros inteiros S = {1, 2, 3, .......,19, 20}, e, se por meio de um sorteio aleatrio, retire um nmero. Se o nmero sorteado for impar, qual a probabilidade de o nmero sorteado ser o nmero 13?
S = {1, 2, 3, .......,19, 20}, nmero de elementos do espao amostral S: n (S) = 20 A = {13}, nmero de elementos do evento A: n (A) = 1 B = {1, 3, 5, 7, 9, 11, 13, 15, 17, 19}, nmero de elementos do evento B: n (B) = 10 P ( B ) = A B = {13}, nmero de elementos da interseco: n (A B) = 1 P ( A B ) =
1 20 10 20
P( A | B) =
P( A B) 1 20 1 1 = = P( A | B) = ,ou seja 10% P ( B) 20 10 10 10
14.5.5 Regra do Produto
A definio da regra do produto obtida a partir da definio de probabilidade condicional. De fato da equao (14.5) e (14.6), vem: P ( A B) P( B | A) = P( A B) = P( A) P( B | A) (14.7) P( A) P( A | B) = P ( A B) P ( A B) = P( B ) P ( A | B) P( B) (14.8)
57
Exemplo: Duas cartas so retiradas de um baralho sem haver reposio. Qual a probabilidade de ambas serem de ouros?
P(A) = 13/52 (probabilidade de ser a primeira carta de ouros) P(B | A) = 12/51 (probabilidade de ser a segunda carta de ouros, tendo sido j retirada primeira carta de ouros)
P ( A B ) = P ( A) P ( B | A) = 13 12 156 3 = = = 0,0588 = 5,88% 52 51 2652 51
14.5.6 Eventos Independentes
Dois eventos so Independentes quando a realizao de um dos eventos no afeta a probabilidade de realizao do outro e vice-versa. Portanto se A e B so eventos independentes, ento: P ( B | A) = P ( A) e P ( A | B ) = P ( B ) que substituindo nas equaes (14.7) e (14.8) vem:
P ( A B ) = P ( A) P ( B )
(14.9)
Exemplo: So retiradas, com reposio, duas cartas de um baralho de 52 cartas. Qual a probabilidade de que as duas cartas sejam de ouros?
P(A) = 13/52 e P(B) =13/52

P ( A B ) = P ( A) P ( B ) = 13 13 1 = = 0,0625 = 6,25% 52 52 16
Observao: Se A, B, C, D, so eventos independentes, ento:

P(A B C D) = P(D) x P(C) x P(B) x P(A)
14.10
Espao amostral do baralho de 52 cartas:

26 Cartas pretas, sendo: 13 de Paus (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama e rei). 13 de Espadas (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama e rei).
26 Cartas vermelhas, sendo: 13 de Ouros (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama e rei). 13 de Copas (s, 2, 3, 4, 5, 6, 7, 8, 9, 10, valete, dama e rei).
58
EXERCCIOS:
1- Qual a probabilidade de sair o S de ouros quando retiramos 1 carta de um baralho de 52 cartas?
2- Qual a probabilidade de sair o um REI quando retiramos 1 carta de um baralho de 52 cartas ?
3- Em um lote de 12 peas, 4 so defeituosas. Sendo retirada uma pea, calcule: a) a probabilidade de essa pea ser defeituosa. b) a probabilidade de essa pea no ser defeituosa.
4- De dois baralhos de 52 cartas retiram-se, simultaneamente, uma carta do primeiro baralho e uma carta do segundo. Qual a probabilidade de a carta do primeiro baralho ser um REI e a do segundo ser o 5 de paus ?
5- Uma urna A contm: 3 bolas brancas, 4 pretas, 2 verdes; uma urna B contm: 5 bolas brancas, 2 pretas, 1 verde; uma urna C contm: 2 bolas brancas, 3 pretas, 4 verdes. Uma bola retirada de cada urna. Qual a probabilidade de as trs bolas retiradas da 1, 2 e 3 urnas serem, respectivamente, branca, preta e verde?
6- De um baralho de 52 cartas retiram-se, ao acaso, duas cartas sem reposio. Qual a probabilidade de a primeira carta ser o S de paus e a segunda ser o REI de paus?
59
7- Qual a probabilidade de sair uma figura (rei ou dama ou valete) quando retiramos uma carta de um baralho de 52 cartas?
8- So dados dois baralhos de 52 cartas. Tiramos, ao mesmo tempo, uma carta do primeiro baralho e uma carta do segundo. Qual a probabilidade de tirarmos uma DAMA e um REI, no necessariamente nessa ordem?
9- Duas cartas so retiradas de um baralho sem haver reposio. Qual a probabilidade de ambas serem COPAS ou ESPADAS?
10- Duas bolas so retiradas (sem reposio) de uma urna que contm 2 bolas brancas e 3 bolas pretas. Qual a probabilidade de que a 1 seja branca e a 2 seja preta?
11- Duas bolas so retiradas (com reposio) de uma urna que contm 2 bolas brancas e 3 bolas pretas. Qual a probabilidade de que a 1 seja branca e a 2 seja preta?
12- Duas bolas so retiradas (sem reposio) de uma urna que contm 2 bolas brancas e 3 bolas pretas e 5 bolas verdes. a)Qual a probabilidade de que ambas sejam verdes ? b) Qual a probabilidade de que ambas sejam da mesma cor?
60
14.5.7 Teorema da Probabilidade Total
Seja A1, A2, A3...An um conjunto de eventos mutuamente exclusivos cuja unio desses eventos forma o espao amostral.
A1 A2 A3 ... An = S
Seja B outro evento no mesmo espao amostral, tal que P(B) > 0, Ento: P(B) = P(B A1) + P(B A2) + P(B A3) + . . . + P(B An), e: P (B) = P (A1). P (B|A1) + P (A2). P (B|A2) + . . . + P (An). P (B|An) O teorema da probabilidade total pode ser escrito de forma geral e compacta, pela seguinte expresso: P( B) = [ P( Ai ) P( B | Ai )]
i =1 n
(14.11)
Exemplo: Segundo especialistas esportivos, a probabilidade de que o Vasco ganhe o prximo jogo estimada em 70 % se no chover, e de 50 % se chover. Se o servio de Meteorologia estimar em 40 % a probabilidade de chover durante o jogo, qual ser ento a probabilidade do Vasco ganhar o prximo jogo?
Definio dos eventos: B = o Vasco ganhar o jogo; A1 = chover durante o jogo; P (A1)= 40% A2 = no chover durante o jogo; P (A2)=60% B | A1= Vasco ganhar o jogo se chover durante a partida; P (B | A1)=50% B| A2= Vasco ganhar o jogo se no chover durante a partida; P(B| A2)=70% P (B) = P (A1). P (B | A1) + P (A2). P(B| A2) P(B) = (0,40 . 0,50 ) + (0,60 . 0,70) = 0,20 + 0,42 = 0,62 ou 62%
Exerccio: Duas mquinas A1 e A2 so responsveis por 70% e 30% respectivamente da produo de uma indstria. A mquina A1 produz 2,0% de peas defeituosas e a mquina A2 produz 8,0% de peas defeituosas. Calcule o percentual de peas defeituosas na produo desta indstria.
61
14.5.8 Regra de Bayes
Sejam A1, A2, A3, ........,An, n eventos mutuamente exclusivos tais que A1 A2 A3 ... An = S. Sejam P(Ai) as probabilidades conhecidas de todos os eventos Ai e B um evento qualquer do espao amostral S tal que conhecemos todas as probabilidades condicionais P(B| Ai). Ento para cada i teremos a frmula (14.12), conhecida com Frmula de Bayes.
P( Ai | B ) =
P( Ai ) P( B | Ai ) P( A1 ) P ( B | A1 ) + P ( A2 ) P( B | A2 ) + .......... + P( An ) P( B | An )
(14.12)
Exemplo de aplicao da rega de Bayes
Certo professor da FAFIEP 80 % das vezes vai trabalhar usando um Monza e usando um Peugeot 407 SW nas demais vezes. Quando ele usa o Monza, 75 % das vezes ele chega em casa antes das 23 horas e quando usa o Peugeot s chega em casa antes das 23 horas em 60% das vezes. Ontem o professor chegou em casa aps s 23 horas. Qual a probabilidade de que ele, no dia de ontem, tenha usado o Monza? A1 = usar o fusca A2 = usar carro importado P(A1) = 0,80 P(B | A1) = 1 - 0,75 = 0,25 B = chegar em casa aps 23 horas P(A2) = 0,20 P(B | A2) = 1 - 0,60 = 0,40
P( A1 | B) =
Resposta: 71,43 %
P( A1 ) P( B | A1 ) 0,8 0,25 = = 0,7143 P( A1 ) P ( B | A1 ) + P( A2 ) P( B | A2 ) (0.8 0,25) + (0,20 0,40)
Exerccio: 1 Duas mquinas A1 e A2 so responsveis por 60% e 40% respectivamente da produo de uma fbrica. Os ndices de peas defeituosas na produo destas mquinas valem 3,0% e 7,0% respectivamente. Se uma pea defeituosa foi selecionada da produo desta fbrica, qual a probabilidade de que tenha sido produzida pela mquina A2. (Resposta: 28/46 ou 60,87%) 2 Trs maquinas A1, A2, e A3 produzem respectivamente 40%, 50% e 10% do total de peas de uma fbrica. As porcentagens de peas defeituosas nas respectivas mquinas so 3%, 5% e 2%. Uma pea sorteada ao acaso e verifica-se que defeituosa. Qual a probabilidade de que a pea tenha vindo da mquina A2? (Resposta: 25/39 ou 64,1%.)
3 A probabilidade de um individuo da classe A comprar um carro 3/4, da classe B 1/6 e da classe C 1/20. A probabilidade de o indivduo da classe A comprar um carro da marca Fiat 1/10; da classe B comprar da marca Fiat 3/5 e da classe C comprar da marca Fiat 3/10. Em certa loja comprou-se um carro da marca Fiat. Qual a probabilidade de que o indivduo da classe B o tenha comprado? (Resposta 10/19 ou 52,63%)
62

ApostilaProbEstatistica Pi 2011 TGPI

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

ApostilaProbEstatistica Pi 2011 TGPI

Transféré par

Droits d'auteur :

Formats disponibles

Prof.

Ms Luiz Gonzaga de Paula

PROBABILIDADE E ESTATSTICA Resumo das aulas professor Gonzaga PARTE 1

Prof. Ms Luiz Gonzaga de Paula

2 - ORGANIZAO DE DADOS ESTATSTICOS

Prof. Ms Luiz Gonzaga de Paula

3 - DEFINIES BSICAS DA ESTATSTICA

Prof. Ms Luiz Gonzaga de Paula

Prof. Ms Luiz Gonzaga de Paula

Prof. Ms Luiz Gonzaga de Paula

Prof. Ms Luiz Gonzaga de Paula

Prof. Ms Luiz Gonzaga de Paula

Prof. Ms Luiz Gonzaga de Paula

Nmero de turistas 787117 1467922 1548571

UNIDADES VENDIDAS 43 215 517 403 85

Valor percentual sobre o 13 salrios 53% 14% 14% 7% 6% 6%

Prof. Ms Luiz Gonzaga de Paula

Prof. Ms Luiz Gonzaga de Paula

6.1.2 Grficos em linhas.

Prof. Ms Luiz Gonzaga de Paula

PRODUO DE CAF NA REGIO DELTA 1994/2003

Grficos em setores. (ou pizza)

4% 8% 24% 16% APOIO TCNICO OPERAO TRANSPORTE ADMINISTRAO 48% DIRETORIA

Prof. Ms Luiz Gonzaga de Paula

Prof. Ms Luiz Gonzaga de Paula

Prof. Ms Luiz Gonzaga de Paula

k 1 + 3,3 log n onde: K o nmero de classe; n o nmero total de dados.

2 passo: Calcule a amplitude amostral (AA.)

No nosso exemplo: n = 20 ; k 1 + 3,3 log 20 ; K = 5,29 ; resulta K = 5 classes

Prof. Ms Luiz Gonzaga de Paula

4 passo: calcula a amplitude do intervalo de classe h

Intervalo de Freqncia classe fi 41 |------- 45 7 45 |------- 49 3 4 49 |------- 53 1 53 |------- 57 57 |------- 61 5 Total 20

Exemplo na tabela anterior h3 = 53 - 49 = 4.

Exerccios; SOMATRIO: Reviso.

Prof. Ms Luiz Gonzaga de Paula

8.2 Freqncia simples relativa de uma classe (fri).

8.2.1 - Freqncia simples relativa percentual de uma classe (fri %).

fri % = fri .100

8.4 - Freqncia Acumulada Relativa de uma Classe (FRi)

8.4.1 - Freqncia Acumulada Relativa percentual de uma Classe (FRi%)

FRi% =FRi .100

Prof. Ms Luiz Gonzaga de Paula

Prof. Ms Luiz Gonzaga de Paula

Idade (anos) Nmeros de alunos X1 f1 17 3 18 18 19 17 8 20 21 4 40

4 - complete a Tabela 8.5 de distribuio de freqncia:

Prof. Ms Luiz Gonzaga de Paula

9 - REPRESENTAES GRFICA DE UMA DISTRIBUIO

Prof. Ms Luiz Gonzaga de Paula

Prof. Ms Luiz Gonzaga de Paula

Prof. Ms Luiz Gonzaga de Paula

9.3 Grfico de Pareto

9.3.2 Passos para construir o diagrama de Pareto

Prof. Ms Luiz Gonzaga de Paula

Prof. Ms Luiz Gonzaga de Paula

4 Desenho do grfico de Pareto

Exerccio: construa um grfico de Pareto para a distribuio de freqncias da Tabela 9.4.

Tabela 9.4 Frequncia de respostas 22 10 19 70 5 126

Prof. Ms Luiz Gonzaga de Paula

10 MEDIDAS DE TENDNCIA CENTRAL

10.1 - Mdia Aritmtica: A mdia aritmtica designada por x .

10.1.1 - Mdia aritmtica simples

Onde: xi so os valores das variveis e n o nmero total de variveis.

Dados no agrupados as freqncias