Vous êtes sur la page 1sur 61

Professora Me.

Camila Pedrozo Rodrigues Furlan


Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 2

1. Noes Introdutrias sobre Estatstica

1.1. Definio da cincia Estatstica
A Estatstica uma cincia que fornece mtodos para a coleta, organizao, descrio e interpretao
de dados e para a utilizao dos mesmos na tomada de decises.
O desenvolvimento e o aperfeioamento de tcnicas estatsticas de obteno e anlise de informaes
permite o controle e o estudo adequado de fenmenos, fatos, eventos e ocorrncias em diversas reas do
conhecimento. A Estatstica tem por objetivo fornecer mtodos e tcnicas para lidarmos, racionalmente, com
situaes sujeitas a incertezas.
Na prtica, a Estatstica pode ser empregada como ferramenta fundamental em vrias outras cincias.
Na pesquisa cientfica, a Estatstica desempenha importante papel na obteno de dados relevantes,
em testes de hipteses, estimao de parmetros e interpretao dos resultados. A Estatstica quem permite
a coleta eficiente de dados relevantes (planejamentos de experimentos), bem como a verificao de uma
teoria atravs da anlise dos dados obtidos e testes de hipteses (inferncia). A Estatstica permite, assim, ao
cientista, verificar se sua teoria modela a realidade de acordo com os fatos observados.
Na indstria, tcnicas estatsticas extremamente simples so utilizadas para que a qualidade dos
produtos possa ser mantida dentro de um determinado nvel. A importncia desta aplicao realada por C.
R. Rao, um dos mais importantes estatsticos deste sculo: experincia comum no mundo inteiro que nas
indstrias onde os mtodos estatsticos so explorados a produo aumentou em cerca de dez a cem por
cento sem nenhum investimento adicional nem expanso industrial. Neste sentido, o conhecimento
estatstico considerado um recurso nacional. No surpreendente que um livro recente sobre invenes
modernas liste o controle estatstico de qualidade como uma das grandes invenes tecnolgicas do sculo
vinte. De fato, raramente houve uma inveno tecnolgica como o controle estatstico de qualidade, que
to amplo em aplicaes, mas to simples em teoria, que to efetivo em resultados, mas to fcil de adotar
e que gera um retorno to alto, mas requer um investimento to pequeno.
No mercado financeiro, os mtodos estatsticos so empregados para previses de taxas de juros e
preos de diferentes bens e para desenvolvimento de estratgias de investimentos que maximizem os lucros.
No comrcio, a Estatstica pode ser usada para previso de demandas, planejamento da produo e
implantao de tcnicas administrativas eficientes que garantam o melhor lucro.
Na Medicina, os princpios de planejamento de experimentos so utilizados em anlises de drogas e
em ensaios clnicos. A informao que fornecida por um grande nmero de testes bioqumicos acessada
estatisticamente para diagnsticos e previses de possveis causas de doenas. A aplicao de tcnicas
estatsticas tornou o diagnostico mdico mais objetivo, combinando-se a sabedoria dos melhores experts
com o conhecimento das diferenas entre doenas indicadas pelos testes clnicos. A Estatstica fornece
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 3

metodologia adequada que possibilita decidir sobre a eficincia de um novo tratamento no combate
determinada doena, permite identificar situaes crticas e, conseqentemente, atuar em seu controle,
desempenhando papel crucial no estudo da evoluo e incidncia de uma doena como a AIDS.
Na Literatura, os mtodos estatsticos podem ser usados para quantificar os estilos de diversos
autores, o que pode ser til para se decidir a autoria de determinada obra, em casos de disputa autoral.
Em alguns estudos arqueolgicos, tcnicas estatsticas de comparao entre diferentes objetos
encontrados tm representado um eficiente mtodo de se determinar a que cultura pertenciam antigos
artefatos e de colocar tais artefatos em ordem cronolgica.
Nas cortes de justia, evidncia estatstica na forma de probabilidade de ocorrncia de eventos pode
ser uma importante informao trazida por uma das partes em um tribunal.
Em Administrao, a anlise estatstica funciona como uma importante ferramenta para se
diagnosticar problemas de gerenciamento em diferentes setores de uma empresa e para propor polticas de
investimento mais eficientes dentro da prpria empresa.
O papel desempenhado pela Estatstica como valioso instrumento em quase todas as atividades
observado por C. R. Rao: Parece no haver atividade humana cujo valor no possa ser melhorado injetando-
se idias estatsticas no planejamento e usando-se mtodos estatsticos para anlise eficiente de dados e
acesso dos resultados para realimentao e controle.

1.2. Diviso da Cincia Estatstica
A grosso modo podemos dividir a Estatstica em trs reas:
Estatstica Descritiva;
Probabilidade;
Inferncia Estatstica.

Estatstica Descritiva em geral utilizada na etapa inicial da anlise, quando tomamos contato com
os dados pela primeira vez. Trata-se de um conjunto de tcnicas destinadas a descrever e resumir os dados, a
fim de que possamos tirar concluses de modo informal e direto a respeito das caractersticas de interesse

Probabilidade pode ser pensada como a teoria matemtica utilizada para se estudar a incerteza
oriunda de fenmenos de carter aleatrio.

Inferncia Estatstica o estudo de tcnicas que possibilitam a extrapolao, a um grande conjunto
de dados, das informaes e concluses obtidas a partir de subconjuntos de valores, usualmente muito menor
(afirmaes sobre o todo com base na amostra).
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 4

Se tivermos acesso a todos os elementos que desejamos estudar, no necessrio o uso das tcnicas
de inferncia estatstica. Entretanto, elas so indispensveis quando existe a impossibilidade de acesso a todo
o conjunto de dados, por razes de natureza econmica, tica ou fsica.

1.3. Populao e Amostra
Populao: o conjunto de todos os itens (pessoas ou objetos) que interessam ao estudo de um
fenmeno coletivo.
Amostra: qualquer subconjunto no vazio de uma populao.
Exemplo:
Fenmeno Coletivo: Eleio para governador do Estado de So Paulo
Populao: Todos os eleitores do Estado de So Paulo
Amostra: Um grupo de eleitores do Estado de So Paulo.

muitas vezes impossvel ou impraticvel observar toda a populao, especialmente se for muito
grande, por isso, ao invs de examinar todo o grupo, examina-se uma parte dele, a amostra. Porm, existem
vantagens e desvantagens de se com a populao ou amostra. Conhea-as na tabela a seguir.

Tabela 1.1: Vantagens e desvantagens da populao e da amostra
Populao Amostra
Erro zero e confiabilidade de 100% Admite erro e confiabilidade menor que 100%
caro mais barata
lento rpida
Nem sempre vivel sempre vivel

Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 5

2. Planejamento da Coleta de Dados Estatsticos

2.1. Dados Estatsticos
Em um trabalho estatstico o pesquisador necessita lidar com grandes quantidades de valores
numricos resultantes de uma populao ou amostra. Esses valores numricos so denominados dados
estatsticos.
Os dados estatsticos vm em diferentes formas, cada uma das quais tratada de maneira um pouco
diferente na converso em informaes. os principais grupos so definidos a seguir.

Ordinais
ais No
os Qualitativ Dados
min
:





2.1.1. Dados Qualitativos ou Categricos
Os dados qualitativos, tambm chamados de categricos, so dados que atribuem uma qualidade ou
atributo ao elemento pesquisado.

Nominais
So dados que podem ser separados em categorias no-mensurveis.
Exemplos:
- Cor dos olhos: azuis, verdes, castanhos.
-Marcas de carro: Fiat, Chevrolet, Toyota.

Ordinais
So dados que representam algum elemento de ordem.
Exemplos:
- Grau de instruo: 1- Fundamental, 2- Mdio, 3- Superior.
- Nveis de servio: 1- Fraco, 2 Bom, 3 Excelente.

2.1.2. Dados Quantitativos
Os dados quantitativos so dados que so medidos, contados ou quantificados de alguma maneira.


Contnuos
Dicretos
vos Quantitati Dados :
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 6

Discretos
So dados quantitativos para os quais somente certos valores fixos (normalmente inteiros) so
possveis. Isso geralmente se aplica a dados provenientes de contagens.
Exemplos:
- Nmero de filhos: 0, 1, 2, 3, 4, ...
- Nmero de cartas recebidas: 0, 1, 2, 3, 4, 5, ...

Contnuos
So dados quantitativos para os quais qualquer valor dentro de um intervalo contnuo possvel. Isso
geralmente se aplica a dados que so medidos.
Exemplos:
- Alturas (cm): 156, 185.5, 160, 171.5.
- Temperaturas (em graus celsius): 20, 15, 32.5, 27, 26.

2.2. Varivel Aleatria
Varivel aleatria um atributo que tipicamente varia entre indivduos. uma caracterstica da
populao.
As variveis aleatrias so classificadas de acordo com os tipos de dados que esto associados a elas,
ou seja, so classificadas como qualitativas nominais, qualitativas ordinais, quantitativas discretas ou
quantitativas contnuas.
Normalmente, as variveis aleatrias so denotas por letras do alfabeto, tais como x, y, w, z ou outras.
Exemplo:
Varivel aleatria (x): Estatura dos alunos (cm)

x ivel da dado x
x ivel da dado x
Dados
var 5 : 160
180
169
173
var 1 : 156
:
5
1



2.3. Fontes de Informao
Dados Primrios
So dados que foram coletados especificamente para determinado propsito.
Exemplo:
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 7

Dados provenientes de um questionrio preenchido para pesquisa de aceitao de um determinado
produto.

Dados Secundrios
So dados originalmente coletados para um projeto, mas que podem ser utilizados para outro
propsito. Geralmente, so coletados por governos ou empresas especializadas em pesquisa de mercado que,
ento, disponibilizam as informaes a outros.
Exemplo:
Dados disponibilizados pelo IBGE.

2.4. Mtodos de Coleta de Dados Primrios
importante garantir que a coleta de dados primrios seja obtida de maneira estatisticamente correta,
seno os resultados podem ser tendenciosos e, ento, as anlises posteriores sero errneas.
Os principais mtodos de coleta de dados primrios so apresentados a seguir.

2.4.1. Questionrios por Correio
Um questionrio enviado, geralmente pelos correios, para a amostra desejada.
Vantagens:
- Facilidade em se obter conato com os participantes em uma ampla rea geogrfica;
- No um mtodo caro de se aplicar.
Desvantagens:
- Taxas de retorno muito baixas;
- Impossibilidade de esclarecer eventuais dvidas dos entrevistados.

2.4.2. Entrevistas Pessoais
Exige que um entrevistador treinado saia para entrevistar pessoas em um local pblico, local de
trabalho ou casa do entrevistado.
Vantagens:
- Taxas de respostas so maiores;
- Dvidas sobre questes podem ser esclarecidas;
Desvantagem:
- um mtodo muito caro.

2.4.3. Entrevista por telefone ou por internet
uma conciliao entre questionrio postal e entrevista pessoal.
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 8

Vantagens:
- Dvidas sobre questes podem ser esclarecidas;
- um mtodo mais barato que a entrevista pessoal.
Desvantagem:
- As pessoas que no possuem telefone e/ou internet so automaticamente excludas da pesquisa.


2.4.4. Observao
Principal mtodo empregado quando a populao de interesse no so pessoas ou no exige respostas
de pessoas.

2.5. Escolha de uma amostra conveniente e representativa
O tamanho da amostra pode ser muito pequeno em relao populao geral. Existem algumas
frmulas para o clculo do tamanho de uma amostra, porm, no h uma maneira precisa por meio da qual o
tamanho timo possa ser calculado para qualquer pesquisa, independente do problema. Entretanto,
importante saber que:
- quanto maior o tamanho da amostra, mais precisas so as informaes sobre a populao;
- acima de determinado tamanho, poucas informaes extras sobre a populao podem ser obtidas, no
entanto, os custos de tempo e dinheiro aumentam.
Na verdade, o bom-senso deve ser utilizado em conjuno com qualquer informao j conhecida
para estimar um tamanho de amostra adequado e para assegurar que uma amostra seja representativa da
populao de interesse.
Exemplos:
Para as situaes abaixo, verificaremos se as amostras sugeridas so ou no so representativas.
Situao 1: Voc est trabalhando para uma associao de construo e pediram que voc
descobrisse o preo mdio atual de venda de uma casa de trs quartos no nordeste do Brasil.
Amostra: Ir imobiliria mais prxima e levantar detalhes sobre casas desse tipo.
Neste caso temos uma amostra no-representativa. Necessitaramos de informaes de outras
imobilirias para ter uma amostra representativa para toda rea de interesse.

Situao 2: Um grmio estudantil deseja conhecer a opinio dos alunos sobre as instalaes para
refeies no prdio do grmio.
Amostra: Entrevistar alunos quando estiverem saindo do prdio do grmio.
Neste caso temos uma amostra representativa, j que todos provavelmente tm interesse nas
instalaes para refeies.
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 9

2.6. Principais Mtodos de Amostragem
A seleo da amostra pode ser feita de vrias maneiras, dependendo do grau de conhecimento que
temos da populao, da quantidade de recursos e assim por diante. Devemos ressaltar que, em princpio, a
seleo da amostra tenta fornecer um subconjunto de valores o mais parecido possvel com a populao que
lhe d origem.

2.6.1. Amostragem Aleatria Simples (AAS)
Na amostragem aleatria simples, cada membro da populao possui a mesma chance de ser includo
na amostra. Equivalente a um sorteio aleatrio.
um tipo de amostragem simples de se realizar, porm, pode acontecer de, por acaso, selecionarmos
uma amostra no representativa.

Exemplo:
Obter uma amostra aleatria simples de 10% da populao para a pesquisa da estatura de 90 alunos,
sendo 54 meninos e 36 meninas.
Procedimento:
a) Desejamos uma amostra de 10% da populao, ento, sortearemos 10% de 90, ou seja, 9
alunos.
b) Numeramos os 90 alunos de 01 a 90;
c) Escrevemos os nmeros de 01 a 90 em pedaos iguais de um mesmo papel, colocamos dentro
de uma caixa e sorteamos um a um at atingir o tamanho da amostra desejado.
Quando o nmero de elementos da amostra grande, esse tipo de sorteio torna-se muito trabalhoso,
A fim de facilit-lo, podemos utilizar a Tabela de Nmeros Aleatrios ou utilizar um software (por exemplo,
o Excel) para gerar nmeros aleatrios e, a partir destes, determinar quais elementos faro parte da amostra.

Observao: Seria uma amostra no representativa se, por acaso, tivssemos selecionado para fazer
parte da amostra apenas homens ou apenas mulheres.

2.6.2. Amostragem Aleatria Estratificada (AAE)
A amostragem aleatria estratificada indicada quando se pensa que a populao possui grupos
distintos que podem possuir diferentes aspectos/vises sobre os assuntos de interesse. Para superar o perigo
de uma amostra acidentalmente no ser representativa, a amostra pode ser estratificada de acordo com esses
grupos.
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 10

Para realizar esse tipo de amostragem necessrio ter um conhecimento prvio sobre a populao de
interesse.
Exemplo:
Obter uma amostra aleatria estratificada de 10% da populao para a pesquisa da estatura de 90
alunos, sendo 54 meninos e 36 meninas.
Procedimento:
a) Temos dois estratos (sexo masculino e sexo feminino) e desejamos uma amostra de 10% da
populao, ento, sortearemos 10% de alunos de cada estrato, da seguinte maneira:
Sexo Populao 10% Amostra
Masculino 54 5,4 5
Feminino 36 3,6 4
Total 90 9 9
b) Numeramos os 90 alunos de 01 a 90, sendo que de 01 a 54 correspondem aos meninos e de 55
a 90 correspondem s meninas.
c) Escrevemos os nmeros de 01 a 90 em pedaos iguais de um mesmo papel, colocamos os
papis com os nmeros de 01 a 54 dentro de uma caixa e os papis com os nmeros de 55 a 90 em outra
caixa e sorteamos um a um at atingir o tamanho da amostra desejado. Uma outra maneira seria utilizar a
Tabela de Nmeros Aleatrios ou utilizar um software (por exemplo, o Excel) para gerar nmeros aleatrios
e, a partir destes, determinar quais elementos faro parte da amostra.

2.6.3. Amostragem Sistemtica (AS)
Na amostragem sistemtica supe-se que os dados estejam em uma ordem aleatria, por exemplo, os
pronturios mdicos de um hospital, os prdios de uma rua, as linhas de produo, etc. O mtodo consiste
em selecionar os k-simos da populao, onde k dado por:
.
amostra da desejado tamanho
populao da tamanho
k =
A amostragem sistemtica um procedimento de fcil utilizao e pode ser til se a populao exata
no for conhecida.
Exemplo:
Suponhamos que uma mquina produz 15 peas por dia. Desejamos obter uma amostra sistemtica
formada por 20% do total de peas produzidas diariamente.
Procedimento:
a) Desejamos uma amostra de 20% da populao, ento, selecionaremos 20% de 15, ou seja, 3
peas.
b) Determinamos o valor de k:
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 11

5
3
15
= = =
amostra da desejado tamanho
populao da tamanho
k .
c) Por meio de uma AAS, sorteamos um nmero entre 1 e k (inclusive) para ser o primeiro
elemento da amostra. Os demais elementos so periodicamente considerados de k em k. Por exemplo, nosso
k = 5 e supondo que o nmero sorteado foi 4, tomaremos a quarta, a nona (pois 4+5=9) e a dcima quarta
(pois 9+5 = 14) peas produzidas.

2.7. Projeto de Questionrio
Um bom projeto de questionrio crucial para o sucesso de uma pesquisa estatstica. Para o projeto
geral de um questionrio deve-se ter em mente o seguinte:
- Os questionrios devem ser os mais curtos possveis;
- As perguntas em si:
- devem evitar o uso de palavras complexas;
- devem fazer sentido;
- devem ser arrumadas em uma ordem lgica;
- no devem ser muito tcnicas ou envolver muitos clculos;
- no devem ser ofensivas ou muito pessoais;
- no devem ser ambguas.
Existem perguntas de mltipla escolha e perguntas abertas.

2.7.1. Perguntas de Mltipla Escolha
Neste tipo de pergunta, os participantes podem escolher com base em vrias possibilidades indicadas,
inclusive perguntas que podem pedir ao participante para ordenar escolhas.
As respostas devem ser abrangentes (isto , devem ser consideradas todas as possibilidades nas
respostas) e mutuamente exclusivas ( isto , cada participante deve escolher uma e apenas uma das
respostas), a menos que seja pedido o contrrio.

Exemplos:
1. Onde voc mora?
__ Alojamento
__ Casa ou apartamento prprio
__ Casa ou apartamento alugado
__ Outro (favor especificar) ________________________

Questo bem elaborada!
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 12

2. Voc acha que as instalaes da faculdade em geral so
__ Excelentes
__ Muito boas
__ Boas
__ Regulares
__ Ruins

2.7.2 Perguntas Abertas
Os participantes podem responder as perguntas de qualquer maneira que eles escolherem. Esse tipo
de pergunta permite um nmero infinito de respostas divergentes e, por isso, so mais difceis de processar e
analisar.
As perguntas abertas so muito teis em:
- Pesquisa piloto: Para alcanar todas as possveis respostas para determinada pergunta para que esta
pergunta possa tornar-se uma pergunta bem projetada na pesquisa completa. Exemplo: Como voc vai e
volta do trabalho?
- Investigaes: Para obter informaes extras dependendo de uma escolha feita por uma resposta
anterior. Exemplo: Esta faculdade foi o local de sua primeira escolha para cursar a graduao? __ Sim; __
No. Se no, explique o porqu _______________
- Utilizadas no final de um questionrio: Para ser um meio de dar ao participante a chance de adicionar
qualquer coisa que eles considerem importante.

2.8. Planejamento Geral de Pesquisa
a) Defina as metas da pesquisa;
b) Defina a populao;
c) Identifique o esquema de amostragem;
d) Decida que mtodo de coleta de dados utilizar;
e) Projete um questionrio;
f) Selecione e treine qualquer pessoa envolvida no processo de coleta de dados.

3. Apresentao dos Dados
Uma vez obtidos os dados, a primeira etapa para transformar dados brutos em informaes teis
simplific-los e apresent-los. A simplificao e a apresentao dos dados podem ser feitas, inicialmente,
atravs de tabelas e grficos, os quais nos fornecem rpidas e seguras informaes a respeito das variveis
em estudo.
Questo mal elaborada!
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 13


3.1. Tabelas
um quadro que resume um conjunto de observaes de uma populao ou amostra.
Uma tabela compe-se de:
Ttulo: Localizado no topo da tabela, trata-se de um conjunto de informaes, as mais completas
possveis, respondendo s perguntas: O qu? Quando? Onde?.
Cabealho: parte superior da tabela que especifica o contedo das colunas;
Corpo: conjunto de linhas e colunas que contm informaes sobre a varivel em estudo;
Coluna Indicadora: parte da tabela que especifica o contedo das linhas;
Linhas: retas horizontais imaginrias que facilitam a leitura dos dados que se inscrevem nos seus
cruzamentos com as colunas;
Casa ou Clula: espao destinado a um s nmero;
Rodap: s vezes inclui-se o rodap. Neste so considerados os elementos complementares da tabela,
como por exemplo, a fonte.

3.1.1. Tabela Primitiva
Trata-se da forma mais simples de tabulao.
Exemplo 1:
Tabela 3.1: Estaturas de 40 alunos
166 160 161 150 162 160 165 167 164 160
162 161 168 163 156 173 160 155 164 168
155 152 163 160 155 155 169 151 170 164
154 161 156 172 153 157 156 158 158 161

Pode-se ver como difcil obter, com base em dados brutos, informaes simples sobre a varivel de
interesse. Para melhorar a utilidade dos dados, necessrio fornecer resumos sobre eles.

Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 14

3.2. Distribuio de Freqncia

3.2.1. Freqncia Simples ou Freqncia Absoluta ou, simplesmente, Freqncia (f
i
)
Freqncia o nmero de observaes correspondentes a cada valor ou a cada classe da varivel.
Exemplo 2:
No exemplo 1 a varivel estatura ser observada e estudada mais facilmente quando dispusermos
valores ordenados em uma coluna e colocarmos, ao lado de cada valor, o nmero de vezes que aparece
repetido. Esse nmero de vezes que cada valor aparece denominamos de freqncia. Conferir tabela 3.2.

Tabela 3.2: Estatura de 40 alunos
Estat.(cm) Freq.

Estat.(cm) Freq.

Estat.(cm) Freq.
150 1

158 2

167 1
151 1

160 5

168 2
152 1

161 4

169 1
153 1

162 2

170 1
154 1

163 2

172 1
155 4

164 3

173 1
156 3

165 1


157 1

166 1

Total 40

Entretanto, o processo dado ainda inconveniente, j que exige muito espao, mesmo quando o
nmero de valores da varivel de tamanho razovel. Sendo possvel, a soluo mais aceitvel o
agrupamento dos valores em vrios intervalos. importante ressaltar que ao agruparmos os valores da
varivel em classes, ganhamos em simplicidade, mas perdemos em detalhes. Conferir tabela 3.3.
Tabela 3.3: Estatura de 40 alunos
Estatura (cm) Freqncia
150 |- 154 4
154 |- 158 9
158 |- 162 11
162 |- 166 8
166 |- 170 5
170 |- 174 3
Total 40
Assim, se um dos intervalos for, por exemplo, 154 ,- 158, em vez de dizermos que a estatura de um
aluno 154 cm, de quatro alunos 155 cm, de trs alunos 156 cm e de um aluno 157 cm, diremos que 9
alunos tm estatura entre 154 cm (inclusive) e 158 cm. Deste modo, estaremos agrupando os valores da
varivel em intervalos.


Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 15

Elementos de uma Distribuio de Freqncias
a) I ntervalos de Freqncias: so intervalos de variao da varivel e so representados pela
letra (i), sendo i = 1,2,3,...,k, onde k o nmero total de classes do intervalo.
Ex: No exemplo sobre a estatura de 40 alunos do colgio, se observarmos o intervalo 154 ,- 158
podemos defini-lo como o segundo intervalo, ou seja, i = 2 e como a distribuio formada por 6 intervalos
podemos dizer que k = 6.
b) Limites de I ntervalos: so os extremos de cada intervalo. O menor nmero o limite inferior
(l
i
) e o maior nmero o limite superior do intevalor (L
i
).
Ex: No segundo intervalo temos: l
2
= 154 e L
2
= 158
c) Amplitude do I ntervalo: obtida pela diferena entre os limites superior e inferior de cada
intervalo, indicado por (h
i
). Assim h
i
=L
i
- l
i.

Ex: A amplitude do segundo intervalo dada por: h
2
= L
2
l
2
= 158 154 = 4 cm.
d) Amplitude Total da Distribuio (AT): a diferena entre o limite superior da ltima classe e
o limite inferior da primeira classe: AT =L
sup(max)
l
inf(min).

Ex: A amplitude total da estatura dos 40 alunos dada por: AT = 174 150 = 24 cm
e) Ponto Mdio (x
i
): o ponto que divide o Intervalo de Classe em duas partes iguais. Para
obtermos o ponto mdio calculamos a mdia aritmtica dos valores da classe:
2
i i
i
L l
x
+
= .
Ex: O ponto mdio do segundo intervalo dado por: cm
L l
x 156
2
158 154
2
2 2
2
=
+
=
+
= .

3.2.2. Freqncia Acumulada (F
i
)
o total das freqncias de todos os valores inferiores ao limite superior de uma dada classe:
F
k
= f
1
+ f
2
+ f
3
+ ... + f
k
Ex: A freqncia acumulada correspondente terceira classe da Tabela 3.3. : F
k
= f
1
+ f
2
+ f
3
=

4 + 9
+ 11 = 24, o que significa que existem 24 alunos com estatura inferior a 162 cm.

3.2.3. Freqncia Relativa (r
i
)
Freqncia relativa o valor da razo entre a freqncia simples e a freqncia total:
n
f
total Frequncia
i classe da simples Frequncia
r
i
i
= =
Ex: A freqncia relativa correspondente terceira classe da Tabela 3.3 : r
3
= f
3
/n = 11/40 = 0,28, o
que significa que 28% dos alunos tm estatura entre 158 e 162 cm.
As freqncias relativas facilitam as comparaes.

Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 16

3.2.4. Freqncia Relativa Acumulada (R
i
)
Freqncia relativa acumulada o valor da razo entre a freqncia acumulada e a freqncia total:
n
F
total Frequncia
i classe da acumulada Frequncia
R
i
i
= =
Ex: A freqncia relativa acumulada correspondente terceira classe da Tabela 3.3 : R
3
= F
3
/n =
24/40 = 0,6, o que significa que 60% dos alunos tm estatura inferior a 162 cm.

Considerando as informaes contidas na Tabela 3.3, construiremos uma nova tabela com as
freqncias estudadas.
Tabela 3.4: Distribuio de freqncias da estatura de 40 alunos
i Estaturas (cm) fi Fi Ri Ri
1 150 |- 154 4 4 0,10 0,10
2 154 |- 158 9 13 0,22 0,32
3 158 |- 162 11 24 0,28 0,60
4 162 |- 166 8 32 0,20 0,80
5 166 |- 170 5 37 0,12 0,92
6 170 |- 174 3 40 0,08 1,00
Total 40 1,00

Exerccio
Com base na Tabela 3.4, responda:
a) Quantos alunos tm estatura entre 154 cm e 158 cm?
b) Qual a porcentagem de alunos cujas estaturas so inferiores a 158 cm?
c) Qual a porcentagem de alunos cujas estaturas so superiores a 166 cm?
d) Quantos alunos tm estatura inferior a 162 cm?
e) Quantos alunos tm estatura no inferior a 158 cm?

3.3. Grficos
Muitas vezes, a informao contida nas tabelas pode ser mais facilmente visualizada atravs de
grficos. Meios de comunicao apresentam diariamente grficos das mais variadas formas para auxiliar na
apresentao das informaes. Graas proliferao de recursos grficos, cuja construo tem sido cada vez
mais simplificada em programas computacionais, existe hoje uma infinidade de tipos de grficos que podem
ser utilizados.
O grfico estatstico uma forma de apresentao de dados estatsticos, cujo objetivo o de produzir
uma impresso mais rpida do fenmeno em estudo. Ao construir qualquer tipo de grfico, importante
garantir que: o grfico receba um ttulo adequado, cada um dos eixos seja rotulado e uma escala sensata seja
utilizada.
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 17

A criao de grficos deve ser feita cuidadosamente, pois um grfico desproporcional em suas
medidas pode dar falsa impresso de desempenho e conduzir a concluses equivocadas. Obviamente,
questes de manipulao incorreta da informao podem ocorrer em qualquer rea e no cabe culpar a
Estatstica. O uso e a divulgao tica e criteriosa de dados devem ser pr-requisitos indispensveis e
inegociveis.

Exemplo 3: Problema de Escala. O grfico da figura 1 apresenta problemas na escala vertical e
horizontal. Na medida do tempo, no h coerncia ao longo do eixo sobre a proporcionalidade entre a
medida usada no desenho e o tempo representado.

Figura 1: Valor de mercado das empresas nos EUA, usando escalas incoerentes.

A maneira adequada de apresentar as informaes contidas na figura 1 est disposta a seguir.

Figura 2: Valor de mercado das empresas nos EUA, usando escalas corretas.

Escalas descontnuas podem ser usadas honestamente, desde que indicadas ao leitor. A indicao
pode ser feita atravs do smbolo de descontinuidade (). Conferir figura 3.
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 18


Figura 3: Relatrio anual de uma empresa automobilstica japonesa, com indicaes de escalas
descontnuas em ambos os eixos.
3.3.1. Grfico de Setores ou Pizza ou Circular
Adapta-se muito bem s variveis qualitativas nominais e sempre mostra somente uma nica srie de
dados. Construdo com base em um crculo, o grfico pizza pode ser empregado quando desejarmos ressaltar
a participao do dado no total.
O total representado pelo crculo e cada categoria representada por uma parte desse crculo (isto ,
um setor). Os setores so tais que suas reas so respectivamente proporcionais aos dados da srie. Obtemos
cada setor por meio de uma regra de trs simples e direta, lembrando que o total da srie corresponde a 360
graus. Se a srie j apresenta os dados percentuais, obtemos os respectivos valores multiplicando o valor
percentual por 3,6.
Figura 4: Sexo dos funcionrios de uma determinada empresa

Feminino
60%
Masculino
40%
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 19


Figura 5: Nmero de filhos dos funcionrios de uma determinada empresa.

O grfico de setores somente ser til se o nmero de categorias for pequeno e cada uma for uma
proporo significativa do total de dados. Para facilitar a visualizao de fatias pequenas, podemos agrup-
las em um nico item do grfico de setores e subdividir esse item em um grfico de setores ou de barras
menor, ao lado do grfico principal, como mostra a figura 6.

Figura 6

3.3.2. Grfico de barras/colunas
O grfico de barras ou de colunas se adapta melhor s variveis discretas ou qualitativas. utilizado
para mostrar as alteraes de dados em um perodo de tempo ou ilustrar comparaes entre itens.
Estes tipos de grficos representam os dados atravs de retngulos, dispostos verticalmente (em
colunas) ou horizontalmente (em barras). Quando em colunas, os retngulos tm a mesma base e as alturas
so proporcionais aos respectivos dados; as categorias so organizadas na horizontal e os valores na vertical.
Quando em barras, os retngulos tm a mesma altura e os comprimentos so proporcionais aos respectivos
dados; as categorias so organizadas na vertical e os valores na horizontal.

Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 20


Figura 7: Relao candidatos por vaga de uma faculdade no ano de 2008.


Figura 8: Consumo de energia eltrica de uma famlia em 2005.

3.3.3. Grfico de barras/colunas mltiplas
Geralmente empregados quando queremos representar, simultaneamente, dois ou mais fenmenos
estudados com o propsito de comparao.
Quando o nmero total de observaes em cada um dos grupos for diferente, as frequncias no
podem ser comparadas diretamente. Nesses casos, os valores das frequncias percentuais devem ser plotadas
no grfico.
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 21

89,2
75,4
84,4
88,5
62,5
75,1
92,5 90,3 93,0
84,4
0
20
40
60
80
100
Norte Nordeste Sudeste Sul C-Oeste
Regies Brasileiras
(%)
1991 2000

Figura 9: Proporo de pessoas de 10 anos ou mais de idade alfabetizadas. Grandes Regies
1991/2000. Fonte: IBGE, Censo Demogrfico de 1991 e 2000 apud Kappel 2002.

3.3.4. Grfico de barras/colunas empilhadas
Os grficos de barras ou de colunas empilhadas so utilizados para ilustrar o relacionamento de itens
individuais com o todo. So mais eficazes quando existe um pequeno nmero de divises dentro de uma
categoria.

Figura 10: Acomodao de alunos por gnero. Fonte: Dados hipotticos.

3.3.5. Grfico de linhas
O grfico de linhas ideal para ilustrar tendncias em dados que ocorrem ao longo do tempo. A
varivel do tempo plotada no eixo horizontal e a outra varivel plotada no eixo vertical. Cada ponto
individual representado por um smbolo e cada um desses smbolos ligado ao seguinte por uma linha reta.
Se dois ou mais conjuntos de dados estiverem sendo exibidos, ento diferentes padres, cores e indicadores
de pontos podem ser utilizados e uma chave ou legenda de acompanhamento fornecida.
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 22


Figura 11: Escolaridade Mdia de Brancos e No Brancos na frica do Sul e no Brasil. Fonte: Lan
e Levison (1990) e PNAD apud Barros et al. (2002)

Este grfico alm de ser considerado como grfico de linhas pode ser classificado como grfico
comparativo j que compara a situao da escolaridade brasileira e da sul africana, em diferentes perodos.


3.3.6. Digrama de Disperso
Os Diagramas de disperso so representaes de duas ou mais variveis que so organizadas em
um grfico, uma em funo da outra.
Este tipo de Diagrama muito utilizado para correlacionar dados, como a influncia de um fator
em uma propriedade, dados obtidos em diferentes laboratrios ou de diversas maneiras (predio X medio,
por exemplo).
Quando uma varivel tem o seu valor diminudo com o aumento da outra, diz-se que as mesmas
so negativamente correlacionadas. Por exemplo, a venda de carros negativamente correlacionada com o
aumento de desemprego, isto , quanto maior o ndice de desemprego, menor a venda de carros. Por outro
lado, quando uma varivel tem seu valor aumentado com o aumento da outra, diz-se que as mesmas so
positivamente correlacionadas. Por exemplo, como no grfico a seguir, quanto maior o ndice de vendas,
maiores so os custos.










Figura 12: Digrama de disperso entre custos x vendas.

0
100
200
300
400
500
0 200 400 600 800 1000
Vendas
C
u
s
t
o
s
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 23

Este tipo grfico permite que faamos uma regresso linear e determinemos uma reta, que mostra o
relacionamento mdio linear entre as duas variveis. Com essa reta, acha-se a funo que nos d o
"comportamento" da relao entre as duas variveis.
O diagrama de disperso tambm utilizado como ferramenta de qualidade. Um mtodo grfico de
anlise que permite verificar a existncia ou no de relao entre duas variveis de natureza quantitativa, ou
seja, variveis que podem ser medidas ou contadas, tais como: sinergia, horas de treinamento, intenes,
nmero de horas em ao, jornada, intensidades, velocidade, tamanho do lote, presso, temperatura, etc...
Desta forma, o diagrama de disperso usado para se verificar uma possvel relao de causa e
efeito.
Isto no prova que uma varivel afeta a outra, mas torna claro se a relao existe e em que
intensidade
Na pratica muitas vezes temos a necessidade de estudar a relao de correspondncia entre duas
variveis.

3.3.7. Histograma
O histograma uma representao grfica da distribuio de freqncias de uma massa de medies,
normalmente um grfico de colunas. O histograma um grfico composto por retngulos justapostos em que
a base de cada um deles corresponde ao intervalo de classe e a sua altura respectiva frequncia ou
densidade de frequncia.
Se os intervalos de classe dos dados tiverem a mesma amplitude Nenhum problema, a altura do
bloco ser igual frequncia;
Se os intervalos de classe dos dados tiverem amplitudes desiguais Para que o histograma no fique
distorcido, a altura do bloco ser a densidade de frequncia, dada por:
Dens. de Frequncia = Frequncia Amplitude da categoria

Figura 13: Histograma

3.3.8. Pictograma
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 24

O pictograma constitui um dos processos grficos que melhor fala ao pblico, pela sua forma atraente
e sugestiva. A representao grfica consta de figuras.

Figura 14: O preo da carne na entressafra. Fonte: Veja, 10 out.1992 apud Crespo (2002).

3.3.9. Cartograma
O cartograma a representao sobre uma carta geogrfica. Este grfico empregado quando o
objetivo o de figurar os dados estatsticos diretamente relacionados com reas geogrficas ou polticas.

Figura 15: Populao projetada da regio Sul do Brasil. Fonte: IBGE apud Crespo (2002).

4. Medidas Resumo
Neste captulo, sero apresentadas algumas medidas que buscam sumariar as informaes disponveis
sobre o comportamento de uma varivel. Podemos definir essas medidas nos casos de um conjunto de dados
ou de uma funo de probabilidade de uma varivel aleatria.
Lembremos que, tivemos a oportunidade de discutir algumas tcnicas para estudar e apresentar
descritivamente quantidades na populao seja por tabelas de freqncias ou por grficos adequados. O
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 25

conjunto de dados com que trabalhamos poderia ser toda a populao ou apenas uma parte dela. J
estudamos a representao dos eventos de interesse e encontramos as probabilidades associadas.
Nosso interesse caracterizar o conjunto de dados atravs de medidas que resumam a informao,
por exemplo, representando a tendncia central dos dados ou a maneira pela qual estes dados esto dispersos.
Tais medidas tambm podem ser definidas para variveis aleatrias, permitindo caracteriz-las de forma
semelhante ao que feito para um conjunto de dados qualquer.

Medidas de Posio
Se estivermos numa parada de nibus urbano e nos pedem alguma informao sobre a demora em
passar um determinado nibus, que faremos? Ningum imagina que poderamos dar como resposta uma
tabela de freqncias que pacientemente coletamos no ltimo ms, ou ano! Quem perguntou deseja uma
resposta breve e rpida que sintetize a informao que dispomos e no uma completa descrio dos dados
coletados ou da modelagem que porventura fizemos.
Ento, discutiremos nesta seo a definio de medidas de posio ou medidas de tendncia central
para um conjunto de dados qualquer (populao ou amostra). As principais medidas de posio so a mdia,
mediana e moda.

4.1. Mdia ( x )

4.1.1. Dados no-agrupados
A mdia, denotada por x , de dados no agrupados a soma dos valores da varivel dividida pelo
nmero total de observaes, isto ,

n
x
n
x x x
x
n
i
i
n

=
=
+ + +
=
1 2 1

.
Exemplo 1:
Uma pequena empresa, que emprega somente sete funcionrios, paga os seguintes salrios: 3, 7, 8, 6,
9, 10, 12 ($ mil). A mdia dos dados, ou seja, o salrio mdio pago pela empresa dado por:
86 , 7
7
55
7
12 10 9 6 8 7 3
= =
+ + + + + +
= x .


4.1.2. Dados agrupados

Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 26

Sem intervalos de classe
A mdia de dados agrupados sem intervalos de classe a mdia aritmtica ponderada pela
freqncia, da seguinte forma:

n
x f
n
x f x f x f
x
n
i
i i
n

=
=
+ + +
=
1 2 2 2 1 1

,
onde f
i
, para i =1, 2, ..., n, corresponde freqncia de cada valor da varivel (x
i
).

Exemplo 2:
Tabela 4.1:
i x
i
f
i
x
i
*f
i
1 0 2 0
2 1 6 6
3 2 10 20
4 3 12 36
5 4 4 16
Total - 34 78
Ento, 29 , 2
24
78
= = x .

Com intervalos de classe
A mdia de dados agrupados com intervalos de classe a mdia aritmtica ponderada. Porm, neste
caso, convencionamos que todos os valores includos em um determinado intervalo de classe coincidem com
o seu ponto mdio. Desta forma, temos:
n
x f
n
x f x f x f
x
n
i
i i
n

=
=
+ + +
=
1 2 2 2 1 1

,
onde f
i
, i =1, 2, ..., n, a freqncia de cada classe e x
i
o ponto mdio da classe i, calculado por
2
i i
i
L l
x
+
=
, sendo que l
i
o limite inferior e L
i
o limite superior da classe i.

Exemplo 3:
Considere os dados dispostos na Tabela 4.2:
Tabela 4.2
(i) Classes f
i
x
i

(ponto mdio)
f
i
*x
i
1 0 ,- 10 1 5 5
2 10 ,- 20 3 15 45
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 27

3 20 ,- 30 9 25 225
4 30 ,- 40 7 35 245
5 40 ,- 50 4 45 180
6 50 ,- 60 2 55 110
Total - 26 - 810
Ento, 15 , 31
26
810
= = x .

4.2. Moda (mo)
Moda o nmero que ocorre com maior freqncia em uma srie de valores, ou seja, o valor mais
freqente e ser denotada por mo.
H procedimentos para se encontrar a moda se os dados estiverem agrupados (dados que no so
apresentados na forma de distribuio de freqncias) ou no agrupados.


4.2.1. Dados no-agrupados
Neste caso a moda facilmente reconhecida, basta procurar o valor que mais se repete.
Exemplo 4:
Tabela 4.3





4.2.2. Dados agrupados

Sem intervalos de classe
A moda o valor da varivel com maior freqncia (f
i
).
Exemplo 5:
Seja os dados dispostos na tabela abaixo:
Tabela 4.4
X
i
2 3 5 6 7
f
i
1 4 12 3 2

Dados Moda Classificao
7, 8, 9, 10, 10, 10, 11, 12, 13, 15 mo =10 Moda
3, 5, 8, 9, 10, 12, 13 Sem moda Amodal
2, 3, 4, 4, 4, 5, 6, 7, 7, 7, 8, 9 mo
1
= 4
mo
2
= 7
Bimodal

3, 4, 4, 5, 6, 6, 7, 8, 8, 9, 10
mo
1
= 4,
mo
2
= 6
mo
3
= 8

Multimodal
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 28

A freqncia mxima (12) corresponde ao valor 5. Logo, mo = 5.

Com intervalos de classe
A classe que apresenta maior freqncia denominada Classe Modal. Pela definio podemos
afirmar que a Moda o valor dominante que est compreendido entre os limites da Classe Modal.
O mtodo mais simples para o clculo da Moda consiste em tomar o ponto mdio da Classe Modal,
denominada Moda Bruta.
Exemplo 6:
Tabela 4.5: Estatura de 40 alunos
(i) Estatura (cm) f
i
F
i

1 150 ,- 154 4 4
2 154 ,- 158 9 13
3 158 ,- 162 11 24 Classe Modal
4 162 ,- 166 8 32
5 166 ,-170 5 37
6 170 ,- 174 3 40
Total 40
A freqncia mxima (11) corresponde classe modal (158 |- 162), cujo ponto mdio 160, como
pode ser conferido a seguir:
160
2
320
2
162 158
2
= =
+
=
+
=
i i
L l
mo
,
sendo que l
i
o limite inferior e L
i
o limite superior da classe modal i.
Logo, o valor modal entre as estaturas de 40 alunos de uma escola 160 cm.

Existem outros mtodos mais elaborados para determinar a moda, mas vamos nos ater somente neste
caso.

4.3. Mediana (md)
A mediana, representada por md, o valor que ocupa a posio central dos dados ordenados, ou seja,
est no centro de uma srie de nmeros.
Empregamos a mediana quando desejamos obter o ponto que divide a distribuio em duas partes
iguais ou quando h valores extremos que afetam de uma maneira acentuada a mdia.
Os procedimentos para se encontrar a mediana em dados agrupados e no agrupados so diferentes.
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 29


4.3.1. Dados no-agrupados
Para dados no-agrupados, a mediana ser o valor da varivel correspondente ao termo de ordem
2
1 + n
, se n for mpar. Se existir um nmero par de valores, ento a mediana estar localizada no meio das
duas observaes centrais ordenadas.
Exemplo 7:
Desejamos obter o valor mediano dos dados: 5, 13, 10, 2, 18, 15, 6, 16, 9.
O primeiro passo ordenar os valores: 2, 5, 6, 9, 10, 13, 15, 16, 18.
Temos nove observaes, ou seja, n mpar. Dessa forma, a mediana o termo de ordem 5, pois
5
2
10
2
1 9
2
1
= =
+
=
+ n
. O valor dos dados que ocupa a ordem 5, isto , o quinto elemento, o valor 10.
Portanto, o valor central que divide a srie em duas partes iguais 10 (md = 10).
Exemplo 8:
Desejamos obter o valor mediano dos seguintes dados: 21, 6, 7, 10, 13, 12, 2,18.
O primeiro passo ordenar os valores: 2, 6, 7, 10, 12, 13, 18, 21.
Temos oito observaes, ento
5 , 4
2
9
2
1 8
2
1
= =
+
=
+ n
. Este valor se encontra entre a quarta e a
quinta observao do conjunto de dados ordenados. A quarta observao 10 e a quinta observao 12. A
mediana ser o centro desses dois valores, ou seja, ser a mdia aritmtica entre 10 e 12:
11
2
22
2
12 10
= =
+
= md

Em vrias situaes a md e a mdia aritmtica no tm, necessariamente o mesmo valor, pois a md
depende da posio e no dos valores da srie.

4.3.2. Dados agrupados
Se os dados se agrupam em uma distribuio de freqncia, o clculo da mediana implica na
determinao prvia das freqncias acumuladas. Ainda aqui, temos que determinar um valor tal que divida
a distribuio em dois grupos que contenham o mesmo nmero de elementos.
Sem intervalos de classe
Neste caso, basta identificar a freqncia acumulada imediatamente superior metade da soma das
freqncias. A mediana ser aquele valor da varivel que corresponde a tal freqncia acumulada.
Para encontrar a mediana executamos os seguintes passos:
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 30

1) Determinar as freqncias acumuladas da srie ;
2) Calcular n/2 (50% dos elementos);
3) Se n/2 F
i
, para algum i, a mediana ser o valor da varivel correspondente a menor freqncia
acumulada que supera n/2. Porm, se n/2 = F
i
, para algum i, a mediana ser a mdia aritmtica entre o
valor da varivel correspondente a essa freqncia acumulada e o seguinte.

Exemplo 9:
Tabela 4.6
i x
i
f
i
F
i

1 0 2 2
2 1 6 8
3 2 10 18
4 3 12 30
5 4 4 34
Total (n) = 34
Temos n/2 = 34/2 = 17 F
i
, para todo i. A menor freqncia acumulada que supera esse valor 18,
que corresponde ao valor 2 da varivel x, sendo este o valor mediano. Logo, md=2.

Exemplo 10:
Tabela 4.7
i x
i
f
i
F
i

1 12 1 1
2 14 2 3
3 15 1 4
4 16 2 6
5 17 1 7
6 20 1 8
Total (n) = 8
Temos n/2 = 8/2 = 4 = F
3
. Neste caso, a mediana ser a mdia aritmtica entre os valores da varivel
correspondente freqncia acumulada da classe 3 (F
3
) e da classe seguinte (F
4
), ou seja,
5 , 15
2
31
2
16 15
= =
+
= md .
Logo, o valor mediano desse conjunto de dados 15,5.
Com intervalos de classe
Quando a distribuio est distribuda em intervalos de classes, o problema consiste em determinar o
ponto do intervalo em que est compreendida a mediana.
Neste caso, para calcular a mediana executamos os seguintes passos:
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 31

1) Determinar as freqncias acumuladas da srie;
2) Calcular n/2 (50% dos elementos);
3) Marcar a classe correspondente freqncia acumulada imediatamente superior n/2 e, em
seguida, empregar a frmula:
( ) | |
-
-

+ =
-
f
h ant F
n
l md
2
, onde:
l
*
o limite inferior da classe mediana;
F(ant) a freqncia acumulada da classe anterior classe mediana;
h
*
a amplitude do intervalo da classe mediana;
f
*
a freqncia simples da classe mediana;
n o nmero total de observaes.

Nota: No caso de existir uma freqncia acumulada exatamente igual a n/2, a mediana ser o limite
superior da classe correspondente.

Exemplo 11:
Considere os dados dispostos na Tabela 4.8:
Tabela 4.8
(i) Classes f
i
F
i
1 0 ,- 10 1 1
2 10 ,- 20 3 4
3 20 ,- 30 9 13
4 30 ,- 40 7 20
5 40 ,- 50 4 24
6 50 ,- 60 2 26
Total 26

Temos n/2 = 26/2 = 13. Como h 13 valores nas trs primeiras classes e como pretendemos
determinar o valor que ocupa exatamente o 13 lugar, a partir do incio da srie, temos que a mediana o
limite superior da classe correspondente, no caso, a terceira classe (i=3). Assim, md = 30, ou seja, o valor
mediano dos dados apresentados 30.

Exemplo 12:
Considere os dados da Tabela 4.5, referente s estaturas de 40 alunos.
Temos n/2 = 40/2 = 20. Como h 24 valores includos nas trs primeiras classes da distribuio e
como pretendemos determinar o valor que ocupa o 20 lugar, a partir do incio da srie, vemos que este deve
estar localizado na terceira classe (i =3).
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 32

Sabendo que a mediana encontra-se na terceira classe, para obter a mediana devemos encontrar as
seguintes estatsticas:
- Limite inferior da classe 3 (l
*
) = 158;
- Frequncia acumulada da classe anterior classe 3 (F(ant)) = 13;
- Amplitude do intervalo da classe 3 (h
*
) = 4;
- Frequncia da classe 3 (f
*
) = 11.
Ento,
( ) | |
| |
54 , 160 54 , 2 158
11
28
158
11
4 13 20
158
2
= + = + =

+ =

+ =
-
-
-
f
h ant F
n
l md

O valor mediano da altura dos 40 alunos 160,54 cm.

4.4. Separatrizes
Separatrizes so parmetros que podem dividir o conjunto de dados em partes iguais. Esses
parmetros so os quartis, os decis e os percentis.
Os quartis (Q
k
) separam o conjunto de dados em quatro partes iguais, da o nome quartil. Os decis
(D
k
) dividem os dados em dez partes iguais e os percentis (P
k
) dividem em cem partes iguais. Ento, se
tomarmos a mediana como exemplo podemos classific-la como:
md = Q
2
= D
5
= P
50

Percentil
4.4.1. Dados no-agrupados
Para dados no-agrupados, o Percentil k (C
k
) ser o valor da varivel correspondente ao termo de
ordem
100
k kn+
.

Exemplo 13:
Desejamos obter o 25 percentil dos seguintes dados: 2, 6, 9, 13, 15, 10 e 5.
O primeiro passo ordenar os valores: 2, 5, 6, 9, 10, 13 e 15.
Temos sete observaes e k=25, ento 2
100
200
100
25 7 25
100
= =
+ -
=
+ k kn
. Assim, C
25
ser o termo que
ocupa a segunda posio dos dados ordenados, isto , C
25
= 5. Portanto, temos que 25% dos dados
observados so menores ou iguais a 5.


Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 33

Exemplo 14:
Desejamos obter o 75 percentil dos seguintes dados: 1, 2, 1, 3, 7, 9, 10, 13, 5, 6, 9 e 5.
O primeiro passo ordenar os valores: 1, 1, 2, 3, 5, 5, 6, 7, 9, 9, 10 e 13.
Temos doze observaes e k = 75, ento
75 , 9
100
975
100
75 12 75
100
= =
+ -
=
+ k kn
. Este valor se encontra entre
a nona e a dcima observao do conjunto de dados ordenados. A nona observao 9 e a dcima
observao 9. C
25
ser o centro desses dois valores, ou seja, ser a mdia aritmtica entre 9 e 9:
. 9
2
18
2
9 9
25
= =
+
= C Portanto, temos que 75% dos dados observados so menores ou iguais a 9.

4.4.2. Dados agrupados
Se os dados se agrupam em uma distribuio de freqncia, o clculo dos percentis implica na
determinao prvia das freqncias acumuladas. Ainda aqui, temos que determinar um valor tal que divida
a distribuio em cem grupos que contenham o mesmo nmero de elementos.

Sem intervalos de classe
Para encontrar o percentil k, devemos executar os seguintes passos:
1) Determinar as freqncias acumuladas da srie;
2) Calcular
100
kn
;
3) Se
i
F
kn
=
100
, para todo i, o percentil k ser o valor da varivel correspondente a menor freqncia
acumulada que supera
100
kn
. Porm, se
i
F
kn
=
100
, para algum i, o percentil k ser a mdia aritmtica entre os
valores da varivel correspondente a essa freqncia acumulada e o seguinte.

Exemplo 15:
Desejamos obter os percentis 25 e 75 dos dados dispostos na Tabela 4.9.
Tabela 4.9: Salrios de 28 funcionrios de uma empresa
(i) Salrio (R$1000) f
i
F
i
1 8 9 9
2 10 12 21
3 15 4 25
4 18 3 28
Total 28

Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 34

Para o percentil 25 (k = 25), temos
i
F
kn
= = =
-
= 7
100
700
100
28 25
100
. A menor freqncia acumulada que
supera esse valor 9. O valor da varivel correspondente a essa freqncia acumulada 8, assim, C
25
=8.
Portanto, temos que 25% dos funcionrios tm salrios menores ou iguais a R$8000,00.
Para o percentil 75 (k = 75), como
2
21
100
2100
100
28 75
100
F
kn
= = =
-
= , C
25
ser a mdia aritmtica entre
os valores da varivel correspondente freqncia acumulada F
2
e seguinte, F
3
. Dessa forma,
5 , 12
2
25
2
15 10
25
= =
+
= C . Portanto, temos que 75% dos funcionrios recebem, no mximo, R$12.500,00.

Com intervalos de classe
Para encontrar o percentil k, devemos executar os seguintes passos:
1) Determinar as freqncias acumuladas da srie;
2) Calcular
100
kn
;
3) Marcar a classe correspondente freqncia acumulada imediatamente superior
100
kn
e, em
seguida, empregar a frmula:
( ) | |
,
100
-
-
-

+ =
f
h ant F
kn
l C
k
onde:
l
*
o limite inferior da classe que contm o quartil de interesse;
F(ant) a freqncia acumulada da classe anterior classe que contm o quartil de interesse;
h
*
a amplitude do intervalo da classe que contm o quartil de interesse;
f
*
a freqncia simples da classe que contm o quartil de interesse;
n o nmero total de observaes.

Exemplo 16:
Desejamos obter os percentis 25 e 75 referente estatura de 40 alunos, dispostos na tabela 4.5.
- Obteno do percentil 25:
Calculamos 10
100
1000
100
40 * 25
100
= = =
kn
. Como h 13 valores includos nas duas primeiras classes da
distribuio e como pretendemos determinar o valor que ocupa o 10 lugar, a partir do incio da srie, vemos
que este deve estar localizado na segunda classe (i =2).
Sabendo que o percentil 25 encontra-se na segunda classe, para obter C
25
encontramos as seguintes
estatsticas:
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 35

Limite inferior da classe 2 (l
*
) = 154;
Frequncia acumulada da classe anterior classe 2 (F(ant)) = 4;
Amplitude do intervalo da classe 2 (h
*
) = 4;
Frequncia da classe 2 (f
*
) = 9.
Ento,
( ) | |
| |
66 , 156 66 , 2 154
9
24
154
9
4 4 10
154
4
25
= + = + =

+ =

+ =
-
-
-
f
h ant F
n
l C
Portanto, 25% dos alunos tm estatura inferior ou igual a 156,66 cm.
- Obteno percentil 75:
Calculamos 30
100
3000
100
40 * 75
100
= = =
kn
. Como h 32 valores includos nas quatro primeiras classes da
distribuio e como pretendemos determinar o valor que ocupa o 30 lugar, a partir do incio da srie, vemos
que este deve estar localizado na terceira classe (i = 4).
Sabendo que o terceiro quartil encontra-se na quarta classe, para obter C
75
encontramos as seguintes
estatsticas:
Limite inferior da classe 4 (l
*
) = 162;
Frequncia acumulada da classe anterior classe 3 (F(ant)) = 24;
Amplitude do intervalo da classe 2 (h
*
) = 4;
Frequncia da classe 2 (f
*
) = 8.
Ento,
( ) | |
| |
00 , 165 00 , 3 162
8
24
162
8
4 24 30
162
4
3
3
= + = + =

+ =

+ =
-
-
-
f
h ant F
n
l Q

Portanto, 75% dos alunos tm estatura inferior ou igual a 165 cm ou, equivalentemente, 25% dos
alunos tm estatura superior a 165 cm.

Nota: O clculo de um quartil ou de um decil segue a mesma tcnica do clculo do percentil, porm,
para os dados no agrupados, a frmula
100
k kn+
ser substituda, respectivamente, por
4
k kn+
ou
10
k kn+
.
Para o caso dos dados agrupados, a frmula
100
kn
ser substituda por
4
kn
para o quartil e por
10
kn
para o
decil.



Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 36

Medidas de Disperso ou Variabilidade
Apesar das medidas de tendncia central fornecerem uma idia do comportamento das variveis, elas
podem esconder valiosas informaes. Essas medidas podem no ser suficientes para descrever e discriminar
diferentes conjuntos de dados.
Por exemplo, um bairro nobre da capital paulista inclui uma das maiores favelas de So Paulo. O que
podemos dizer da renda mdia do bairro? Certamente os altos rendimentos de alguns residentes sero
suficientes para fazer a mdia atingir um patamar comparvel s melhores economias do mundo, porm a
discrepncia entre os valores deve ser muito grande. O que podemos estar esquecendo a variabilidade dos
valores da varivel e isto no captado pela mdia e sim pelas medidas de disperso.
Para o conjunto de valores 0, 20, 40 a mdia igual a 20. O mesmo acontece com o conjunto 20, 20,
20. Os dois conjuntos tm valores bem diferentes, apesar de terem a mesma mdia. fcil construir
exemplos onde dois conjuntos de dados distintos possuem medidas de posio idnticas. Em muitas dessas
situaes existe diferena em relao disperso dos dados, isto , quanto maneira como os valores de
cada conjunto se espalham. A fim de quantificar tal caracterstica, vamos definir algumas medidas de
disperso.
4.5. Amplitude
A amplitude definida como a diferena entre o maior e o menor valor do conjunto de dados
observado. Ser denotada por AT.
AT = x
max
- x
min
Exemplo 17: Dada a srie 10, 15, 20, 25, 30, 35, 40, 45, 50, temos que a amplitude :

AT = x
max
- x
min
= 50 10 = 40
A amplitude total tem o inconveniente de s levar em conta os dois valores extremos da srie,
descuidando do conjunto de valores intermedirios, o que quase sempre invalida a idoneidade do resultado.
Ela apenas uma indicao aproximada da disperso ou variabilidade.

4.6. Varincia / Desvio Padro
A amplitude total instvel por se deixar influenciar pelos valores extremos, que so, na sua maioria,
devidos ao acaso.
A varincia e o 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 e, por
isso mesmo, os mais empregados.



Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 37

4.6.1. Dados no-agrupados
A varincia populacional baseia-se nos desvios em torno da mdia aritmtica. Ela definida como a
mdia aritmtica dos quadrados dos desvios, da seguinte forma:

( )
n
x x
n
i
i
=

=
1
2
2
o , (1)
sendo que x a mdia aritmtica dos valores da varivel x e n o nmero total de observaes.
Sendo a varincia calculada a partir dos quadrados dos desvios, ela um nmero em unidade
quadrada em relao varivel em questo, o que, sob o ponto de vista prtico, um inconveniente. Para
suprir esta deficincia da varincia e voltarmos unidade original, necessitamos definir outra unidade de
disperso, que a raiz quadrada da varincia, denominada desvio-padro, representado por
o
:

( )
n
x x
n
i
i
=

= =
1
2
2
o o . (2)
O desvio-padro , sem dvida, a mais importante das medidas de disperso. fundamental que o
interessado consiga relacionar o valor obtido do desvio-padro com os dados da srie. Quando uma curva de
freqncia representativa da srie perfeitamente simtrica, podemos dizer que o intervalo
| | o o + x x ,

contm aproximadamente 68% dos valores da srie. O intervalo
| | o o 2 , 2 + x x
contm aproximadamente
95% dos valores da srie e o intervalo
| | o o 3 , 3 + x x
contm aproximadamente 99% dos valores da srie.
Ento, se uma distribuio simtrica possui mdia 100 e desvio-padro 5, podemos dizer que:
- Os valores esto concentrados em torno de 100;
- O intervalo
| | o o + x x ,
= [95, 105] contm 68% dos dados da srie;
- O intervalo
| | o o 2 , 2 + x x
= [90, 110] contm 95% dos dados;
- O intervalo
| | o o 3 , 3 + x x
= [85, 115] contem 99% dos dados da srie.
Os dados que se originam de uma amostra (por razes prticas) geralmente so utilizados para
fornecer uma estimativa do que acontece na populao inteira. Matemticos pioneiros descobriram que a
varincia de uma amostra ficar levemente abaixo do que acontece na populao, mas, felizmente, eles
tambm decobriram um mtodo para calcular isso.
Ao calcular a varincia de dados que se originaram de uma amostra, feito o seguinte ajuste na
frmula da varincia da populao:
( )
1
1
2
2

=

=
n
x x
S
n
i
i
.
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 38

Conseqentemente, o desvio-padro de uma amostra tambm sofre ajuste:
( )
1
1
2
2

= =

=
n
x x
S S
n
i
i

Observao: Para distinguir entre as duas, a notao utilizada :
-
2
o
= varincia da populao e
o
= desvio-padro da populao;
-
2
S
= varincia da amostra e
S
= desvio-padro da populao.


Exemplo 18:
Calcule a varincia e o desvio-padro da amostra constituda dos seguintes elementos: 4, 5, 8, 5.
Calculando a mdia:
5 , 5
4
22
4
5 8 5 4
= =
+ + +
= x
Calculando os desvios ao quadrado:
( ) ( ) ( ) 25 , 2 5 , 1 5 , 5 4
2 2
2
1
= = = x x
( ) ( ) ( ) 25 , 0 5 , 0 5 , 5 5
2 2
2
2
= = = x x
( ) ( ) ( ) 25 , 6 5 , 2 5 , 5 8
2 2
2
3
= = = x x
( ) ( ) ( ) 25 , 0 5 , 0 5 , 5 5
2 2
2
4
= = = x x
Ento, a varincia e o desvio-padro dos dados amostrais sero respectivamente:
( )
3
3
9
1 4
25 , 0 25 , 6 25 , 0 25 , 2
1
1
2
2
= =

+ + +
=

=
n
x x
S
n
i
i
, e
732 , 1 3
2
= = = S S

Exemplo 19:
Calcule a varincia e o desvio-padro da populao constituda dos seguintes elementos 10, 12, 15,
16, 18 e 20.
Calculando a mdia:
167 , 15
6
91
6
20 18 16 15 12 10
= =
+ + + + +
= x

Calculando os desvios ao quadrado:
( ) ( ) ( ) 698 , 26 167 , 5 167 , 15 10
2 2
2
1
= = = x x
( ) ( ) ( ) 030 , 10 167 , 3 167 , 15 12
2 2
2
2
= = = x x
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 39

( ) ( ) ( ) 028 , 0 167 , 0 167 , 15 15
2 2
2
3
= = = x x
( ) ( ) ( ) 694 , 0 833 , 0 167 , 15 16
2 2
2
4
= = = x x
( ) ( ) ( ) 026 , 8 833 , 2 167 , 15 18
2 2
2
5
= = = x x
( ) ( ) ( ) 358 , 23 833 , 4 167 , 15 20
2 2
2
6
= = = x x

Ento, a varincia e o desvio-padro populacional sero respectivamente:
( )
472 , 11
6
834 , 68
6
358 , 23 026 , 8 694 , 0 028 , 0 030 , 10 698 , 26
1
2
2
~ =
+ + + + +
=

=
n
x x
n
i
i
o ;
. 387 , 3 472 , 11
2
~ = = o o

4.6.1. Dados agrupados

Sem intervalos de classe
Como, neste caso, temos a presena de freqncias, devemos lev-las em considerao, resultando
em:
( )
n
f x x
n
i
i i
=

=
1
2
2
o ,
onde x
i
so os valores da varivel e f
i
indica a freqncia da classe i,

=
i
f n o nmero total de
observaes e x a mdia aritmtica ponderada, dada por:
n
f x
x
i i
=
Exemplo 20:
Calcular a varincia populacional para a srie:
X
i
2 3 5 6 7
f
i
1 4 5 3 2

Calculando a mdia:
733 , 4
15
71
15
14 18 25 12 2
15
) 2 7 ( ) 3 6 ( ) 5 5 ( ) 4 3 ( ) 1 2 (
= =
+ + + +
=
+ + + +
= =

n
f x
x
i i


Calculando os desvios ao quadrado ponderados pelas freqncias:
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 40

i
x
i
f
x
) ( x x
i

2
) ( x x
i

i i
f x x -
2
) (
2 1 4,733 -2,733 7,469 7,469
3 4 4,733 -1,733 3,003 12,013
5 5 4,733 0,267 0,071 0,356
6 3 4,733 1,267 1,605 4,816
7 2 4,733 2,267 5,139 10,279
Total 15 34,933

Ento, a varincia e o desvio-padro populacional sero respectivamente:
( )
329 , 2
15
933 , 34
1
2
2
~ =

=
n
f x x
n
i
i i
o e . 526 , 1 329 , 2
2
~ = = o o

Com intervalos de classe
Similar ao caso sem intervalos de classe, porm, neste caso, x
i
refere-se ao ponto mdio de cada
intervalo.
Exemplo 21:
Calcule a varincia e, assim, o desvio-padro das alturas de uma amostra de 60 pessoas, dispostos na
tabela 4.10.
Tabela 4.10: Alturas de 60 pessoas
Altura (cm) f
i
x
i
(ponto mdio do intervalo)
150 a menos de 160 9 155
160 a menos de 170 18 165
170 a menos de 180 21 175
180 a menos de 190 12 185
Total 60

Nesse exemplo os dados esto agrupados em intervalos, portanto, o ponto mdio de cada um dos
grupos necessrio para ser utilizado como o valor x
i
na frmula da varincia.
Calculando a mdia:
171
60
10260
60
2220 3675 2970 1395
60
) 12 185 ( ) 21 175 ( ) 18 165 ( ) 9 155 (
= =
+ + +
=
+ + +
= =

n
f x
x
i i

Calculando os desvios ao quadrado ponderados pelas freqncias:
Altura (cm) i
f
i
x
x
) ( x x
i

2
) ( x x
i

i i
f x x -
2
) (
150 a menos de 160 9 155 171 -16 256 2304
160 a menos de 170 18 165 171 -6 36 648
170 a menos de 180 21 175 171 4 16 336
180 a menos de 190 12 185 171 14 196 2352
Total 60 5640
Ento, a varincia e o desvio-padro da amostra sero, respectivamente:
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 41

( )
2 1
2
2
593 , 95
59
5640
1 60
5640
1
cm
n
f x x
S
n
i
i i
~ =

=
e . 777 , 9 593 , 95
2
cm S S ~ = =

5. Probabilidade
A idia de probabilidade desempenha um papel importante em muitas situaes que envolvam uma
tomada de decises. Por exemplo, se certo industrial deseja lanar um novo produto no mercado, ele
precisar de informaes sobre a probabilidade de sucesso para seu novo produto. Os modelos
probabilsticos podem ser de grande utilidade em diversas reas.
Embora o clculo das probabilidades pertena ao campo da Matemtica, a sua incluso dentro da
disciplina Estatstica se justifica pelo fato de a maioria dos fenmenos estudados dentro dessa disciplina ser
de natureza aleatria ou probabilstica. O conhecimento do clculo das probabilidades d a base terica para
o desenvolvimento de tcnicas estatsticas, principalmente, quelas referentes ao estudo da Estatstica
Inferencial ou Indutiva.
A teoria das probabilidades permite construir modelos matemticos que explicam um grande nmero
de fenmenos coletivos e fornecem estratgias para a tomada de decises. Por exemplo, as condies
climticas do prximo Domingo no podem ser estabelecidas com total acerto. O mesmo pode ser dito da
taxa de inflao do prximo ms. Em situaes como essas, modelos podem ser estabelecidos para
quantificar as incertezas das diversas ocorrncias.

5.1. Conceitos Bsicos sobre Teoria de Eventos

5.1.1. Experimento ou Fenmeno Aleatrio
Os experimentos ou fenmenos aleatrios so fenmenos que dependem do acaso. So aqueles que,
mesmo repetido vrias vezes sob as mesmas condies, apresentam resultados imprevisveis.
Exemplos 1:
a. Sorteio de um aluno desta sala;
b. Lanamento de uma moeda;
c. Lanamento de um dado;
d. Nmero de peas defeituosas na produo diria de uma mquina;
e. Jogo de partida de futebol.



5.1.2. Espao amostral
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 42

O espao amostral o conjunto de todos os resultados possveis de um fenmeno aleatrio. Ele ser
representado pela letra grega O (mega). Cada elemento do espao amostral recebe o nome de ponto
amostral.
Exemplos 2:
a. Sorteio de um aluno desta sala: O = {Joo, Maria, Andr, Carlos, Antonia, Rodrigo, Fernanda,...} e
n(O) = nmero de alunos desta sala.
b. Lanamento de uma moeda: O = {Cara, Coroa} e n(O) = 2.
c. Lanamento de um dado: O = {1, 2, 3, 4, 5, 6} e n(O) = 6.
d. Nmero de peas defeituosas na produo diria de uma mquina: O = {0, 1, 2, 3, 4, 5, 6, ...}.
e. Jogo de partida de futebol: O = {perder, ganhar, empatar} e n(O) = 3.
f. Dois lanamentos sucessivos de uma moeda. O = {(Ca, Ca), (Ca, Co), (Co, Ca), (Co, Co)} e n(O) = .

5.1.3. Evento
Evento qualquer subconjunto do espao amostral O de um experimento aleatrio. O evento
representado pelas letras latinas A, B, C, ... ou Z. O conjunto vazio denotado por |.
Exemplos 3:
a. Evento A: Sorteio de um aluno do sexo masculino:
O = {Joo, Maria, Andr, Carlos, Antonia, Rodrigo, Fernanda,...} e A = {Joo, Andr, Carlos, Rodrigo,...}.
Temos n(O) = nmero de alunos desta sala e n(A) = nmero de alunos do sexo masculino desta sala.
b. Evento B: Sair um nmero par no lanamento de um dado:
O = {1, 2, 3, 4, 5, 6} e B = {2, 4, 6}. Temos n(O) = 6 e n(B) = 3.

Podemos ter eventos simples (ou elementar) quando formado por um nico elemento do espao
amostral. Nos exemplos acima os eventos so chamados de evento composto (possui mais de um ponto
amostral).
Se ocorrer de:
A = O, ento A chamado de evento certo;
A = |, ento A chamado de evento impossvel.

Propriedades dos Eventos:
Unio de dois Eventos A e B: denotado por AB, representa a ocorrncia de pelo menos um dos
eventos, isto ,
AB: um evento que ocorre A ou ocorre B ou ocorre ambos.
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 43

Interseco de dois Eventos A e B: denotado por AB, representa a ocorrncia simultnea de A e
B, isto ,
AB: um evento em que A e B ocorrem.
Evento Complementar: O evento complementar de A em relao O, denotado por A
c
, o evento
que ocorre se A no ocorrer. Neste caso, AA
c
= O e AA
c
= |.
Eventos Disjuntos: A e B so eventos disjuntos se ambos no possurem elementos em comum, isto
, AB = |.

Exemplo 4:
Seja o experimento sortear um carto dentre seis numerados de 1 a 6. Sejam os eventos A: sair o
nmero 3 e B: sair um nmero par.
Nesse caso temos:
O = {1, 2, 3, 4, 5, 6}, A = {3} e B = {2, 4, 6}, n(O) = 6, n(A) = 1 e n(B) = 3.
Ento,
AB = {2, 3, 4, 6} e AB = |;
A
c
= {1, 2, 4, 5, 6} e B
c
= {1, 3, 5}.
5.2. Definio de Probabilidade
A pergunta que poderia surgir seria: como atribuir probabilidade aos elementos do espao amostral?
H duas maneiras principais de responder essa questo.
A primeira delas consiste na atribuio de probabilidades baseando-se em caractersticas tericas da
realizao do fenmeno. Dado um experimento aleatrio, sendo o espao amostral O um conjunto
equiprovvel (todos elementos de O tm a mesma chance de acontecer), sendo A um subconjunto de O,
definimos como probabilidade de um evento A, o nmero real P(A), tal que:
( )
( )
( ) O
=
n
a n
A P

sendo que n(A) o nmero de elementos de A e n (O) o nmero de elementos de O.
Exemplo 5 : Ao lanar um dado, temos o espao amostral O={1,2,3,4,5,6}. Admitindo que o dado
foi construdo de forma homognea e com medidas rigorosamente simtricas no temos nenhuma razo para
privilegiar essa ou aquela face. Assim: P(1) = P(2) = P(3) = P(4) = P(5) = P(6) = 1/6.

Exemplo 6: No lanamento de dois dados honestos para cima e observando a face superior pede-se:
a) A: a probabilidade de se obter a somas das faces igual a 5.
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 44


A = {(1,4), (2,3), (3,2), (4,1)}
n(A) = 4, n() = 36
Logo, P(A) = 4/36 =1/9 = 0,11

b) B: a probabilidade de se obter o primeiro valor maior que o segundo valor.

n(B) = 15, n() = 36
P(B) = 15/36 =0,42

c) C: a probabilidade da soma das faces serem mpar

n(C) = 18, n() = 36
P(C) = 18/36 =0,5

Exemplo 7: Trs fbricas fornecem equipamentos eletrnicos. Apesar de serem aparelhos de
preciso, existe uma pequena chance de subestimao ou superestimao das medidas efetuadas.
A tabela a seguir apresenta o comportamento do equipamento produzido em cada fbrica:



Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 45

Preciso /Fbrica Subestima Exata Superestima Total
Fbrica 1 2 21 2 25
Fbrica 2 3 64 8 75
Fbrica 3 1 46 3 50
Total 6 131 13 150
Tabela 5.1: Produo de equipamentos eletrnicos pelas fbricas 1, 2 e 3.

a) Probabilidade de sortear um aparelho da fbrica 1
n(F1) = 25, n() = 150
P(F1) = 25/150 =0,17

b) Probabilidade de sortear um aparelho que tem preciso exata e fabricada pela fbrica 2
n(EF2) = 64, n() = 150
P(EF2) = 64/150 =0,43

c) Probabilidade de sortear um aparelho da fbrica 3 que superestima
n(F3SUP) = 3, n() = 150
P(F3SUP) = 3/150 =0,02

d) Probabilidade de sortear um aparelho que tem preciso superestimada
n(SUP) = 13, n() = 150
P(SUP) = 13/150 =0,09
e) Probabilidade de sortear um aparelho da fbrica 4
Evento impossvel
P(|) = 0

5.2.1. Propriedades da Probabilidade
Para maior facilidade na soluo de problemas de clculo de probabilidades, devemos ter em mente
as seguintes propriedades:
1) A probabilidade de um evento A deve ser um nmero maior ou igual a zero e menor ou igual a um,
ou seja, 0 s P(A) s 1.
2) A probabilidade de um evento certo 1, ou seja, P(O) = 1.
3) A probabilidade de um evento impossvel zero, ou seja, P(|) = 0.
4) Se os eventos A e B forem disjuntos, ento P(AB) = P(A) + P(B).
5) Se A e B no forem disjuntos, ento P(AB) = P(A) + P(B) P(AB).
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 46

6) Se A
c
o complementar de A, ento P(A
c
) = 1 P(A).

5.3. Probabilidade Condicional e Independncia
Em muitas situaes prticas, o fenmeno aleatrio com o qual trabalhamos pode ser separado em
etapas. A informao do que ocorreu em uma determinada etapa pode influenciar nas probabilidades de
ocorrncias das etapas sucessivas.
Nestes casos, dizemos que ganhamos informao e podemos recalcular as probabilidades de
interesse. Essas probabilidades recalculadas recebem o nome de probabilidade condicional, cuja definio
ser apresentada a seguir.
Dados dois eventos A e B, a probabilidade condicional de A dado que ocorreu B, representada por
P(A|B), dada por:
( )
( )
( )
. 0 ) ( , | >

= B P
B P
B A P
B A P

Se P(B) = 0, P(A|B) pode ser definido arbitrariamente, neste caso P(A|B) = P(A).

Exemplo 8:
Um nmero sorteado ao acaso entre os inteiros 1,2,3,...,15. Sabendo que o nmero sorteado foi par,
qual a probabilidade de que seja o nmero 6?
O = {1,2,3,...,15} e n(O)=15.
Temos os eventos:
- A: o nmero sorteado ser 6, ento A = {6} e n(A) = 1;
- B: o nmero sorteado ser par, ento B = {2,4,6,8,10,12,14} e n(B) = 7.
Sabemos que
( )
( )
( )
, 0 ) ( , | >

= B P
B P
B A P
B A P
por isso, devemos encontrar P(AB) e P(B):
Temos (AB) = {6}, n(AB) =1, assim ( )
( )
( ) 15
1
=
O

=
n
B A n
B A P
( )
( )
( ) 15
7
=
O
=
n
B n
B P
.
Assim,
( )
( )
( )
. 143 , 0
7
1
7
15
15
1
15
7
15
1
| ~ = = =

=
B P
B A P
B A P

Portanto, sabendo que o nmero sorteado foi par, a probabilidade de que esse nmero seja seis
aproximadamente 0,143.

Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 47

Exemplo 9:
Considerando, novamente, os dados da tabela 5.1.
a) Probabilidade de sortear um aparelho de preciso exata dado que fabricada pela fbrica 1
Desejamos saber P(E|F1).
Temos: n(EF1) = 21, n(F1) = 25. Logo:



b) Sabendo que a fbrica 2 foi sorteada, qual a probabilidade de sortear um aparelho que subestima.
Desejamos saber P(SUB|F2).
Temos n(SUBF2) = 3, n(F2) = 75. Logo:



c) Se um aparelho de preciso exata foi sorteado, qual a probabilidade de ser fabricado pela fbrica 3.
Desejamos saber P(F3|E)
Temos n(F3E) = 46, n(E) = 131. Logo:



5.4. Regra do Produto de Probabilidades
Da definio de probabilidade condicional, deduzimos a regra do produto de probabilidades, uma
relao bastante til: P(AB) = P(A|B).P(B), com P(B) > 0

Um conceito muito importante em probabilidade o da independncia de eventos. Dois eventos A e
B so independentes se a informao da ocorrncia ou no de B no altera a probabilidade da ocorrncia de
A, isto , P(A|B) = P(A), sendo P(B) > 0, ou ainda a forma equivalente P(AB)=P(A).P(B).

Exemplo 10:
Uma empresa produz peas em duas mquinas I e II, que podem apresentar desajustes com
probabilidade 0,05 e 0,10; respectivamente.
Seja Oi: mquina i estar operando, i = 1, 2.
Seja Oi
c
: Mquina i no estar operando, i=1,2
Pelas informaes disponveis temos:
( )
( )
( )
84 , 0
25
21
1
1
1 | = =

=
F n
F E n
F E P
( )
( )
( )
04 , 0
75
3
2
2
2 | = =

=
F n
F SUB n
F SUB P
( )
( )
( )
35 , 0
131
46 3
| 3 = =

=
E n
E F n
E F P
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 48

P(O1) = 0,95 e P(O1
c
) = 0,05
P(O2) = 0,90 e P(O2
c
) = 0,10
Acreditamos que a eventual falta de ajuste de uma mquina no interfere no comportamento da outra.
Portanto, assumimos independncia entre O1 e O2.
a) Probabilidade de apenas a mquina 1 estar operando
P(O
1
O
2
c
) = 0,95 x 0,10 = 0,095
b) Probabilidade de apenas a mquina 2 estar operando
P(O
1
c

O
2
) = 0,05 x 0,90 = 0,055
c) Probabilidade de ambas as mquinas estarem operando
P(O
1
O
2
) = 0,95 x 0,90 = 0,855
d) Probabilidade de ambas as mquinas no estarem operando
P(O
1
c

O
2
c
) = 0,05 x 0,10 = 0,005
e) No incio do dia de operao um teste realizado e caso a mquina esteja fora de ajuste, ela ficar
sem operar nesse dia passando por reviso tcnica. Para cumprir o nvel mnimo de produo pelo menos
uma das mquinas deve operar. Voc diria que a empresa corre o risco de no cumprir com suas metas de
produo?
Para obter o nvel mnimo de produo diria, precisamos ter pelo menos uma mquina operando.
Isto corresponde ocorrncia do evento:
P(pelo menos uma mquina operando) = P((O1O2) U (O1O2
c
) U (O1
c
O2))
= P(O1O2) + P(O1O2
c
) + P(O1
c
O2))
= 0,855 + 0,095 + 0,045 = 0,995.
ou
P(pelo menos uma mquina operando) = 1 P(O1
c
O2
c
) = 1 - 0,005 = 0,995.
Portanto, a empresa tem alta probabilidade de cumprir com suas metas de produo.










Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 49

Exerccios Diversos

- Distribuio de freqncias

1) O valor mdio de comercializao da saca de milho de 60 quilos na bolsa de Cereais apresentado
abaixo, em reais, para os ltimos 40 meses.
6,1 6,2 6,7 6,5 6,9 6,3 7,4 7,6 7,7 7,6
7,3 7,7 7,6 7,4 7,2 7,2 7,3 7,6 7,5 7,4
7,5 7,7 8,2 8,3 8,1 8,1 8,1 7,9 7,8 7,4
7,5 7,6 7,5 7,6 7,4 7,3 7,4 7,5 7,5 7,4
a) Agrupe os dados em intervalos de amplitude igual a 0,4, iniciando a primeira classe com o valor 6,0.
Em seguida, calcule as freqncias estudadas.
b) Qual o nmero de sacas de milho com valor mdio entre 7,2 e 8,4 reais?
c) Qual a porcentagem de sacas de milho com valor mdio inferior a 8,0 reais?
d) Qual a porcentagem de sacas de milho com valor mdio entre 6,4 e 6,8 reais?
e) Qual o nmero de sacas de milho com valor mdio entre 6,4 e 6,8 reais?

2) Vinte alunos registraram o tempo que eles passaram estudando para uma prova. Os tempos, em
horas, foram: 15,12, 13, 21, 18, 11, 4, 16, 12, 15, 9, 15, 18, 14, 15, 9, 6, 12, 11, 2.
Agrupe os dados em intervalos de amplitude igual a cinco, iniciando a primeira classe com a nota zero. Em
seguida, construa uma tabela com a distribuio de freqncias a partir destes dados, apresentando todas as
freqncias estudadas. Apresente os resultados em uma tabela conforme estudamos, ou seja, com ttulo,
cabealho e corpo. Interprete os dados

3) Os resultados de uma pesquisa de idade de alunos da escola que atende alunos do ensino mdio e
EJA (Educao de Jovens e Adultos) so apresentados a seguir:
28 25 70 18 50 64 38 18 36 19
33 36 20 18 38 72 23 35 53 22
22 46 65 20 18 21 58 25 62 20
31 59 24 42 27 28 40 21 29 20
24 23 16 38 27 23 51 23 74 22
36 29 30 17 34 18 37 32 33 27
37 43 31 21 26 17 15 30 33 31
26 45 47 42 41 19 44 40 22 41
21 45 27 23 52 19 54 16 21 17
33 53 61 25 21 68 21 23 19 33

Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 50

Outro dado retornado na pesquisa refere-se a uma avaliao geral da escola. Os dados foram os
seguintes:
O B O O B R B O B B B O B B B B B R O B
B P O B B O O B P O B B B B O B O B O O
O B B B R B O O O B B O O B R B B B P B
B R O B O O O B O B R B B B B B R B B B
B O B P O B B B R O O O O P B B O O O B
Legenda: O= tima; B= Boa; R= Regular e P= Pssima

Organize e apresente estes dados de forma clara para que se possa tomar decises. Para tal, construa
tabelas com a distribuio de freqncias a partir destes dados.

4) Os dados a seguir referem-se ao tempo, em anos, que trinta computadores levaram para apresentar a
primeira falha grave:
8,13 8,23 8,60 8,80 8,97 9,05 9,12 9,30 9,35 9,78
9,80 9,86 9,90 9,95 10,00 10,11 10,13 10,15 10,16 10,23
10,31 10,33 10,40 10,46 10,50 11,14 11,29 11,46 12,05 12,14

Agrupe os dados em intervalos de amplitude igual a um, iniciando a primeira classe com o tempo igual a
oito. Em seguida, construa um histograma para os dados agrupados.

- Grficos

5) Construa os grficos adequados para as seguintes tabelas e interprete os resultados.
a) Tabela 1: Gnero e nmero de qualificaes ps-segundo grau possudas por alunos do curso de
Administrao
Num. Qualificaes
Homens Mulheres Total ps-segundo grau
1 3 7 10
2 6 4 10
3 5 6 11
4 1 2 3
5 0 2 2
Total 15 21 36

B) Tabela 2: Produo brasileira de petrleo
Anos Qtde. (1000 m3)
1991 36.180
1992 36.410
1993 37.164

Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 51



C) Tabela 3: Proporo dos domiclios por condio de ocupao
Anos Prprios(%) Alugados(%) Cedidos(%)
1990 62,7 22,9 14,4
1991 70,3 16,5 13,2

6) Interprete, detalhadamente, o seguinte grfico:


7) Acidentes custam R$ 5,3 bilhes por ano
Os custos totais dos acidentes de trnsito nas reas urbanas do pas somam R$ 5,3 bilhes por ano.
S o afastamento temporrio ou definitivo do trabalho - a perda de produo - significa 42,8% desse total.
Os custos com os veculos representam 28,8%, e o atendimento mdico-hospitalar e a reabilitao, 14,5%.
Fonte: "Folha de So Paulo", 1(0). 06.03, p. C1 (adaptado).
De acordo com os dados do grfico por setores, o custo relativo perda de produo devido a
acidentes de trnsito, nas reas urbanas do pas, em bilhes de reais, foi, aproximadamente,
a) 2,32 | b) 2,30 | c) 2,28 | d) 2,24 | e) 2,23

Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 52



8) (Ufscar 2001) Num curso de iniciao informtica, a distribuio das idades dos alunos, segundo o
sexo, dada pelo grfico seguinte. Com base nos dados do grfico, pode-se afirmar que:

a) o nmero de meninas com, no mximo, 16 anos maior que o nmero de meninos nesse mesmo intervalo
de idades.
b) o nmero total de alunos 19.
c) a mdia de idade das meninas 15 anos.
d) o nmero de meninos igual ao nmero de meninas.
e) o nmero de meninos com idade maior que 15 anos maior que o nmero de meninas nesse mesmo
intervalo de idades.

9) Comente detalhadamente os resultados apresentados na Figura seguinte. Quais podem ser os
problemas de comparar esses tipos de valores dessa maneira?
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 53



10) Na linha de produo de um componente mecnico, a temperatura foi avaliada periodicamente no
intervalo das 12h s 18h. Os dados amostrais so apresentados no grfico de disperso abaixo. Interprete-o.


11) O grfico abaixo representa a taxa de desemprego na grande So Paulo, medida nos meses de abril,
segundo o Dieese: CartaCapital, 05 de jun. de 2002. Ano VIII, n(0). 192. Analisando o grfico, podemos
afirmar que a maior variao na taxa de desemprego na Grande So Paulo ocorreu no perodo de


a) abril de 1985 a abril de 1986.
b) abril de 1995 a abril de 1996.
c) abril de 1997 a abril de 1998.
d) abril de 2001 a abril de 2002.



Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 54

12) A tabela abaixo contm as informaes sobre o controle de qualidade das peas produzidas por trs
mquinas diferentes. Foi denotado (A) para as peas aprovadas no controle e (N) para as no-aprovadas.
Construa um grfico apropriado para este conjunto de dados, de modo que seja possvel a comparao entre
as trs mquinas. Interprete.
Mquina 1 Mquina 2 Mquina 3
A
N A
N
N A
A
A A
A
A A
A
A A
N
A A
A
N A
N
A A
N
A A
A
A A
N
A A
N
A A

- Medidas-Resumo

13) Os dados abaixo so referentes velocidade de sete carros esportivos, em milhas por hora (Fonte:
Motor Trend).
187,3 181,8 180,0 169,3 162,2 158,1 155,7
a) Determine a mdia, a mediana, a moda e o desvio padro dos dados. Interprete.
b) Calcule C
30
. Interprete.

14) Uma empresa de informtica possui 10 vendedores e cada um deles trabalha com diferentes cargas
horrias. As cargas horrias dos vendedores so dadas abaixo:
5 4 8 8 7 6 6 8 8 12
a) Calcule a mdia, a mediana, a moda e desvio padro das cargas horrias desses vendedores.
b) Os 30% dos vendedores com maior carga horria, trabalham no mnimo quantas horas?

15) Uma pesquisa sobre a idade (em anos), de uma classe de calouros do curso de Mecatrnica de certa
faculdade, revelou os seguintes valores:
17 17 17 18 18 18 18 18 18 18
18 18 18 18 18 18 18 18 18 18
18 19 19 19 19 19 19 19 19 19
19 19 19 19 19 19 19 19 20 20
20 20 20 20 20 20 21 21 21 21
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 55

a) Agrupe os dados sem intervalos de classe e em seguida determine a mdia, a mediana, a moda e desvio
padro das idades. Interprete.
b) Calcule C
25
para os dados agrupados. Interprete.

16) Uma empresa de computadores selecionou ao acaso, uma amostra de 40 revendedores autorizados em
todo o Brasil e anotou em determinado ms o nmero de unidades vendidas por estes revendedores e obteve
os seguintes dados:
6 7 9 10 12 14 15 15 15 16
16 17 18 18 18 18 19 19 20 20
20 20 21 21 21 22 22 23 24 25
25 26 26 28 28 30 32 32 35 39
Agrupe os dados e em seguida determine mdia, a mediana, a moda e desvio padro. Interprete.

17) Voc est indeciso em comprar uma televiso e decide avaliar algumas informaes estatsticas,
fornecidas pelos fabricantes, sobre a durao (em horas) do tubo de imagem. Avaliando essas informaes
(dispostas na tabela seguinte), com que marca voc ficaria? Justifique.
Marca da TV GA FB HW
Mdia 8000 8200 8000
Mediana 8000 9000 7000
Desvio-Padro 600 1500 2500

18) Os dados abaixo representam a satisfao de uma amostra de clientes em relao ao atendimento ao
usurio em trs estabelecimentos diferentes (A, B e C):

Estabelecimento A


Estabelecimento B

Estabelecimento C
Satisfao do
Cliente

f
i


Satisfao do
Cliente

f
i


Satisfao do
Cliente

f
i


0 2
2 4
4 6
6 8
8 10
2
4
9
15
7
0 2
2 4
4 6
6 8
8 10
5
8
11
8
5
0 2
2 4
4 6
6 8
8 10
7
12
9
5
4
a) Calcular a mdia, mediana, moda e desvio padro para cada estabelecimento.
b) Calcule o percentil 25 para cada estabelecimento.
c) Compare os resultados
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 56

19) Considere o seguinte grfico:

Para o perodo de 1995 a 2001, calcule:
a) A mdia. Interprete.
b) A mediana. Interprete.
c) O desvio-padro. Interprete.

20) Num curso de iniciao informtica, a distribuio das idades dos alunos, segundo o sexo, dada
pelo grfico seguinte.

Com base nos dados do grfico, responda:
a) Qual a mdia de idade das meninas e dos meninos?
b) Qual a mdia de idade dos alunos?
c) Qual o valor modal das idades dos alunos? Interprete.

21) Determine mdia, mediana e moda nos seguintes casos
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 57


a)


b)
xi 4 6 1 2 10 8 9

c)
xi 1 2 3 4 5 6
fi 2 4 6 8 3 1

d)
xi 2 4 6 8 10
fi 3 7 12 8 4

e)
Valores fi
450 |- 550 8
550 |- 650 10
650 |- 750 11
750 |- 850 16
850 |- 950 13
950 |- 1050 5
1050 |- 1150 1

- Probabilidade

22) No lanamento de uma moeda, qual a probabilidade de se obter cara?

23) No lanamento de um dado honesto, quais as probabilidades de:
a) Obter um nmero mpar na face superior?
b) Obter face maior que 1?
c) Obter a face 5?

24) No lanamento simultneo de dois dados honestos, qual a probabilidade de se obter a somas das
faces igual a 5?

25) Retiram-se, com reposio, duas cartas de um baralho de 52 cartas. Qual a probabilidade de que
sejam ambas de paus.

26) Uma loja dispe de 12 geladeiras do mesmo tipo, 4 apresentam defeitos. Se um fregus vai comprar
duas geladeiras qual a probabilidade de levar duas defeituosas?
xi 2 3 10 10 6 8
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 58


27) Em uma caixa de 8 lmpadas, 3 so defeituosas. So retiradas duas lmpadas sem reposio calcule:
a) A probabilidade de ambas serem boas
b) A probabilidade de ambas serem defeituosas
c) A probabilidade de pelo menos uma ser boa

28) Foi feita uma pesquisa sobre as atitudes de pessoas em relao ao estacionamento no centro da cidade
e alguns dos resultados so apresentados em uma tabela cruzada, a seguir. Os participantes somente podiam
escolher uma opo.

Sexo dos participantes

Masculino Feminino
Deseja mais estacionamento gratuito 23 10
Deseja menos estacionamento gratuito 12 16
Deseja um esquema de estacionamento pago 7 5
Deseja mais vias para nibus/motos 18 9
Baseando-se nesses resultados da pesquisa, encontre a probabilidade de que algum escolhido
aleatoriamente:
a) Deseje mais vias para nibus/bicicletas.
b) Seja mulher e deseje mais estacionamento gratuito.
c) Deseje menos estacionamento gratuito, dado que homem.
d) Tratando homens e mulheres como dois grupos separados, calcule a porcentagem que cai em
cada uma das respostas. Utilize seus resultados para comentar se parece haver diferenas de atitude entre os
homens e as mulheres na amostra.

29) Uma universidade tem 10 mil alunos dos quais 4 mil so considerados esportistas. Temos ainda que
500 alunos so do curso de administrao diurno, 700 de administrao noturno. 100 alunos so esportistas e
da administrao diurno e 200 so esportistas e da administrao noturno. Um aluno escolhido ao acaso e
pergunta-se a probabilidade de:
Dica: A construo de uma tabela cruzada com as informaes dispostas no enunciado auxilia a
resoluo deste exerccio.
a) ser esportista;
b) Ser esportista e aluno da administrao noturno;
c) No ser da administrao;
d) Ser esportista ou aluno da administrao;

Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 59

30) A tabela abaixo apresenta o nmero de cooperativas autorizadas a funcionar de acordo com o
tipo e estados, junho de 2000.
ESTADO TIPOS DE COOPERATIVA TOTAL
Consumidor Produtor Escola Outras
So Paulo 214 237 78 119 648
Paran 50 102 126 22 300
Rio Grande do Sul 111 304 139 48 602
TOTAL 375 643 343 189 1550
Se uma cooperativa selecionada ao acaso, calcule a probabilidade dela ser:
a) Do estado de So Paulo;
b) Do estado de Rio Grande do Sul e ser do tipo Escola;
c) Do tipo Consumidor e do estado do Paran;
d) Do tipo Produtor, dado que do estado do Paran;
e) Sabendo que a cooperativa sorteada do tipo Outras, qual a probabilidade desta cooperativa ser do
estado de So Paulo.
f) Do Estado do Rio Grande do Sul ou ser do tipo Produtor.

Algumas Respostas

1) a)









b) 18+11+5 = 34 sacas de milho
c) 0,875*100 = 87,5%
d) 0,05*100 = 5%
Valor mdio (R$) Fi Fi Ri Ri
6,0 |- 6,4 3 3 0,075 0,075
6,4 |- 6,8 2 5 0,05 0,125
6,8 |- 7,2 1 6 0,025 0,15
7,2 |- 7,6 18 24 0,45 0,6
7,6 |- 8,0 11 35 0,275 0,875
8,0 |- 8,4 5 40 0,125 1
Total 40

1
Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 60

e) 2
13) a)

x = 170,63 Md = 169,3 Amodal s = 12,54


14) a)

x = 7,2 Md = 7,5 Mo = 8 s = 2,20


15) a)

x = 18,84 Md = 19 Mo =18 s = 1,04


16)

x = 20,55 Md = 20 Bimodal =18 e 20 s = 7,28


17) As mdia so similares. A Mediana de FB mais alta, o que um fator positivo. Por outro lado, HW tem
a menor mediana e, portanto, essa marca deve ser desconsiderada. Notemos que o desvio-padro de FB
duas vezes e meia maior do que o GA. Como GA tem mediana no muito baixa e pouca variabilidade,
parece ser a melhor opo. Portanto, recomendamos comprar a marca GA.
18) a) A

x = 6,14 Md = 6,47 Mo = 7 s = 2,19


B

x = 5 Md = 5 Mo = 5 s = 2,49
C

x = 4,30 Md = 3,92 Mo = 3 s = 2,50


19) a)

x = 49,71; b) md = 54,7; c) s = 28,52
20) a) meninas x

=16,5 e meninos x

=15,9; b) alunos x

=16,2; c) Bimodal, mo= 16 e 17


21) a) 5 , 6 = x , md = 7 e mo = 10.
b) 71 , 5 = x , md = 6 e no existe um valor modal.
c) 4 , 3 = x , md = 3,5 e mo = 4.
d) 18 , 6 = x , md = 6 e mo = 6.
e) 69 , 754 = x , md=769 e mo=800
22) 1/2
23) a) 1/2; b) 5/6; c)1/6
24) 1/9
25) 1/16
26) 1/11
27) a) 5/14; b) 3/28; c) 25/28
28) a)
( )
100
27
= A P
; b)
( )
100
10
= B P
; c)
( )
60
12
= B P

29) a)
( )
10000
4000
) (
) (
=
O
=
n
E n
E P
; b)
( )
10000
200
) (
) (
=
O

=
n
N E n
N E P
; c)
( )
10000
8800
) (
) (
=
O
=
n
O n
O P

Disciplina Estatstica
Professora Camila Pedrozo Rodrigues Furlan / e-mail: furlancamila@hotmail.com Pgina 61

d)
( )
10000
4900
10000
300
10000
1200
10000
4000
) ( ) ( ) ( = + = + = A E P A P E P A E P

30) a)
( )
1550
648
) (
) (
=
O
=
n
SP n
SP P

b)
1550
139
) (
) (
) ( =
O

=
n
E RS n
E RS P

c)
1550
50
) (
) (
) ( =
O

=
n
PR C n
PR C P

d)
300
102
) (
) (
) | ( =

=
PR n
PR P n
PR P P

e)
189
119
) (
) (
) | ( =

=
O n
O SP n
O SP P

f) ) ( ) ( ) ( ) ( P RS P P P RS P P RS P + =
1550
941
=














Bibliografia
BUSSAB, W. O. e MORETTIN, P. A. Estatstica Bsica. 5 Ed. So Paulo: Saraiva, 2003.
CRESPO, A. A. Estatstica Fcil. So Paulo: Saraiva., 2002.
MAGALHES, M.N. e LIMA, A.C.P. Noes de Probabilidade e Estatstica. 6 Ed. So Paulo:
Edusp, 2007.
SMAILES, J. e McGrane, A. Estatstica aplicada Administrao com Excel. So Paulo: Atlas,
2006.

Alguns textos, exerccios e grficos deste documento foram retirados da internet..

Vous aimerez peut-être aussi