1

ESTATSTICA IV















Prof Raquel Andrade Rebelo




2

ESTATSTICA

O QUE ESTATSTICA?

O nome Estatstica surgiu da palavra latina status referindo-se ao Estado -
organizao poltica e administrativa. A prpria raiz da palavra deixa isso claro:
status (lat.), de onde se originaram estado, estadista, Estatstica (port.). Segundo
Achenwall refere-se cincia das coisas que pertencem ao Estado.

Um pouco da histria da Estatstica....
5000 AC Registros egpcios de presos de guerra
2000 AC Censo Chins
695 Primeira utilizao da mdia ponderada pelos rabes na
contagem de moedas
1654 Pierre de Fermat e Blaise Pascal estabelecem os Princpios do
Clculo das Probabilidades
1930 Controle de Qualidade nas Indstrias
1959 Estudo retrospectivo de doenas (Mantrel & Haenszel).
http://www.redeabe.org.br/historia.htm

1.1. ESTATSTICA

No desenvolvimento cientfico e em nosso prprio dia-a-dia estamos sempre
fazendo observaes de fenmeno, gerando dados. Os engenheiros esto
frequentemente analisando dados de propriedades dos materiais. Ao ler jornais e
revistas, estamos vendo resultados estatsticos de dados do censo demogrfico, de
pesquisas, etc.
A estatstica envolve tcnicas para coletar, organizar, descrever, analisar e
interpretar dados, ou provenientes de experimentos, ou vindos de estudos
observacionais. As tabelas tornaram-se mais completas, surgiram s representaes
grficas, os 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).
Com base no desenvolvimento das teorias das probabilidades, verificou-se que a
estatstica poderia ser utilizada para tirar concluses e tomar decises baseadas na
anlise de dados.
Qualquer que seja a rea, sempre existe questes que remetem fatos e questes
que remetem a dados. Na rea da Administrao, por exemplo, os gerentes precisam
apresentar e descrever informaes de forma adequada. Na engenharia, por sua vez,
as generalizaes de amostras para populaes de onde foram extradas, so
fundamentais na resoluo de problemas de engenharia e nos processos de tomada de
decises.
Embora os mtodos estatsticos descritivos sejam importantes para a
apresentao e a caracterizao de dados, foi o desenvolvimento de mtodos
estatsticos de inferncia, como um produto da teoria de probabilidade, que levou
ampla aplicao da estatstica em todos os campos de pesquisa atuais.
Por exemplo, como se comparam preos de determinados produtos, como se
distribuem as rendas familiares de uma determinada cidade. Os gerentes precisam
3

saber como tirar concluses a partir de grandes populaes com base somente em
informaes obtida de amostras.

1.2. ESTATSTICA NA ENGENHARIA

Logo aps a revoluo industrial, mtodos estatsticos foram incorporados nos
processos industriais para garantir a qualidade dos produtos. Amostras de itens
produzidos eram avaliadas sistematicamente para inferir se o processo estava sobre
controle. Mais recentemente (principalmente dos anos 70 em diante), a avaliao da
qualidade passou a ser feita ao longo de todo o processo produtivo como forma de
corrigir eventuais falhas no sistema assim que elas se aparecessem. Isto levou um
aumento da qualidade do produto final acompanhado de reduo de custos, pois
reduziu drasticamente as perdas por defeitos.
Os mtodos de engenharia costumam incorporar intrinsecamente
procedimentos probabilsticos ou estatsticos. Desta forma para que o aluno possa
entender certos mtodos estatsticos de engenharia necessrio que ele tenha
conhecimentos de probabilidade e estatstica.


1. CONCEITOS BSICOS

- Populao - o conjunto de elementos (pessoas, coisas, objetos) que tm
em comum uma caracterstica em estudo. A populao pode ser:

i. Finita: quando apresenta um nmero limitado de indivduos.
Ex.1 a populao constituda por todos os parafusos produzidos
em uma fbrica em um dia.
Ex. 2 nascimento de crianas em um dia em Blumenau.

ii. Infinita: quando o nmero de observaes for infinito.
Ex. a populao constituda de todos os resultados (cara e coroa)
em sucessivos lances de uma moeda.

- Amostra - o conjunto de elementos retirados da populao,
suficientemente representativos dessa populao. Atravs da anlise dessa
amostra estaremos aptos para analisar os resultados da mesma forma que se
estudssemos toda a populao.


Obs. A amostra sempre finita. Quanto maior for a amostra mais significativa
o estudo.

- Parmetro - uma caracterstica numrica estabelecida para toda uma
populao.

- Estimador - uma caracterstica numrica estabelecida para uma amostra.

- Dado Estatstico - sempre um nmero real.

4

a- Primitivo ou Bruto: aquele que no sofreu nenhuma transformao
matemtica. Nmero direto.
b- Elaborado ou secundrio: aquele que sofreu transformao
matemtica. Ex. porcentagem, mdia, etc.

2. ARREDONDAMENTO DE DADOS

Muitas vezes, necessrio ou conveniente suprimir unidades inferiores s de
determinada ordem. Esta tcnica denominada arredondamento de dados. De acordo
com a resoluo 886/66 da Fundao IBGE, o arredondamento feito da seguinte
maneira:

- Quando o primeiro algarismo aps aquele que vai ser arredondado for 0, 1,
2, 3 e 4 despreza-se este algarismo e conserva-se o anterior.

Exemplo: 5,733958 = 5,73; 78,846970 = 78,8.

- Quando o primeiro algarismo aps aquele que vai ser arredondado for 5, 6,
7, 8 e 9 aumentamos uma unidade no algarismo anterior.

Exemplo: 5,735958 = 5,74; 78,886970 = 78,9.


- Quando o 1. algarismo a ser abandonado dor 5, h duas solues:
1) Caso o 5 vier seguido de algum n. distinto de zero aumenta-se uma
unidade ao ltimo algarismo a permanecer.
Ex.: 12,3453= 2,6351= 2,502=

2) Caso o 5 vier seguido s de zeros, o ltimo algarismo a ser conservado s
ser aumentado se for mpar.
Ex.: 32,150= 32,25= 31,4500=

ATIVIDADES
1) Arredondar para a unidade:
a) 6,0= h) 7,50=
b) 12,3= i) 15,8=
c) 20,7= j) 19,6=
d) 12,50= l) 89,502=
e) 212,1= m) 99,50=
f) 3,40= n) 8,503=
g) 23,07=

2) Arredondar para dcimos:
a) 48,23= h) 7,60=
b) 132,47= i) 15,3452=
c) 20,75= j) 2,68=
d) 13,45= l) 45,444=
e) 3,142= m) 3,25=
f) 3,42= n)27,2502=
g) 34,99=
5

3. DIVISO DA ESTATSTICA

Podemos dividir a Estatstica em duas reas:

- Estatstica Descritiva parte da Estatstica que tem por objetivo
descrever os dados observados e na sua funo dos dados, tem as
seguintes atribuies.

i. A obteno ou coleta de dados normalmente feita atravs de
um questionrio ou de observao direta de uma populao ou
amostra.
ii. A organizao dos dados consiste na ordenao e crtica
quanto correo dos valores observados, falhas humanas,
omisses, abandono de dados duvidosos.
iii. A representao dos dados os dados estatsticos podem ser
mais facilmente compreendidos quando apresentados atravs de
tabelas e grficos, que permite uma visualizao instantnea de
todos os dados.
- Estatstica Indutiva parte da Estatstica que tem por objetivo obter e
generalizar concluses para a populao a partir de uma amostra, atravs
do clculo de probabilidade. A tais concluses esto sempre associados a
um grau de incerteza e consequentemente, a uma probabilidade de erro.

4. VARIVEIS

Uma varivel qualquer caracterstica de um elemento observado
(pessoa, objeto ou animal).
Algumas variveis, como sexo e designao de emprego, simplesmente
enquadram os indivduos em categorias. Outras, como altura e renda anual, tomam
valores numricos com os quais podemos fazer clculos.

Os exemplos acima nos dizem que uma varivel pode ser:

a Qualitativa: quando seus valores so expressos por atributos: sexo
(masculino feminino), cor da pele (branca, preta, amarela, vermelha);

b Quantitativa: quando seus valores so expressos em nmeros (salrios dos
operrios, idade dos alunos de uma escola, nmero de filhos, etc.). Uma varivel
quantitativa que pode assumir, teoricamente, qualquer valor entre dois limites recebe o
nome de varivel contnua (altura, peso, etc.); uma varivel que s pode assumir
valores pertencentes a um conjunto enumervel recebe o nome de varivel discreta
(nmero de filhos, nmero de vitrias).

Exerccios

1. Classifique as variveis abaixo:
(a) Tempo para fazer um teste.
(b) Nmero de alunos aprovados por turma.
(c) Nvel scio-econmico
(d) QI (Quociente de inteligncia).
6

(e) Sexo
(f) Gastos com alimentao.
(g) Opinio com relao pena de morte
(h) Religio
(i) Valor de um imvel
(j) Conceitos em certa disciplina
(k) Classificao em um concurso.

2. Identifique e classifique as variveis:
a) Tabela de cdigos de declarao de bens e direitos de imveis: 11
Apartamento; 12 - Casas; 13 Terrenos; 14 Terra nua; 15 Salas ou lojas; 16
Construo; 17 Benfeitorias; 19 Outras; (Declarao de Ajuste Anual,
Instrues de Preenchimento, Imposto de Renda, Pessoa Fsica, 1999)
b) O euro comea a circular com 13 bilhes de notas em sete valores(5, 10, 20, 50,
100, 200 e 500)...A cunhagem de 75 bilhes de moedas de 1 e 2 euros e de 1, 2,
5, 10, 20 e 50 centavos de euro implicar uma troca completa de mquinas e
equipamentos de venda de jornais,caf e refrigerantes. (Revista poca, Ano 1,
n 33 , 4/1/1999)
c) Em sete deliciosos sabores: tangerina, Laranja, maracuj, lima-limo,
carambola, abacaxi e ma verde. ( Anncio de um preparado slido artificial
para refresco)
d) A partir de 1999, as declaraes de Imposto de Renda dos contribuintes com
patrimnio de at R$ 20 mil podero ser feitas por telefone. (Revista poca,
ano 1, n 33, 4/1/1999)
e) Quantidade de sabores de refresco consumida em determinado estabelecimento
no fim de semana;
f) Em 28 de dezembro de 1998, a Folha de S. Paulo publicou a classificao dos
prefeitos de nove capitais brasileiras. As notas, em uma escala de 0 a 10, foram
as seguintes: Curitiba 6,7; Recife, 6,5; Porto Alegre, 6,4; Florianpolis, 6,4;
Salvador, 6,3; Fortaleza, 5,5; Belo Horizonte, 5,4; Rio de Janeiro, 5,4 e So
Paulo,3,4.

3. O Departamento do Comrcio declarou ter recebido os seguintes formulrios de
inscrio para o Prmio de Qualidade Nacional MB: 23 de grandes empresas de
manufatura, 18 de grandes empresas de servios e 30 de pequenas empresas de
negcios.
a) O tipo de negcio uma varivel qualitativa ou quantitativa?
b) Que porcentagem de formulrios foi entregue pelas pequenas empresas?

4. Declare se cada uma das seguintes variveis qualitativa ou quantitativa:
a) vendas anuais;
b) tamanho dos refrigerantes (p, m, g);
c) classificao dos empregados (GS1 at GS18);
d) ganhos por ao;
e) mtodo de pagamento ( vista, com cheque, com carto).

5. A Casa Columbia fornece CDs, fitas e gravaes para os membros de seu clube
de compra via mala-direta. Uma pesquisa sobre msica da Casa Columbia
solicitava aos novos membros do clube que completassem um levantamento de
11 questes, as quais seguem:
7

a) quantos lbuns (CDs, fitas ou discos) voc comprou nos ltimos 12 meses?
b) Voc membro de algum clube nacional de compra de livros de mala-direta?
(Sim/No)
c) Qual sua idade?
d) Incluindo voc, quantas pessoas existem em sua famlia?
e) Que tipo de msica voc est interessado em comprar? (15 categorias eram
listadas)


5. APRESENTAO DE DADOS ESTATSTICOS


5.1 APRESENTAO TABULAR

A apresentao de dados estatsticos na forma tabular consiste na reunio ou
grupamento dos dados em tabelas ou quadros com a finalidade de apresenta-los de
modo ordenado, simples e de fcil percepo e com economia de espao.


- Componentes Bsicos
Em termos genricos, uma tabela se compe dos seguintes elementos
bsicos:
Ttulo
Cabealho

Indicadora

de

Coluna
C
o
Casa l Linha
u
n
a

Rodap


Exemplo:
Tabela 1 - Desempenho de 43 Funcionrios da Empresa A
no Curso de Aperfeioamento-Blumenau-2012

Desempenho N. de Funcionrios

Pssimo 5
Regular 12
Bom 20
timo 6

Total 43

Fonte: Empresa A
8

- Principais Elementos de uma Tabela

a)TTULO- designao que se coloca acima da tabela e/ou srie
indicando a natureza, o local e a poca do fato, respondendo s perguntas: O
qu? Onde? Quando?
b)CORPO- conjunto de linhas e colunas respectivamente horizontal e
vertical que contm as informaes. O encontro de uma linha com uma coluna
chama-se casa.
c)CABEALHO- a parte superior da tabela (1. linha) que especifica as
colunas.
d)COLUNA INDICADORA- a 1. coluna que especifica as linhas.
e)ELEMENTOS COMPLEMENTARES- (no rodap) colocados no
espao abaixo da tabela/srie.
I-Fonte- a indicao da entidade responsvel pelo fornecimento dos
dados ou sua elaborao.
II-Notas- so informaes de natureza geral identificadas por algarismos
romanos.
III-Chamadas- so informaes de natureza especfica identificadas por
algarismos arbicos, entre parnteses, escritos no corpo da tabela esquerda
das casas e a direita da coluna indicadora.


6. SRIES ESTATSTICAS

Toda srie uma tabela, mas nem toda tabela uma srie pois esta exige
homogeneidade, classificao, critrio de modalidade segundo: espcie, local
ou poca.
As sries estatsticas representam um conjunto de informaes ou
observaes atravs do tempo ou dentro de um determinado espao ou ainda,
em relao a um fenmeno.

Srie um conjunto de n. associados a fenmenos dispostos em
correspondncia com critrio de modalidade, ou seja, apresenta a distribuio de
um conjunto de dados estatsticos em funo da poca, local ou espcie.

REGRAS DE APRESENTAO DA TABELA/SRIE

a) Toda tabela/srie deve ser clara, simples e completa dispensando a
consulta ao texto.
b) As tabelas/sries no so fechadas nas laterais.
c) As tabelas/sries so fechadas em cima e embaixo com traos
horizontais mais grossos.
d) Uma casa nunca deve ficar em branco.
e) Para englobar vrias especificaes usamos outros.

SINAIS PARA PREENCHIMENTO DE UMA CASA EM
BRANCO

- Valor Nulo
. . . Dado no Pesquisado, Desconhecido
9

? Dado Duvidoso
! Dado Absurdo
- Valor Provisrio
0; 0,0; 0,00 quando o valor for menor que a metade da unidade ou da frao
decimal adotada.

DATA DA REFERNCIA DOS DADOS

a) Indicar sempre a data do fenmeno estudado.
b) No pontuar no fim da data.
c) Os meses so observados pelas trs primeiras letras, exceto maio que
escreve-se por extenso.
d) Srie de anos consecutivos; Ex.: 1890-990 (quando diferem os sculos);
1987-92 (quando for do mesmo sculo).
e) Srie de anos no consecutivos. Ex.: 1989-1998

A Srie Estatstica toda tabela que apresenta a distribuio de um
conjunto de dados estatsticos em funo de trs elementos:
a. Da poca;
b. Do local;
c. Da espcie.

Esses elementos determinam o surgimento de quatro tipos fundamentais de
sries estatsticas:

- Sries Temporais ou Cronolgicas: so aquelas nas quais os dados so
reunidos segundo o tempo que varia, permanecendo fixos o local e a
espcie.


Exemplo: Tabela 1 - Produo de Fertilizantes Fosfatados
Brasil 1985 89

Anos Quantidade(t)

1985 3.570.115
1986 4.504.201
1987 5.448.835
1988 4.373.226
1989 4.024.813

Fonte: Associao Nacional de Corretivos Agrcolas



- Sries Geogrficas: so aquelas nas quais os dados so reunidos segundo
o local que varia permanecendo fixos o tempo e a espcie.



10

Exemplo: Tabela 2 - Produo de parafusos (t) em diversas filiais da Indstria
X Brasil - 2000
Regies Quantidade

Nordeste 512900
Sudeste 299585
Norte 148818
Centro Oeste 124791
Sul 105371

Total 1191465

Fonte : Indstria X.
.
- Sries Especficas: so aquelas nas quais os dados so reunidos segundo
o espcie que varia permanecendo fixos o tempo e o local.

Exemplo: Tabela 3 - Investimentos realizados pela
Empresa T- Indaial 2011

Espcie N.

Pregos 58.889
Fechaduras 5.888
Portas 23

Fonte: Setor de Produo.




- Sries Composta ou Mista: a combinao de dois ou mais fundamentais
de sries estatsticas.
Exemplo: Geogrfica Temporal.

Tabela 4 - Evoluo do transporte de carga martima nas 4 principais bacias
brasileiras -1998 2000
Bacias
Anos
1998 1999 2000
Amaznica
Nordeste
Prata
So Francisco
233.768*
16.873
177.705
53.142
324.350
20.272
203.966
48.667
316.557
20.246
201.464
57.948
Fonte Brasil em dados.
* Os dados esto em toneladas.

A apresentao tabular de dados estatsticos normalizada pela resoluo n
886 de 26-10-1966 do Conselho Nacional de Estatstica a fim de uniformizar a
apresentao de dados.

11

EXERCCIOS

Exerccio 1: De acordo com o IBGE (1988), em 1986 ocorreram, em acidentes
de trnsito, 27306 casos de vtimas fatais, assim distribudos: 11712 pedestres,
7116 passageiros e 8478 condutores. Faa uma tabela para apresentar esses
dados.

Exerccio 2: De acordo com o Ministrio dos transportes, em 1998, o tamanho
das malhas de transporte no Brasil , assim distribudo: 320480 km de Rodovias
(estradas municipais no esto includas), 29700 km de Ferrovias (inclui as
linhas de trens urbanos) e 40000 km de Hidrovias (desse total, apenas 8000 km
esto sendo usados de fato). Faa uma tabela para apresentar esses dados.

Exerccio 3 :Organize uma srie estatstica com os dados abaixo:

a) Em 1993 a fbrica A tinha 400 sindicalizados e 800 no
sindicalizados, sendo 700 homens e 500 mulheres. Em 1994, havia 600
operrios a mais que no ano anterior, 400 sindicalizados e 800 homens.
Quanto cor, negros e brancos, no 1. ano havia 700 negros, no 2. ano 400 e
no 3. ano 800. Em 1995 os operrios eram 2000 dos quais 1300 do sexo
masculino e 1700 sindicalizados.

b) O diretor da fbrica R de Blumenau, analisando o n. de funcionrios,
deparou-se com os seguintes dados apresentados pelo departamento pessoal
(2005): Turno Matutino: Setor 1: 92 funcionrios [40 homens e 52 mulheres];
Setor 2: 80 funcionrios [37 homens e 43 mulheres]; Setor 3: 76 funcionrios
[35 homens e 41 mulheres] e Setor 4: 25 funcionrios [ 12 homens e 13
mulheres].
Turno Vespertino: Setor 1: 72 funcionrios [30 homens e 42 mulheres];
Setor 2: 54 funcionrios [22 homens e 32 mulheres]; Setor 3: 32 funcionrios
[12 homens e 20 mulheres] e Setor 4: 18 funcionrios [08 homens e 10
mulheres].
Diante destes dados, o diretor resolveu analisar os fatos atravs de uma
srie estatstica. Ento, faa uma srie do n. de funcionrios da fbrica R por
setor e sexo.

c) A fbrica M de Blumenau fez um levantamento da produo de
camisas (com manga e sem manga) na 1. semana do ms de julho e encontrou
os seguintes resultados: 1. dia- 150 camisas sendo 70 com manga e 80 sem
manga; 2. dia- 160 camisas sendo 90 com manga e 70 sem; 3. dia- 190
camisas sendo 100 com manga e 90 sem; 4. dia- 230 camisas sendo 130 com
manga e 100 sem; 5. dia- 260 camisas sendo 150 com manga e 110 sem; 6.
dia- 280 camisas sendo 170 com manga e o restante sem. Fazer uma srie
estatstica que represente estes dados.

d) Uma fbrica de bonecas tem trs linhas de produo. Um
levantamento realizado no final do dia forneceu as seguintes informaes: A
linha A produziu 24 bonecas das quais 6 eram defeituosas; a linha B
produziu 38 das quais 2 eram defeituosas e a linha C produziu 18 das quais
2 eram defeituosas. Apresente estes dados atravs de uma srie estatstica,
12

classificando- Em seguida, calcule o percentual de bonecas defeituosas
produzidas em cada linha de produo. Fornea tambm, o percentual total de
bonecas defeituosas produzidas naquele perodo.

Exerccio 8: Classifique as sries dos exerccios 1 at 3.

7. DISTRIBUIO DE FREQUNCIA

o tipo de srie estatstica na qual permanece constante o fato, o local e a poca.
Os dados so colocados em classes pr-estabelecidas, registrando freqncia.
Divide-se em duas partes:
Distribuio de Frequncia Intervalar (Var. Contnua)
Distribuio de Frequncia Pontual (Var. Discreta)

7.1 Distribuio de Frequncia Intervalar
um mtodo de tabulao dos dados em classes, categorias ou intervalos, onde
teremos uma melhor visualizao e aproveitamento dos dados.


Exemplo:

Tabela 1 - Notas do curso de Cincia da Computao na disciplina de
Programao I de uma dada Faculdade. 2012
Notas N de Estudantes
5 |-- 6 18
6 |-- 7 15
7 |-- 8 12
8 |-- 9 03
9 |--10 02
Fonte: Dados Fictcios

7.2 Elementos Principais:

a) Classe cada um dos intervalos em que os dados so agrupados. Ex: 6 , 8;
8 , 10

b) Limites de classes so os valores extremos de cada classe.

l
i
= limite inferior de uma classe;
L
s
= limite superior de uma classe.

c) Amplitude a diferena entre o maior valor e o menor valor de certo conjunto de
dados. Pode ser referida ao total de dados ou a uma das classes em particular.

- Amplitude Total (A
t
) calculada pela seguinte expresso:

A
t
= X
Max
. (rol) X
Min
.(rol).

- Nmero de classes: N Nc =
13

- Amplitude das classes (h) a relao entre a amplitude total e o nmero de
classes, conforme mostra a expresso a seguir:
Nc
X X
h
rol Mn rol Mx ) .( ) (

= , onde n o nmero de intervalos de classe.

d) Ponto mdio de classe (x
i
) - calculado pela seguinte expresso:
2
s i
i
l L
x
+
=
e) Frequncia absoluta (f
i
) - freqncia absoluta de uma classe de ordem i, o nmero
de dados que pertencem a essa classe.

f) Frequncia relativa (fr
i
) - freqncia relativa de uma classe de ordem i, o quociente
da freqncia absoluta dessa classe (f
i
), pelo total, ou seja,
Total
f
f r
i
i
=
Obs: a soma de todas as frequncias absolutas igual ao total.
g) Frequncia acumulada (Fac
i
) - frequncia acumulada de uma classe de ordem i, a
soma das frequncias at a classe de ordem i.

h) Frequncia relativa acumulada (Fr
i
) - frequncia relativa acumulada de uma classe de
ordem i, a soma das frequncias relativas at a classe de ordem i.

i) Dados Brutos: so dados no organizados.

j) Rol: dados brutos obedecendo a uma ordem.


7.3 ORGANIZAO DE UMA DISTRIBUIO DE FREQUNCIA:

Para organizar um conjunto de dados quantitativos em distribuio de
frequncias, aconselha-se seguir a seguinte orientao:

1
o
Organizar o rol colocar os dados em ordem crescente ou ordem decrescente.
2
o
Calcular (ou adotar) o nmero conveniente de classes o nmero de classe deve
ser escolhido pelo pesquisador, em geral, convm estabelecer de 5 a 15 classes. Existem
algumas frmulas para estabelecer quantas classes devem ser construdas. Nos
usaremos,
N Nc = onde N a quantidade total de observaes.

3
o
Calcular (ou adotar) a amplitude do intervalo de classes conveniente - a
amplitude do intervalo de classes deve ser o mesmo para todas as classes.
Nc
X X
h
rol Mn rol Mx ) .( ) (

= onde Nc o nmero de classes.

4
o
Obter os limites das classes Usualmente as classes so intervalos abertos direita.
Os limites so obtidos fazendo-se.
Limite inferior da 1
a
classe igual ao mnimo do rol, isto ,
li

= X
Min.(rol)

14

Encontram-se os limites das classes, adicionando-se sucessivamente a amplitude do
intervalo de classes aos limites da 1
a
classe.
5
o
Obter as
i
f - contar o nmero de elementos do rol, que pertencem a cada classe.
6
o
Apresentar a distribuio construir uma tabela com ttulo, subttulo, ...

7.4 Distribuio de Frequncia Pontual

uma srie de dados agrupados na qual o nmero de observaes est
relacionados com um ponto real.



Ex.: Tabela 1 - Notas do Aluno "X" na Disciplina de Estatstica 2011
Nota

Alunos
6.3 2
8.4 3
5.3 2
9.5 3
6.5 5
Total 15
Fonte: FURB


Exerccios


1) Tempo (em segundos) gasto funcionrios da rea de produo da empresa X,para
preencher um certo tipo de formulrio:
61 65 43 53 55 51 58 55 59 56
52 53 62 49 68 51 50 67 62 64
53 56 48 50 61 44 64 53 54 55
48 54 57 41 54 71 57 53 46 48
55 46 57 54 48 63 49 55 52 51

a) Construir uma distribuio de frequncias adequada.
b) Interpretar os valores da terceira classe.


2) Abaixo so relacionados s estaturas e os pesos de 25 alunos de Estatstica.


Estaturas Pesos

Construir uma distribuio de frequncias adequada para cada conjunto de dados.
1.71 1.80 1.75 1.73 1.81 58 60 60 62 63
1.90 1.80 1.71 1.74 1.77 80 77 70 82 62
1.63 1.80 1.78 1.84 1.81 55 76 83 50 78
1.83 1.80 1.75 1.79 1.65 79 70 60 76 83
1.72 1.88 1.80 1.66 1.89 77 60 65 71 63
15

3) Uma amostra de 20 operrios de uma companhia apresentou os seguintes salrios
recebidos durante uma certa semana, arredondados para o valor mais prximo e
apresentados em ordem crescente: 140, 140, 140, 140, 140, 140, 140, 140, 155, 155,
165, 165, 180, 180, 190, 200, 205, 225, 230, 240. Construir uma distribuio de
frequncias adequada.



4) Complete os dados que faltam na distribuio de frequncia:
a)
Classes
i
x
i
f
i
Fac
i
fr (%)
0 |-- 2 1 4 ... 4
2 |-- 4 ... 8 ... ...
4 |-- 6 5 ... 30 18
... 7 27 ... 27
8 |-- 10 ... 15 72 ...
10 |-- 12 ... ... 83 ...
... 13 10 93 10
14 |-- 16 ... ... ... 7
TOTAL ... ....

b)
Salrios
i
x
i
f
i
Fac
500 |-- 700 600 8 8
... 800 20 ...
900 |-- 1.100 ... ... 35
1.100 |-- 1.300 ... 5 40
... 1.300 |-- 1.500 1.400 ...
... ... 1 43
1.700 |-- 1.900 1.800 ... ...
Total 44

5) Tabela 1 - Dimetro Externo da Engrenagem
Indstria Y Blumenau out - 2000

Dimetro (mm) f i

1000, 1010 3
1010, 1020 12
1020, 1030 28
1030, 1040 82
1040, 1050 75

Total 200

Fonte: Indstria Y.

Encontrar:
Intervalo: ____________
Classes de freqncia: ___________
Freqncia de classe: ____________
16

Limite inferior: ___________________
Limite superior: ____________________
Limites inferiores: ____________________
Classe modal: ________________________
Frequncia relativa (%): _____________________
Pontos centrais: ____________________________
Frequncia mxima: _______________________
Interpretao da 3 linha: ______________________
Freq. acumulada abaixo de: __________________________
Argumento: ____________________________
Amplitude total: ___________________________


8. GRFICOS ESTATSTICOS

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 e viva do fenmeno em estudo, j que os grficos falam mais rpido
compreenso que as sries.
A representao grfica de um fenmeno deve obedecer a certos requisitos
fundamentais para ser realmente til:
a) Simplicidade o grfico deve ser destitudo de detalhes de importncia
secundria, assim como de traos desnecessrios que possam levar o
observador a uma anlise com erros.
b) Clareza o grfico deve possibilitar uma correta interpretao dos valores
representativos do fenmeno em estudo.
c) Veracidade o grfico deve expressar a verdade sobre o fenmeno em
estudo.


8.1 Tipos de grficos

Histograma: que representa todos os elementos da srie. uma rea formada
por colunas justapostas de maneira contnua, na qual cada classe uma coluna.
No eixo X vo as classes de freqncia (X) e no eixo Y vai a freq.

Exemplo:











Fonte: BBB


17

Ex.:
Tabela 1 - Distribuio de comprimentos de
peas (cm) Indstria T Blumenau - out - 2000
Comprimento
(cm) fi
50|--60 1
60|--70 3
70|--80 6
80|--90 15
90|--100 25
100|--110 20
110|--120 7
120|--130 3
Total 80
Fonte: Indstria T.










a) Polgono de Frequncia: representa o elemento de cada classe. a
representao grfica sob forma poligonal, na qual no eixo X vo os valores centrais
ou mdios (xi) de cada classe (inclusive o anterior e o posterior) e no eixo Y vo as
freq. de classe (fi).







Distribuio de Comprimentos de Peas (cm) -
Indstria T - Blumenau - Out -2000
1
3
6
15
25
20
7
3
0
5
10
15
20
25
30
50|--60 60|--70 70|--80 80|--90 90|--100 100|--110 110|--120 120|--130
cm
n
.

d
e

p
e

a
s
18

Ex:
Tabela 1 - Distribuio de comprimentos de
peas (cm) Indstria T Blumenau - out 2000
Comprimento
(cm) fi
50|--60 1
60|--70 3
70|--80 6
80|--90 15
90|--100 25
100|--110 20
110|--120 7
120|--130 3
Total 80
Fonte: Indstria T.

No polgono de frequncia, deveremos acrescentar, na tabela as colunas
auxiliares referente aos pontos centrais e a frequncia de classes (f)
modificada. Veja:
fi xi
0 45
1 55
3 65
6 75
15 85
25 95
20 105
7 115
3 125
0 135



b) Grfico em linha: um dos mais importantes grficos; representa observaes
feitas ao longo do tempo. Tais conjuntos de dados constituem as chamadas
sries histricas ou temporais.



Distribuio de Comprimentos de
Peas (cm) - Indstria T - Blumenau -
Out - 2000
0
1
3
6
15
25
20
7
3
0 0
10
20
30
45 55 65 75 85 95 105 115 125 135
cm
n
.

d
e

p
e

a
s
Fonte: Indstria T
19

Tabela 1 - Processamento (h) das mquinas A e B Empresa X
1 semana - novembro 2000
processamento
dia A B

1 15 10
2 18 16
3 14 15
4 13 14
5 10 17
6 14 13
Fonte: Empresa X




Processamento (h) das Mquinas
A e B - Empresa X- 1. semana -
novembro -2000
0
5
10
15
20
1 2 3 4 5 6
Dia
h
o
r
a
s
A
B
Fonte:Empresa X




c) Grfico em setores: um grfico construdo no crculo, que dividido em
setores correspondentes aos termos da srie e proporcionais aos valores
numricos dos termos da srie. mais utilizado para sries especficas ou
geogrficas com pequeno nmero de termos e quando se quer salientar a
proporo de cada termo em relao ao todo.




Exemplo:





20

Tabela 1 - Consumo de Borracha na Indstria X Brasil 1.990

Especificao Quantidade (t)

Pneumticos 238.775
Cmaras de Ar 14.086
Correias 4.472
Material de Conserto 19.134
Outros Artefatos 4.647
Total

Fonte: Ministrio da Indstria e do Comrcio.

Preencher utilizando a
auto-soma (Excel)
Consumo de Borracha na
Indstria X - Brasil - 1990
2%
7%
2%
5%
84%
Pneumticos
Cmaras de Ar
Correias
Material de
Conserto
Outros Artef atos
Fonte: Ministrio da Indstria e do Comrcio





d) Grficos em Barras (ou em colunas). a representao de uma srie por meio
de retngulos, dispostos horizontalmente (em barras) ou verticalmente (em
colunas).
Quando em barras, os retngulos tm a mesma altura e os comprimentos so
proporcionais aos respectivos dados.

Quando em colunas, os retngulos tm a mesma base e as alturas so
proporcionais aos respectivos dados.
21

Processamento (h) das mquinas A e B - Empresa X -
1. semana - novembro - 2000
15
18
14
13
10
14
10
16
15
14
17
13
0
5
10
15
20
1 2 3 4 5 6
Dia
H
o
r
a
s
A
B
Fonte: Empresa X



LISTA DE EXERCCIOS




1) Classifique as sries e diga qual o melhor grfico correspondente s
sries:

a) Investimentos Realizados pela Firma Z S.P. 1983 86

Anos R$ (mil)

1.983 80
1.984 120
1.985 150
1.986 200

Total 550

Fonte: Firma Z.









22

b) Movimentos Mensais de Compras
Empresa U Blumenau 1.994

Ms R$ (mil)

Jan 12
Fev 13
Mar 14
Abr 12
Maio 15
Jun 19
Jul 17
Ago 18
Set 14
Out 16
Nov 12
Dez 18

Fonte: Empresa U.

2) Os grficos abaixo apresentam alguns problemas em sua
construo (segundo as normas estatsticas). Descreva, em cada
situao, os erros encontrados:





0
20
40
60
80
100
1
Trim.
2
Trim.
3
Trim.
4
Trim.
Leste
Oeste
Norte
42
43
44
45
46
47
1
Trim.
2
Trim.
3
Trim.
4
Trim.
1 Trim.
2 Trim.
3 Trim.
4 Trim.
Norte
23








.



9. MEDIDAS DESCRITIVAS

Estudaremos dois tipos fundamentais de medidas estatsticas: medidas de
tendncia central e medidas de disperso.
As medidas de tendncia central mostram o valor representativo em torno do
qual os dados tendem a agrupar-se, com maior ou menor frequncia. So utilizadas para
sintetizar em um nico nmero o conjunto de dados observados.
As medidas de disperso mostram o grau de afastamento dos valores observados
em relao quele valor representativo.



0 50 100
1 Trim.
2 Trim.
3 Trim.
4 Trim.
Norte
Oeste
Leste
1 Trim. 2 Trim. 3 Trim. 4 Trim.
30.6
38.6
34.6
31.6
0
10
20
30
40
50
60
70
80
90
100
1 Trim. 2 Trim. 3 Trim. 4 Trim.
Leste
Oeste
Norte
24

9.1 MEDIDAS DE TENDNCIA CENTRAL

A mdia aritmtica simples

A mdia aritmtica simples de um conjunto de valores o valor obtido
somando-se todos eles e dividindo-se o total pelo nmero de valores. denotada por x
(leia-se x barra)
n
X
X

= , onde x so os valores observados.

=
i
i i
f
f X
X
.
, se os dados estiverem organizados em distribuio de frequncia.
Onde X
i
e f
i
so os valores do ponto mdio e da frequncia absoluta da classe i-sima
respectivamente.


Algumas propriedades da mdia:

a) A mdia de um conjunto de nmeros pode sempre ser calculada.
b) Para um dado conjunto de nmeros, a mdia nica.
c) A mdia afetada por todos os valores do conjunto. Assim, se um valor se
modifica, a mdia tambm se modifica.
d) A mdia de uma constante sempre uma constante.

Caractersticas da Mdia quanto importncia, utilidade, vantagens e
desvantagens.
a) descritiva de todos os dados de uma srie e de fcil compreenso.
b) facilmente calculvel.
c) Depende de cada valor da srie e qualquer alterao de um deles altera seu
valor.
d) influenciada por valores excepcionais, podendo em alguns casos no
representar a srie.
e) das medidas de tendncia central de maior emprego.
f) Usada para operaes estatsticas mais avanadas como testes para
tomadas de deciso.

Exemplos:
1) Calcule a mdia aritmtica dos valores abaixo:

a. X = {0, 6, 8, 7, 4, 6}
b. Y = {25, 16, 29, 19, 17}
c. Z = {105, 123, 98, 140}








25

2) Encontre a mdia para o salrio destes funcionrios.

Salrios semanais para 100 operrios no especializados
Salrios
semanais
f
i
x
i
x
i
.f
i

140 |-- 160 7
160 |-- 180 20
180 |-- 200 33
200 |-- 220 25
220 |-- 240 11
240 |-- 260 4
TOTAL 100

Exerccios:
1) Encontre a mdia dos seguintes conjuntos de observaes.
a) X = {2, 3, 7, 8, 9}.
b) Y = {10, 15, 22, 18, 25, 16}.
c) Z = {1, 3, 6, 8}.
d) T = {1, 3, 6, 100}.



2) Encontre a mdia das notas na disciplina de Programao I.


Tabela 1 - Notas obtidas na disciplina de
Programao I
Notas f
i
5 |-- 6 18
6 |-- 7 15
7 |-- 8 12
8 |-- 9 03
9 |--10 02
TOTAL 50
Fonte: Dados hipotticos.

Resp 6,62.


A mediana um valor central de um rol, ou seja, a mediana de um conjunto de
valores ordenados (crescente ou decrescente) a medida que divide este conjunto em
duas partes iguais.


1) Exemplo: Calcule a mediana dos conjuntos abaixo:
a- X={3, 7, 4, 12, 15, 10, 18, 14}
b- Y={29, 33, 42, 38, 31, 34, 45, 51, 95}
c- Z={29, 33, 42, 38, 31, 34, 45, 120, 95}

R: 5,8
R: 16,67
R: 4,5
R: 27,5

26

Vantagens e Desvantagens da Mediana

a) menos sensvel a valores extremos do que a mdia.
b) difcil de determinar para grande quantidade de dados.
c) mais adequada para distribuio muito assimtrica.


2) Dados agrupados sem intervalos - DADOS DI SCRETOS
1.) Calcula se a Fac (abaixo de)
2.) Calcula se P = fi +1 / 2
3.) Localiza se P na Fac (Fac > P) (Fac que contm P)
4.) Procura se o X correspondente da Fac que contm P
5.) Este X o valor da Me
Ex.: Peso (gramas) de embalagens plsticas Indstria X- Blumenau. 2000

X (Peso) f i Fac

31,5 1
32,5 5
33,5 11
34,5 8
35,5 3
36,5 2

TOTAL 30

Fonte: Indstria X

P = fi + 1 / 2 P = ________ Me = __________

3) Distribuio de freqncia (dados agrupados com intervalos) -
DADOS CONT NUOS


Me = X1 + [n/2 . (P Facanterior)] / f , onde

X1 = lim. Inferior da Fa> P
n = nmero de observaes
Fac = anterior da Fa> P
f = freq. da classe mediana








27

Ex: Dimetro Externo da Engrenagem
EmpresaY Blumenau out - 2000

Dimetro (mm) f

1000, 1010 3
1010, 1020 12
1020, 1030 28
1030, 1040 82
1040, 1050 75

Total 200
Fonte: Indstria Y.


Moda

Seja X um conjunto de dados estatsticos. Define-se Moda de X, denotada por
Mo como sendo o elemento mais freqente no conjunto.
Um conjunto de dados pode ter:
- Nenhuma moda (amodal);
- Uma moda (unimodal);
- Duas ou mais modas (multimodal).

Exerccios: Calcule a moda para os conjuntos abaixo:
a) X= {2, 3, 4, 3, 7, 8, 9, 14}.
b) Y= {2, 4, 6, 2, 8, 4, 10}.
c) Z= {32, 56, 76, 4, 8, 97}.

OBSERVAES:
No h regra para se dizer qual a melhor medida de tendncia central. Em cada
situao especfica o problema deve ser analisado pelo estatstico, que concluir pela
medida mais adequada a situao. Assim que:
a) A MDIA a medida mais adequada quando no h valores errticos
ou aberrantes.
b) A MEDIANA deve ser usada sempre que possvel como medida
representativa de distribuies com valores dispersos, como
distribuio de rendas, folhas de pagamentos, etc.

Exerccios:
1) Dados os conjuntos abaixo, calcule a mdia aritmtica, mediana e moda.
A = {3, 5, 2, 1, 4, 7, 9}.
B = {6, 12, 15, 7, 6, 10}.
C = {10, 5, 11, 8, 15, 4, 16, 5, 20, 6, 13}.
D = {4, 4, 10, 5, 8, 5, 10, 8}.

2) Clculo para dados agrupados sem intervalo de classe (DADOS
DI SCRETOS). Neste caso, a moda ser o X de maior frequncia.

x 4,4 9,3 10,3 6,8
Md 4 8,5 10 6,5
Mo 6 5
28

Ex.: Peso (gramas) de embalagens plsticas Indstria X- Blumenau. 2000

X (Peso) f i

31,5 1
32,5 5
33,5 11
34,5 8
35,5 3
36,5 2

TOTAL 30
Fonte: Indstria Y.

3) Clculo para dados agrupados com intervalo de classe (DADOS
CONT NUOS)

a) Czuber
Mo
C
= X1 + [h . (fmx fant)] / [2 . fmx (fant + fpost)]

b) Pearson
Mo = 3 . Me 2 . X , onde:

X1 = limite inferior da classe que possui fmx
h = intervalo
fmx = maior freq.
fant = f anterior ao mximo
fpost = f posterior ao mximo

Ex: Dimetro Externo da Engrenagem
EmpresaY Blumenau out - 2000

Dimetro (mm) f

1000, 1010 3
1010, 1020 12
1020, 1030 28
1030, 1040 82
1040, 1050 75

TOTAL 200

Fonte: Indstria Y.




Vantagens e desvantagens da moda

29

a) a menos til para problemas estatsticos, porque se presta a anlise
matemtica.
b) A utilidade da moda se acentua quando um ou dois valores ocorrem
aproximadamente com a mesma freq.; a moda nada acrescenta em termos de
descrio dos dados.

Concluso: Das trs medidas as mais usadas so a X e a Me, pois a Mo nos
d uma informao mais rpida e grosseira.

SEPARATRIZES

As separatrizes so medidas de posio que dividem a srie em partes iguais.
As principais separatrizes so:

1)Quartis: dividem a srie em 4 partes iguais. So elas:
a) Q1 1. quartil P = fi +1/ 4
b) Q2 2. quartil P = fi +1/ 2 (equivale a Me)
c) Q3 3. quartil P = 3fi+1 / 4

Q __ = X1 + [n/4 . (P Faant)] / fi


LISTA DE EXERCCIOS

1) Calcule a X , Me, Mo e o 1 quartil, para a seguinte distribuio:

Distribuio de comprimentos de
Peas (cm) Indstria T Blumenau, out - 2000

Classes f i

50 , 60 1
60 , 70 3
70 , 80 6
80 , 90 15
90 , 100 25
100, 110 20
110, 120 7
120, 130 3

Fonte: Indstria T.

Em seguida, interprete os dados.


2) Uma amostra de chapas produzidas por uma mquina forneceu as seguintes
espessuras, em milmetros:
6,34 6,38 6,40 6,30 6,36 6,36 6,38 6,20 6,42 6,28 6,38
Encontre a X , Me e a Mo.
30

3) Uma mquina produz peas que so embaladas em caixas contendo 48 unidades.
Uma pesquisa realizada com 59 caixas revelou a existncia de peas defeituosas
seguindo o quadro:

N de peas
defeituosas por caixa
N de caixas
0 20
1 15
2 12
3 6
4 4
5 2
Total

Determine a X ,Me, Mo, e o 3. quartil, interpretando os resultadosl.

4) So dadas as notas de 5 alunos, em trs provas que tinham como pesos 2, 3 e 5.
Calcule a mdia de cada aluno:
Aluno
1.
prova
2.
prova
3.
prova
Ana 7 6 5
Cludia 1 2 9
Marcos 5 5 5
Pedro 10 10 0
Srgio 5 7 3

5) Calcule a mdia, a mediana e a moda:
a) 11 15 16 18 22 23 26 28 13 33 37
b) 19 24 26 29 29 29 33 38 38 39 39 39 41 45 49
c) 45 49 54 56 60 64 67 - 72

d)
Verbas (R$) recebidas pelo Governo
Estadual, para Sade SC 2004

Verbas (R$) N. de cidades

3250,00 , 11.458,33 4
11458,33 , 19666,66 7
19666,66 , 27874,99 5
27874,99 , 36083,32 4
36083,32 , 44291,65 4
44291,65 , 52499,98 0
52499,98 , 69708,31 1
TOTAL 25
Fonte: Dados fictcios




31

10. MEDIDAS DE DISPERSO


Representamos geralmente uma srie pela mdia, mediana ou moda, entretanto
elas no descrevem a flutuao dos demais valores em torno delas.
Vejamos um exemplo: supomos que se deseja comparar a performance de dois
funcionrios, com base na seguinte produo diria de determinada pea:
Funcionrio A: 70 71 69 70 70
Funcionrio B: 60 80 70 62 83
De acordo com os resultados da produo diria em 5 dias, verificamos que a
performance mdia do funcionrio A de 70 peas produzidas diariamente,
enquanto que a do funcionrio B de 71 peas. Ento, baseado nestes nicos
resultados, diramos que a performance do funcionrio B melhor do que a de A. Se
nos fixarmos mais dedicadamente nos dados, percebemos que a produo de A varia
apenas entre 69 e 71 peas, ao caso que a de B varia de 60 a 83 peas, o que revela
que a performance de A bem mais uniforme do que a de B. Ocorre, por outro lado,
que um alto grau de uniformidade ou pequena disperso costuma ser considerado
como algo de qualidade desejvel num processo produtivo. Qualquer produo em
srie seria anti-econmica se houvesse muita variabilidade nos materiais ou peas
fabricadas.
Portanto, para avaliar o grau de variabilidade ou disperso dos valores, usamos
medidas de disperso, de variabilidade, de flutuao dos demais valores em torno
do valor pr-determinado. Essas nos proporcionaro um conhecimento mais
completo do fenmeno a ser analisado, permitindo assim, estabelecer comparaes
entre fenmenos de mesma natureza e mostrando at que ponto os valores se
distribuem acima ou abaixo da tendncia central.
Servem para verificarmos a representatividade das medidas de posio, pois muito
comum encontrarmos sries que, apesar de terem a mesma mdia, so compostas de
maneira distinta.
Assim, para as sries:
a) 25, 28, 31, 34, 37
b) 17, 23, 30, 39, 46
temos 31 = =
b a
x x .

Nota-se que os valores da srie a esto mais concentrados em torno da mdia
31, do que a srie b. Precisamos medir a disperso dos dados em torno da mdia, para
isto utilizaremos as medidas de disperso:


As principais medidas de disperso so:

I) Quanto Mdia - X

a) Amplitude Total (A): A = Xmaior Xmenor, muito instvel se
ocorrer valor excepcional; pouca utilidade.

b) Desvio Padro: ou afastamento mdio quadrtico, consiste em achar a
mdia quadrtica entre os desvios em relao X . a medida mais usada no
trabalho experimental ou na pesquisa.
32


# Para Populao
- sem f:
N
X

=
2
) (
o

- com f:

=
f
f X
2
) (
o


# Para amostra
- sem f:
1
) (
2

=

n
X X
s

- com f:

=
1
) (
2
f
f X X
s

Onde: desvio = X X

c) Coeficiente de Variao (CV): o ndice de variabilidade; o desvio-
padro expresso como percentagem da M. Usado para comparar grandezas de
unidades iguais ou diferentes.

X
CV
o . 100
=

Interpretao do C.V.:
At 15% variao pequena;
15% a 30% variao mdia;
30% ou mais variao grande.

d) Varincia: o quadrado do desvio-padro (o )

LISTA DE EXERCCIO

1) Calcule as Medidas de Tendncia Central e Disperso para dados agrupados e no
agrupados:

Distribuio do desempenho de 45 alunos em uma turma de EC da FURB em 2010
89 61 52 44 34
83 61 51 44 31
77 60 51 42 30
74 58 51 41 28
68 57 51 40 27
67 55 50 40 24
65 55 50 37 23
33

65 53 49 36 20
65 53 47 35 17




2) Salrios semanais para 100 operrios no especializados
Salrios
semanais
f
i
x
i
(x
i
- x )
2
(x
i
- x )
2
f
i

140 |-- 160 7
160 |-- 180 20
180 |-- 200 33
200 |-- 220 25
220 |-- 240 11
240 |-- 260 4
TOTAL 100

Encontre o desvio padro para o salrio destes funcionrios.

3) Para duas emisses de aes ordinrias da indstria eletrnica, o preo mdio dirio,
no fechamento dos negcios, durante um perodo de um ms, para as aes A, foi de
R$ 150,00 com um desvio padro de R$ 5,00. Para as aes B, o preo mdio foi de
R$ 50,00 com um desvio padro de R$ 3,00. Em relao ao nvel do preo, qual dos
tipos de aes mais varivel?

4) O nmero de carros vendidos por cada um dos vendedores de um negcio de
automveis durante um ms particular, em ordem crescente: 2, 4, 7, 10, 10, 10, 12, 12,
14, 15. Determinar (a) a mdia, (b) a mediana, (c) a moda, (d) o desvio padro R: a)
9,6; d) 3,95.

5) Em conjunto com uma auditoria anual, uma firma de contabilidade pblica anota o
tempo necessrio para realizar a auditoria de 50 balanos contbeis. Calcular (a) a
mdia, (b) o desvio padro, para o tempo de auditoria necessrio para esta amostra de
registro. R: a) 43,2; b)12,28.

Tempo necessrio para a auditoria de balanos contbeis.
Tempo de auditoria.
(min.)
N de balanos.
(f
i
)
10 |-- 20 3
20 |-- 30 5
30 |-- 40 10
40 |-- 50 12
50 |-- 60 20
Total 50



4) Os salrios semanais de 50 funcionrios de uma indstria alimentcia, em reais,
foram os seguintes:
34


100 122 130 140 152 160 164 176 180 188 192 200 216
104 126 134 146 156 160 170 176 184 190 194 200 218
116 128 138 150 156 162 170 178 186 190 196 200
120 128 140 150 156 162 176 180 186 192 196 210

a) Construa uma distribuio de frequncias, com h = 20 e limite inferior para a
primeira classe igual a 100.
b) Quantos funcionrios tem um salrio semanal situado entre R$ 120,00 (inclusive) e
R$ 160,00 (exclusive)? 17 funcionrios
c) Que porcentagem de funcionrios tem um salrio semanal situado entre R$ 180,00
(inclusive) e R$ 200,00 (exclusive)?26%
d) Qual o salrio mdio semanal destes funcionrios utilizando o item a?166,4
e) Determine o desvio padro e o coeficiente de variao da distribuio. 28,76;
17,28%

5) A distribuio das alturas de um grupo de pessoas apresentou uma altura mdia de
182 cm e um desvio padro de 15 cm, enquanto que a distribuio dos pesos, apresentou
um peso mdio de 78 kg, com um desvio padro de 8 kg. Qual das duas distribuies
apresentou maior disperso? Por qu?




11. PROBABILIDADE


11.1 INTRODUO
Encontramos na natureza dois tipos de fenmenos: determinsticos e aleatrios.
Os fenmenos determinsticos so aqueles em que os resultados so sempre os mesmos,
qualquer que seja o nmero de ocorrncias.
Nos fenmenos aleatrios, os resultados no sero previsveis, mesmo que haja um grande
nmero de repeties do mesmo fenmeno.
Nos experimentos aleatrios, mesmo que as condies iniciais sejam as mesmas, os
resultados finais de cada tentativa do experimento, sero diferentes e no previsveis, por isso,
conveniente dispormos de uma medida para o estudo de tais situaes. Esta medida a
probabilidade.


11.2 EXPERIMENTO ALEATRIO. ESPAO AMOSTRAL. EVENTO
Antes de passarmos definio de probabilidade, necessrio fixarmos os conceitos de
experimento, espao amostral e evento.

Um experimento aleatrio o processo de coleta de dados relativos a um fenmeno que
acusa variabilidade em seus resultados.
EXEMPLOS:
a) lanamento de uma moeda honesta;
b) lanamento de um dado;
c) determinao da vida til de um componente eletrnico;

35

Espao amostral o conjunto de todos os resultados possveis de um experimento. Vamos
denot-lo por O.
EXEMPLOS:
1) No caso do lanamento de um dado, O =
2) Uma lmpada ligada e observada at queimar anotando-se os tempos decorridos, O
=

Quando o espao amostral consiste em um nmero finito ou infinito numervel de
eventos, chamado espao amostral discreto; e quando for todos os nmeros reais de
determinado intervalo, um espao amostral contnuo.

Um evento um subconjunto de um espao amostral
EXEMPLO: Nos exemplos anteriores 1 e 2. Qual seria um possvel evento para cada um
dos exemplos?

11.3 DEFINIES DE PROBABILIDADE
Seja A um evento de um experimento aleatrio, definimos a probabilidade de A,
denotada por P(A),

que a definio clssica de probabilidade.
EXEMPLO: Na jogada de um dado, qual a probabilidade de aparecer face 3 ou face 5?
Soluo:


EXEMPLO: Consideremos o experimento que consiste em lanar uma moeda 15 vezes.
Suponhamos que o nmero de caras obtido tenha sido 10. Determine a probabilidade do evento
cara:
Soluo:


11.4 OPERAES COM EVENTOS ALEATRIOS
Consideremos um espao amostral finito O. Sejam A e B dois eventos de O. As seguintes
operaes so definidas.
a) UNIO
O evento unio de A e B equivale ocorrncia de A, ou de B, ou de ambos. Contm os
elementos do espao amostral em que esto em pelo menos um dos dois conjuntos. Represente
pelo diagrama de Venn-Euler a operao unio AB.










veis casos poss Nmero de
rveis casos favo Nmero de
P(A) =
36

EXEMPLO: Se A o conjunto dos alunos de um Estabelecimento que frequentam o curso
de Contabilidade e B o conjunto de alunos do mesmo estabelecimento que fazem Cincia da
Computao, ento:

AB =









b) INTERSECO
O evento interseco de dois eventos A e B equivale ocorrncia de ambos. Contm
todos os pontos do espao amostral comuns a A e a B. Represente pelo diagrama de Venn-Euler a
operao de interseo AB.







EXEMPLO: Seja A o conjunto de alunos de uma Instituio que frequentam o Ensino
Mdio, e B o conjunto dos que frequentam um curso facultativo de interpretao musical. A
interseo AB dada por:

AB =









c) EXCLUSO
Dois eventos A e B dizem-se mutuamente exclusivos ou mutuamente excludentes quando
a ocorrncia de um deles impossibilita a ocorrncia do outro. Os dois eventos no tm nenhum
elemento em comum. Exprime-se isto escrevendo AB = C. O diagrama a seguir ilustra esta
situao.
EXEMPLO: Na jogada de um dado, seja A o evento aparece nmero par e B o evento
aparece nmero mpar. Ento AB =




37

d) NEGAO



EXEMPLO: Se, na jogada de um dado, o evento A consiste no aparecimento de face par,
seu complementar dado por: = A

REGRAS BSICAS

Se A e B so dois eventos do espao amostral O, ento valem as seguintes regras bsicas:
- 0 s P(A) s 1
P(A) = 0 o evento impossvel e P(A) = 1 o evento certo.
- P(O) = 1
- Se A e B so eventos mutuamente excludentes, AB = C, ento: P(AB) = P(A)
+ P(B).
- Se AB = C, ento: P(AB) = P(A) + P(B) P(AB).
- P(A) = 1- P(A).
- Se C o vazio, ento P(C) =0.

EXERCCIO: Consideremos os alunos matriculados na disciplina de Estatstica. Temos
_____ homens com mais de 25 anos, _____ homens com menos de 25 anos, ____ mulheres com
mais de 25 anos, ____ mulheres com menos de 25 anos. Uma pessoa escolhida ao acaso dentre
os ____. Os seguintes eventos so definidos:
A: a pessoa tem mais de 25 anos; C: a pessoa um homem;
B: a pessoa tem menos de 25 anos; D: a pessoa uma mulher.
Calcular: P(BD) e P(AC).

LISTA DE EXERCCIOS

1. Quais dos valores abaixo no podem ser probabilidades?

0; 2 ; 0,001; -0,2; 3/2; 2/3.

2. Um estudo de 500 vos da American Airlines selecionados aleatoriamente
mostrou que 430 chegaram no horrio (com base em dados do Ministrio dos
transportes). Qual a probabilidade de um vo da American Airlines chegar no
horrio?

3. Em uma pesquisa entre estudantes de uma faculdade, 1162 afirmaram que colaram
nos exames, enquanto 2468 afirmaram no colar. Selecionado aleatoriamente um
desses estudantes, determine a probabilidade de ele ou ela ter colado em um exame.

4. A MasterCard International efetuou um estudo de fraudes em cartes de crditos; os
resultados esto agrupados na tabela a seguir.


B. - A operao a
Euler - Venn de diagrama pelo Represente . de ar complement evento chamada por denotada , evento do negao A A A A
38


Tipo de fraude N de cartes
Carto roubado 243
Carto falsificado 85
Pedidos por correio/telefone 52
Outros 46

Selecionado aleatoriamente uma caso de fraude nos casos resumidos na tabela, qual
a probabilidade de a fraude resultar de um carto falsificado? . R: 0,2.

5. Se IP (A)= 2/5, determine ) A IP( .

6. Determine ) A P( I , dado que IP (A)= 0,228.

7. Com base em dados do Centro Nacional de Examinadores Forenses, se escolhermos
aleatoriamente uma pessoa que se submete ao exame para exerccio da advocacia, a
probabilidade de obter algum que seja aprovado 0,57. Ache a probabilidade de
algum que seja reprovado.

8. Os pesquisadores esto preocupados com declnio do nvel de cooperao por parte dos
entrevistados em pesquisas. A tabela mostra o resultado de uma pesquisa feita com 359
pessoas.

Faixa etria Respondem No respondem Total
18-21 73 11 84
22-29 255 20 275
Total 328 31 359
a) Qual probabilidade de obter algum que no queira responder? R: 0,086.
b) Qual probabilidade de obter algum na faixa etria 22-29? R: 0,766.
c) Determine a probabilidade de obter algum na faixa etria 18-21 ou algum que
recuse responder. R: 0,29.
d) Determine a probabilidade de obter algum na faixa etria 18-21 que no recuse
responder. R: 0,203.

11.5 PROBABILIDADE CONDICIONAL

Pense no seguinte experimento. Num lanamento de um dado tem-se:
= {1, 2, 3, 4, 5, 6}

1 Experimento: Seu colega tem o conhecimento que a face voltada para cima
par!
Pergunta: Qual a probabilidade de ser maior que 3?

condicional
= {2, 4, 6}

Resposta: 2/3

11.5.1 NOTAO DEPENDNCIA DE EVENTOS

Dados dois eventos A e B, a probabilidade condicional de A dado B o nmero
P(A B) / P(B). Representado pelo smbolo P(AB). Tem-se simbolicamente,

39

P(AB) =
) (
) (
B P
B A P

No exemplo x = 2n, onde n = 1, 2, 3, ...

P(x > 3x par}
P(AB) =
) (
) (
B P
B A P

P(x > 3x par}=
) (
) 3 (
xpar P
xpar x P >
=
3
2
6
3
6
2
=
OBS: Dados dois eventos A e B, a probabilidade condicional de B dado A o nmero
P(A B) / P(A). Representado pelo smbolo P(BA). Tem-se simbolicamente,

P(BA) =
) (
) (
A P
B A P


Exemplo 1 : Sendo P(A) =
3
1
, P(B) =
4
3
, P(A U B) =
12
11
. Calcular a P(AB).

P(AB) =
) (
) (
B P
B A P
, deve-se calcular P(A B).
Regra da soma para eventos quaisquer: P(A U B) = P(A) + P(B) P(A B)
6
1
) (
) (
12
2
) (
4
3
3
1
12
11
) (
4
3
3
1
12
11
=
=

=
+ =
B A P
B A P
B A P
B A P

Logo, P(AB) =
) (
) (
B P
B A P
=
9
2
18
4
3
4
*
6
1
4
3
6
1
= = =

A partir da Probabilidade Condicional obtm-se o TEOREMA DO
PRODUTO.

Quando no h independncia:
P(A B) = P(A)* P(BA). Para P(A) > 0
P(A B) = P(B)* P(AB). Para P(B) >0

Exemplo 2: Duas bolas vo ser retiradas da urna que contm 2 bolas brancas, 3 pretas e
4 verdes. Qual a probabilidade de que ambas:
a) Sejam verdes
40

P(V
1
V
2
) = P(V
1
)* P(V
2
V
1
)
P(V
1
V
2
) =
6
1
8
3
*
9
4
=

b) Sejam da mesma cor
P(P
1
P
2
) + P(B
1
B
2
) + P(V
1
V
2
) =
P(P
1
)* P(P
2
P
1
) + P(B
1
)* P(B
2
B
1
) + P(V
1
)* P(V
2
V
1
) =
18
4
72
20
8
3
*
9
4
8
1
*
9
2
8
2
*
9
3
= = + +

2 Experimento: Qual a probabilidade de comer uma goiaba dado que voc assinou a
lista de presena?
Esses eventos so independentes, pois no existe nenhuma relao entre esses eventos.

11.6 NOTAO DE INDEPENDNCIA DE EVENTOS
Quando os eventos so independentes a ocorrncia de um no depende da do
outro, a probabilidade de ambos ocorre igual ao produto das probabilidades simples de
cada um ocorrer separadamente.
) (
P(B)
B) P(A
B) ( A P A P = =


Consequncia da equao anterior, P(A B) = P(A) * P(B)


Exemplo 3: Laam-se 3 moedas. Verificar se so independentes os eventos:

A: sadas de cara na 1 moeda;
B: sada de coroa na 2 e na 3 moeda.

= {(CCC), (CCK), (CKC), (KCC), (KKK), (KKC), (KCK), (CKK)}

A = {(CCC), (CCK), (CKC), (CKK)}
2
1
8
4
) ( = = A P
B = {(KKK), CKK)}
4
1
8
2
) ( = = B P

P(A B) = P(A) * P(B)
P(A B) =
8
1
4
1
*
2
1
=
Como (A B) = {(CKK)} =
8
1

OBSERVAES:
1 - Para verificar se 3 eventos A, B e C so independentes, verifica-se as 4 proposies
so satisfeitas:

1. P(A B C) = P(A) * P(B) * P(C)
2. P(A B) = P(A) * P(B)
3. P(A C) = P(A) * P(C)
4. P(B C) = P(B) * P(C)
41


Se apenas uma no for satisfeita, os eventos no so independentes.
2 Se A e B so mutuamente exclusivos, ento A e B so dependentes pois se A ocorre,
B no ocorre, isto , a ocorrncia de um evento, condiciona no ocorrncia de outro.

Exemplo 4: Sejam A e B eventos tais que P(A) = 0,2; P(B) = P; P(A U B) = 0,6.
Calcule P considerando A e B:
a. Mutuamente exclusivo;

A B = 0
P(A U B) = P(A) + P(B) P(A B)
0,6 = 0,2 + P O
P = 0,4

b. Independente

A e B independentes
P(A B) = P(A) * P(B)
P(A B) = 0,2 * P(B)

Como P(A U B) = P(A) + P(B) P(A B)
0,6 = 0,2 + P - 0,2P
P = 0,4 / 0,8
P = 0,5

LISTA DE EXERCCIOS

1. Considere a experincia que consiste em pesquisar famlias com trs crianas,
em relao ao sexo das mesmas, segundo a ordem do nascimento. Enumerar o
espao amostral correspondente. Enumerar os eventos
a) Ocorrncia de dois filhos do sexo masculino;
b) Ocorrncia de pelo menos um filho do sexo masculino;
c) Ocorrncia de no mximo duas crianas do sexo feminino.

2. Na questo 1 do exerccio 4, se soubermos que o jovem sorteado do sexo
masculino, qual a probabilidade de que no seja diabtico?

Notao: P(Nd M) Probabilidade condicional de no ser diabtico dado que
masculino.
a. Escolhe-se entre 3 casais, um componente de cada um. Qual a probabilidade de
que:
i. Todos sejam do mesmo sexo?
ii. Dois sejam homem e uma mulher?






42

12 VARIVEL ALEATRIA

Os resultados de um experimento ou so naturalmente numricos, ou podem ser
codificados numericamente (por exemplo ruim=0 e bom=1). A essa representao
numrica de resultados denominamos de varivel aleatria. Uma VA ento uma
funo que associa elementos do espao amostral ao conjunto de nmeros reais,
conforme abaixo ilustrado.









OBSERVAES:
1. Apesar da tradio desta terminologia, na verdade uma VA uma funo cujo
domnio S e contradomnio R.
2. Nas aplicaes de estatstica, muito mais conveniente trabalhar com nmeros e
no com eventos.
3. Convenciona-se representar funes, variveis aleatrias, espao amostral e
contradomnio por letras MAISCULAS, e os valores pontuais do espao amostral e
contradomnio por letras MINSCULAS.

12.1 VARIVEL ALEATRIA DISCRETA E CONTNUA













12.2 EXEMPLO DE VA DISCRETA
Considere o lanamento simultneo de duas moedas.
O espao amostral S = {(Ca,Ca), (Ca,Co), (Co, Ca), (Co,Co)}.
Se X representa o nmero de caras, podemos associar um valor numrico para cada
evento do espao amostral, conforme abaixo:


43

Ponto
Amostral
X
(Ca,Ca) 2
(Ca,Co) 1
(Co,Ca) 1
(Co,Co) 0

12.3 FUNO DE PROBABILIDADE OU FUNO DE DENSIDADE DE
PROBABILIDADE (FDP)

Cada varivel aleatria X, seja discreta ou contnua, quantificada por uma
Funo de Densidade de Probabilidade (fdp). A fdp a funo que associa a cada ponto
do espao amostral de uma VA, a probabilidade de ocorrncia de tais pontos.
No caso da VA X acima, a funo de probabilidade de X, denotada por P{X=x}
determina a distribuio de probabilidades da varivel X conforme mostrado abaixo:

Pto Amostral X P{X} X P{X}
(Ca,Ca) 2 x = 0
(Ca,Co) 1 x =
=
1
(Co,Ca) 1 x = 2
(Co,Co) 0 x = 1

Ao definir a FUNO DE DENSIDADE DE PROBABILIDADE, estabelecemos uma
correspondncia unvoca entre os valores que a Varivel Aleatria X assume (x
1
, x
2
, ...,
x
n
) , e os valores da varivel P (p
1
, p
2
, ..., p
n
). Observe que sempre teremos p
i
= 1 no
caso de VA Discreta.
Assim, a funo p(x) = P{X = x
i
} determina a distribuio de probabilidade da
varivel aleatria X, sendo no caso do exemplo denominada de funo de
probabilidades de X. Esta denominao adotada para Variveis DISCRETAS,
enquanto para Variveis CONTNUAS permanece a denominao de FUNO DE
DENSIDADE DE PROBABILIDADE [f(x)].
Caractersticas da fdp: VA Discreta VA Contnua
Faixa de Aplicabilidade x = a, a+1, ...,b a x b
Condies p(x) 0,
=
=
b
a x
1 ) x ( p f(x) 0,
}
=
b
a
1 dx ) x ( f

12.4 FUNO DE REPARTIO OU FUNO DE DISTRIBUIO
ACUMULADA (FDA)

uma outra forma de representar uma distribuio de probabilidades de uma
varivel aleatria.
Define-se Funo de Distribuio Acumulada ou Funo de Repartio da
varivel aleatria X no ponto x, como sendo a probabilidade de que X assuma um
valor menor ou igual a x, isto :
44

F(x) = P{X s x})
FDA VA Discreta VA Contnua
F(x)=P{X s x} F(x) =
=
x
a x
) x ( p F(x) =
}
x
a
dx ) x ( f
No caso do exemplo de lanamento de duas moedas para verificar o n de caras,
calculamos a FDA como sendo:

x P{x} x F(x)
0 0
1 1
2 2 1

Da definio F(x)=P{Xs x} decorre imediatamente que, para x
1
x
2
contidos no
espao amostral da VA X:
P{x
1
< X x
2
} = F(x
2
) F(x
1
)
Para uma VA Discreta valem ainda as seguintes relaes:
P{x
1
X x
2
} = F(x
2
) F(x
1
- 1)
P{x
1
X < x
2
} = F(x
2
- 1) F(x
1
- 1)
P{x
1
< X < x
2
} = F(x
2
- 1) F(x
1
)

NOTAS SOBRE VA CONTNUA:
a) A probabilidade da VA Contnua X sempre definida em um intervalo de valores
de X, por exemplo, (x
1
,x
2
).
b) A probabilidade da VA Contnua medida pela rea sob a curva da funo
densidade em um determinado intervalo:
}
= < <
2
1
x
x
2 1
f(x)dx } x X P{x .
c) Observe-se que para a VA Contnua X, a fdp f(x) no mede a probabilidade no
ponto x. Mostra-se facilmente que P{X=x} = P{x s X s x} = F(x)-F(x) = 0, onde
utilizamos o seguinte artifcio para representamos (X = x) (x s X s x). Por
considerarmos a probabilidade de um ponto como igual a zero, decorre imediatamente
que para uma VA Contnua P{x
1
< X < x
2
} = P{x
1
s X < x
2
} = P{x
1
< X s x
2
} = P{x
1
s
X s x
2
} = F(x
2
) F(x
1
)

12.5 VALOR ESPERADO DE UMA VARIVEL ALEATRIA

Define-se VALOR ESPERADO (ou ESPERANA MATEMTICA ou MDIA) de uma
varivel aleatria X como a mdia ponderada de longo prazo de x em relao FUNO
DE DENSIDADE DE PROBABILIDADE (fdp).



45


VALOR ESPERADO VA Discreta VA Contnua
E{X} =
x

=

b
a x
) x ( p x
}

b
a
dx ) x ( f x

No nosso exemplo, E{X} = 0.(1/4) + 1.(1/2) + 2.(1/4) = (1/2) + (1/2) = 1 cara.

12.6 VARINCIA E DESVIO PADRO DE UMA VARIVEL ALEATRIA

Define-se VARINCIA para uma VA como a mdia dos desvios quadrticos da
varivel em relao sua prpria mdia. Matematicamente, expressa por:

VARINCIA VA Discreta VA Contnua
V{X} =
2
x

=

b
a x
2
) x ( p }) x { E x (
}

b
a
2
dx ) x ( f }) x { E x (
O DESVIO PADRO definido como a raiz quadrada positiva da VARINCIA:
DESVIO PADRO VA Discreta e VA Contnua
DesvPad{X} =
x

2
+ =
NOTA: Alternativamente, a Varincia pode ser calculada por
2
x
2 2
x
} E{X V{X} = =
No exemplo dado:
X P{X}
0
1
2
1

A Varincia V{X} = (0-1)
2
.(1/4) + (1-1)
2
.(1/2) + (2-1)
2
.(1/4) = (1/4) + (1/4) = 1/2
, e DesvPad{X} = 0,707

13. MODELOS DE DISTRIBUIES DE PROBABILIDADE
At o momento, construmos como exemplo a distribuio de probabilidade de
uma varivel discreta (n de caras no lanamento de duas moedas), empregando nosso
conhecimento para o clculo das probabilidades envolvidas. Veremos adiante alguns
MODELOS PROBABILSTICOS PADRES, que nos auxiliaro em diversas situaes
prticas. Nosso problema passa a ser determinar qual modelo o mais adequado para
a situao em estudo.

46

13.1 DISTRIBUIO BINOMIAL

Trata-se de uma distribuio de probabilidade adequada aos experimentos que
apresentam apenas dois resultados possveis: sucesso ou fracasso. Fornece a base para
inferncias sobre propores.
HIPTESES DO MODELO BINOMIAL
1. O experimento repetido n vezes nas mesmas condies.
2. Os resultados das repeties so independentes, ou seja, uma repetio no interfere
nas subseqentes.
3. Cada repetio admite apenas dois resultados: sucesso ou fracasso.
4. As probabilidades de sucesso p e de insucesso q (q=1-p) se mantm constantes
durante as repeties.

Por exemplo:
a) Lanar uma moeda 5 vezes e observar o nmero de caras.
b) Numa linha de produo, observar 10 itens tomados ao acaso e verificar o nmero de
defeituosos.
c) Verificar o nmero de bits que no esto afetados por rudo num pacote com n bits.

Define-se a VARIVEL BINOMIAL X como o nmero de sucessos em n
repeties do experimento. A expresso geral da Distribuio Binomial :




NOTAS:
1. O nome BINOMIAL se deve ao fato da expresso acima corresponder ao termo geral
do desenvolvimento do BINMIO DE NEWTON.
2. Para p=0,5 a distribuio simtrica. Para P<0,5, a distribuio tem inclinao para
a direita.
3. No caso de n grande (n > 30) e p no muito pequena nem muito grande (valores
centrais, com alguns autores recomendando np>5 e nq>5), a DISTRIBUIO
BINOMIAL pode ser aproximada pela DISTRIBUIO NORMAL, que ser vista
adiante.

PRINCIPAIS CARACTERSTICAS DA DISTRIBUIO BINOMIAL
Mdia
x
= E{X} = np e Varincia o
2
x
= V{X} = npq.

No EXCEL
Funo DISTRBINOM(nm_s ; tentativas ; probabilidade_s ;
cumulativo), onde
nm_s: nmero de sucessos
tentativas: nmero de tentativas independentes
probabilidade_s: probabilidade de sucesso em uma tentativa
cumulativo: um valor lgico que define o tipo de distribuio:
VERDADEIRO (1): retorna o valor da funo de probabilidade
acumulada P(X s num_s)
FALSO (0): retorna o valor da funo de probabilidade no ponto
num_s: P(X = num_s)
x n x
q p
x
n
x} P{X

|
|
.
|

\
|
= =
47

EXEMPLO: Uma moeda no viciada lanada 5 vezes. Encontre a probabilidade de:
a) dar exatamente 3 caras
b) pelo menos uma cara
c) no mximo 2 caras
d) calcular o valor esperado e o desvio padro

SOLUO: Seja X a varivel BINOMIAL com os parmetros: n=5, p=1/2 (e portanto
q=1/2).
a) Desejamos P{X = 3} = C(5,3)x(1/2)
3
x(1/2)
2

2 3
2
1
2
1
! 2 ! 3
! 5
} 3 X { P |
.
|

\
|
|
.
|

\
|
= = e
portanto
P{X = 3} = 10 x (1/2)
5
= 10/32 = 31,25%
No EXCEL, a chamada funo DI STRBI NOM(3;5;50%;0) fornece o valor 0,3125.

b) Desejamos P{X > 1}que o mesmo que 1 P{X < 1}, equivalente a 1 P{X = 0} =
1 0,03125 = 96,88%
No EXCEL, a funo 1-DI STRBI NOM(0;5;50%;0) fornece o valor 0,96875.

c) Desejamos P(X s 2) que equivale a P{X = 0} + P{X = 1} + P{X = 2} = 50%
No EXCEL, a chamada funo DI STRBI NOM(2;5;50%;1) fornece o valor 0,5000.

d) E{X} =np e portanto E{X} = 2,5 caras, e V{X} = npq = 5/4 = 1,25 . Logo
DesvPad{X} = 1,12 caras.


13.2DISTRIBUIO DE POISSON

Considere as situaes em que se avalia o nmero de ocorrncias de um
determinado evento por unidade de tempo, de comprimento, de rea ou de volume
(genericamente denominados de rea de oportunidade). Em muitos casos, conhece-se o
nmero de sucessos, mas s vezes muito difcil ou at mesmo impossvel determinar o
nmero de fracassos. Imagine o nmero de automveis que passam por uma esquina:
pode-se anotar o nmero de veculos que passaram num determinado intervalo de
tempo, mas no se pode determinar quantos deixaram de passar.

A distribuio de Poisson aplicada nos tipos de situaes em que nos interessa
o nmero de vezes em que um evento pode ocorrer durante um intervalo de tempo ou
em determinado ambiente fsico (rea de oportunidade). Tomando como referncia o
nmero de ocorrncias em determinado intervalo de tempo, em um processo de Poisson
podem ser observados eventos discretos num intervalo de tempo, de tal forma que,
reduzindo suficientemente este intervalo, tenhamos:

HIPTESES DO MODELO DE POISSON
1. A probabilidade de observar apenas um sucesso no intervalo estvel.
2. A probabilidade de observar mais que um sucesso no intervalo zero.
3. A ocorrncia de um sucesso em qualquer intervalo independente da ocorrncia de
sucesso em qualquer outro intervalo.

48

A distribuio de Poisson caracterizada apenas pelo parmetro , que
representa o valor esperada ou mdia, do nmero de sucessos por intervalo t. Em
outras palavras, a taxa de ocorrncia dos eventos no intervalo de tempo.
A funo de probabilidade da distribuio de Poisson :





onde:
e uma constante (base do logaritmo neperiano) valendo aproximadamente 2,718...
o nmero esperado de sucessos no intervalo considerado
x o nmero de sucessos (x = 0, 1, 2, ...,.)

PRINCIPAIS CARACTERSTICAS DA DISTRIBUIO DE POISSON
Mdia
x
= E{X} = e Varincia o
2
x
= V{X} = .

No EXCEL
Funo POISSON(x ; mdia ; cumulativo), onde
x: nmero de sucessos
mdia: valor esperado no intervalo
cumulativo: um valor lgico que define o tipo de distribuio:
VERDADEIRO (1): retorna o valor da funo de
probabilidade acumulada P(X s x)
FALSO (0): retorna o valor da funo de probabilidade no
ponto x: P(X = x)

EXEMPLO: As consultas a um banco de dados ocorrem de forma independente e
aleatria, base de 3 consultas por minuto. Calcule as probabilidades:
a) no prximo minuto ocorrerem exatamente 3 consultas
b) no prximo minuto ocorrerem menos de 3 consultas
c) nos prximos dois minutos, ocorrerem mais do que 5 consultas

SOLUO: Seja X a varivel Poisson com ocorrncia mdia de 3 consultas por minuto
(=3)
a) Desejamos P(X = 3) = [e
-3
. 3
3
]/3! = 22,4%
No EXCEL, a chamada funo POI SSON(3;3;0) fornece o valor 0,22404.

b) Desejamos P(X < 3) = P(X s 2) = P(X=0) + P(X=1) + P(X=2) = 42,32%
No EXCEL, a chamada funo POI SSON(2;3;1) fornece o valor 0,42319.

c) Observe que a unidade de tempo alterou de 1 para 2 minutos. Como a taxa mdia de
3 por minuto, ento em dois minutos teremos =6. Desejamos assim P(X > 5) = 1 P(X
s 5) = 1 0,44568 = 55,43%
No EXCEL, a chamada funo 1 - POI SSON(5;6;1) fornece o valor 0,55432.

NOTA: A DISTRIBUIO DE POISSON aparece com destaque no estudo das filas.

x!
e
x} P{X
x
= =
49

13.3. DISTRIBUIO NORMAL

considerada a distribuio de probabilidades mais importante, pois permite
modelar uma infinidade de fenmenos naturais e, alm disso, possibilita realizar
aproximaes para calcular probabilidades de muitas variveis aleatrias que tm outras
distribuies, tais como a BINOMIAL (n > 30, np>5 e nq>5).
tambm conhecida como distribuio de GAUSS, LAPLACE ou LAPLACE-
GAUSS, e muito importante tambm na inferncia estatstica, como ser observado at
o final do curso.
A distribuio Normal caracterizada por uma FUNO DE DENSIDADE DE
PROBABILIDADE cujo grfico descreve uma curva em forma de sino, que evidencia
maior probabilidade de a VA assumir valores prximos aos valores centrais.
Funo Densidade de Probabilidade da Distribuio NORMAL






Uma VA ter Distribuio Normal se sua FDP for da forma abaixo, onde:

= mdia da distribuio
o = desvio padro da distribuio
e eso constantes (3,1416... e 2,718...)

PARMETROS DA DISTRIBUIO NORMAL
Mdia ou Valor Esperado
x
= E{X} = e Varincia o
2
x
= V{X} = o
2


PRINCIPAIS CARACTERSTICAS:
1. Teoricamente, a curva prolonga-se de a +, sendo que lim f(x) =0 para x
tendendo a .

2. A rea total sob a curva igual a 1, ou seja:


3. A curva simtrica em torno de , o que faz com que mdia = mediana = moda.
Adicionalmente, temos tambm que P(X < - a) = P(X > + a).









2

x
2
1
e
2
1
f(x)
|
.
|

\
|

=
1 f(x)dx =
}
+

50

4. A curva tem dois pontos de inflexo, respectivamente em -o e +o . Cerca de
68% dos valores recaem no intervalo de um desvio padro de cada lado da mdia,
95% recaem no intervalo mdia 2 desvios e 99,7% recaem no intervalo mdia 3
desvios.





Considerando a enorme dificuldade de calcularmos probabilidades pela
integrao da Funo de Densidade de Probabilidade (fdp) para as infinitas
combinaes de valores de e o , utiliza-se a DISTRIBUIO NORMAL PADRO ou
REDUZIDA, definida conforme a seguir.

13.3.1 DISTRIBUIO NORMAL PADRO

Seja Z a varivel com distribuio normal com mdia = 0 e varincia = 1,
geralmente denotada por N(0;1). Neste caso (lembrando que desvio-padro =
varincia = 1) a fdp de Z ser



com a forma:



Observe-se a convenincia de termos a mdia igual a zero e o desvio padro
igual a 1, fazendo com que esta distribuio passe a representar os valores de z
i
como
nmero de desvios em relao mdia (origem). Assim, esta distribuio nos permite
trabalhar com valores relativos de desvios em relao mdia.

13.3.2 TRANSFORMAO DE UMA DISTRIBUIO NORMAL N(;o
2
) PARA A NORMAL
PADRO (OU REDUZIDA) N(0;1)

Qualquer distribuio normal com mdia e desvio padro o pode ser
transformada, para efeito de clculo de probabilidades, na distribuio normal
padro, atravs de uma mudana de varivel conforme a seguir.





TABELAS DA FUNO NORMAL PADRO

H vrios tipos de tabelas que fornecem as reas (probabilidades) sob a curva
NORMAL PADRO. O tipo mais comum a tabela de FAIXA CENTRAL. Este tipo de
tabela fornece a rea sob a curva normal padro entre z=0 e qualquer valor positivo de
z. A simetria em torno de z=0 permite-nos obter a rea entre quaisquer valores de z,
2
z
2
1
e
2
1
) z ( f

t
=
o

=
x
z
51

sejam positivos ou negativos, no sem razovel esforo na identificao correta de
intervalos.

No Captulo Tabelas Estatsticas, apresentamos uma Tabela da Distribuio
Acumulada da Normal Padro, de uso muito mais fcil que as tabelas de faixa central
encontradas na maioria da bibliografia recomendada. Na nossa tabela, podemos obter
diretamente a probabilidade P(Z s z).

EXEMPLOS DE USO DA TABELA

a) Calcule P(z < 0,85)
A rea solicitada exatamente a rea fornecida pela tabela. Basta procurar a linha que
contenha o valor 0,8 e sua interseo com a coluna que contenha o valor 0,05.
(lembrando que 0,85 = 0,8 + 0,05).
Logo, P(z < 0,85) = 0,8023 ( ou 80,23%).

b) Calcule P(0 < z < 1,25)
O valor procurado corresponde a P(z<1,25) P(z<0). Da tabela, tiramos que
P(z<1,25)=0,8944 e P(z<0)=0,5.
Logo, P(0<z<1,25) = 0,8944 -0,5000 = 0,3944 (ou 39,44%).

c) Calcule P(z>2,39)
Observe que o valor tabelado P(z<2,39). Como a rea total sob a curva vale 1, ento
P(z>2,39)=1-P(z<2,39).
Logo, P(z>2,39) = 1 0,9916 = 0,0084 ou 0,84%

d) Calcule P(z=1)
Considerando que a probabilidade medida pela rea sob a curva definida por
um intervalo, P(z=1) pode ser escrita como P(1 s z s 1). Isto reduz o intervalo a um s
ponto e portanto a rea zero. Outra forma de se obter este resultado pela utilizao
do conceito da FUNO DE DISTRIBUIO ACUMULADA, pois P(1 s z s 1) = F(1)
F(1) = 0.

e) Calcule P(-2,55<z<1,2)
P(-2,55<z<1,2) = P(z<1,2) - P(z<-2,55) = 0,8849 - 0,0054 = 0,8795 ou 87,95%

f) A altura dos alunos de uma escola normalmente distribuda com mdia 1,60 me
desvio padro 0,30 m. Calcule a probabilidade de um aluno medir entre 1,50 m e 1,80
m.
Seja X a VA N(1,60; 0,30
2
). Deseja-se a probabilidade P(1,50 < x < 1,80)
Precisamos primeiro transformar os limites do intervalo da VA X para a VA Z
(NORMAL REDUZIDA OU NORMAL PADRO), para que possamos, pela tabela, calcular
P(z
1
< z < z
2
). Assim procedendo, teremos:
z
1
= (1,50 1,60)/0,30 = -0,10/0,30 = -0,33
z
2
= (1,80 1,60)/0,30 = 0,20/0,30 = 0,67
Assim,
P(-0,33 < z < 0,67) = P(z<0,67) - P(z<-0,33) = 0,7486 - 0,3707 = 0,3779 ou 37,79%

Nos exemplos anteriores, foram fornecidos os valores do intervalo para que
fossem calculadas as probabilidades associadas ao intervalo. Existem aplicaes em
52

que devemos determinar os valores de z a partir do conhecimento das probabilidades
associadas a estes valores.

MAIS EXEMPLOS DE USO DA TABELA

g) Sabendo que P(z<a) = 0,3015 determine o valor de a.
Consultando a tabela, procuramos em suas clulas o valor 0,3015 e encontramos para a
o valor -0,52.








FUNES DO EXCEL PARA A DISTRIBUIO NORMAL
O Excel disponibiliza as seguintes funes para clculos com a Distribuio
Normal:

Funo DIST.NORMP( z ), onde
z: valor da VA Normal Padro ou Reduzida.
Esta funo retorna a probabilidade P(- < Z < z) = P(Z < z), para
qualquer valor de z, da mesma forma que a tabela apresentada no final
deste captulo.
Para um intervalo genrico P(a<z<b), pode-se aplicar F(b) F(a)
diretamente, na forma:
P(a<z<b) = DIST.NORMP(b) DIST.NORMP(a)
Para P(z>a), usa-se 1 P(z<a) e portanto P(z>a) = 1
DIST.NORMP(a).
Aplicvel ao exemplo c acima.

Funo DIST.NORM( x ; mdia ; desv_padro ; cumulativo), onde
x: valor da VA Normal
mdia: mdia da VA X
desv_padro: desvio padro da VA X
cumulativo: um valor lgico que define o tipo de distribuio:
VERDADEIRO (1): retorna o valor da funo de distribuio
acumulada (FDA) F(x) = P(X s x)
FALSO (0): retorna o valor da funo densidade de probabilidade
(fdp) no ponto x: f(x)
a funo mais completa para tratamento de distribuio normal.
Observe que no caso dos parmetros mdia=0, desvio=1 e cumulativo=1
ou verdadeiro, esta funo retorna o mesmo valor da DIST.NORMP.

Funo INV.NORMP( probabilidade )
Retorna o valor z da VA Normal Padro, abaixo do qual se tem a
probabilidade informada. o inverso da funo DI ST.NORMP( z)
NOTA
Eventualmente, o valor procurado da probabilidade pode no coincidir exatamente
com os valores da tabela. Neste caso, deve-se proceder interpolao entre os
dois valores mais prximos para se obter um valor mais preciso para z. Sugere-se
que voc refaa o problema acima considerando P(z<a) = 0,30.
53

No caso do exemplo g , a funo inversa registrada como
INV.NORMP(0,3015) retorna exatamente -0,520091. Para o caso da
sugesto apresentada, INV.NORMP(0,30)= -0,524401

Funo INV.NORM( probabilidade ; mdia ; desv_padro)
Como no caso acima, o inverso da funo geral DIST.NORM(),
aplicvel a qualquer VA Normal X, desde que conhecidos sua mdia e
desvio padro.

Funo PADRONIZAR( x ; mdia ; desv_padro)
Retorna o desvio padro normalizado z, considerando os argumentos x,
mdia e desvio padrao, utilizando a frmula j apresentada:




13.4 APROXIMAO DA BINOMIAL PELA NORMAL

Se Y admite distribuio binomial de probabilidades, mas o nmero de
repeties do experimento grande (n > 30), com a probabilidade p de sucesso no
muito distante de 0,5, podemos, com pequena margem de erro, calcular as
probabilidades da distribuio binomial Y atravs das probabilidades obtidas de uma
distribuio normal X com as condies a seguir impostas. Alguns autores indicam
uma boa aproximao se np > 5 e nq > 5.
1. mdia de X = mdia de Y = nxp.
2. varincia de X = varincia de Y = nxpxq.
3. correo de continuidade: P( Y = y ) da binomial equivale a P( y-0,5 < X < y+0,5 )
da normal,
P( Y < y ) da binomial equivale a P( X < y-0,5 ) da normal
P( Y > y ) da binomial equivale a P( X > y+0,5 ) da
normal

EXEMPLO: Um teste tipo mltipla escolha constitudo de 50 questes, cada uma com
4 alternativas, das quais uma apenas correta. Calcule a probabilidade de que um
aluno, respondendo ao acaso s questes, acerte exatamente 15 questes.

Seja p = sucesso = = 0,25 e portanto q =1-p = 0,75 com n = 50 repeties.
Logo, np=12,5 que >5 e nq=37,5 que tambm >5, propiciando assim uma boa
aproximao.
Estamos interessados em P(X = 15). Pela distribuio binomial, temos que calcular
35 15
50
15
) 75 , 0 ( ) 25 , 0 ( ) 15 X ( P
|
|
.
|

\
|
= = , o que calculado pelo Excel fornece a probabilidade
8,88%.
Uma distribuio normal com mdia = nxp = 12,5 e varincia = nxpxq = 9,375
pode ser usada como aproximao para clculo da probabilidade P(14,5 < X < 15,5), o
que calculado pelo Excel fornece o valor 9,32%.
Observe que o erro relativo, calculado sobre o valor obtido pela distribuio
binomial, foi de 4,94%.

o

=
x
z
54










55