Vous êtes sur la page 1sur 101

FACULDADES KENNEDY

PROBABILIDADE E ESTATSTICA PARA BACHARELADO EM


SISTEMAS DE INFORMAO

PROF. AMINTAS PAIVA AFONSO

IPATINGA
2006
-1-

NDICE
1 ESTATSTICA
1.1 Introduo Estatstica
1.1.1 Mtodo Estatstico
1.1.2 A Estatstica
1.1.3 Fases do Mtodo Estatstico
1.1.4 A Estatstica nas Empresas
1.1.5 Atividades Complementares

1.2 Populao e Amostra


1.2.1 Atividades Complementares

1.3 Variveis quantitativas contnuas e discretas


1.3.1 Atividades Complementares

1.4 Variveis qualitativas nominais e ordinais


1.4.1 Atividades Complementares

1.5 Planejamento de experimento e amostragem


1.5.1 Controlando os Efeitos das Variveis
1.5.2 Replicao e Tamanho da Amostra
1.5.3 Aleatorizao e Outras Estratgias Amostrais
1.5.4 Erros Amostrais
1.5.5 Atividades Complementares

1.6 Tabelas de freqncia


1.6.1 Tabelas
1.6.2 Sries Estatsticas
1.6.3 Sries Conjugadas. Tabela de Dupla Entrada
1.6.4 Dados Absolutos e Dados Relativos
1.6.5 Atividades Complementares
1.6.6 Distribuio de Freqncia
1.6.7 Atividades Complementares

1.7 Grficos Estatsticos


1.7.1 Diagramas
1.7.2 Grfico Polar
1.7.3 Cartograma
1.7.4 Pictograma
1.7.5 Atividades Complementares

-2-

2 MEDIDAS ESTATSTICAS
2.1 Medidas de tendncia central (mdia, mediana, moda)
2.1.1 Mdia Aritmtica (X)
2.1.2 Moda (Mo)
2.1.3 Mediana (Md)
2.1.4 Atividades Complementares

2.2 Medidas de Disperso ou de Variabilidade


2.2.1 Amplitude Total
2.2.2 Varincia e Desvio Padro
2.2.3 Coeficiente de Variao
2.2.4 Atividades Complementares

3 PROBABILIDADE
3.1 Experimento Aleatrio
3.2 Espao Amostral
3.3 Eventos
3.4 Probabilidade
3.5 Eventos Complementares
3.6 Eventos Independentes
3.7 Eventos Mutuamente Exclusivos
3.8 Exerccios resolvidos
3.9 Atividades Complementares
3.10 Teorema de Bayes

-3-

1 CONCEITOS FUNDAMENTAIS
1.1

Introduo Estatstica

Todas as cincias tm suas razes na histria do homem.


A Matemtica, que considerada a cincia que une clareza do raciocnio a sntese da
linguagem, originou-se do convvio social, das trocas, da contagem, com carter prtico,
utilitrio, emprico.
A Estatstica, ramo da Matemtica Aplicada, teve origem semelhante.
Embora a palavra ESTATSTICA ainda no existisse, h indcios de que 3.000 anos a.C.
j se faziam censos na Babilnia, China e Egito, objetivando a taxao de impostos.
A prpria Bblia leva-nos a essa recuperao histrica: O livro quarto (Nmeros) do velho
testamento comea com uma instruo a Moiss: Fazer um levantamento dos homens de
Israel que estivessem aptos para guerrear.
Na poca do imperador Csar Augusto, saiu um edito para que se fizesse um censo em
todo o imprio romano. (A palavra CENSO deriva de CENSERE que em latim,
significa TAXAR.)
Por isso, diz a Bblia, Maria e Jos viajaram para Belm.
A palavra ESTATSTICA vem de STATUS (ESTADO, em latim). Sob essa palavra
acumularam-se descries e dados relativos ao Estado. A ESTATSTICA, nas mos dos
estadistas, constituiu-se uma verdadeira ferramenta administrativa.
Em 1805, Guilherme, o conquistador, ordenou que se fizesse um levantamento
estatstico da Inglaterra. Esse levantamento deveria incluir informaes sobre terras,
proprietrios, uso da terra, empregados e animais. Serviria, tambm, de base para o
clculo de impostos. Tal levantamento originou um volume intitulado Domesday Book.
No sculo XVII ganhou destaque na Inglaterra, a partir das tbuas de mortalidade, a
aritmtica poltica, de John Graunt, que consistiu de exaustivas anlises de nascimentos
e mortes. Dessas anlises resultou a concluso, entre outras, de que a porcentagem de
nascimentos de crianas do sexo masculino era ligeiramente superior de crianas do
sexo feminino.
E saibam que as Tbuas de Mortalidade usadas hoje pelas companhias de seguros
originam-se de estudos como esse.
A palavra ESTATSTICA (STATISTICS) foi cunhada pelo acadmico alemo
GOTTFIRIED ACHENWALL (Godofredo) por volta da metade do sculo XVIII. Deixaram-se
de lado o simples levantamento e o registro de dados numricos para proceder ao estudo
de como tirar concluses sobre o todo, observando parte desse todo. O todo seria
a populao e a parte do todo, a amostra.

1.1.1 Mtodo Estatstico


1.1.1.1 O Mtodo Cientfico
Mtodo um conjunto de meios dispostos convenientemente para se chegar a um fim
que se deseja.
Dos mtodos cientficos, vamos destacar o mtodo experimental e o estatstico.

-4-

1.1.1.2 O Mtodo Experimental


O mtodo experimental consiste em manter constantes todas as causas (fatores),
menos uma, e variar esta causa de modo que o pesquisador possa descobrir seus efeitos,
caso existam.
o mtodo preferido no estudo da Qumica, da Fsica etc.
1.1.1.3 O Mtodo Estatstico
Muitas vezes temos necessidade de descobrir fatos em um campo em que o mtodo
experimental no se aplica (nas cincias sociais), j que os vrios fatores que afetam o
fenmeno em estudo no podem permanecer constantes enquanto fazemos variar a
causa que, naquele momento, nos interessa.
Exemplo:
A determinao das causas que definem o preo de uma mercadoria. Para aplicarmos
o mtodo experimental, teramos que fazer variar a quantidade da mercadoria e
verificar se tal fato iria influenciar seu preo.
Porm, seria necessrio que no houvesse alterao nos outros fatores. Assim, deveria
existir, no momento da pesquisa, uma uniformidade dos salrios, o gosto dos
consumidores deveria permanecer constante, seria necessria a fixao do nvel geral
dos preos das outras necessidades etc. Mas isso tudo impossvel.
Nesses casos, lanamos mo de outro mtodo, embora mais difcil e menos preciso,
denominado mtodo estatstico.
O mtodo estatstico, diante da impossibilidade de manter as causas constantes,
admite todas essas causas presentes variando-as, registrando essas variaes e
procurando determinar, no resultado final, que influncias cabem a cada uma delas.

1.1.2 A Estatstica
A utilizao das PESQUISAS muito comum nas mais diversas atividades humanas.
Muitas decises so tomadas tendo como ponto de partida a anlise de resultados de
cuidadosas pesquisas.
Exemplos:
Na poca das eleies, as pesquisas eleitorais fornecem elementos para que os
partidos e os candidatos redimensionem a campanha eleitoral.
Quando do levantamento de um novo produto, as indstrias realizam pesquisas junto
aos consumidores para sondar a aceitao desse produto.
Emissoras de televiso frequentemente fazem pesquisas com os espectadores, a fim
de observarem a aceitao de seus programas.
Concluso:
A Estatstica uma parte da Matemtica Aplicada que estuda mtodos para a coleta, a
organizao, descrio, anlise e interpretao de dados. Todo o seu estudo objetiva,
entre outros, a tomada de decises.
A coleta, a organizao e a descrio dos dados esto a cargo da Estatstica Descritiva,
enquanto a anlise e a interpretao desses dados ficam a cargo da Estatstica
Indutiva ou Inferencial.
-5-

A anlise e a interpretao dos dados estatsticos tornam possvel o diagnstico de uma


empresa.
Exemplo:
Na Faculdade Pereira de Freitas, o conhecimento de seus problemas (condies de
funcionamento, produtividade), a formulao de solues apropriadas e um
planejamento objetivo de ao.

1.1.3 Fases do Mtodo Estatstico


Podemos distinguir no mtodo estatstico as seguintes fases:
1.1.3.1 Coleta de Dados
A coleta de dados numricos pode ser direta ou indireta.
A coleta direta quando feita sobre elementos informativos de registro obrigatrio
(nascimentos, casamentos e bitos, importao e exportao de mercadorias),
elementos pertinentes aos pronturios dos alunos de uma faculdade ou, ainda, quando
os dados so coletados pelo prprio pesquisador atravs de inquritos e questionrios,
como o caso das notas de verificao e de exames, do censo demogrfico etc.
A coleta direta de dados pode ser classificada relativamente ao fator tempo em:
a. contnua (registro) quando feita continuamente, tal como a de nascimentos e
bitos e a de freqncia dos alunos s aulas;
b. peridica quando feita em intervalos constantes de tempo, como os censos
(de 10 em 10 anos) e as avaliaes peridicas dos alunos;
c. ocasional quando feita extemporaneamente, a fim de atender a uma
conjuntura ou a uma emergncia, como no caso de epidemias que assolam ou
dizimam rebanhos inteiros.
A coleta se diz indireta quando inferida de elementos conhecidos (coleta direta) e/ou
do conhecimento de outros fenmenos relacionados com o fenmeno estudado. Como
exemplo, podemos citar a pesquisa sobre a mortalidade infantil, que feita atravs de
dados colhidos por uma coleta direta.
1.1.3.2 Crtica dos Dados
Obtidos os dados, eles devem ser cuidadosamente criticados, procura de possveis
falhas e imperfeies, a fim de no incorrermos em erros grosseiros ou de certo vulto,
que possam influir sensivelmente nos resultados.
A crtica externa quando visa s causas dos erros por parte do informante, por
distrao ou m interpretao das perguntas que lhe foram feitas; interna quando visa
observar os elementos originais dos dados da coleta.
1.1.3.3 Apurao dos Dados
Nada mais do que a soma e o processamento dos dados obtidos e a disposio
mediante critrios de classificao. Pode ser manual, eletromecnica ou eletrnica.
1.1.3.4 Exposio ou Apresentao dos Dados
Por mais diversa que seja a finalidade que se tenha em vista, os dados devem ser
apresentados sob forma adequada (tabelas ou grficos), tornando mais fcil o exame
daquilo que est sendo objeto de tratamento estatstico e ulterior obteno de medidas
tpicas.
-6-

1.1.3.5 Anlise dos resultados


Como j dissemos, o objetivo ltimo da Estatstica tirar concluses sobre o todo
(populao) a partir de informaes fornecidas por parte representativa do todo
(amostra). Assim, realizadas as fazes anteriores (Estatstica Descritiva), fazemos uma
anlise dos resultados obtidos, atravs dos mtodos da Estatstica Indutiva ou
Inferencial, que tem por base a induo ou inferncia, e tiramos desses resultados
concluses e previses.

1.1.4 A Estatstica nas Empresas


No mundo atual, a empresa uma das vigas-mestras da Economia dos povos.
A direo de uma empresa, de qualquer tipo, incluindo as estatais e governamentais,
exige de seu administrador a importante tarefa de tomar decises, e o conhecimento e
o uso da Estatstica facilitaro seu trplice trabalho de organizar, dirigir e controlar a
empresa.
Por meio de sondagem, de coleta de dados e de recenseamento de opinies,
podemos conhecer a realidade geogrfica e social, os recursos naturais, humanos e
financeiros disponveis, as expectativas da comunidade sobre a empresa, e estabelecer
suas metas, seus objetivos com maior possibilidade de serem alcanados a curto, mdio
ou longo prazo.
A Estatstica ajudar em tal trabalho, como tambm na seleo e organizao da
estratgia a ser adotada no empreendimento, ainda, na escolha das tcnicas de
verificao e avaliao da quantidade e da qualidade do produto e mesmo dos
possveis lucros e/ou perdas.
Tudo isso que se pensou, que se planejou, precisa ficar registrado, documentado para
evitar esquecimentos, a fim de garantir o bom uso do tempo, da energia e do material e,
ainda, para um controle eficiente do trabalho.
O esquema do planejamento o plano, que pode ser resumido com o auxlio da
Estatstica, em tabelas e grficos, que facilitaro a compreenso visual dos clculos
matemtico-estatsticos que lhes deram origem.
O homem de hoje, em suas mltiplas atividades, lana mo de processos e tcnicas
estatsticos, e s estudando-os evitaremos o erro das generalizaes apressadas a
respeito de tabelas e grficos apresentados em jornais, revistas e televiso,
frequentemente cometido quando se conhece apenas por cima um pouco de Estatstica.

-7-

1.1.5 Atividades Complementares


1. Complete: O mtodo experimental o mais usado por cincias como:
Qumica, da Fsica etc.

2. As cincias humanas e sociais, para obterem os dados que buscam, lanam mo de


que mtodo?
Embora mais difcil e menos preciso, o mtodo estatstico.

3. O que Estatstica?

A Estatstica uma parte da Matemtica Aplicada que estuda mtodos para a coleta, a organizao,
descrio, anlise e interpretao de dados. Todo o seu estudo objetiva, entre outros, a tomada de
decises.

4. Cite as fases do mtodo estatstico.


Coleta de Dados, Crtica dos Dados, Apurao dos Dados, Exposio ou Apresentao dos Dados e Anlise
dos resultados

5. Para voc, o que coletar dados?


A coleta direta quando feita sobre elementos informativos de registro obrigatrio (nascimentos,
casamentos e bitos, importao e exportao de mercadorias), elementos pertinentes aos pronturios dos
alunos de uma faculdade ou, ainda, quando os dados so coletados pelo prprio pesquisador atravs de
inquritos e questionrios, como o caso das notas de verificao e de exames, do censo demogrfico etc.
A coleta direta de dados pode ser classificada relativamente ao fator tempo em:
a. contnua (registro) quando feita continuamente, tal como a de nascimentos e bitos e a de freqncia
dos alunos s aulas;
b. peridica quando feita em intervalos constantes de tempo, como os censos (de 10 em 10 anos) e as
avaliaes peridicas dos alunos;
c. ocasional quando feita extemporaneamente, a fim de atender a uma conjuntura ou a uma
emergncia, como no caso de epidemias que assolam ou dizimam rebanhos inteiros.
A coleta se diz indireta quando inferida de elementos conhecidos (coleta direta) e/ou do conhecimento de
outros fenmenos relacionados com o fenmeno estudado. Como exemplo, podemos citar a pesquisa sobre
a mortalidade infantil, que feita atravs de dados colhidos por uma coleta direta.

6. Para que serve a crtica dos dados?

Obtidos os dados, eles devem ser cuidadosamente criticados, procura de possveis falhas e imperfeies,
a fim de no incorrermos em erros grosseiros ou de certo vulto, que possam influir sensivelmente nos
resultados.
A crtica externa quando visa s causas dos erros por parte do informante, por distrao ou m
interpretao das perguntas que lhe foram feitas; interna quando visa observar os elementos originais
dos dados da coleta.

7. O que apurar dados?


Nada mais do que a soma e o processamento dos dados obtidos e a disposio mediante critrios de
classificao. Pode ser manual, eletromecnica ou eletrnica.

8. Como podem ser apresentados ou expostos os dados?

Por mais diversa que seja a finalidade que se tenha em vista, os dados devem ser apresentados sob forma
adequada (tabelas ou grficos), tornando mais fcil o exame daquilo que est sendo objeto de tratamento
estatstico e ulterior obteno de medidas tpicas.

9. As concluses, as inferncias pertencem a que parte da Estatstica?

Estatstica Indutiva ou Inferencial, que tem por base a induo ou inferncia, e tiramos desses
resultados concluses e previses.

10. Cite trs ou mais atividades do planejamento empresarial em que a Estatstica se faz
necessria.
Podemos conhecer a realidade geogrfica e social, os recursos naturais, humanos e financeiros disponveis,
as expectativas da comunidade sobre a empresa, e estabelecer suas metas, seus objetivos com maior
possibilidade de serem alcanados a curto, mdio ou longo prazo. Na seleo e organizao da estratgia a
ser adotada no empreendimento, ainda, na escolha das tcnicas de verificao e avaliao da quantidade
e da qualidade do produto e mesmo dos possveis lucros e/ou perdas.

-8-

1.2 Populao e Amostra


As pessoas de uma comunidade podem ser estudas sob diversos ngulos. Por exemplo,
podem ser estudadas quanto ao sexo (masculino ou feminino), quanto estatura
(baixa, mdia ou alta), quanto renda (pobres e ricas), etc.
Sexo, estatura e renda so variveis, isto , so propriedades as quais podemos
associar conceitos ou nmeros e assim expressar, de certa maneira, informaes sob
a forma de medidas.
POPULAO (ou UNIVERSO) qualquer conjunto de INFORMAES que tenham,
entre si, uma CARACTERSTICA COMUM.
Voltemos s pessoas da citada comunidade. O conjunto de TODAS as estaturas constitui
uma POPULAO DE ESTATURAS; o conjunto de TODOS os pesos constitui uma
POPULAO DE PESOS; o conjunto de TODAS as cores de olhos constitui uma
POPULAO DE CORES DE OLHOS.
Ento, populao no implica necessariamente GENTE e PESSOAS. O que importa a
VARIVEL estudada. Voc pode ter uma POPULAO DE PESO DE RATOS ou
COMPRIMENTOS DE MINHOCAS.
Se uma populao for muito grande (por exemplo, o conjunto de todas as estaturas de
uma comunidade), o pesquisador poder ter um trabalho astronmico para estud-la. E
em alguns casos os resultados sero sempre falhos.
s pensar no nmero de nascimentos e mortes dirios, isto , na ENTRADA e SADA
de informaes, para avaliar a dificuldade e a impreciso do trabalho.
Nesses casos, o estatstico recorre a uma AMOSTRA, que, basicamente, constitui uma
REDUO da populao a
DIMENSES MENORES, SEM PERDA DAS
CARACTERSTICAS ESSENCIAIS.
Exemplo:
Imaginemos uma escola com 400 alunos (meninos, idades entre 6 e 16 anos).
Se quisermos fazer um estudo das estaturas (qual a estatura mdia?) podemos
simplificar o trabalho colhendo uma amostra de, digamos, 40 alunos e estudar o
COMPORTAMENTO DA VARIVEL ESTATURA APENAS nesses alunos.
A varivel estudada poderia ser inteligncia, nmero de filhos, nmero de cries, notas
em histria ou renda familiar.
Uma amostra, para ser BOA, tem de ser REPRESENTATIVA, ou seja, deve conter EM
PROPORO tudo o que a populao possui QUALITATIVA E QUANTITATIVAMENTE.
E tem de ser IMPARCIAL, isto , todos os elementos da populao devem ter IGUAL
OPORTUNIDADE de fazer parte da amostra.
Logo, algum amigo poder fazer parte da amostra, mas no todos.

-9-

Definies:
VARIVEIS (DADOS) so observaes (tais como medidas, sexos, respostas de
pesquisas) que tenham sido coletados.
ESTATSTICA uma coleo de mtodos para o planejamento de experimentos,
obteno de dados e, consequentemente organizao, resumo, apresentao, anlise,
interpretao e elaborao de concluses baseadas nos dados.
Uma POPULAO a coleo completa de todos os elementos (escores, pessoas,
medidas e outros) a serem estudados. A coleo completa no sentido de que inclui
todos os sujeitos a serem estudados.
Uma AMOSTRA um subconjunto finito de uma populao.

1.2.1 Atividades Complementares


1. Identifique (a) a amostra e (b) a populao. Determine, tambm, se provvel
tambm que a amostra seja representativa da populao.
a. Um reprter da Veja se coloca em uma esquina e pergunta a 10 adultos se acham
que o atual presidente est fazendo um bom trabalho.
Amostra: os 10 adultos selecionados; Populao: todos os adultos; no representativa

b. O Datafolha pesquisa 5000 famlias selecionadas aleatoriamente e verifica que


entre as televises em uso 19% esto ligadas no programa O Aprendiz (com base
em dados da Folha de So Paulo).
c. Em uma pesquisa Gallup de 1059 adultos selecionados aleatoriamente, 30%
responderam sim quando lhes foi perguntado voc tem uma arma em casa?.
Amostra: os 1059 adultos selecionados; Populao: todos os adultos; representativa

d. Uma estudante de graduao da Universidade Federal do Par realiza um projeto de


pesquisa sobre como adultos brasileiros se comunicam. Ela comea com uma
pesquisa pelo correio enviada a 500 adultos que conhece. Ela pede a eles que
devolvam por correio a resposta a esta pergunta: Voc prefere usar o correio
eletrnico ou o correio usual? Ela recebe de volta 65 respostas, com 42 delas
indicando preferncia pelo correio usual.
2. Imagine que algum resolveu fazer uma pesquisa sobre o esporte preferido da
populao brasileira. Para tanto, entrevistou 2000 pessoas. Esta amostra da
populao brasileira estaria sendo representativa se:
1.
2.
3.
4.

todas
todas
todas
todas

fossem
fossem
fossem
fossem

do
da
da
da

mesmo
mesma
mesma
mesma

sexo?
idade?
cidade?
classe social?

- 10 -

1.3 Variveis (Dados) Quantitativas Contnuas e Discretas


A cada fenmeno corresponde um nmero de resultados possveis.
Exemplo:
para o fenmeno sexo no dois os resultados possveis: masculino e feminino;
para o fenmeno nmero de filhos h um nmero de resultados possveis, expresso
atravs dos nmeros naturais: 0, 1, 2, 3, 4, ..., n;
para o fenmeno estatura temos uma situao diferente, pois os resultados podem
tomar um nmero infinito de valores numricos dentro de um determinado intervalo.
Varivel , convencionalmente, o conjunto de resultados possveis de um fenmeno.
Os exemplos acima nos dizem que as variveis podem ser:
a. quantitativa quando seus valores so expressos em nmeros (salrios dos
operrios, idade dos alunos de uma escola etc.). Uma varivel quantitativa que
pode assumir, teoricamente, qualquer valor entre dois limites recebe o nome de
varivel contnua; uma varivel que s pode assumir valores pertencentes a
um conjunto enumervel recebe o nome de varivel discreta.
b. qualitativa quando seus valores so expressos por atributos: sexo (masculino
feminino), cor da pele (branca, preta, amarela, vermelha, parda) etc.;
Definimos os termos populao e amostra. Os dois termos seguintes so usados para
distinguir entre casos nos quais temos dados para uma populao inteira, e casos nos
quais temos dados apenas para uma amostra.
Definies:
Um PARMETRO uma medida numrica que descreve alguma caracterstica de uma
populao.
Uma ESTATSTICA uma medida numrica que descreve alguma caracterstica de uma
amostra.
Exemplos:
Parmetros: Quando Lula foi eleito presidente em 2006, ele recebeu 60,83% dos
95.838.220 votos no segundo turno. Se encararmos a coleo de todos esses votos
como a populao a ser considerada, ento 60,83% um parmetro, no uma
estatstica.
Estatstica: Com base em uma amostra de 877 executivos pesquisados, achou-se
que 45% deles no contratariam algum que cometesse um erro tipogrfico em sua
solicitao de emprego. Esse nmero de 45% uma estatstica porque se baseia em
uma amostra, no da populao inteira de todos os executivos.
Alguns conjuntos de dados consistem em nmeros (tais como 66 um e 72 um), enquanto
outros so no numricos (tais como cor dos olhos: verde e marrom). Os termos dados
quantitativos e dados qualitativos so em geral usados para distinguir entre esses
dois tipos.

- 11 -

Definies:
Dados Quantitativos consistem em nmeros que representam contagens ou medidas.
Dados Qualitativos (ou categricos ou de atributos) podem ser separados em
diferentes categorias que se distinguem por alguma caracterstica no-numrica.
Exemplos:
Dados Quantitativos: Os pesos de modelos.
Dados Qualitativos: Os sexos (masculino/feminino) de atletas profissionais.
Quando trabalhamos com dados quantitativos, importante usar as unidades de medida
apropriadas, tais como dlares, horas, metros, e assim por diante. Devemos ter especial
cuidado em observar referncias como todas as quantidades esto em milhares de
dlares ou todos os tempos esto em centsimos de segundo ou as unidades so
quilogramas. Ignorar tais unidades de medida pode levar a concluses muito erradas. A
NASA perdeu seu Mars Climate Orbiter de $125 milhes de dlares quando ele bateu
porque o programa de controle tinha dados de acelerao em unidades inglesas, que
foram interpretadas incorretamente como unidades mtricas.
Os dados quantitativos podem ainda ser descritos pela distino entre os tipos
discretos e contnuos.

Definies:
Dados Discretos surgem quando o nmero de valores possveis ou um nmero finito
ou uma quantidade enumervel. (Isto , o nmero de valores possveis 0, ou 1, ou 2
e assim por diante.)
Dados (numricos) Contnuos resultam de infinitos valores possveis que
correspondem a alguma escala contnua que cobre um intervalo de valores sem vazios,
interrupes ou saltos.
Exemplos:
Dados Discretos: Os nmeros de ovos que as galinhas botam so dados discretos
porque representam contagens.
Dados Contnuos: As quantidades de leite das vacas so dados contnuos porque so
medidas que podem assumir qualquer valor em um intervalo contnuo. Durante um
dado intervalo de tempo, uma vaca pode produzir uma quantidade de leite que pode
ser qualquer valor entre 0 e 5 gales. Seria possvel obter-se 2,34315 gales, porque
a vaca no restrita a quantidades discretas de 0, 1, 2, 3, 4 ou 5 gales.
De modo geral, as medies do origem a variveis contnuas e as contagens ou
enumeraes, a variveis discretas.

- 12 -

1.3.1 Atividades Complementares


1. Determine se o valor dado uma estatstica ou um parmetro.
a. O Senado atual do Brasil compe-se de 75 homens e 6 mulheres.

Parmetro

b. Uma amostra de estudantes selecionada e a mdia do nmero de livros-texto


comprados 4,2.
c. Uma amostra de estudantes selecionada e a mdia de tempo de espera na fila
para comprar livros-texto 0,65 h. Estatstica
d. Em um estudo de todos os 2223 passageiros a bordo do Titanic, verificou-se que
706 sobreviveram quando ele afundou.
2. Determine se os valores dados so de um conjunto de dados discreto ou contnuo.
a. O salrio de presidente de George Washington era de $25.000 por ano, e o valor
atual do salrio do presidente de $400.000. Contnuo
b. Um estudante de estatstica obtm dados amostrais e encontra que o peso mdio
dos carros na amostra de 1200 Kg.
c. Em uma pesquisa com 1059 adultos, verificou-se que 39% deles tinham armas em
suas casas (com base em uma pesquisa do Gallup). Discreto
d. Quando 19.218 mscaras de gs do exrcito americano foram testadas, verificou-se
que 10.322 delas eram defeituosas (com base em dados da revista Times).

- 13 -

1.4 Variveis Qualitativas Nominais e Ordinais


Outra maneira comum de classificar dados usar quatro nveis de mensurao:
nominal, ordinal, intervalar e razo.
Tudo parece indicar que uma das grandes preocupaes do homem e sempre foi a
MEDIO: Medir terras, a quantidade de gado no pasto, a riqueza, pores de
medicamentos etc.
A inveno dos nmeros (isto , de palavras capazes de expressar quantidades) permitiu
que o homem deixasse de guardar informaes num lugar fsico, concreto (ex: pedrinhas
e gravetos), para guard-las num lugar psicolgico: A MEMRIA.
Com a escrita, o homem supera esse problema. O ALGARISMO representao grfica
do nmero possibilitou-lhe anotar as informaes como garantia contra o esquecimento.
MEDIR uma magnitude (GRANDEZA) significa associar a essa magnitude um NMERO
REAL.
Quando se mede uma grandeza, realizam-se em cadeia, as seguintes operaes:
- Definio do que vai ser medido;
- Definio de um critrio para a medio, isto , de uma ESCALA;
- Leitura;
- Interpretao.
Embora nmero seja sempre nmero, as magnitudes diferem umas das outras quanto
classe a que pertencem: Estatura, peso, velocidade, inteligncia, maturidade,
temperatura, beleza etc.
O processo de mensurao depende do NVEL, isto , da CLASSE a que pertence a
magnitude (= GRANDEZA).
Cada nvel supe certas caractersticas associadas s grandezas nele contidas. Assim, h
caractersticas de 1 Nvel, 2 Nvel, 3 Nvel e 4 Nvel. A complexidade e a informao
aumentam com o Nvel.
Nveis de Mensurao:
1 NVEL O Nvel Nominal de Mensurao caracterizado por dados que consistem
em nomes, rtulos ou categorias apenas. Os dados no podem ser ordenados (tal como
do menor para o maior). o nvel de mensurao mais baixo, mais rudimentar possvel.
Sua escala de medida chama-se NOMINAL. A base, o fundamento para a atribuio dos
nmeros de natureza QUALITATIVA, DISTINTIVA.
Exemplos:
Sim/no/indeciso: Respostas de pesquisa.
Cores: As cores de carros dirigidos por estudantes da faculdade (vermelho, preto,
azul, branco, e assim por diante).
Numa sala h 8 alunos, 5 dos quais do sexo masculino. Convencionando que os homens
sero designados por 1 e as mulheres, por 2, tudo o que se pode fazer escrever.
Joo

Pedro
Alberto
Carlos
Otvio

1
1
1
1
1

Maria 2
Adriana 2
Patrcia 2

ou dizer:

- 14 -

- H 5 x 1 = 5 Homens
- H 3 x 2 = 3 Mulheres

Notar que no tem sentido matemtico fazer a operao 3 x 2 = 6, pois 2 NO


REPRESENTA uma QUANTIDADE, mas sim, uma CATEGORIA. Por essa razo, esse 2
poderia ser substitudo pelo smbolo , da resultando 3 = 3 mulheres.
Como os dados nominais no tm ordenao ou significado numrico, eles no devem
ser usados para clculos. Algumas vezes, usam-se nmeros associados s diferentes
categorias (especialmente quando os dados so codificados para computador),
mas esses nmeros no tm qualquer significado computacional e qualquer mdia
calculada com eles no tem qualquer significado.
Concluso: No 1 Nvel, os algarismos tm cara de nmeros, mas no so nmeros:
So CATEGORIAS. Portanto, no so possveis operaes aritmticas com valores
atribudos s VARIVEIS. O 1 Nvel presta-se a CODIFICAES e estas comportam,
no mximo, CONTAGENS.
Outros exemplos:
Nmeros de telefones: Joo 3292-3541
Placas de automveis: APA 4506 (carro da Adriana)
Camisas de jogadores: Pel 10
2 NVEL Os dados esto no Nvel Ordinal de Mensurao se podem ser arranjados
em alguma ordem, mas diferenas entre os valores dos dados ou no podem ser
determinadas ou no so significativas. Este nvel j um pouco mais elaborado que o
anterior e corresponde ao que popularmente se designa por ORDENAO; a escala de
medida chama-se ORDINAL.
As grandezas de 2 nvel podem ser avaliadas em termos de mais que ou menos que,
embora a quantificao precisa seja impossvel.
Exemplos:
Postos: Com base em vrios critrios, uma revista classifica cidades de acordo com
suas condies de habitao. Esses postos (primeiro, segundo, terceiro, e assim por
diante) determinam uma ordenao. No entanto, as diferenas entre os postos no
tm significado. Por exemplo, a diferena de segundo menos primeiro pode sugerir
2 - 1 = 1, mas essa diferena de 1 no tem significado porque no uma quantidade
que possa ser comparada a outras tais diferenas. A diferena entre a primeira e a
segunda, cidades, no a mesma que a diferena entre a segunda e a terceira
cidades. Usando a classificao da revista a diferena entre Belo Horizonte e Ipatinga,
no pode ser comparada quantitativamente com a diferena entre Belm e Marab.
Notas em Cursos: Um professor de faculdade atribui notas A, B, C, D ou F. Essas
notas podem ser arranjadas em ordem, mas no podemos determinar as diferenas
entre elas. Por exemplo, sabemos que A maior do que B (assim, h uma ordem),
mas no podemos subtrair B de A (assim, a diferena no pode ser encontrada).
Notas em Cursos: resultantes de provas tradicionais produzem mensuraes de
2 nvel. Assim, se Joo tirou 8 e Maria, 4, mais possvel concluir que Joo sabe
mais que Maria, embora NO se possa concluir que Joo saiba o dobro do que ela
sabe.
Dados ordinais fornecem informaes sobre comparaes relativas, mas no as
magnitudes das diferenas. Usualmente, os dados ordinais no devem ser usados para
clculos, tais como uma mdia, mas essa orientao , algumas vezes, violada (tal como
quando usamos notas dadas por letras para calcular o conceito mdio da turma).

- 15 -

3 NVEL O Nvel Intervalar de Mensurao como o nvel ordinal, com a


propriedade adicional de que a diferena entre quaisquer dois valores de dados
significativa. No entanto, os dados nesse nvel no tm um ponto inicial zero natural
(quando o nada da quantidade est presente). no 3 nvel que surge, pela 1 vez, uma
escala de medida propriamente dita. a escala INTERVALAR, caracterizada pela
existncia de:
- Uma unidade de medida (arbitrria, porm fixa);
- Um zero relativo, isto , convencional.
Exemplos:
Anos: Os anos 1000, 2000, 1776 e 1492. (O tempo no comea no ano 0, de modo
que o ano 0 arbitrrio e no um ponto inicial zero natural que represente nenhum
tempo.)
As escalas termomtricas. O zero convencional em todas, bem como a distncia
entre dois traos contguos os chamados GRAUS.
Assim, se o corpo A est a 40C e outro, B, a 10C, no tem sentido dizer que A
quatro vezes mais quente que B s porque 40:10 = 4. Os valores so ordenados, e
podemos determinar a sua diferena de 30C. No entanto, no h um ponto inicial
natural. O valor de 0C pode parecer um ponto inicial, mas arbitrrio e no significa
ausncia total de calor. Como 0C no um ponto inicial zero natural, errado dizer
que 50C duas vezes mais quente do que 25C. Mas no h dvida de que A bem
mais quente que B.
4 NVEL O Nvel de Mensurao de Razo o nvel intervalar com a propriedade
adicional de que h tambm um ponto inicial zero natural (onde zero indica que nada da
quantidade est presente). Para valores nesse nvel, diferenas e razes so, ambas,
significativas. O 4 nvel define a chamada escala de razo ou RACIONAL. Essa escala
muito parecida com a de 3 nvel, exceto quanto origem: o zero absoluto, isto ,
zero mesmo.
Em funo disso, todas as operaes aritmticas passam a ter sentido e, portanto, NO
H CLCULO QUE NO POSSA SER FEITO.
Exemplos:
Pesos: Os pesos (em quilates) de diamantes de anis (0 representa nenhum peso, e
4 quilates duas vezes mais que 2 quilates).
Preos: Os preos de livros-texto (R$0,00 representa nenhum custo, e um livro de
R$90,00 custa trs vezes um livro de R$30,00).
Esse nvel de mensurao chamado nvel de razo porque o ponto inicial zero torna as
razes significativas. Entre os quatro nveis de mensurao, a maior dificuldade surge
entre os nveis intervalar e de razo.

- 16 -

1.4.1 Atividades Complementares


1. Classifique as variveis em qualitativas ou quantitativas (contnuas ou descontnuas):
a. Universo: alunos de uma faculdade.
Varivel: cor dos cabelos - ... Qualitativa
b. Universo: casais residentes em uma cidade.
Varivel: nmero de filhos - ... Quantitativa Discreta
c. Universo: as jogadas de um dado.
Varivel: o ponto obtido em cada jogada - ... Quantitativa Discreta
d. Universo: peas produzidas por certa mquina.
Varivel: nmero de peas produzidas por hora - ... Quantitativa Discreta
e. Universo: peas produzidas por certa mquina.
Varivel: dimetro externo - ... Quantitativa Contnua
2. Quais das variveis abaixo so discretas e quais so contnuas:
a. Populao: alunos de uma cidade.
Varivel: cor dos olhos.
b. Populao: estao meteorolgica de uma cidade.
Varivel: precipitao pluviomtrica, durante um ano. Quantitativa Contnua
c. Populao: Bolsa de Valores de So Paulo.
Varivel: nmero de aes negociadas. Quantitativa Discreta
d. Populao: funcionrios de uma empresa.
Varivel: salrios. Quantitativa Discreta
e. Populao: pregos produzidos por uma mquina.
Varivel: comprimento. Quantitativa Contnua
f. Populao: casais residentes em uma cidade.
Varivel: sexo dos filhos.
g. Populao: propriedades agrcolas do Brasil.
Varivel: produo de algodo. Quantitativa Contnua
h. Populao: segmentos de reta.
Varivel: comprimento. Quantitativa Contnua
i. Populao: bibliotecas da cidade de Ipatinga.
Varivel: nmero de volumes. Quantitativa Discreta
j. Populao: aparelhos produzidos em uma linha de montagem.
Varivel: nmero de defeitos por unidade. Quantitativa Discreta
k. Populao: indstrias de uma cidade.
Varivel: ndice de liquidez. Quantitativa Contnua
3. Determine qual dos quatro nveis de mensurao (nominal, ordinal, intervalar, razo)
mais apropriado.
a. Altura das jogadoras de basquete da seleo brasileira. razo
b. Classificao de encontro as cegas como fantstico, bom, mdio, fraco,
inaceitvel.
c. Classificao da revista Consumer Reports em melhor comprar, recomendado, no
recomendado. ordinal
d. Nmeros do seguro social.
e. O nmero de respostas sim recebidas quando se perguntou a 1250 motoristas se
alguma vez tinham usado o telefone celular enquanto dirigiam. razo
f. Cdigos postais (CEP).

- 17 -

4. Alm do Bsico
a. Interpretao do Aumento da Temperatura. Na tirinha do desenho Born
Loser de Art Sansom, Brutus expressa satisfao com o aumento da temperatura
de 1 para 2. Quando perguntam a ele o que h de to bom em relao a 2 , ele
responde duas vezes mais quente do que essa manh. Explique por que Brutus
est errado mais uma vez.
Sem qualquer ponto inicial natural, as temperaturas esto no nvel intervalar de mensurao; razes
tais como dobro no tem significado.

b. Interpretao da Pesquisa Poltica. Um pesquisador entrevista 200 pessoas e


lhes pergunta sobre o partido poltico de sua preferncia. Ele codifica as respostas
como 0 (para PT), 1 (para PSDB), 2 (para PMDB), 3 (para quaisquer outras
respostas). Ele calcula, ento, a mdia dos nmeros e obtm 0,95. Como se pode
interpretar esse valor?
c. Escala para Classificao de Comida. Um grupo de estudantes desenvolve uma
escala de classificao da qualidade da comida da lanchonete, com 0
representando neutra: nem boa nem ruim. Do-se nmeros negativos para
refeies ruins e nmeros positivos para refeies boas, com o valor absoluto dos
nmeros correspondendo a seriedade da m ou boa qualidade. As trs primeiras
refeies tiveram classificaes 2, 4 e -5. Qual o nvel de mensurao para tal
classificao? Justifique sua escolha.
Ordinal ou intervalar so respostas razoveis, mas ordinal faz mais sentido porque as diferenas entre
valores no so, provavelmente, significativas. Por exemplo, a diferena entre uma comida classificada
como 1 e uma comida classificada como 2 no , provavelmente, a mesma entre uma comida
classificada como 9 e uma comida classificada como 10.

- 18 -

1.5 Planejamento de Experimento e Amostragem


Devemos entender que o mtodo usado para coletar dados absoluta e criticamente
importante, e devemos saber que a aleatoriedade particularmente importante.
Se os dados amostrais no forem coletados de maneira apropriada, eles

podem ser de tal modo inteis que nenhuma manipulao estatstica poder
salva-los.
A aleatoriedade comumente desempenha papel crucial na determinao de

quais dados coletar.


Os mtodos estatsticos so direcionados pelos dados. Normalmente, obtemos dados de
duas fontes distintas: estudos observacionais e experimentos.
Definies:
Em um estudo observacional, observamos e medimos caractersticas especficas, mas
no tentamos modificar os sujeitos objeto do estudo.
Em um experimento, aplicamos algum tratamento e passamos, ento, a observar seu
efeito sobre os sujeitos.
Exemplos:
Estudo Observacional: uma pesquisa do Gallup, por exemplo, simplesmente
observa as pessoas (em geral, atravs de entrevistas) sem modific-las de modo
algum.
Experimento: o teste clnico da droga Liptor envolve o tratamento de algumas
pessoas com a droga, de modo que as pessoas tratadas so modificadas.
Definies:
Em um estudo transversal, os dados so observados, medidos e coletados em um
ponto no tempo.
Em um estudo retrospectivo (ou de controle de caso), os dados so coletados do
passado, voltando-se no tempo (atravs de exames de registros, entrevistas e assim por
diante).
Em um estudo prospectivo (ou longitudinal ou de coorte), os dados so coletados no
futuro, de grupos (chamados coortes) que compartilham fatores comuns.
Essas trs definies se aplicam aos estudos observacionais, mas agora mudamos nossa
ateno para os experimentos. Os resultados de experimentos so algumas vezes
destrudos por causa do confundimento.
Definio:
O confundimento ocorre em um experimento quando o pesquisador no est apto a
distinguir entre os efeitos de diferentes fatores.
Tente planejar o experimento de modo que o confundimento no ocorra.
Por exemplo, suponha que um professor na faculdade experimente uma nova ttica de
freqncia (sua mdia no curso cai um ponto para cada aula que voc mata), mas
ocorre um inverno excepcionalmente ameno, sem chuvas ou temporais fortes que
atrapalharam a freqncia no passado. Assim, se a freqncia melhorar, no poderemos
determinar se essa demora se deveu nova ttica ou ao inverno ameno. Os efeitos da
ttica de freqncia e do tempo foram confundidos.
- 19 -

1.5.1 Controlando os Efeitos das Variveis


Um dos elementoschave no planejamento de um experimento o controle dos efeitos
das variveis. Podemos obter tal controle usando dispositivos como experimentos
cegos, blocos, planejamento experimental completamente aleatorizado ou um
planejamento experimental rigorosamente controlado, descritos a seguir.
Experimento Cego - Em 1954, planejou-se um experimento macio para testar a
eficcia da vacina Salk na preveno da plio, que matava ou paralisava milhares de
crianas. Naquele experimento, um grupo de tratamento recebeu a vacina Salk real,
enquanto um segundo grupo recebeu um placebo que no continha qualquer droga. Nos
experimentos que envolvem placebos, h sempre um efeito placebo, que ocorre
quando um sujeito no tratado relata melhora nos sintomas. (A melhora relatada no
grupo placebo pode ser real ou imaginada.) Esse efeito placebo pode ser minimizado ou
contabilizado atravs do uso de um experimento cego, uma tcnica em que o sujeito
no sabe se est recebendo o tratamento ou o placebo. O experimento cego nos permite
determinar se o efeito do tratamento ou no significativamente diferente do efeito do
placebo. O experimento da plio foi do tipo duplo-cego, o que significa que a ocultao
ocorreu em dois nveis (1) as crianas que recebiam a injeo no sabiam se estavam
recebendo a vacina Salk ou um placebo, e (2) os mdicos que davam as injees e
avaliavam os resultados tambm no sabiam.
Blocos No planejamento de um experimento para testar a eficcia de um ou mais
tratamentos, importante colocar os sujeitos (em geral, chamados unidades
experimentais) em grupos diferentes (ou blocos) de tal modo que os grupos sejam muito
semelhantes. Um bloco um grupo de sujeitos que so semelhantes nos modos que
possam afetar o resultado do experimento.
Ao conduzir um experimento que testa um ou mais tratamentos diferente,
forme blocos (ou grupos) de sujeitos com caractersticas similares.
Planejamento Experimental totalmente Aleatorizado Na deciso de como associar
os sujeitos aos diferentes blocos, voc pode usar a seleo aleatria ou tentar controlar
cuidadosamente a associao, de modo que os sujeitos dentro de cada bloco sejam
semelhantes. Uma abordagem usar um planejamento experimental completamente
aleatorizado, onde os sujeitos so colocados nos blocos atravs de um processo de
seleo aleatria. Um exemplo de um planejamento experimental totalmente
aleatorizado a caracterstica do experimento da plio: as crianas foram destinadas ao
grupo de tratamento ou ao grupo placebo atravs de uma seleo aleatria (equivalente
jogada de uma moeda).
Existe uma tcnica especial Amostragem para recolher amostras, que garante,
tanto quanto possvel, o acaso na escolha.
Dessa forma, cada elemento da populao passa a ter a mesma chance de ser escolhido,
o que garante amostra o carter de representatividade, e isto muito escolhido, pois,
como vimos, nossas concluses relativas populao vo estar baseadas nos resultados
obtidos nas amostras dessa populao.
Planejamento Rigorosamente Controlado Outra abordagem para atribuir sujeitos
aos grupos usar um planejamento rigorosamente planejado, no qual os sujeitos so
escolhidos cuidadosamente de modo que em cada bloco sejam similares em relao ao
que importante ao experimento. Em um experimento que testa a eficcia de uma droga
feita para baixar a presso sangunea, se o grupo do placebo inclui um homem de 30
anos, com excesso de peso, fumante e que consome sal e gordura em abundncia, o
grupo do tratamento deve incluir, tambm, uma pessoa com caractersticas semelhantes
(o que, nesse caso, seria fcil de achar).

- 20 -

1.5.2 Replicao e Tamanho da Amostra


Alm do controle dos efeitos das variveis, outro elemento-chave do planejamento
experimental o tamanho das amostras. As amostras devem ser grandes o bastante
para que o comportamento errtico, que caracterstica de amostras muito pequenas,
no disfarce os verdadeiros efeitos dos diferentes tratamentos. A repetio de um
experimento chamada replicao, e a replicao usada efetivamente quando temos
sujeitos suficientes para reconhecer diferenas a partir de tratamentos diferentes. (Em
outro contexto, replicao se refere repetio ou duplicao de um experimento de
modo que os resultados possam ser confirmados ou verificados). Com replicao,
tamanhos amostrais grandes aumentam a chance de reconhecimento dos efeitos de
diferentes tratamentos. No entanto, uma amostra grande no , necessariamente, uma
boa amostra. Embora seja necessrio ter uma amostra que seja suficientemente grande,
mais importante ter uma amostra na qual os dados tenham sido escolhidos de alguma
maneira apropriada, tal como seleo aleatria (descrita mais adiante).
Use um tamanho de amostra grande o bastante para que possa ser vista a
verdadeira natureza de quaisquer efeitos e obtenha a amostra usando um
mtodo apropriado, tal como um baseado em aleatoriedade.
No experimento planejado para testar a vacina Salk, 200.000 crianas receberam a
verdadeira vacina e 200.000 outras crianas receberam um placebo. Como o
experimento real usou tamanhos amostrais suficientemente grandes, a eficcia da vacina
pde ser comprovada. No entanto, embora os grupos de tratamento e de placebo fossem
muito grandes, o experimento teria sido um fracasso se os sujeitos no tivessem sido
destinados a cada grupo de um modo que tornasse ambos os grupos semelhantes no que
era importante para o experimento.

1.5.3 Aleatorizao e Outras Estratgias Amostrais


Na estatstica, como na vida, um dos piores erros consiste em coletar dados de uma
maneira no apropriada. No podemos deixar de enfatizar esse ponto muito importante:
Se os dados amostrais no forem coletados de maneira adequada, eles
podem ser de tal modo inteis que nenhuma manipulao estatstica
poder salv-los.
Vamos, agora, definir os mtodos de amostragem mais comuns.
1.5.3.1

Amostragem Aleatria simples ou casual

Definies:
Em uma amostra aleatria, membros de uma populao so selecionados de tal modo
que cada membro individual tenha chance igual de ser selecionado.
Uma amostra aleatria simples (amostragem casual) de tamanho n selecionada de
tal modo que toda amostra possvel de mesmo tamanho n tem a mesma chance de ser
escolhida.
Este tipo de amostragem equivalente a um sorteio lotrico.
Na prtica, a amostragem casual ou aleatria simples pode ser realizada numerando-se a
populao de 1 a n e sorteando-se, a seguir, por meio de um dispositivo aleatrio
qualquer, k nmeros dessa seqncia, os quais correspondero aos elementos
pertencentes amostra.

- 21 -

Exemplo:
Vamos obter uma amostra representativa para a pesquisa da estatura de noventa
alunos de uma faculdade:
a. Imagine uma sala de aula com 60 alunos arrumados em 6 filas de 10 alunos cada.
Suponha que o professor selecione uma amostra de 10 alunos jogando um dado e
selecionando a fila correspondente ao resultado da jogada. O resultado uma
amostra aleatria porque cada estudante individual tem a mesma chance (uma
chance em seis) de ser escolhido. No entanto, a amostra no uma amostra aleatria
simples porque nem todas as amostras de tamanho 10 tm a mesma chance de
serem escolhidas. Por exemplo, esse planejamento amostral, ao usar um dado para
selecionar uma fileira, torna impossvel selecionar 10 estudantes que estejam em filas
diferentes (mas h uma chance em seis de selecionar os 10 estudantes da primeira
fila).
b. Numeramos os alunos de 01 a 90. Escrevemos os nmeros, de 01 a 90, em pedaos
iguais de um mesmo papel, colocando-os dentro de uma caixa. Agitamos sempre a
caixa para misturar bem os pedaos de papel e retiramos, um a um, nove nmeros
que formaro a amostra. Neste caso, 10% da populao.
Com a amostragem aleatria, esperamos que todos os componentes da populao sejam
(aproximadamente) proporcionalmente representados. Amostras aleatrias so
selecionadas por vrios mtodos diferentes, incluindo o uso do computador para gerar
nmeros aleatrios. (Antes dos computadores, eram usadas tabelas de nmeros
aleatrios).
Quando o nmero de elementos da amostra grande, esse tipo de sorteio torna-se muito
trabalhoso. A fim de facilit-lo, foi elaborada uma Tabela de Nmeros Aleatrios
(ANEXO I), construda de modo que os 10 algarismos (0 a 9) so distribudos ao acaso
nas linhas e colunas.
ANEXO I
TABELA DE NMEROS ALEATRIOS
5
2
9
9
8
2
5
7
5
1
5
0
2
0
4
5
7
6
8
8
0
6
9
4
9
3
6
0
4
7
2
7
0
0
6

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

- 22 -

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Para obtermos os elementos da amostra usando a tabela, sorteamos um algarismo


qualquer da mesma, a partir da qual iremos considerar nmeros de dois, trs ou mais
algarismos, conforme nossa necessidade. Os nmeros assim obtidos iro indicar os
elementos da amostra.
A leitura da tabela pode ser feita horizontalmente (da direita para a esquerda ou viceversa), verticalmente (de cima para baixo ou vice-versa) ou formando o desenho de uma
letra qualquer. A opo, porm, deve ser feita antes de iniciado o processo.
Assim, para o nosso exemplo, considerando a 18 linha, tomamos os nmeros de dois
algarismos (tantos algarismos quanto formam o maior nmero da populao), obtendo:
61

02

01

81

73

92

60

66

73

58

53

34

Evidentemente, o nmero 92 ser desprezado, pois no consta da populao, como ser


abandonado um numeral que j tenha aparecido.
Temos, ento:
61

02

01

81

73

60

66

58

53

34

Medindo as alturas dos alunos correspondentes aos nmeros sorteados, obteremos uma
amostra das estaturas dos noventa alunos.
1.5.3.2

Amostragem Proporcional Estratificada

Muitas vezes a populao se divide em subpopulaes estratos.


Como provvel que a varivel em estudo apresente, de estrato em estrato, um
comportamento heterogneo e, dentro de cada estrato, um comportamento homogneo,
convm que o sorteio dos elementos da amostra leve em considerao tais estratos.
exatamente isso que fazemos quando empregamos a amostragem proporcional
estratificada, que, alm de considerar a existncia dos estratos, obtm os elementos da
amostra proporcional ao nmero de elementos dos mesmos. Logo, temos:
Exemplo:
Supondo, no exemplo anterior (b), que, dos noventa alunos, 54 sejam meninos e 36
sejam meninas, vamos obter a amostra proporcional estratificada.
So, portanto, dois estratos (sexo masculino e sexo feminino) e queremos uma amostra
de 10% da populao. Logo, temos:
b.1
SEXO

POPULAO

10%

AMOSTRA

54

10 x 54 100 = 5,4

36

10 x 36 100 = 3,6

Total

90

10 x 90 100 = 9,0

b.2 Numeramos os alunos de 01 a 90, sendo que de 01 a 54 correspondem a meninos e


de 55 a 90, meninas. Tomamos na tabela de nmeros aleatrios a primeira e a
segunda colunas da esquerda, de cima pra baixo, obtemos os seguintes nmeros:
57

28

92

90

80

22

56

79

18
56

03 para os meninos;
para as meninas.

Temos ento:
28
57

22
90

53
80

- 23 -

53

18

03

27

05

40

Com a amostragem estratificada, subdividimos a populao em pelo menos dois


subgrupos (ou estratos) que compartilham as mesmas caractersticas (tais como sexo ou
faixa etria) e em seguida, extramos uma amostra de cada subgrupo (ou estrato).
1.5.3.3

Amostragem por Conglomerado

Na amostragem por conglomerado, primeiro dividimos a rea da populao em


sees (ou conglomerados), depois selecionamos aleatoriamente alguns desses
conglomerados e ento escolhemos todos os membros desses conglomerados
selecionados.
fcil confundir a amostragem estratificada com amostragem por conglomerado, porque
ambas envolvem a formao de subgrupos. Mas a amostragem por conglomerado usa
todos os membros de uma amostra de conglomerados, enquanto a amostragem
estratificada usa uma amostra de membros de todos os estratos.
Exemplo:
Pesquisas Eleitorais Selecionamos aleatoriamente 30 zonas eleitorais de um
grande nmero de zonas e, em seguida, entrevistamos todos os eleitores daquelas
zonas selecionadas. Isso muito mais rpido e muito menos dispendioso do que
selecionar uma pessoa de cada uma das muitas zonas da rea populacional. Os
resultados da amostragem estratificada ou por conglomerado podem ser ajustados ou
ponderados para corrigir quaisquer representaes desproporcionais de grupos.
1.5.3.4

Amostragem Sistemtica

Quando os elementos da populao j se acham ordenados, no h necessidade de


construir o sistema de referncia.
Exemplos:
os pronturios mdicos de um hospital;
os prdios de uma rua;
as linhas de produo.
Nesses casos, a seleo dos elementos que constituiro a amostra pode ser feita por um
sistema imposto pelo pesquisador. A esse tipo de amostragem denominamos
sistemtica.
Assim, no caso de uma linha de produo, podemos, a cada dez itens produzidos, retirar
um para pertencer a uma amostra da produo diria. Neste caso, estaramos fixando o
tamanho da amostra em 10% da populao.
Exemplo:
Suponhamos uma rua contendo 900 prdios, dos quais desejamos obter uma amostra
formada de cinqenta prdios. Podemos, neste caso, usar o seguinte procedimento:
como 900 50 = 18, escolhemos por sorteio casual um nmero de 1 a 18 (inclusive),
o qual indicaria o primeiro elemento sorteado para a amostra; os demais elementos
seriam periodicamente considerados de 18 em 18. Assim, se o nmero sorteado fosse
o 4, tomaramos, pelo lado direito da rua, o 4 prdio, o 22, o 40 etc., at
voltarmos ao incio da rua, pelo lado esquerdo.

- 24 -

1.5.4 Erros Amostrais


No importa quo bem planejemos e executemos o processo de coleta da amostra,
provavelmente sempre haver algum erro nos resultados.
Exemplo:
Selecione aleatoriamente 1000 adultos, pergunte a eles se formaram no Ensino Mdio
e a porcentagem amostral de respostas sim. Se voc selecionar aleatoriamente
outra amostra de 1000 adultos, provvel que voc obtenha uma porcentagem
amostral diferente.
Definies:
Um erro amostral a diferena entre o resultado amostral e o verdadeiro resultado da
populao; tais erros resultam das flutuaes amostrais devidas ao acaso.
Um erro no-amostral ocorre quando os dados amostrais so coletados, registrados ou
analisados incorretamente (tal como a seleo de uma amostra tendenciosa, o uso de um
instrumento de medida defeituoso, ou cpia incorreta dos dados).
Aps ler toda esta seo, fcil ficarmos espantados com a variedade de diferentes
definies. Mas lembre-se desse ponto principal: o mtodo usado para coletar os dados
absoluta e criticamente importante, e devemos saber que a aleatoriedade
particularmente importante. Se os dados amostrais no forem coletados de maneira
apropriada, os dados podem se tornar to inteis que nenhuma manipulao estatstica
poder salva-los.

- 25 -

1.5.5 Atividades Complementares


1. Resolva:
a. Pesquisa peso dos colegas de sua classe (incluindo voc).
Amostra correspondente a 30% da populao.
Sugesto faa uso da caderneta de seu professor e da Tabela dos Nmeros
Aleatrios (5 e 6 colunas, de baixo para cima).
b. Pesquisa estatura dos alunos do curso de Sistemas de Informao.
Amostra 15% da populao.
Sugesto Use a Tabela dos Nmeros Aleatrios (25 linha, da esquerda para
direita).
SRIES

POPULAO

15%

AMOSTRA

A
B

c. Em uma faculdade existem 250 alunos, sendo 35 no 1 perodo, 32 no 2, 30 no 3,


28 no 4, 35 no 5, 32 no 6, 31 no 7 e 27 no 8. Obtenha uma amostra de 40
alunos e preencha o quadro da pgina seguinte.
Como, neste caso, foi dado o nmero de elementos da amostra, devemos, ento,
calcular o nmero de elementos de cada estrato proporcionalmente ao nmero de
elementos da amostra. Assim, para a 1 srie, temos:

250/35 = 40/x

x = 35 x 40 250 = 5,6

x=6

Logo:

2.

SRIE

POPULAO

CLCULO PROPORCIONAL

AMOSTRA

1
2
3
4
5
6
7
8

35
....
....
28
....
....
....
....

10 x 40 250 = 5,6
....
....
....
....
....
31 x 40 250 = ....
....

6
....
....
....
6
....
....
....

Total

250

40

Uma faculdade abriga 124 alunos. Obtenha uma amostra representativa


correspondendo a 15% da populao.
Sugesto: use a 8, 9 e 10 colunas, a partir da 1 linha, da Tabela de Nmeros
Aleatrios (de cima para baixo).
002 014 016 034 039 053 054 056 062 066 076 082 094 096 099 105 110
118 - 123

3. No curso de Sistemas de Informao h 80 alunos. Obtenha uma amostra de 12


alunos.
Sugesto: decida, juntamente com a classe e seu professor, o uso da Tabela de
Nmeros Aleatrios.
- 26 -

4. O diretor de uma faculdade, na qual esto matriculados 280 meninos e 320 meninas,
desejoso de conhecer as condies de vida extra-escolar de seus alunos e no
dispondo de tempo para entrevistar todas as famlias, resolveu fazer um
levantamento, por amostragem, em 10% dessa clientela. Obtenha, para esse diretor,
os elementos componentes da amostra.
5. Uma cidade X apresenta o seguinte quadro relativo s suas faculdades:

ESCOLAS

N DE ESTUDADANTES
MASCULINO
FEMININO

A
B
C
D
E
F

80
102
110
134
150
300

95
120
92
228
130
290

Total

876

955

Obtenha uma amostra proporcional estratificada de 12 estudantes.


6.

Uma populao encontra-se dividida em trs estratos, com tamanhos,


respectivamente, n1 = 40, n2 = 100 e n3 = 60. Sabendo que, ao ser realizada uma
amostragem estratificada proporcional, nove elementos da amostra foram retirados do
3 estrato, determine o n total de elementos da amostra. 30

7. Mostre como seria possvel retirar uma amostra de 32 elementos de uma populao
ordenada formada por 2.432 elementos.
Na ordenao geral, qual dos elementos abaixo seria escolhido para pertencer
amostra, sabendo-se que o elemento de ordem 1.420 a ela pertence?
1.648, 290, 725, 2.025, 1.120.

1.648

8. Determine se a descrio dada corresponde a um estudo observacional ou a um


experimento.
a. Teste de Droga D-se Lipitor a pacientes para se determinar se essa droga tem ou
no o efeito de baixar os nveis altos de colesterol. Experimental
b. Tratamento da Sfilis Muita controvrsia surgiu em relao a um estudo de
pacientes com sfilis que no receberam um tratamento que poderia t-los curado. A
sade deles foi acompanhada durante anos, aps ter sido descoberto que tinham
sfilis.
c. Fraude ao Consumidor O Bir de pesos e medidas de Minas gerais seleciona
aleatoriamente postos de gasolina e obtm 2 litros de gasolina de cada bomba. A
quantidade bombeada medida para verificar a exatido. Estudo observacional
d. Braceletes Magnticos Os passageiros de navios de cruzeiro recebem braceletes
magnticos, que eles concordam em usar numa tentativa de eliminar ou diminuir o
enjo.

- 27 -

9. Identifique o tipo de estudo observacional (transversal, retrospectivo ou prospectivo).


a. Pesquisa Mdica Um pesquisador da Faculdade de Medicina da UFMG obtm dados
sobre ferimentos na cabea examinando os registros do hospital dos ltimos 5 anos.
Restropectivo

b. Psicologia do Trauma Um pesquisador do Hospital Mt Sinai planeja obter dados


acompanhando (at o ano 2010) irmos de vtimas fatais do ataque terrorista ao
World Trade Center em 11 de setembro de 2001.
c. Estatstica do Desemprego O Ministrio do Trabalho obtm dados atuais do
desemprego pesquisando 50.000 pessoas este ms. Transversal
d. Ganhadores de Loteria Um economista coleta dados entrevistando pessoas que
ganharam na loteria entre os anos de 1995 e 2000.
10. Identifique qual destes tipos de amostragem usado: aleatria, sistemtica, de
convenincia, estratificada ou por conglomerados.
a. Notcias na Televiso Um reprter de noticirio da rede Globo analisa a reao a
uma histria impressionante entrevistando pessoas que passam em frente ao seu
estdio. De convenincia
b. Seleo de Jri O comissrio de jurados do Condado de Dutches obtm uma lista
de 42.763 proprietrios de carros e obtm um conjunto de jurados selecionando cada
centsimo nome da lista.
c. Pesquisas Telefnicas Em uma pesquisa do Gallup de 1059 adultos, os sujeitos
da entrevista foram selecionados usando-se um computador para gerar
aleatoriamente nmeros de telefones, que eram ento discados. Aleatria
d. Posse de Carro Uma pesquisadora da General Motors dividiu todos os carros
registrados em categorias de subcompacto, compacto, mdio, intermedirio e grande.
Ele est pesquisando 200 proprietrios de carro de cada categoria.
e. Bebida entre Estudantes Motivado pelo fato de um estudante ter morrido por
excesso de bebida, uma faculdade fez um estudo do hbito de bebida dos estudantes,
selecionando aleatoriamente 10 classes diferentes e entrevistando todos os
estudantes em cada uma dessas classes. De conglomerado
f. Marketing Uma executiva de marketing da General Motors descobriu que o
departamento de relaes pblicas da empresa tinha acabado de imprimir envelopes
com os nomes e endereos de todos os proprietrios de Corvete.
g. Ponto de Checagem de Sobriedade O autor foi observador de um ponto de
checagem de sobriedade da polcia, no qual cada quinto chofer era parado e
entrevistado. (Ele testemunhou a priso de um ex-aluno). Sistemtica
h. Pesquisa de Boca de Urna Uma rede de notcias est planejando uma pesquisa
na qual 100 sees eleitorais sero selecionadas aleatoriamente e todos os eleitores
sero entrevistados ao deixarem o local.
i. Educao e Salrio Um economista est estudando o efeito da educao sobre o
salrio e realiza uma pesquisa com 150 trabalhadores selecionados aleatoriamente de
cada uma das seguintes categorias: menos do que Ensino Mdio; Ensino Mdio; mais
do que Ensino Mdio. Estratificada
j. Antropometria Um estudante de estatstica obtm dados sobre altura/peso
entrevistando membros da famlia.
k. Pesquisa Mdica Um pesquisador da UFES examina todos os pacientes cardacos
de cada um dos 30 hospitais selecionados aleatoriamente. De conglomerado

- 28 -

l. Pesquisa da MTV Um especialista em Marketing para a MTV est planejando uma


pesquisa na qual 500 pessoas sero selecionadas aleatoriamente de cada faixa etria
de 10-19, 20-29, e assim por diante.

11. Identifique as amostras aleatrias e as amostras aleatrias simples.


a. Amostragem de Comprimidos de Aspirina Um farmacutico mistura bem
um recipiente com 1000 comprimidos de Bufferin e retira, ento, 50 que devem
ser testados para verificar o contedo exato de aspirina. Esse planejamento
amostral resulta em uma amostra aleatria? Em uma amostra aleatria simples?
Explique. Sim, sim.
b. Amostragem de Estudantes Uma sala de aula compe-se de 30 alunos,
sentados em 5 filas diferentes, com seis alunos em cada fila. O instrutor joga um
dado e o resultado usado para selecionar uma amostra dos estudantes em uma
fila particular. Esse plano amostral resulta em uma amostra aleatria? Em uma
amostra aleatria simples? Explique.
c. Amostra de Convenincia Um reprter de notcias se coloca em uma esquina
e obtm uma amostra de residentes da cidade selecionando cinco adultos que
passam e perguntando sobre seus hbitos de fumo. Esse plano amostral resulta
em uma amostra aleatria? Em uma amostra aleatria simples? Explique. No, no.
d. Amostra Sistemtica Um engenheiro de controle da qualidade seleciona cada
centsima fonte de computador que passa em uma esteira transportadora. Esse
plano amostral resulta em uma amostra aleatria? Em uma amostra aleatria
simples? Explique.
e. Amostra Estratificada
mercado com 100 homens
nmero igual de homens
amostra aleatria? Em uma
f.

O shopping do Vale planeja realizar uma pesquisa de


e 100 mulheres em Ipatinga, a qual consiste em um
e mulheres. Esse plano amostral resulta em uma
amostra aleatria simples? Explique. Sim, no.

Amostra por Conglomerado Um pesquisador de mercado seleciona


aleatoriamente 10 quarteires em Timteo e pergunta ento a todos os adultos
residentes nos quarteires selecionados se possuem ou no um aparelho DVD.
Esse plano amostral resulta em uma amostra aleatria? Em uma amostra aleatria
simples? Explique.

- 29 -

1.6 Tabelas de freqncia


Um dos objetivos da Estatstica sintetizar os valores que uma ou mais variveis podem
assumir, para que tenhamos uma viso global da variao dessa ou dessas variveis. E
isso ela consegue, inicialmente, apresentando esses valores em tabelas e grficos, que
iro nos fornecer rpidas e seguras informaes a respeito das variveis em estudo,
permitindo-nos determinaes administrativas e pedaggicas mais coerentes e
cientficas.
Definies:
Tabela um quadro que resume um conjunto de observaes. Uma tabela compe-se
de:
Corpo conjunto de linhas e colunas que contm informaes sobre a varivel em
estudo;
Cabealho parte superior da tabela que especifica o contedo das colunas;
Coluna Indicadora parte da tabela que especifica o contedo das linhas;
Linhas retas imaginrias que facilitam a leitura, no sentido horizontal, de dados que se
inscrevem nos seus cruzamentos com as colunas;
Casa ou Clula espao destinado a um s nmero;
Ttulo conjunto de informaes, as mais completas possveis, respondendo s
perguntas: O qu?, Quando?, Onde?, localizado no topo da tabela.
H ainda a considerar elementos complementares da tabela, que so a fonte, as notas e
as chamadas, colocadas, de preferncia, no seu rodap.
Exemplo:
PRODUO DE CAF
BRASIL 2005-06
ANOS

PRODUO
(1.000 t)

2005
2006

2 134
2 594

FONTE: IBGE.

De acordo com a Resoluo 886 da Fundao IBGE, nas casas ou clulas devemos
colocar:
um trao horizontal (

) quando o valor zero, no s quanto natureza das coisas,


como quanto ao resultado do inqurito;

trs pontos (...) quando no temos os dados;


um ponto de interrogao (?) quando temos dvida quanto exatido de determinado

valor;
zero (0) quando o valor muito pequeno para ser expresso pela unidade utilizada. Se

os valores so impressos em nmeros decimais, precisamos acrescentar parte


decimal um nmero correspondente de zeros (0,0; 0,00; 0,000; ...).

- 30 -

1.6.1 Sries Estatsticas


Definio:
Srie estatstica toda tabela que apresenta a distribuio de um conjunto de dados
estatsticos em funo da poca, do local ou da espcie.
Da, podemos inferir que numa srie estatstica observamos a existncia de trs
elementos ou fatores: o tempo, o espao e a espcie.
Conforme varie um dos elementos da srie, podemos classific-la em histrica,
geogrfica e especfica.
1.6.1.1

Sries Histricas, Cronolgicas, Temporais ou Marchas

Descrevem os valores da varivel, em determinado local, discriminados segundo


intervalos de tempo variveis.
Exemplos:
a. O Brasil fecha 2006 com a melhor safra de soja da sua histria: 54,7 milhes de
toneladas. Isso 3% a mais que a safra de 2005. Estimando-se um faturamento de
R$ 24 bilhes. O pas o segundo maior produtor mundial, atrs dos EUA.
Estados que lideram a produo no pas: Mato Grosso, Paran e Gois. (Revista Isto
).
PRODUO MEDIA DE
b.
SOJA NO BRASIL
PREO DO ACM NO VAREJO
2005-06
SO PAULO 1989-94
ANOS

PRODUO
(1.000 t)

2005
2006

51 138
52 223

FONTE: IBGE.

ANOS

PREO MDIO
(US$)

1989
1990
1991
1992
1993
1994

2,24
2,73
2,12
1,89
2,04
2,62

FONTE: APA.

1.6.1.2

Sries Geogrficas, Espaciais, Territoriais ou de Localizao

Descrevem os valores da varivel, em determinado instante, discriminados segundo


regies.
DURAO MDIA DOS
ESTUDOS SUP ERIORES
1994
PASES
Itlia
Alemanha
Frana
Holanda
Inglaterra

NMERO
DE ANOS
7,5
7,0
7,0
5,9
Menos de 4

FONTE: APA.

- 31 -

1.6.1.3

Sries Especficas ou Categricas

Descrevem os valores da varivel, em determinado tempo e local, discriminados segundo


especificaes ou categorias.
Exemplo:
a. A industria da soja gera cerca de 1,5 milho de empregos diretos. Representa 20% do
sistema agroindustrial. (Revista Isto )
EXPORTAO
BRASILEIRA
2005

PRODUTOS
Gros
Farelo
leo

b.
REBANHOS BRASILEIROS
1992

QUANTIDADE
(em bilhes de
toneladas)

ESPCIES

20,5
14,2
2,4

FONTE: Companhia Nacional de Abastecimento


(Conab).

Bovinos
Bubalinos
Eqinos
Asininos
Muares
Sunos
Ovimos
Caprinos
Coelhos

QUANTIDADE
(1.000 cabeas)
154.440,8
1.423,3
549,5
47,1
208,5
34.532,2
19.955,9
12.159,6
6,1

FONTE: IBGE.

1.6.2

Sries Conjugadas e Tabela de Dupla Entrada

Muitas vezes temos necessidade de apresentar, em uma nica tabela, a variao de


valores de mais de uma varivel, isto , fazer uma conjugao de duas ou mais sries.
Conjugando duas sries em uma nica tabela, obtemos uma tabela de dupla entrada. Em
uma tabela desse tipo ficam criadas duas ordens de classificao: uma horizontal
(linha) e uma vertical (coluna).
TERMINAIS TELEFNICOS EM SERVIO
1991-93
REGIES
Norte
Nordeste
Sudeste
Sul
Centro-Oeste

1991

1992

1993

342.938
1.287.813
6.234.501
1.497.315
713.357

375.678
1.379.101
6.729.467
1.608.989
778.925

403.494
1486.649
7231.634
1.746.232
884.882

FONTE: Ministrio das Comunicaes.

A conjugao, no exemplo dado, foi srie geogrfica-srie histrica, que d origem


srie geogrfico-histrica ou geogrfico-temporal.
Podem existir, se bem que mais raramente, pela dificuldade de representao, sries
compostas de trs ou mais entradas.

- 32 -

1.6.3

Dados Absolutos e Dados Relativos

Definies:
Dados Absolutos, so dados estatsticos resultantes da coleta direta da fonte, sem
outra manipulao se no a contagem ou medida. A leitura dos dados absolutos
sempre enfadonha e inexpressiva; embora esses dados traduzam um resultado exato e
fiel, no tm a virtude de ressaltar de imediato as suas concluses numricas. Da o uso
imprescindvel que faz a Estatstica dos dados relativos. O nmero de vezes que um valor
da varivel, de uma pesquisa, citado representa a freqncia absoluta daquele valor.
Dados Relativos so o resultado de comparaes por quociente (razes) que se
estabelecem entre dados absolutos e tm por finalidade realar ou facilitar as
comparaes entre quantidades. Traduzem-se os dados relativos, em geral, por meio de
percentagens, ndices, coeficientes e taxas. A freqncia relativa o quociente
entre a freqncia absoluta de uma varivel e o total de citaes de todas as variveis da
pesquisa.
1.6.3.1

As percentagens

Consideremos a srie:
MATRCULAS NAS ESCOLAS DA
CIDADE A - 2007
CATEGORIAS

N DE ALUNOS

Ensino Fundamental
Ensino Mdio
Ensino Superior

19.286
1.681
234

Total

21.201

Dados fictcios.

Calculemos as percentagens de alunos de cada grau:


Ensino Fundamental 19286 x 100 21201 = 90,96 = 91,0
Ensino Mdio 1681 x 100 21201 = 7,92 = 7,9
Ensino Superior 234 x 100 21201 = 1,10 = 1,1
Com esses dados, podemos formar uma nova coluna na srie em estudo;
MATRCULAS NAS ESCOLAS
DA CIDADE A - 2007
CATEGORIAS

N DE ALUNOS

Ensino Fundamental
Ensino Mdio
Ensino Superior

19.286
1.681
234

91,0
7,9
1,1

Total

21.201

100

Os valores dessa nova coluna nos dizem que, de cada 100 alunos da cidade A, 91 esto
matriculados no 1 grau, 8, aproximadamente, no 2 grau e 1 no 3 grau.
O emprego da percentagem de grande valia quando nosso intuito destacar a
participao da parte no todo.
- 33 -

Consideremos, agora, a srie:


MATRCULAS NAS ESCOLAS
DA CIDADE A e B - 2007
CATEGORIAS

N DE ALUNOS
CIDADE A CIDADE B

Ensino Fundamental
Ensino Mdio
Ensino Superior

19.286
1.681
234

38.660
3.399
424

Total

21.201

42.483

Dados fictcios.

Qual das cidades tem, comparativamente, maior nmero de alunos em cada perodo?
Como o nmero total de alunos diferente nas duas cidades, no fcil concluir a
respeito usando os dados absolutos. Porm, usando as percentagens, tal tarefa fica
bastante facilitada. Assim, acrescentando na tabela anterior as colunas correspondentes
s percentagens, obtemos:
MATRCULAS NAS ESCOLAS DA CIDADE A e B - 2007
CATEGORIAS

CIDADE A
N DE ALUNOS

CIDADE B
N DE ALUNOS

Ensino
Fundamental
Ensino Mdio
Ensino Superior

19.286
1.681
234

91,0
7,9
1,1

38.660
3.399
424

91,0
8
1

Total

21.201

100

42.483

100

Dados fictcios.

O que nos permite dizer que, comparativamente, contam, praticamente, com o mesmo
nmero de alunos em cada grau.
1.6.3.2

Os ndices - ndices Econmicos

Definio:
Os ndices so razes entre duas grandezas tais que uma no inclui a outra.
Exemplos:
ndice Ceflico = (dim. transverso da cabea dim. longitudinal do crnio) x 100
Quociente Intelectual = (idade mental idade cronolgica) x 100
Densidade Demogrfica = populao superfcie
ndices Econmicos:
Produo per capta = valor total da produo populao
Consumo per capta = consumo do bem populao
Renda per capta = renda populao
Receita per capta = receita populao

- 34 -

1.6.3.3

Os Coeficientes

Definio:
Os Coeficientes so razes entre o nmero de ocorrncias e o nmero total (nmero de
ocorrncias e nmero de no ocorrncias).
Exemplos:
Coeficiente de Natalidade = nmero de nascimentos populao total
Coeficiente de Mortalidade = nmero de bitos populao total
Coeficientes Educacionais:
Coeficiente de evaso escolar = n de alunos evadidos n inicial de matrculas
Coeficiente de aproveitamento escolar = n de alunos aprovados n final de
matrculas
Coeficiente de recuperao = n de alunos recuperados n de alunos em recuperao

1.6.3.4

Os Coeficientes

Definio:
As Taxas so os coeficientes multiplicados por uma potncia de 10 (10, 100, 1, 1000
etc.) para tornar o resultado mais inteligvel..
Exemplos:
Taxa de Mortalidade = coeficiente de mortalidade x 1000
Taxa de Natalidade = coeficiente de natalidade x 1000
Taxa de Evaso Escolar = coeficiente de evaso escolar x 100
Exerccio Resolvido:
O Estado A apresentou 733.986 matrculas na 1 srie, no incio do ano de 1994, e
683.816 no fim do ano. O Estado B apresentou, respectivamente, 436.127 e 412.457
matrculas. Qual o Estado que apresentou maior evaso escolar?
A TEE = (733.986 683.816) x 100 733.986 = 6,83 = 6,8%
B TEE = (436.127 412.457) x 100 436.127 = 5,42 = 5,4%
O Estado que apresentou maior evaso escolar foi A.

- 35 -

1.6.4 Atividades Complementares


1. Classifique as sries:
a.

b.

Histrica

PRODUO DE BORRACHA
NATURAL 1991-93
ANOS

TONELADAS

1991
1992
1993

29.543
30.712
40.663

FONTE: IBGE.

Especfica

AVICULTURA
BRASILEIRA - 1992
ESPCIES

NMERO
(1.000
CABEAS)

Galinhas
Galos, frangos e pintos
Codornas

204.160
435.465
2.488

FONTE: IBGE.

c.

Geogrfica

VACINAO CONTRA A
POLIOMELITE - 1993
REGIES

d.

Histrica

QUANTIDADE

Norte
Nordeste
Sudeste
Sul
Centro-Oeste

AQUECIMENTO DE UM MOTOR
DE AVIO DE MARCA X
MINUTOS

TEMPERATURA
(C)

0
1
2
3
4
5
6

20
27
34
41
49
56
63

211.209
631.040
1.119.708
418.785
185.823

FONTE: Ministrio da Sade.

Dados fictcios.

e.

Especfica - Histrica

PRODUO BRASILEIRA DE AO BRUTO


1991-93
PROCESSOS
Oxignio bsico
Forno eltrico
EOF

QUANTIDADE (1.000 t)
1991
1992
1993
17.934
4.274
409

18.849
4.637
448

19.698
5.065
444

FONTE: Instituto Brasileiro de Siderurgia.

f.

Geogrfica - Histrica

EXPORTAO BRASILEIRA
1985-1990-1995
IMPORTADORES

1991

1992

1993

Amrica Latina
EUA e Canad
Europa
sia e Oceania
frica e Oriente Mdio

13,0
28,2
33,9
10,9
14,0

13,4
26,3
35,2
17,7
8,8

25,6
22,2
20,7
15,4
5,5

FONTE: MIC e SECEX.

- 36 -

2. Procure exemplos de sries estatsticas em jornais e revistas e copie-os, classificando


essas sries.
3. Pesquise, junto secretaria da faculdade, os dados necessrios ao preenchimento da
tabela abaixo:
MATRCULAS NA FACULDADE EM 20....
SEXO
PERODOS
MASCULINO
FEMININO
1
2
3
4
5
6
4. Verificou-se, em 1993, o seguinte movimento de importao de mercadorias:
14.839.804 t, oriundas da Arbia Saudita, no valor de US$ 1.469.104.000;
10.547.889 t, dos Estados Unidos, no valor de US$ 6.034.946 e; 561.024 t, do Japo,
no valor de US$ 1.518.843.000. Confeccione a srie correspondente e classifique-a,
sabendo que os dados a cima forma fornecidos pelo Ministrio da Fazenda.
IMPORTAO DE MERCADORIAS
BRASIL - 1993
PASES

QUANTIDADE
(t)

VALOR
(US$ 1.000)

14.838.804
10.547.889
561.024

1.469.104
6.034.946
1.519.943

Arbia Saudita
Estados Unidos
Japo

Fonte: Ministrio da Fazenda

5. Complete a tabela abaixo:


DADOS RELATIVOS
POR. 1
POR 100

ESCOLAS

N DE
ALUNOS

A
B
C
D
E
F

175
222
202
362
280
540

0,098
...
...
...
...
...

9,8
...
...
...
...
...

Total

1781

1,000

100,0

Clculos: A 175 x 1 1781 = 0,098

- 37 -

6. Uma faculdade registrou em maro, no 1 perodo, a matrcula de 40 alunos e a


matrcula efetiva, em dezembro, de 35 alunos. A taxa de evaso foi de:
TEE = n de evadidos n inicial de matrculas x 100 = (40 35) x 100 40 = .........%
7. Calcule a taxa de aprovao de um professor de uma classe de 45 alunos, sabendo
que obtiveram aprovao 36 alunos.
TAE = n de aprovao n final de matrculas x 100 = (...... .....) x 100 ..... = .........%
8. Considere a srie estatstica:
PERODOS

ALUNOS
MATRICULADOS

1
2
3
4

546
328
280
120

Total

1.274

Complete-a, determinando as porcentagens com uma casa decimal e fazendo a


compensao, se necessrio. 42,9 + 25,7 + 22,0 + 9,4 = 100
9. Uma faculdade apresentava, no final do ano, o seguinte quadro:

PERODOS

MATRCULAS
MARO
NOVEMBRO

1
2
3
4

480
458
436
420

475
456
430
420

Total

1.794

1.781

a. Calcule a taxa de evaso por perodo.

1,0%; 0,4%; 1,4%; 0%

b. Calcule a taxa de evaso da faculdade.


10. Considere a tabela abaixo:
EVOLUO DAS RECEITAS DO
CAF INDUSTRIALIZADO
JAN./ABR. - 2007
MESES
Janeiro
Fevereiro
Maro
Abril
Total

VALOR
(US$ milhes)
33,3
54,1
44,5
52,9
184,8

Dados fictcios.

- 38 -

0,7%

a. Complete-a com uma coluna de taxas percentuais.


b. Como se distribuem as receitas em relao ao total?

18,0 + 29,3 + 24,1 + 28,6 = 100,0

c. Qual o desenvolvimento das receitas de um ms para o outro?

162,5 ; 82,3; 118,9

d. Qual o desenvolvimento das receitas em relao ao ms de janeiro?


100,0; 162,5; 133,6; 158,9

11. So Paulo tinha, em 1992, uma populao de 32.182,7 mil habitantes. Sabendo que
sua rea terrestre de 248.256 km2, calcule a sua densidade demogrfica.
129,6 hab/km2

12. Considere que Minas Gerais, em 1992, apresentou (dados fornecidos pelo IBGE):
populao: 15.957,6 mil habitantes;
superfcie: 586.624 km2;
nascimentos: 292.036;
bitos: 92.281.

Calcule:
a. o ndice de densidade demogrfica;
b. a taxa de natalidade;

27,2 hab/km2

18,3%

c. a taxa de mortalidade.

6,2%

13. Uma frota de 40 caminhes, transportando, cada um, 8 toneladas, dirige-se a duas
cidades A e B. Na cidade A so descarregados 65% desses caminhes, por 7
homens, trabalhando 7 horas. Os caminhes restantes seguem para a cidade B, onde
4 homens gastam 5 horas para o seu descarregamento. Em que cidade se obteve
melhor produtividade? Cidade B
14. Um professor preencheu um quadro, enviado pela D.F., com os seguintes dados:
SRIE
E
TURMA

N DE
ALUNOS
30.03

N DE
ALUNOS
30.11

1 PER
2 PER
3 PER
4 PER
Total

49
49
47
47
192

44
42
35
40
161

PROMOVIDOS SEM
RECUPERAO
35
42
27
33
137

RETIDOS
SEM
RECUPERAO
03
00
00
06
09

RECUPERADOS

NORECUPERADOS

PROMOVIDOS

RETIDOS

06
00
08
01
15

05
00
03
00
08

01
00
05
01
07

40
42
30
33
145

04
00
05
07
16

Calcule:
a. a taxa de evaso, por perodo;
b. a taxa de evaso total;

10,2%; 14,3%; 25,5%; 14,9%

16,1%

c. a taxa de aprovao, por perodo;


d. a taxa de aprovao geral;

90,9%; 100%; 85,7%; 82,5%

90,1%

e. a taxa de recuperao, por perodo;


f.

a taxa de recuperao geral;

83,3%; -; 37,5%; 0%

53,3%

g. a taxa de reprovao na recuperao geral;


h. a taxa de aprovao, sem a recuperao;
i.

a taxa de retidos, sem a recuperao.


- 39 -

TOTAL GERAL

EM
RECUPERAO

46,7%

85,1%

5,6%

1.6.5 Distribuio de Freqncia


1.6.5.1 Tabela Primitiva
Vamos considerar, neste captulo, a forma pela qual podemos descrever os dados
estatsticos resultantes de variveis quantitativas, como o caso de notas obtidas pelos
alunos de uma classe, estaturas de um conjunto de pessoas, salrios recebidos pelos
operrios de uma fbrica etc.
Suponhamos termos feito uma coleta de dados relativos s estaturas de quarenta alunos,
que compem uma amostra dos alunos de um colgio A, resultando a seguinte tabela de
valores:
TABELA 1
ESTATURAS DE 40 ALUNOS DA FACULDADE A
166

160

161

150

162

160

165

167

164

160

162

168

161

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

A esse tipo de tabela, cujos elementos no foram numericamente organizados,


denominamos tabela primitiva.
1.6.5.2 Rol
Partindo dos dados acima tabela primitiva difcil averiguar em torno de que valor
tende a se concentrar as estaturas, qual a menor ou qual a maior estatura ou, ainda,
quantos alunos se acham abaixo ou acima de uma dada estatura.
Assim, conhecidos os valores de uma varivel, difcil formarmos uma idia exata do
comportamento do grupo como um todo, a partir dos dados no ordenados. A maneira
mais simples de organizar os dados atravs de uma certa ordenao (crescente ou
decrescente). A tabela obtida atravs da ordenao dos dados recebe o nome de rol.
TABELA 2
ESTATURAS DE 40 ALUNOS DA FACULDADE A
150

154

155

157

160

161

162

164

166

169

151

155

156

158

160

161

162

164

167

170

152

155

156

158

160

161

163

164

168

172

153

155

156

160

160

161

163

165

168

173

Agora, podemos saber, com relativa facilidade, qual a menor estatura (173 cm); que a
amplitude de variao foi de 173 150 = 23 cm; e, ainda, a ordem que um valor
particular da varivel ocupa no conjunto. Com um exame mais acurado, vemos que h
uma concentrao das estaturas em algum valor entre 160 cm e 165 cm e, mais ainda,
que h poucos valores abaixo de 155 cm e acima de 170 cm.
1.6.5.3 Distribuio de Freqncia
No exemplo que trabalhamos, a varivel em questo, estatura, ser observada e
estudada muito mais facilmente quando dispusermos valores ordenados em uma coluna
e colocarmos, ao lado de cada valor, o nmero de vezes que aparece repetido.

- 40 -

Denominamos freqncia o nmero de alunos que fica relacionado a um determinado


valor da varivel. Obtemos, assim, uma tabela que recebe o nome de distribuio de
freqncia:
TABELA 3
ESTATURAS
(cm)

FREQ

150
151
152
153
154
155
156
157
158
160
161
162
163
164
165
166
167
168
169
170
172
173

1
1
1
1
1
4
3
1
2
5
4
2
2
3
1
1
1
2
1
1
1
1

Total

40

Mas o processo dado ainda inconveniente, j que exige muito mais espao, mesmo
quando o nmero de valores da varivel (n) de tamanho razovel. Sendo possvel, a
soluo mais aceitvel, pela prpria natureza da varivel contnua, o agrupamento dos
valores em vrios intervalos.
Assim, se um dos intervalos for, por exemplo, 154 158
esquerda e aberto direita, tal que: 154 x < 158), em vez
de 1 aluno de 154 cm; de 4 alunos, 155 cm; de 3 alunos,
cm, dizemos que 9 alunos tm estaturas entre 154, inclusive,

( um intervalo fechado
de dizermos que a estatura
156 cm; e de 1 aluno, 157
e 158 cm.

Deste modo, estaremos agrupando os valores da varivel em intervalos, sendo que, em


Estatstica, preferimos chamar os intervalos de classes.
Chamando de freqncia de uma classe o nmero de valores da varivel pertencente
classe, os dados da Tabela 3 podem ser dispostos como na Tabela 4, denominada
distribuio de freqncia com intervalos de classe:

- 41 -

Exemplo:
TABELA 4
ESTATURAS DE 40 ALUNOS
DA FACULDADE A - 2007
ESTATURAS
(cm)
150
154
158
162
166
170

154
158
162
166
170
174

Total

FREQUNCIA
4
9
11
8
5
3
40

Dados fictcios.

Ao agruparmos os valores da varivel em classes, ganhamos em simplicidade para


perdermos em pormenores. Assim, na Tabela 3 podemos verificar, facilmente, que quatro
alunos tm 161 cm de altura e que no existe nenhum aluno com 1,71 cm de altura. J
na Tabela 4 no podemos ver se algum aluno tem a estatura de 159 cm. No entanto,
sabemos, com segurana, que onze alunos tm estatura compreendida entre 158 e 162
cm.
O que pretendemos com a construo dessa nova tabela realar o que h de essencial
nos dados e, tambm, tornar possvel o uso de tcnicas analticas para sua total
descrio, at porque a estatstica tem por finalidade especfica analisar o conjunto de
valores, desinteressando-se por casos isolados.
Notas:
Se nosso intuito , desde o incio, a obteno de uma distribuio de freqncia

com intervalos de classe, basta, a partir da Tabela 1, fazemos uma tabulao.


Quando os dados esto organizados em uma distribuio de freqncia, so

comumente denominados dados agrupados.


1.6.5.4 Elementos de uma Distribuio de Freqncia
1) Classes de freqncia ou, simplesmente, classes so intervalos de variao da
varivel.
As classes so representadas simbolicamente por i, sendo i = 1, 2, 3, ..., k (onde k
o nmero total de classes da distribuio).
Assim, em nosso exemplo, o intervalo 154 158 define a segunda classe (i = 2). Como
a distribuio formada de seis classes, podemos afirmar que k = 6.
2) Denominamos limites de classe os extremos de cada classe.
O menor nmero o limite inferior da classe (li) e o maior nmero, o limite superior
da classe (Li).
- 42 -

Na segunda classe, por exemplo, temos:


l2 = 154

L2 = 158

Nota:
Os intervalos de classe devem ser escritos, de acordo com a Resoluo 886/66 do

IBGE, em termos desta quantidade at menos aquela, empregando, para isso, o


smbolo ( incluso de li e excluso de Li). Assim, o indivduo com uma estatura de
158 cm est includo na terceira classe (i = 3) e no na segunda.
3) Amplitude de um intervalo de classe, ou, simplesmente, intervalo de classe a
medida do intervalo que define a classe.
Ela obtida pela diferena entre os limites superior e inferior dessa classe e indicada
por hi. Assim:
hi = Li - li
Na distribuio da Tabela 1.6.5.4, temos: h2 = L2 l2 h2 = 158 154 = 4 cm
4) Amplitude total da distribuio (AT) a diferena entre o limite superior da ltima
classe (limite superior mximo) e o limite inferior da primeira classe (limite
inferior mnimo):
AT = L(mx) l(mn)
Em nosso exemplo, temos: AT = 174 14501 = 24 AT = 24 cm
Nota:
evidente que, se as classes possuem o mesmo intervalo, verificamos a relao:

AT hi = k
5) Amplitude amostral (AA) a diferena entre o valor mximo e o valor mnimo da
amostra:
AA = x(mx) x(mn)
Em nosso exemplo, temos: AA = 173 - 150 = 23 AA = 23 cm
Observe que a amplitude total da distribuio jamais coincide com a amplitude amostral.
6) Ponto mdio de uma classe (x i) , como o prprio nome indica, o ponto que divide
o intervalo de classe em duas partes iguais.
Para obtermos o ponto mdio de uma classe, calculamos a semi-soma dos limites de
da classe (mdia aritmtica):
xi = (li + Li) 2
Assim, o ponto mdio da segunda classe, em nosso exemplo, :
xi = (li + Li) 2 x2 = (154 + 158) 2 = 156 cm
Nota:
O ponto mdio de uma classe o valor que a representa.

- 43 -

7) Freqncia simples ou freqncia absoluta ou, simplesmente, freqncia de


uma classe ou de um valor individual o nmero de observaes correspondentes a
essa classe ou a esse valor.
A freqncia simples simbolizada por fi (lemos: f ndice i ou freqncia da classe i).
Assim, em nosso exemplo, temos: f1 = 4, f2 = 9, f3 = 11, f4 = 8, f5 = 5 e f6 = 3
A soma de todas as freqncias representada pelo smbolo de somatrio ():
(i=1 k)fi = n
Para a distribuio em estudo, temos: (i=1 6)fi = 40

ou

fi = 40

Podemos, agora, dar distribuio de freqncia das estaturas dos quarenta alunos da
faculdade A, a seguinte representao tabular tcnica:
TABELA 5
ESTATURAS DE 40 ALUNOS DA
FACULDADE A
ESTATURAS
(cm)

150
154
158
162
166
170

1
2
3
4
5
6

154
158
162
166
170
174

fi
4
9
11
8
5
3
fi = 40

1.6.5.5 Nmero de Classes Intervalos de Classe


A primeira preocupao que temos, na construo de uma distribuio de freqncia, a
determinao do nmero de classes e, consequentemente, da amplitude e dos limites
dos intervalos de classe.
Para a determinao do nmero de classes de uma distribuio podemos lanar mo da
regra de Sturges, que nos d o nmero de classes em funo do nmero de valores da
varivel: i 1 + 3,3 . log n
onde:
i o nmero de classe;
n o nmero total de dados.
Essa regra nos permite obter a seguinte tabela:
TABELA 6
ESTATURAS
(cm)

fi

3
6
12
23
47
91
182

3
4
5
6
7
8
9

5
11
22
46
90
181
362
...

...
- 44 -

Alm da regra de Sturges, existem outras frmulas empricas que pretendem resolver o
problema da determinao do nmero de classes que deve ter a distribuio (h quem
prefira: i = h). Entretanto, a verdade que essas frmulas no nos levam a uma
deciso final; esta vai depender, na realidade, de um julgamento pessoal, que deve estar
ligado natureza dos dados, da unidade usada para expressa-los e, ainda, do objetivo
que se tem em vista, procurando, sempre que possvel, evitar classe com freqncia nula
ou com freqncia relativa muito exagerada etc.
Decidido o nmero de classes que deve ter a distribuio, resta-nos resolver o problema
da determinao da amplitude do intervalo de classe, o que conseguimos dividindo a
amplitude total pelo nmero de classes:
h AT / i
Quando o resultado no exato, devemos arredond-lo para mais.
Outro problema que surge a escolha dos limites dos intervalos, os quais devero ser
tais que forneam, na medida do possvel, para pontos mdios, nmeros que facilitem os
clculos nmeros naturais.
Em nosso exemplo, temos:
Para n = 40, pela Tabela 6, i = 6
Logo: h = (173 -150) / 6 = 23/6 = 3,8 4
Isto , seis classes de intervalos iguais a 4.
Resolva:
1) As notas obtidas por 50 alunos de uma classe foram:
1
2
2
2
2

2
3
3
3
3

3
3
4
4
4

4
4
4
5
5

5
4
5
5
5

6
6
6
6
6

6
6
6
6
7

7
7
7
7
7

7
8
8
8
8

8
8
9
9
9

a. Complete a distribuio de freqncia abaixo:


i
1
2
3
4
5
6

NOTAS
0
2
4
6
8

2
4
6
8
10

xi

fi

1
....
....
....
....

1
....
....
....
....
fi = 50

b. Agora responda:
1. Qual a amplitude amostral?
2. Qual a amplitude da distribuio?
3. Qual o nmero de classes da distribuio?
4. Qual o limite inferior da quarta classe?
5. Qual o limite superior da classe de ordem 2?
6. Qual a amplitude do segundo intervalo da classe?
- 45 -

c. Complete:
1. h3 = ....

2. n = ....

3. l1 = ....

4. L3 = ....

5. x2 = ....

6. f5 = ....

1.6.5.6 Tipos de Freqncias


1) Freqncias simples ou absolutas (f i) so os valores que realmente representam
o nmero de dados de cada classe.
Como vimos, a soma das freqncias simples igual ao nmero total dos dados:
fi = n
2) Freqncias relativas (fri) so os valores das razes entre as freqncias simples e
a freqncia total:
Como vimos, a soma das freqncias simples igual ao nmero total dos dados:
fri = fi / fi
Logo, a freqncia relativa da terceira classe, em nosso exemplo (Tabela 5), :
fr3 = f3 / f3 fr3 = 11 / 40 = 0,275
Evidentemente: fri = 1 ou 100%
Nota:
O propsito das freqncias relativas o de permitir a anlise ou facilitar as

comparaes.

3) Freqncia acumulada (Fi) o total das freqncias de todos os valores inferiores


ao limite superior do intervalo de uma dada classe:
Fk = f1 + f2 + ... + fk

ou

Fk = fi (i = 1, 2, ..., k)

Assim, no exemplo apresentado no incio deste captulo, a freqncia acumulada


correspondente terceira classe :
F3 = (i=1 3) fi = f1 + f2 + f3 F3 = 4 + 9 + 11 = 24,
O que significa existirem 24 alunos com estatura inferior a 162 cm (limite superior do
intervalo da terceira classe).
4) Freqncia acumulada relativa (Fr i) de uma classe a freqncia acumulada da
classe, dividida pela freqncia total da distribuio:
Fri = Fi / fi
Assim, para a terceira classe, temos: Fri = Fi / fi Fri = 24/40 = 0,6

- 46 -

Considerando a Tabela 3, podemos montar a seguinte tabela com as freqncias


estudadas:
TABELA 7
ESTATURAS
(cm)

i
1
2
3
4
5
6

150
154
158
162
166
170

154
158
162
166
170
174

fi

xi

fri

Fi

Fri

4
9
11
8
5
3

152
156
160
164
168
172

0,100
0,225
0,275
0,200
0,125
0,075

4
913
24
32
37
40

0,100
0,325
0,600
0,800
0,925
1,000

= 40

= 1,000

O conhecimento dos vrios tipos de freqncia ajuda-nos a responder a muitas questes


com relativa facilidade, como as seguintes:
a. Quantos alunos tm estatura entre 154 cm, inclusive, e 158 cm?
Esses so os valores da varivel que formam a segunda classe. Como f 2 = 9, a
resposta : 9 alunos.
b. Qual a percentagem de alunos cujas estaturas so inferiores a 154 cm?
Esses valores so os que formam a primeira classe. Como fr 1 = 0,100, obtemos a
resposta multiplicando a freqncia relativa por 100:
0,100 x 100 = 10
Logo, a percentagem de alunos 10%.
c. Quantos alunos tm estatura abaixo de 162?
evidente que as estaturas consideradas so aquelas que formam as classes de
ordem 1, 2 e 3. Assim, o nmero de alunos dado por:
F3 = (i=1 3) fi = f1 + f2 + f3 F3 = 24
Portanto, 24 alunos tm estatura abaixo de 162 cm.
d. Quantos alunos tm estatura no-inferior a 158 cm? O nmero de alunos dado por:
(i=1 6) fi = f3 + f4 + f5 + f6 = 11 + 8 + 5 + 3 = 27
Ou, ento:
(i=1 6) fi F2 = n - F2 = 40 13 = 27
1.6.5.7 Distribuio de Freqncia sem Intervalos de Classe
Quando se trata de varivel discreta de variao relativamente pequena, cada valor
pode ser tomado como um intervalo de classe (intervalo degenerado) e, nesse caso, a
distribuio chamada distribuio sem intervalos de classe, tomando a seguinte
forma:
TABELA 8
xi

fri

x1
x2
.
.
.
xn

f1
f2
.
.
.
fn
fi = n

Exemplo:
- 47 -

Seja x a varivel nmero de cmodos das casas ocupadas por vinte famlias
entrevistadas:
TABELA 9
i

xi

fi

1
2
3
4
5
6

2
3
4
5
6
7

4
7
5
2
1
1
= 40

Completada com vrios tipos de freqncia, temos:


TABELA 10
i

xi

fi

fri

Fi

Fri

1
2
3
4
5
6

2
3
4
5
6
7

4
7
5
2
1
1

0,20
0,35
0,25
0,10
0,05
0,05

4
11
16
18
19
20

0,20
0,55
0,80
0,90
0,95
1,00

= 20

= 1,00

Nota:
Se a varivel toma numerosos valores distintos, comum trata-la como uma

varivel contnua, formando intervalos de classe de amplitude diferente de um.


Este tratamento (arbitrrio) abrevia o trabalho, mas acarreta alguma perda de
preciso.
Resolva:
1) Complete a distribuio abaixo, determinando as freqncias simples:
i

xi

fi

Fi

1
2
3
4
5

2
3
4
5
6

....
....
....
....
....

2
9
21
29
34

= 20

- 48 -

1.6.6 Atividades Complementares


1) Conhecidas as notas de alunos:
84
74
59
67
65

68
71
80
41
94

33
81
41
78
66

52
91
50
56
48

47
65
53
94
39

73
55
65
35
69

68
57
76
45
89

61
35
85
55
86

73
85
73
64
42

77
88
60
74
54

Obtenha a distribuio de freqncia, tendo 30 para limite inferior da primeira classe e


10 para intervalo de classe.
xi
fi

30 40 50 60 70 80 90 100
4
6
9
11
9
7
4

2) Os resultados do lanamento de um dado 50 vezes foram os seguintes:


6
1
5
2
5

5
6
4
2
6

2
3
3
5
2

6
3
1
2
4

4
5
3
5
6

3
1
5
1
1

6
3
4
3
5

2
6
4
6
2

6
3
2
5
4

5
4
6
1
3

Forme uma distribuio de freqncia sem intervalos de classe.


xi
fi

1
6

2
8

3
9

4
7

5
10

6
10

3) Considere as notas de um teste de inteligncia aplicada a 100 alunos:


64
73
78
86
76
82
68
71
95
94

78
95
86
84
80
90
96
73
94
75

66 82 74 103
82 89 73 92
78 101 85 98
86 76 76 83
92 102 73 87
83 81 85 72
86 70 72 74
63 105 74 98
88 62 91 83
67 95 108 98

78
85
75
103
70
81
84
78
98
71

86
80
73
86
85
96
99
78
93
92

103
81
90
84
79
81
81
83
83
72

87
90
86
85
93
85
89
96
76
73

Forme uma distribuio de freqncia.


xi
fi

62 68 74 80 86 92 98 104 110
5
14
16
24
16
13
10
2

4) A tabela abaixo apresenta as vendas abaixo de um determinado aparelho eltrico,


durante um ms, por uma firma comercial:
14
12
12
15

12
14
14
13

11
13
10
16

13
14
13
17

14
11
15
14

13
12
11
14

Forme uma distribuio de freqncia sem intervalos de classe.


xi
fi

10
1

11
3

12
4

13
5

14
7

15
2

16
1

17
1

- 49 -

5) Complete a tabela abaixo:


i

CLASSES

fi

fri

Fi

Fri

1
2
3
4
5

0 8
8 16
16 24
24 32
32 40

4
10
14
9
3

....
....
....
....
....

....
....
....
....
....

....
....
....
....
....

= 40

= 1,00

fri: 0,1; 0,25; 0,35; 0,225; 0,075


Fi: 4; 14; 28; 37; 40
Fri: 0,1; 0,35; 0,70; 0,925; 1,000

6) Dada a distribuio de freqncia:


xi
fi

3
2

4
5

5
12

6
10

7
8

8
3

Determine:
a. fi

40

b. As freqncias relativas;

0,05; 0,125; 0,3; 0,25; 0,2; 0,075

c. As freqncias acumuladas;

2; 7; 19; 29; 37; 40

d. As freqncias relativas acumuladas.

0,05; 0,175; 0,475; 0,725; 0,925; 1,000

7) A tabela abaixo apresenta uma distribuio de freqncia das reas de 400 lotes:
REAS
(m2)
N DE
LOTES

300 400 500 600 700 800 900 1.000 1.100 1.2000
14

46

58

76

68

62

48

22

Com referncia a essa tabela, determine:


a.
b.
c.
d.
e.
f.
g.
h.
i.
j.
k.
l.
m.
n.

a amplitude total; 900


o limite superior da quinta classe; 800
o limite inferior da oitava classe; 1000
o ponto mdio da stima classe; 950
a amplitude do intervalo da segunda classe; 100
a freqncia da quarta classe; 76
a freqncia relativa da sexta classe; 0,155
a freqncia acumulada da quinta classe; 0,262
o nmero de lotes cuja rea no atinge 700 m2; 194
o nmero de lotes cuja rea atinge e ultrapassa 800 m2; 138
a percentagem dos lotes cuja rea no atinge 600 m2; 29,5%
a percentagem dos lotes cuja rea seja maior ou igual a 900 m2; 19%
a percentagem dos lotes cuja rea de 500 m 2, no mnimo, mas inferior a 1.000
m2; 78%
a classe do 72 lote; i = 3
- 50 -

o.

at que classe esto includos 60% dos lotes.

i=5

8) A distribuio abaixo indica o nmero de acidentes ocorridos com 70 motoristas de


uma empresa de nibus:
N ACIDENTES
N MOTORISTAS

0
20

1
10

2
16

3
9

4
6

5
5

6
3

7
1

Determine:
a. o
b. o
c. o
d. o
e. a

nmero de motoristas que no sofreram nenhum acidente; 20


nmero de motoristas que sofreram pelo menos 4 acidentes; 15
nmero de motoristas que sofreram menos de 3 acidentes; 46
nmero de motoristas que sofreram no mnimo 3 e no mximo 5 acidentes;
percentagem dos motoristas que sofreram no mximo 2 acidentes. 65,7%

9) Complete os dados que faltam na distribuio de freqncia:


a.
i

xi

fi

fri

Fi

1
2
3
4
5
6
7
8

0
1
2
3
4
5
6
7

1
....
4
....
3
2
....
....

0,05
0,15
....
0,25
0,15
....
....
....

....
4
....
13
....
18
19
....

= 20

= 1,00

fi: 1; 3; 4; 5; 3; 2; 1; 1
fri: 0,05; 0,15; 0,2; 0,25; 0,15; 0,1; 0,05; 0,05
Fi: 1; 4; 8; 13; 16; 18; 19; 20

b.
i

CLASSES

xi

fi

Fi

fri

1
2
3
4
5
6
7
8

0 2
2 4
4 6
....
8 10
10 12
....
14 16

1
....
5
7
....
....
13
....

4
8
....
27
15
....
10
....

....
....
30
....
72
83
93
....

0,04
....
0,18
0,27
....
....
0,10
0,07

= ....
xi: 3; 9; 11; 15
fi: 18; 11; 7
Fi: 4; 12; 57; 100
fri: 0,08; 0,15; 0,11

- 51 -

= ....

20

1.7

Grficos Estatsticos

Definio:
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 s sries.
Para tornarmos possvel uma representao grfica, estabelecemos uma correspondncia
entre os termos da srie e determinada figura geomtrica, de tal modo que cada
elemento da srie seja representado por uma figura proporcional.
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
morosa ou 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.
Os principais tipos de grficos so os diagramas, os cartogramas e os pictogramas.

1.7.1 Diagramas
Definio:
Os diagramas so grficos geomtricos de, no mximo, duas dimenses: para sua
construo, em geral, fazemos uso do sistema cartesiano.
Dentre os principais diagramas, destacamos:
1.7.1.1

Grfico em Linha ou em Curva

Este tipo de grfico se utiliza da linha poligonal para representar a srie estatstica.
O grfico em linha constitui uma aplicao do processo de representao das funes
num sistema de coordenadas cartesianas.
Exemplo:
a. Para tornar bem clara a explanao, consideremos a seguinte srie:
PRODUO BRASILEIRA
DE LEO DE DEND
1987-92
ANOS

QUANTIDADE
(1.000 t)

1987
1988
1989
1990
1991
1992

39,3
39,1
53,9
65,1
69,1
59,5

FONTE: Agropalma.

- 52 -

Vamos tomar os anos como abscissas e as quantidades como ordenadas.


Assim, um ano dado (x) e a respectiva quantidade (y) formam um par ordenado (x, y),
que pode ser representado num sistema cartesiano.

FONTE: Agropalma.

b. No mundo, diversas aeronaves, incluindo grandes jatos de transporte, foram perdidas


e centenas de pessoas, dentre tripulantes e passageiros, faleceram devido aos
acidentes provocados pela coliso com aves.
Em 2005 as grandes empresas areas
5.000.000,00 de acordo com o SNEA.

- 53 -

sofreram

prejuzos

superiores

U$

c.

1.7.1.2

Grfico em Colunas ou em Barras

a representao de uma srie por meio de retngulos, dispostos verticalmente (em


colunas) ou horizontalmente (em barras).
Exemplos:
a. Grfico em colunas
PRODUO BRASILEIRA DE
CARVO MINERAL BRUTO
1987-92
ANOS

QUANTIDADE
PRODUZIDA
(1.000 t)

1989
1990
1991
1992

18.196
11.169
10.468
9.241

FONTE: Ministrio da Agricultura.

mil toneladas

PRODUO BRASILEIRA DE
CARVO MINERAL BRUTO
1989-92
20000
15000
10000
5000
0
1989

1990

1991

1992

- 54 -

FONTE: Ministrio da Agricultura.

b. Grfico em Barras
EXPORTAES BRASILEIRAS
MARO-1995
ESTADOS

VALOR
(US$ milhes)

So Paulo
Minas Gerais
Rio Grande do Sul
Esprito Santo
Paran
Santa Catarina

1.344
542
332
285
250
202

FONTE: SECEX

EXPORTAES BRASILEIRAS
MARO - 1995
So Paulo
Minas Gerais
Rio Grande do Sul
Esprito Santo
Paran
Santa Catarina
0

500

1000

1500

milhes dlares

- 55 -

FONTE: SECEX

Notas:
Sempre que os dizeres a serem inscritos so extensos, devemos dar preferncia ao

grfico em barras (sries geogrficas e especficas). Porm, se ainda assim


preferirmos o grfico em colunas, os dizeres devero ser dispostos de baixo para
cima, nunca ao contrrio.
A ordem a ser observada a cronolgica, se a srie for histrica, e a

decrescente, se for geogrfica ou categrica.


A distncia entre as colunas (ou barras), por questes estticas, no dever ser

menor que a metade nem maior que os dois teros da largura (ou da altura) dos
retngulos.

1.7.1.3

Grfico em Colunas ou em Barras Mltiplas

Este tipo de grfico geralmente empregado quando queremos representar,


simultaneamente, dois ou mais fenmenos estudados com o propsito de comparao.
Exemplo:
BALANA COMERCIAL DO BRASIL
1989-93
ESPECIFICAES
Exportao (FOB)
Importao

1989
34.383
18.263

VALOR (US$ 1.000.000)


1990
1991
1992
31.414
20.661

FONTE: Ministrio da Fazenda.

- 56 -

31.620
21.041

35.793
20.554

1993
38.783
25.711

BALANA COMERCIAL
BRASIL - 1983-93

US$ milhes

40.000
30.000
exportao
importao

20.000
10.000
0

1989

1990

1991

1992

1993

FONTE: Ministrio da Fazenda.

1.7.1.4

Grfico em Setores

Este grfico construdo com base em um crculo, e empregado sempre que desejamos
ressaltar a participao do dado no total.
O total representado pelo crculo, que fica dividido em tantos setores quantas so as
partes.
Os setores so tais que suas reas so respectivamente proporcionais aos dados da
srie.
Obtemos cada setor atravs de uma regra de trs simples e direta, lembrando que o total
da srie corresponde a 360.

- 57 -

Exemplo:
Dada a srie:
REBANHO SUNO DO SUDESTE
REBANHO SUNO
DO SUDESTE DO
DO BRASIL
BRASIL
- 1992
1992
ESTADOS
Minas Gerais
Esprito Santo
Rio de Janeiro
So Paulo
Total

QUANTIDADE
(mil Minas
cabeas)
Gerais
Esprito Santo
3.363,7
Rio de Janeiro
430,4
308,5
So Paulo
2.035,9

6.138,5
FONTE: IBGE.

FONTE: IBGE.

Notas:
O grfico em setores s deve ser empregado quando h, no mximo, sete dados.
Se a srie j apresenta os dados percentuais, obtemos os respectivos valores em

graus multiplicando o valor percentual por 3,6.

1.7.2

Grfico Polar

o grfico ideal para representar sries temporais cclicas, isto , sries temporais que
apresentam em seu desenvolvimento determinada periodicidade.
Exemplos:
a variao da precipitao pluviomtrica ao longo do ano ou da temperatura ao longo
do dia;
o consumo de energia eltrica durante o ms ou o ano;
o nmero de passageiros de uma linha de nibus ao longo da semana.
- 58 -

O grfico faz uso do sistema de coordenadas polares.


Exemplo:
Dada a srie:
PRECIPITAO PLUVIOMTRICA
RECIFE - 1993
MESES

MILMETROS

Janeiro
Fevereiro
Maro
Abril
Maio
Junho
Julho
Agosto
Setembro
Outubro
Novembro
Dezembro

49,6
93,1
63,6
135,3
214,7
277,9
183,6
161,3
49,2
40,8
28,6
33,3

FONTE: Ministrio da Agricultura.

Traamos uma circunferncia de raio arbitrrio (em particular, damos preferncia ao

raio de comprimento proporcional media dos valores da srie);


Construmos uma semi-reta (de preferncia na horizontal) partindo de O (plo) e

com uma escala (eixo polar);


Dividimos a circunferncia em tantos arcos quantas forem as unidades temporais;
Traamos a partir do centro 0 (plo), semi-retas passando pelos pontos de diviso;
Marcamos

os valores correspondentes da varivel, iniciando pela semi-reta


horizontal (eixo-polar);

Ligamos os pontos encontrados com segmentos de reta;


Se, pretendemos fechar a poligonal obtida, empregamos uma linha interrompida.

PRECIPITAO PLUVIOMTRICA
RECIFE - 1993
SET

OUT

NOV
DEZ

AGO

JUL

JAN

300

FEV

JUN
MAI

MAR
ABR
FONTE: Ministrio da Agricultura

- 59 -

1.7.3

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.
Distinguimos duas aplicaes:
a. Representar dados absolutos (populao) neste caso, lanamos mo, em geral,
dos pontos, em nmero proporcional aos dados.
b. Representar dados relativos (densidade) neste caso, lanamos mo, em geral,
de hachuras ou cores.
Exemplo:

- 60 -

Nota:
Quando os nmeros absolutos a serem representados forem muito grandes, no

lugar de pontos podemos empregar hachuras.

1.7.4

Pictograma

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

- 61 -

1.7.5 Atividades Complementares

(Respostas: pg 211 do livro Estatstica Fcil)

1. Represente a srie abaixo usando o grfico em linha:


COMRCIO EXTERIOR
BRASIL 1984-93
ANOS

QUANTIDADE (1.000 t)
EXPORTAO
IMPORTAO

1984
1985
1986
1987
1988
1989
1990
1991
1992
1993

141.737
146.351
133.832
142.378
169.666
177.033
168.095
165.974
167.295
183.561

53.988
48.870
60.597
61.975
58.085
57.293
57.184
63.278
68.059
77.813

Total

1.794

1.781

Fonte: Min. Indstria, Comrcio e Turismo.

2. Represente as tabelas usando o grfico em colunas:


a.

b.
PRODUO BRASILEIRA
DE PETRLEO BRUTO
1991-93
ANOS

QUANTIDADE
(1.000 m3)

1991
1992
1993

36.180,4
36.410,5
37.164,3

ENTREGA DE GASOLINA
PARA CONSUNO
BRASIL - 1988-91
ANOS

VOLUME
(1.000 m3)

1988
1989
1990
1991

9.267,7
9.723,1
10.121,3
12.345,4

FONTE: Petrobrs.
FONTE: IBGE.

3. Usando o grfico em barras, represente as tabelas:


a.

b.
PRODUO DE OVOS
DE GALINHA
BRASIL - 1992
REGIES

QUANTIDADE
(1.000 dzias)

Norte
Nordeste
Sudeste
Sul
Centro-Oeste

57.297
414.804
984.659
615.978
126.345

PRODUO DE VECULOS DE
AUTOPROPULSO
BRASIL - 1993
TIPOS

QUANTIDADE

Automveis
Comerciais leves
Comerciais pesados

1.100.278
224.387
66.771

FONTE: ANFAVEA.

FONTE: IBGE.

- 62 -

4. Represente as tabelas por meio de grficos em setores:


a.

b.
REA TERRESTRE
BRASIL
REGIES

RELATIVA
(%)

Norte
Nordeste
Sudeste
Sul
Centro-Oeste

45,25
18,28
10,85
6,76
18,86

Total

100,00

PRODUO DE FERRO GUSA


BRASIL - 1993
UNIDADES DA
FEDERAO

PRODUO
(1.000 t)

Minas Gerais
Esprito Santo
Rio de Janeiro
So Paulo

12.888
3.174
5.008
2.912

FONTE: Instituto Brasileiro de Siderurgia.

FONTE: IBGE.

5. Represente a tabela por meio de um grfico de colunas mltiplas:


EXPORTAO BRASILEIRA
1985-1990-1995
ANOS

PRPRIOS (%)

NATUREZA
ALUGADOS (%)

CEDIDOS (%)

62,7
70,3

22,9
16,5

14,4
13,2

1990
1991
FONTE: IBGE.

6. Represente as tabelas por meio de grficos polares:


a.

b.
VENDA DE VACINA CONTRA
AFTOSA
BRASIL - 1992
MESES

Janeiro
Fevereiro
Maro
Abril
Maio
Junho
Julho
Agosto
Setembro
Outubro
Novembro
Dezembro

PRECIPITAO
PLUVIOMTRICA
FLORIANPOLIS - 1993

MILMETROS

MESES

37,30
41,20
38,55
47,70
40,65
44,70
41,20
46,00
41,00
55,00
52,80
35,40

Janeiro
Fevereiro
Maro
Abril
Maio
Junho
Julho
Agosto
Setembro
Outubro
Novembro
Dezembro

FONTE: Sindam.

MILMETROS
165,7
106,6
71,6
34,7
184,9
102,7
198,3
36,8
72,2
147,8
175,1
198,3

FONTE: Ministrio da Agricultura.

- 63 -

MEDIDAS ESTATSTICAS

2.1 Medidas de Tendncia Central


Podemos localizar a maior concentrao de valores de uma dada distribuio, isto , se
ela se localiza no incio, no meio ou no final, ou, ainda, se h uma distribuio por igual.
Porm, para ressaltar as tendncias caractersticas de cada distribuio, isoladamente, ou
em confronto com outras, necessitamos introduzir conceitos que se expressem atravs
de nmeros que nos permitem traduzir essas tendncias. Esses conceitos so
denominados elementos tpicos da distribuio e so as:
a. medidas de posio;
b. medidas de variabilidade ou disperso;
c. medidas de assimetria;
d. medidas de curtose.
Dentre os elementos tpicos, destacamos, neste captulo, as medidas de posio
estatsticas que representam uma srie de dados orientando-nos quanto posio da
distribuio em relao ao eixo horizontal (eixo das abscissas).
As medidas de posio mais importantes so as medidas de tendncia central, que
recebem tal denominao pelo fato de os dados observados tenderem, em geral, a se
agrupar em torno dos valores centrais. Dentre as medidas de tendncia central,
destacamos:
a. a mdia aritmtica;
b. a mediana;
c. a moda.
As outras medidas de posio so as separatrizes, que englobam:
a. a prpria mediana;
b. os quartis;
c. os percentis.

2.1.1

Mdia Aritmtica (X)

Definio:
Mdia Aritmtica o quociente da diviso da soma dos valores da varivel pelo nmero
deles:
X = xi n
Sendo:

X a mdia aritmtica;
xi os valores da varivel;
n o nmero de valores.

- 64 -

2.1.1.1

Dados No-Agrupados

Quando desejamos conhecer a mdia dos dados no-agrupados, determinamos a mdia


aritmtica simples.
Exemplos:
Sabendo-se que a produo leiteira diria de vaca A, durante uma semana, foi de 10,
14, 13, 15, 16, 18 e 1 litros, temos, para produo mdia da semana:
X = (10 + 14 + 13 + 15 + 16 + 18 +1) : 7 = 14
Logo: X = 14 litros
2.1.1.2

Desvio em Relao Mdia

Desvio em relao mdia a diferena entre cada elemento de um conjunto de


valores e a mdia aritmtica.
Designando o desvio por d1, temos:
d1 = x1 X
d1 = 10 14 = -4
d2 = 0
2.1.1.3

....

d7 = -2

Propriedades da Mdia
k

1) A soma algbrica dos desvios tomados em relao a mdia nula:

d1 = 0

i 1

No exemplo anterior, temos:

d1 = (-4) + 0 + (-1) + ... + 7 = 0

i 1

2) Somando-se (ou subtraindo-se) uma constante (c) de todos os valores de uma


varivel, a mdia do conjunto fica aumentada (ou diminuda) dessa constante:
y1 = xi c

=>

Y=Xc

Somando 2 a cada um dos valores da varivel do exemplo dado, temos:


y1 = 12, y2 = 16, y3 = 15, ..., y7 = 14
7

Da:

y1 = 12 + 16 + 15 + ... + 14 = 112

i 1

Como n = 7, vem: Y = 112 7 = 16

=>

Y = 14 + 2

=>

Y=x+2

3) Multiplicando-se (ou dividindo-se) todos os valores de uma varivel por uma


constante (c), a mdia do conjunto fica multiplicada (ou dividida) por essa constante:
y1 = x1 . c

=>

Y=X.c

ou

y1 = x 1 c

=>

Y=Xc

Multiplicando por 3 cada um dos valores da varivel do exemplo dado, obtemos:


y1 = 30, y2 = 42, y3 = 39, ..., y7 = 36
7

Da:

y1 = 30 + 42 + 39 + ... + 36 = 294

i 1

Como n = 7, vem:

y= 294 7 = 42

=>

- 65 -

y= 14 x 3

=>

y= x . 3

2.1.1.3

Dados Agrupados

2.1.1.3.1 Sem Intervalos de Classe


Consideremos a distribuio relativa a 34 famlias de quatro filhos, tomando para varivel
o nmero de filhos do sexo masculino:
TABELA 2.1
No DE
MENINOS

fi

0
1
2
3
4

2
6
10
12
4
= 34

Neste caso, como as freqncias so nmeros indicadores da intensidade de cada valor


da varivel, elas funcionam como fator de ponderao, o que nos leva a calcular a mdia
aritmtica ponderada, dada pela frmula:
X = ( xifi) ( fi)
O modo mais prtico de obteno da mdia ponderada abrir, na tabela, uma coluna
correspondente ao produto xifi:
TABELA 2.2
xi

fi

xif i

Temos, ento: xifi = 78 e fi

0
1
2
3
4

2
6
10
12
4

0
6
20
36
16

Logo: X = ( xifi) ( fi) = 78 34 = 2,3

= 34

= 78

Nota:

Sendo x uma varivel discreta, como


interpretar o resultado obtido, 2 meninos e 3 dcimos
de menino?

O valor mdio 2,3 meninos sugere, neste caso, que o maior nmero de famlias tem
2 meninos e 2 meninas, sendo, porm, a tendncia geral de uma leve superioridade
numrica em relao ao nmero de meninos.
Resolva:
Complete o esquema para o clculo da mdia aritmtica da distribuio:
xi
fi

1
2

2
4

3
6

4
8

5
3

6
1

Temos:
xi

fi

xif i

1
2
3
4
5
6

2
4
6
8
3
1

2
...
...
...
...
...

= ...

= ...

- 66 -

Como:

xifi = ...., xifi = ....

X = ( xifi) ( fi)

Temos: X = .... .... = 3,4


2.1.2.4.2 Com Intervalos de Classe
Neste caso, convencionamos que todos os valores excludos em um determinado
intervalo de classe coincidem com o seu ponto mdio, e determinamos a mdia
aritmtica ponderada por meio da frmula: = ( xifi) ( fi)
Onde xi o ponto mdio da classe.
Consideremos a distribuio:
TABELA 2.3
i

ESTATURAS
(cm)

1
2
3
4
5
6

150
154
158
162
166
170

154
158
162
166
170
174

fi
4
9
11
8
5
3
= 40

Pela mesma razo do caso anterior, vamos, inicialmente, abrir uma coluna para os pontos
mdios e outra para os pontos xifi:
TABELA 2.4
i
1
2
3
4
5
6

ESTATURAS
(cm)
150
154
158
162
166
170

154
158
162
166
170
174

fi

xi

xifi

4
9
11
8
5
3

152
156
160
164
168
172

608
1.404
1.760
1.312
840
516

= 40
Como, neste caso:

= 6.440

xifi = 6.440, fi = 40

X = ( xifi) ( fi)

Temos: X = 6.440 40 = 161 cm


Resolva:
Complete o esquema para o clculo da mdia aritmtica da distribuio:
xi
fi

450 550 650 750 850 950 1.050 1.150


8
10
11
16
13
5
1

Temos:
- 67 -

xi

fi

xifi

1
2
3
4
5
6
7

500
....
....
....
....
....
1.100

8
10
11
16
13
5
1

4.000
....
....
....
....
....
....

= ....

= ....

Logo: X = .... .... = R$ 755,00


2.1.2.4.3 Processo Breve
Com o intuito de eliminarmos o grande nmero de clculos que as vezes se apresentam
na determinao da mdia, empregamos o que denominamos processo breve (em
oposio ao processo utilizado anteriormente processo longo), baseado em uma
mudana da varivel x por outra y, tal que:
y1 = (x1 x0) h
onde x0 uma constante arbitrria escolhida convenientemente dentre os pontos mdios
da distribuio de preferncia o de maior freqncia.
Fazendo essa mudana de varivel, de acordo com a segunda e a terceira propriedades
da mdia, ela resulta diminuda de x 0 e dividida por h; mas isso pode ser compensado
somando x0 a mdia da nova varivel e, ao mesmo tempo, multiplicando-a por h.
Resulta, ento, a frmula modificada.
X = x0 + ( yifi x h) ( fi)
Assim, a distribuio da Tabela 2.3, tomando para o valor x 0 o ponto mdio de maior
freqncia (se bem que podemos tomar qualquer dos valores do ponto mdio), isto :
x0 = 160
como h = 4, temos para valores da nova varivel:
y1 =(152 160) 4 = -2

y2 =(156 160) 4 = -1 .... y6 =(172 160) 4 = 3

Vamos, ento, calcular a mdia da distribuio da Tabela 2.3 pelo processo breve.
Comeamos por completar a tabela dada com as colunas correspondentes aos pontos
mdios (xi), aos valores da nova varivel (yi) e aos produtos yifi:

TABELA 2.5
i
1
2
3
4
5

ESTATURAS
(cm)
150
154
158
162
166

154
158
162
166
170

fi

xi

fi

xifi

4
9
11
8
5

152
156
160
164
168

-2
-1
0
1
2

-8
-9
0
8
10

- 68 -

0
-17
0
0
0

170 174

172

x0 = 160

= 40

27

= 10

Temos, ento, x0 = 160, yifi = 10, fi = 40 e h = 4.


Substituindo esses valores na frmula:
X = x0 + ( yifi x h) ( fi)
Vem: X = 160 + 10

4 40 = 160 + 1 = 161 cm

Notas:
O processo breve, com a nova varivel definida por ns, s pode ser usado em

distribuies que apresentam intervalos de classe de mesma amplitude.


O processo breve pode, tambm, ser aplicado para as distribuies sem intervalos

de classe, bastando fazer h = 1.

Fases para o clculo da mdia pelo processo breve:


1) Abrimos uma coluna para os valores xi
2) Escolhemos um dos pontos mdios (de preferncia o de maior freqncia) para o
valor de x0.
3) Abrimos uma coluna para os valores de y1 e escrevemos zero na linha
correspondente a classe onde se encontra o valor de x 0; a seqncia -1, -2, -3, ...,
logo acima do zero, e a seqncia 1, 2, 3, ..., logo abaixo.
4) Abrimos uma coluna para os valores do produto y ifi, conservando os sinais + ou -, e,
em seguida, somamos algebricamente esses produtos.
5) Aplicamos a frmula.
Exerccio Resolvido:
1) Calcule a mdia aritmtica, pelo processo breve, da distribuio:
xi
fi

450 550 650 750 850 950 1.050 1.150


8
10
11
16
13
5
1

Temos:
i

xi

fi

yi

xif i

1
2
3
4
5
6

500
600
700
800
900
1.000

8
10
1
16
13
5

-3
-2
-1
0
1
2

-24
-20
-11
0
13
10
- 69 -

0
0
-55
0
0
0

1.100

x0 = 800

= 64

26

= -29

Como: h = 100
Vem: X = x0 + ( yifi x h) ( fi) = 800 + (-29) 100 64 = 754,69 = R$ 755,00
Resolva:
Complete o esquema para o clculo da mdia aritmtica da distribuio:
xi
fi

30 50 70 90 110 130
2
8
12
10
5

Temos:
i

xi

fi

yi

xif i

1
2
3
4
5

40
...
...
...
...

...
...
12
...
...

...
...
...
...
2

...
... ...
...
...
... ...

x0 = ...

= ...

= ...

Como: h = ...
Vem: X = x0 + ( yifi x h) ( fi) = ... + ... x ... ... = 84,3

Emprego da Mdia
A mdia utilizada quando:
a) Desejamos obter a medida de posio que possui a maior estabilidade;
b) Houver a necessidade de um tratamento algbrico ulterior.

2.1.2 A Moda (Mo)


Definio:
Denominamos moda o valor que ocorre com maior freqncia em uma srie de valores.
Desse modo, o salrio modal dos empregados de uma indstria o salrio mais comum,
isto , o salrio recebido pelo maior nmero de empregados dessa indstria.
2.1.2.1

Dados No-Agrupados

Quando lidamos com valores no-agrupados, a moda facilmente reconhecida: basta, de


acordo com a definio, procurar o valor que mais se repete.
A srie de dados:

7, 8, 9, 10, 10, 10, 11, 12, 13, 15

Tem moda igual a 10.


Podemos, entretanto, encontrar sries nas quais no exista valor modal, isto , nos quais
nenhum valor aparea mais vezes que outros. o caso da srie: 3, 5, 8, 10, 12, 13
- 70 -

Que no apresenta moda (amodal).


Em outros casos, ao contrrio, pode haver dois ou mais valores de concentrao.
Dizemos, ento, que a srie tem dois ou mais valores modais. Na srie:
2, 3, 4, 4, 4, 5, 6, 7, 7, 7, 8, 9
Temos duas modas: 4 e 7 (bimodal).

2.1.2.1

Dados Agrupados

2.1.2.1.1

Sem Intervalos de Classe

Uma vez agrupados os dados, possvel determinar imediatamente a moda: basta fixar
o valor da varivel de maior freqncia.
Na distribuio da Tabela 1, a freqncia mxima (12) corresponde o valor 3 da varivel.
Logo: Mo = 3
Com Intervalos de Classe

2.1.2.1.2

A classe que apresenta a maior freqncia denominada classe modal. Pela definio,
podemos afirmar que a moda, neste caso, o valor dominante que est compreendido
entre os limites da classe modal.
O mtodo mais simples para o clculo da moda consiste em tomar o ponto mdio da
classe modal.
Damos a esse valor a denominao de moda bruta.
Temos, ento:
Onde:

Mo = (l* + L*) 2

l* o limite inferior da classe modal.

L* o limite superior da classe modal.

Assim, para a distribuio:


TABELA 2.5
i

ESTATURAS
(cm)

fi

1
2
3
4
5
6

150
154
158
162
166
170

4
9
11
8
5
3

154
158
162
166
170
174

= 40
Temos que a classe modal i = 3, l* = 158 e L* =162.
Como: Mo = (l* + L*) 2
Vem: Mo = (158 + 162) 2 = 160 cm
Nota:

H, para o clculo da moda, outros mtodos mais elaborados, como, por exemplo,
o que faz uso da frmula de Czuber:
Mo = l* + D1 (D1 + D2) x h*

Na qual:
l* o limite inferior da classe modal;
h* a amplitude da classe modal;
- 71 -

D1 = f* - f(ant);
D2 = f* - f(post).
Sendo:
f* a frequncia simples da classe modal;
f(ant) a freqncia simples da classe anterior classe modal;
f(post) a freqncia simples da classe posterior classe modal.
Assim, para a distribuio da Tabela 1, temos: D1 = 11 9 = 2

D2 = 11 8 = 3

Donde: Mo = 158 + 2 (2 + 3) x 4 = 158 + 2 x 4 (2 + 3) = 158 + 8 5 = 159,6 cm


Resolva:
Complete o esquema para o clculo da moda da distribuio de freqncia:
CUSTOS
(R$)

450
550
650
750
850
950
1050

1
2
3
4
5
6
7

550
650
750
850
950
1050
1150

fi
8
10
11
16
13
5
1
= 64

A classe modal a de ordem .......


Logo: l* = ....

L = ....

Temos, pois: Mo = (.... + ....) 2 = .... 2 = R$ ....


Emprego da Moda
A moda utilizada:
a) Quando desejamos obter uma medida rpida e aproximada de posio;
b) Quando a medida de posio deve ser o valor mais tpico da distribuio.

2.1.3

A Mediana (Md)

Definio:
A mediana outra medida de posio definida como o nmero que se encontra no
centro de uma srie de nmeros, estando estes dispostos segundo uma ordem. Em
outras palavras, a mediana de um conjunto de valores, ordenados segundo uma ordem
de grandeza, o valor situado de tal forma no conjunto que separa em dois subconjuntos
de mesmo nmero de elementos.
- 72 -

2.1.3.1

Dados No-Agrupados

Dada uma srie de valores, como, por exemplo: 5, 13, 10, 2, 18, 15, 6, 16, 9
De acordo com a definio de mediana, o primeiro passo a ser dado o da ordenao
(crescente ou decrescente) dos valores: 2, 5, 6, 9, 10, 13, 15, 16, 18
Em seguida, tomamos aquele valor central que apresenta o mesmo nmero de elementos
direita e esquerda. Em nosso exemplo, esse valor o 10, j que, nessa srie, h
quatro elementos acima dele e quatro abaixo.
Temos, ento: Md = 10
Se, porm, a srie dada tiver um nmero par de termos, a mediana ser, por definio,
qualquer dos nmeros compreendidos entre os dois valores centrais da srie.
Convencionou-se utilizar o ponto mdio.
Assim, a srie de valores:

2, 6, 7, 10, 12, 13, 18, 21

Tem para mediana a mdia aritmtica entre 10 e 12.


Logo: Md = (10 + 12) 2 = 11
Verificamos que, estando ordenados os valores de uma srie e sendo n o nmero de
elementos da srie, o valor mediano ser:
- o termo de ordem (n + 1) 2, se n for mpar;
- a mdia aritmtica dos termos de ordem n 2 e (n 2) + 1, se n for par.
Podemos comprovar tal fato nas sries dadas:
- para n = 9, temos (9 + 1) 2 = 5. Logo, a mediana o quinto termo da srie, isto :
Md = 10
- para n = 8, temos 8 2 = 4 e (8 2) + 1= 5. Logo, a mediana a mdia aritmtica
do quarto e do quinto termos da srie, isto : Md = (10 + 2) 2 = 11
Notas:

O valor da mediana pode coincidir ou no com um elemento da srie, como


vimos. Quando o nmero de elementos da srie mpar, h coincidncia. O
mesmo no acontece, porm, quando esse nmero par.

A mediana e a mdia aritmtica no tm, necessariamente, o mesmo valor. Na


primeira srie apresentada, por exemplo, temos: X = 10,4 e Md = 10

A mediana, como vimos, depende da posio e no dos valores dos elementos na


srie ordenada. Essa uma das diferenas marcantes da mediana e a mdia (que
se deixa influenciar, e muito, pelos valores extremos). Essa propriedade das
medianas pode ser constatada atravs dos exemplos a seguir: 5, 7, 10, 13, 15
X = 10 e Md = 10
5, 7, 10, 13, 65

X= 20 e Md = 10

Isto , a mdia do segundo conjunto de valores maior do que a do primeiro, por


influncia dos valores extremos, ao passo que a mediana permanece a mesma.

A mediana designada, muitas vezes, por valor mediano.

2.1.3.2

Dados Agrupados

- 73 -

Se os dados se agrupam em uma distribuio de freqncia, o clculo da mediana se


processa de modo muito semelhante quele dos dados no agrupados, implicando,
porm, a 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.
Para o caso de uma distribuio, porm, a partir de qualquer um dos extremos, dada
por: ( f1) 2
2.1.3.3

Sem intervalos de classe

Neste caso, o bastante identificar a freqncia acumulada imediatamente superior


metade da soma das freqncias. A mediana ser aquele valor da varivel que
corresponde a tal freqncia acumulada:
TABELA 2.6
N DE
MENINOS

fi

Fi

0
1
2
3
4

2
6
10
12
4

2
8
18
30
34

= 34
Sendo: ( f1) 2 = 34 2 = 17
A menor freqncia acumulada que supera esse valor 18, que corresponde ao valor 2
da varivel, sendo este o valor mediano. Logo: Md = 2 meninos
Nota:

No caso de existir uma freqncia acumulada (F1), tal que: F1 = ( f1) 2


A mediana ser dada por: Md = (xi + xi + 1) 2
Isto , a mediana ser a mdia aritmtica entre o
correspondente a essa freqncia acumulada e o seguinte.

Exemplo:
TABELA 2.7
xi

fi

Fi

12
14
15
16
17
20

1
2
1
2
1
1

1
3
4
6
7
8

=8
Temos: 8 2 = 4 = F3
Logo: Md = (15 + 16) 2 = 31 2 = 15,5
Resolva:
1) Complete o esquema para o clculo da mediana das distribuies:
- 74 -

valor

da

varivel

a.

b.
xi
fi

2
3

4
7

6
12

8
8

10
4

xi
fi

Temos:

0
2

1
5

2
9

3
7

4
6

5
3

Temos:

xi

fi

Fi

xi

fi

Fi

2
4
6
8
10

3
7
12
8
4

...
10
...
30
...

0
....
....
....
4
....

2
....
9
....
....
....

2
....
....
....
....
....

= ...

= ...
Como:

fi 2 = .... 2

Como:

Vem: Md = ....

2.1.3.4

fi 2 = .... 2 = ....

Vem: Md = ....

Com intervalos de classe

Neste caso, o problema consiste em determinar o ponto do intervalo em que est


compreendida a mediana.
Para tanto, temos inicialmente que determinar a classe na qual se acha a mediana
classe mediana. Tal classe ser, evidentemente, aquela correspondente freqncia
acumulada imediatamente superior a ( f1) 2.
Feito isto, um problema de interpolao (insero de uma determinada quantidade de
valores entre dois nmeros dados) resolve a questo, admitindo-se, agora, que os
valores se distribuam uniformemente em todo o intervalo de classe.
Assim, considerando a distribuio da Tabela 3, acrescida das freqncias acumuladas:
TABELA 6
i
1
2
3
4
5
6

ESTATURAS
(cm)
150
154
158
162
166
170

154
158
162
166
170
174

fi

Fi
4
13
24 classe mediana
32
37
40

4
9
11
8
5
3
= 40

Temos: ( f1) 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), supondo que as seqncias
dessas classes estejam uniformemente distribudas.
Como h 11 elementos nessa classe e o intervalo de classe igual a 4, devemos tomar, z
partir do limite inferior, a distncia:
(20 13) 11 x 4 = 7 11 x 4
- 75 -

E a mediana ser dada por:


Md = 158 + 7 x 11 4 = 160,54 = 165 cm
Na prtica, executamos os seguintes passos:

Fases para o clculo da mdia pelo processo breve:


1) Determinamos as freqncias acumuladas.
2) Calculamos ( f1) 2.
3) Marcamos a classe correspondente freqncia acumulada imediatamente superior
( f1) 2 classe mediana e, em seguida, empregamos a frmula:

f F (ant )
i

2
Md f *

h*

f*

Na qual:
l* o limite inferior da classe mediana;
F* (ant) a freqncia acumulada da classe anterior classe mediana;
f* a freqncia simples da classe mediana;
h* a amplitude do intervalo da classe mediana.
Tomando como exemplo a distribuio anterior, temos: ( fi) 2 = 40 2 = 20
Logo, a classe mediana a de ordem 3. Ento: l* = 158, F(ant) = 13, f* = 11 e h* =
4
Substituindo esses valores na frmula, obtemos:
160,54 = 160,5 cm

Md = 158 + (20 13) 4 11 =

Resolva:
1) Complete o esquema para o clculo da mediana da distribuio de freqncia.
xi
fi

450 550 650 750 850 950 1.050 1.150


8
10
11
16
13
5
1

Temos:
i
1
2
3
4
5
6
7

CUSTOS (R$)
450
550
650
750
850
950
1.050

550
650
750
850
950
1.050
1.150

fi
8
....
....
....
....
....- 76 ....

Fi
8
18
....
....
....
....
....
=....

( fi) 2= .... 2 = ....


l* = ...., F(ant) = .... e h* = ....
Logo: Md = .... + (.... - ....) .... .... = ....
Isto : Md = R$ 769,00
Nota:
* No caso de existir uma freqncia acumulada exatamente igual a ( fi) 2, a
mediana ser o limite superior da classe correspondente.
Exemplo:
i

CLASSES

fi

Fi

1
2
3
4
5
6

0
10
20
30
40
50

1
3
9
7
4
2

1
4
13
20
24
26

10
20
30
40
50
60

= 20
( fi) 2 = 26 2 = 13
Logo: Md = L* = 30
Emprego da Mediana
Empregamos a mediana quando:
a) desejamos obter o ponto que divide a distribuio em partes iguais;
b) h valores extremos que afetam de uma maneira acentuada a mdia;
c) a varivel em estudo salrio.

2.1.4 Atividades Complementares


1) Considerando os conjuntos de dados:
a. 3, 5, 2, 6, 5, 9, 5, 2, 8, 6
b. 20, 9, 7, 2, 12, 7, 2, 15, 7

x = 5,1; Md = 5; Mo = 5
x = 11; Md = 9; Mo = 7

c. 51,6; 48,7; 50,3; 49,5; 48,9

x = 49,8; Md = 49,5; Mo =

- 77 -

d. 15, 18, 20, 13, 10, 16, 14

x = 15,1; Md = 15; Mo =

Calcule:
I. a mdia;

II. a mediana;

III. a moda.

2) O salrio-hora de cinco funcionrios de uma companhia, so:


R$ 75,00; R$ 90,00; R$ 83,00; R$ 142,00 e R$88,00
Determine:
a. a mdia dos salrios-hora; R$ 96,00
b. o salrio-hora mediano. R$ 88,00
3. As notas de um candidato, em seis provas de um concurso, foram: 8,4; 9,1; 7,2; 6,8;
8,7 e 7,2.
Determine:
a) a nota mdia; 7,9
b) a nota mediana; 7,8
c) a nota modal. 7,2
4. Considerando a distribuio abaixo:
xi
fi

3
4

4
8

5
11

6
10

4
8

8
3

Calcule:
a) a mdia; 5,4
b) a mediana; 5
c) a moda. 5
5. Em uma classe de 50 alunos, as notas obtidas formaram a seguinte distribuio:
NOTAS
N DE
ALUNOS

3
1

4
3

10

10

13

Determine:
a) a nota mdia; 5,9
b) a nota mediana; 6
c) a nota modal. 6

6. Determine a mdia aritmtica de:


a.

64,5

VALORES
QUANTIDADES
b.

50
8

60
5

58,8

- 78 -

80
4

90
3

xi
fi

50
20

58
50

66
30

7. Determine os desvios em relao mdia dos seguintes dados: 6, 8, 5, 12, 11, 7, 4,


15. Determine a soma dos desvios. -2,5; -0,5; -3,5; 3,5; 2,5; -1,5; -4,5; 6,5
8. Calcule a mdia aritmtica das distribuies de freqncia abaixo:
a.

b.

5,3

NOTAS
0
2
2
2
2

fi

2
4
4
4
4

172,4 cm

ESTATURA
S (cm)

5
8
14
10
7

150
158
166
174
182

= 44

fi

158
166
174
182
190

5
12
18
27
8
= 70

c.

d.

R$ 843,00

SALRIOS (R$)

fi

500 700
700 900
900 1.100
1.100 1.300
1.300 1.500
1.500 1.700
1.700 1.900

18
31
15
3
1
1
1

159,4 kg

PESOS (kg)
145
151
157
163
169
175
181

151
157
163
169
175
181
187

= 70

fi
10
9
8
6
3
3
1
= 40

9. Calcule a mediana de cada uma das distribuies do exerccio 8.


a. 5,3

b. 174 cm

c. R$ 810,00

d. 157,8 kg

10. Calcule a moda de cada uma das distribuies do exerccio 8.


a. 5

b. 178 cm

c. R$ 800,00

d. 148 kg

11. Voc fez dois trabalhos num semestre e obteve as notas 8,5 e 5,5. Qual deve ser a
nota que voc deve tirar no 3 trabalho para que a mdia dos trs seja 7: 7
12. Numa empresa, vinte operrios tm salrio de R$ 4.000,00 mensais; dez operrios
tm salrio de R$ 3.000,00 mensais e trinta tm salrio de R$ 2.000,00 mensais.
Qual o salrio mdio desses operrios: X = 2.833,33
13. Explique a relao mdia aritmtica e mdia ponderada. Pesquise caso necessrio.
A mdia ponderada nada mais do que a mdia aritmtica considerando o valor x n ocorrendo pn vezes.

14. Numa grande empresa, em trs setores pesquisados num determinado dia, foram
constatadas faltas de funcionrios, assim distribudos:
* 4% no setor administrativo;
* 8% no setor de produo;
* 12% no setor comercial.

- 79 -

Calcule a mdia de faltas desse dia, considerando que, no setor de produo, h 200
funcionrios, o setor administrativo tem 50 funcionrios e o setor comercial tem 75
funcionrios. X = (16 + 2 + 9) / 325 = 8,3%
15. Um carro, numa viagem, andou 5 horas a 60 km por hora. Determine a velocidade
horria mdia nessas 8 horas de viagem. 76,25 km/h
16. A mdia aritmtica entre 50 nmeros igual a 38. Dois nmeros so retirados: o
nmero 55 e o 21. Calcule a mdia aritmtica dos nmeros que restaram. 38
17. Um ourives fez uma liga fundindo 200 g de ouro 14 k (quilates) com 100 g de ouro 16
k. O nmero que d a melhor aproximao em quilates de ouro obtido : positivo
a) 14,5 k

b) 14,6 k

xc)

14,7 k

d) 15,0 k

e) 15,5 k

18. Num concurso de vestibular para dois cursos A e B, compareceram 500 candidatos
para o curso A e 100 candidatos para o curso B. Na prova de Matemtica, a mdia
aritmtica geral, considerando os dois cursos, foi 4,0.
Mas, considerando apenas os candidatos ao curso A, a mdia cai para 3,8.
A mdia dos candidatos ao curso B, na prova de Matemtica, foi: positivo
a) 4,2
xb) 5,0
c) 5,2
d) 6,0
e) 6,2
19. Seja M a mdia aritmtica de 15 nmeros quaisquer. Subtraindo-se 10 unidades de
cada um desses nmeros, obtm-se 15 novos nmeros, cuja mdia aritmtica :
a) M 15
b) M + 150
xc) M 10
d) M + 10
e) 10 M positivo
20. Considere um grupo formado por cinco amigos com idade de 13, 13, 14, 14 e 15
anos. O que acontece com a mdia de idade desse grupo, se um sexto amigo com 16
anos juntar-se ao grupo? positivo
a) Permanece a mesma
b) Diminui 1 ano
c) Aumenta 12 anos
d) Aumenta mais de 1 ano
xe) Aumenta menos de 1 ano
21. A mdia aritmtica dos nmeros pares de dois algarismos :
a) 50

b) 51

c) 52

d) 53

xe)

positivo

54

22. A mdia aritmtica de um grupo de 120 pessoas de 40 anos. Se a mdia aritmtica


das mulheres de 35 anos e dos homens de 50 anos, qual o nmero de pessoas
de cada sexo, no grupo?
( ih + im)/120 = 40 .: ih/h = 50 .: im/m = 50 .: h + m = 120 80 homens e 40 mulheres

23. Sabe-se que a mdia aritmtica de 5 nmeros inteiros distintos, estritamente


positivos, 16. O maior valor que um desses inteiros pode assumir : positivo
a) 16

b) 20

c) 10

xd)

70

e) 100

24. Num pas, a populao feminina 51% do total. A idade mdia da populao
feminina 38 anos e da masculina 36. Ento, a idade mdia da populao, em
anos, : positivo
xa)

37,02

b) 37,00

c) 37,20

d) 36,60

e) 37,05

25. Numa populao, a razo do nmero de mulheres para o de homens de 11 para


10. A idade mdia das mulheres 34 e a idade mdia dos homens 32. Ento, a
idade mdia da populao aproximadamente: positivo
a) 32,9

b) 32,95

c) 33,00

xd)

33,05

e) 33,10

2.2 Medidas de Disperso ou de Variabilidade


Vimos anteriormente que um conjunto de valores pode ser convenientemente
sintetizado, por meio de procedimentos matemticos, em poucos valores representativos
mdia aritmtica, mdia e moda. Tais valores podem servir de comparao para dar
a posio de qualquer elemento do conjunto.
- 80 -

No entanto, quando se trata de interpretar dados estatsticos, mesmo aqueles j


convenientemente simplificados, necessrio ter-se uma idia retrospectiva de como se
apresentavam esses mesmos dados nas tabelas.
Assim, no convenientemente dar uma das medidas de posio para caracterizar
perfeitamente um conjunto de valores, pois, mesmo sabendo, por exemplo, que a
temperatura mdia de duas cidades a mesma, e igual a 24C. A outra poder ter uma
variao pequena de temperatura e possuir, portanto, no que se refere temperatura,
um clima mais favorvel.
Vemos, ento, que a mdia ainda que considerada como um nmero que tem a
faculdade de representar uma srie de valores no pode, por si mesma, destacar o
grau de homogeneidade o heterogeneidade que existe entre os valores que compem o
conjunto.
Consideremos os seguintes conjuntos de valores das variveis x, y e z:
x: 70, 70, 70, 70, 70.
y: 68, 69, 70, 71, 72.
z: 5, 15, 50, 120, 160.
Suas mdias aritmticas so 70, 70 e 70.
Entretanto, fcil notar que o conjunto x mais homogneo que os conjuntos y e z, j
que todos os valores so iguais mdia.
O conjunto y, por sua vez, mais homogneo que o conjunto z, pois h menor
diversificao entre cada um de seus valores e a mdia representativa.
Chamando de disperso ou variabilidade a maior ou menor diversificao dos valores
de uma varivel em torno de um valor de tendncia central tomado como ponto de
comparao, podemos dizer que o conjunto x apresenta disperso ou variabilidade
nula e que o conjunto y apresenta uma disperso ou variabilidade menor que o
conjunto z.
Portanto, para qualificar os valores de uma dada varivel, ressaltando a maior ou menor
disperso ou variabilidade entre esses valores e a sua medida de posio, a Estatstica
recorre s medidas de disperso ou de variabilidade.
Dessas medidas, estudaremos a amplitude total, a varincia, o desvio padro e o
coeficiente de variao.

2.2.1 Amplitude Total


2.2.1.1 Dados no Agrupados
A amplitude total a diferena entre o maior e o menor valor observado:
AT = x(mx) x(mn)
Exemplo:
Para os valores: 40, 45, 48, 52, 54, 62 e 70
Temos: AT = 70 40 = 30
Quando dizemos que a amplitude total dos valores 30, estamos afirmando alguma
coisa do grau de sua concentrao. evidente que, quanto maior a amplitude total,
maior a disperso ou variabilidade dos valores da varivel.
Relativamente aos trs conjuntos de valores mencionados no incio deste captulo, temos:
ATx = 70 70 = 0, (disperso nula)
- 81 -

ATy = 72 68 = 4
ATz = 160 5 = 155
2.2.1.2 Dados Agrupados
* Sem intervalos de classe:
Neste caso, ainda temos: AT = x(mx) x(mn)
Exemplo: Considerando a tabela abaixo:
xi
fi

0
2

1
6

2
12

3
7

4
3

Temos: AT = 4 0 = 4
* Com intervalos de classe:
Neste caso, a amplitude total a diferena entre o limite superior da ltima classe e o
limite inferior da primeira classe: AT = L(mx) l(mn)
Exemplo:
Considerando a distribuio abaixo:
TABELA 2.8
i

ESTATURAS
(cm)

fi

1
2
3
4
5
6

150
154
158
162
166
170

4
9
11
8
5
3

154
158
162
166
170
174

= 40
Temos: AT = 174 -150 = 24
A amplitude total tem o inconvenientemente 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.
Faz-se uso da amplitude total quando se quer determinar a amplitude em um dia ou no
ano, no controle de qualidade ou como uma medida de clculo rpido, e quando a
compreenso popular mais importante que a exatido e a estabilidade.

2.2.2 Varincia e Desvio Padro


Como vimos, 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 instveis e, por isso mesmo, os mais geralmente empregados.

- 82 -

A varincia baseia-se nos desvios em torno da mdia aritmtica, porm determinando a


mdia aritmtica dos quadrados dos desvios (lembremos que di = (xi - X) = 0).
Assim, representando a varincia por S2, temos:
S2 = (xi - X)2 fi
Ou, lembrando que fi = n

S2 = (xi - X)2 n

Nota:

Quando nosso interesse no se restringe descrio dos dados mas, partindo da


amostra, visamos tirar inferncias vlidas para a respectiva populao, convm
efetuar uma modificao, que consiste em usar o divisor n 1 em lugar de n.
Podemos, ainda, com o intuito de conservar a definio, calcular a varincia
usando o divisor de n e, em seguida, multiplicar o resultado por n (n 1).

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.
Por isso mesmo, imaginou-se uma nova medida que tem utilidade e interpretao
prticas, denominada desvio padro, definida como a raiz quadrada da varincia e
representada por s: S = s2
Assim: ( (xi - X)2 n)

(1)

Nota:

Tanto o desvio padro como a varincia so usados como medidas de disperso


ou variabilidade. O uso de uma ou de outra depender da finalidade que se tenha
em vista.
A varincia uma medida que tem pouca utilidade como estatstica descritiva,
porm extremamente importante na inferncia estatstica e em combinaes de
amostras.

Se bem que a frmula dada para o clculo do desvio seja a que torna mais fcil a sua
compreenso, ela no uma boa frmula para fins de computao, pois, em geral, a
mdia aritmtica (X) um nmero fracionrio, o que torna pouco prtico o clculo das
quantidades (xi - X)2.
Podemos simplificar os clculos fazendo uso da igualdade:
(xi - X)2 = xi2 - ( xi)2 n
Assim, substituindo (xi - X)2 por seu equivalente em (1), obtemos:
s = ( xi2 - ( xi)2 n)
que pode ser escrita do seguinte modo: s = ( xi2 n - ( xi n)2)

(2)

No apenas este mtodo usualmente mais prtico, como tambm mais preciso. Quando
a mdia no exata e tem de ser arredondada, cada desvio fica afetado ligeiramente do
erro, devido a esse arredondamento. O mesmo acontece com os quadrados, podendo os
resultados do clculo ser menos exatos do que quando a frmula (2) usada.
O desvio padro goza de algumas propriedades, dentre as quais destacamos:
1) Somando-se (ou subtraindo-se) uma constante a (de) todos os valores de uma
varivel, o desvio padro no se altera: yi = xi c sy = sx
2) Multiplicando-se todos os valores de uma varivel por uma constante (diferente de
zero), o desvio padro fica multiplicado por essa constante: yi = xi x c sy = c x sx

- 83 -

Essas propriedades nos permitem introduzir, no clculo do desvio padro, simplificaes


teis, como veremos mais adiante.
Para o clculo do desvio padro, consideremos os seguintes casos:
2.2.2.1 Dados no Agrupados
Tomemos como exemplo, o conjunto de valores da varivel x:
40, 45, 48, 52, 54, 62, 70
O modo mais prtico para se obter o desvio padro formar uma tabela com duas
colunas: uma pra x1 e outra para x12. Assim:
TABELA 2.9
xi

x12

40
45
48
52
54
62
70

1.600
2.025
2.304
2.704
2.916
3.844
4.900

= 371

= 20.293

Como n = 7, temos:
s = ( xi2 n - ( xi n)2) = (20 7 - (371 7)2) = 9,486
Resolva:
1) Complete o esquema para o clculo do desvio padro, dados os valores da varivel:8,
10, 11, 15, 16, 18
Temos:

n = ....

xi

x1 2

8
....
....
....
....

64
....
....
....
....

= ....

= ....

Logo: s = ( xi2 n - ( xi n)2) = (.... .... - (.... ....)2) = 3,56


2) Comprove a primeira propriedade do desvio padro somando 5 a cada valor da
varivel do exerccio anterior.
3) Comprove a segunda propriedade do desvio padro multiplicando por 2 cada valor da
varivel do exerccio 1.
2.2.2.2 Dados Agrupados
* Sem intervalo de classe
- 84 -

Como, neste caso, temos a presena de freqncias, devemos lev-las em considerao,


resultando a frmula:
s = ( fixi2 n - ( fixi n)2)
Consideremos como exemplo, a distribuio da Tabela:
xi
fi

0
2

1
6

2
12

3
7

4
3

O modo mais prtico de se obter o desvio padro abrir, na tabela dada, uma coluna
para os produtos fixi e outra para fixi2, lembrando que para obter fixi2 basta multiplicar
cada fixi pelo seu respectivo xi. Assim:
TABELA 2.10
xi

fi

fi xi

fi xi2

0
1
2
3
4

2
6
12
7
3

0
6
24
21
12

0
48
43
63
48

= 30

= 63

= 165

Logo: s = ( fixi2 / n - ( fixi / n)2) = (165 / 30 - (63 / 30)2) = 1,044


Resolva:
1) Complete o esquema para o clculo do desvio padro da distribuio:
xi
fi

1
2

2
5

3
8

4
6

5
3

6
1

Temos:
xi

fi

f i xi

f i xi2

1
2
3
4
5
6

2
....
....
....
....
....

2
....
....
....
....
....

2
....
....
....
....
....

= ....

= ....

= ....

Logo: s = ( fixi2 / n - ( fixi / n)2) = (.... / .... - (.... / ....)2) = 1,24

* Com intervalo de classe:


Tomemos como exemplo a distribuio da Tabela 2.8.
Comeamos por abrir as colunas para xi (ponto mdio), para fixi e para fixi2. Assim:
TABELA 2.11
- 85 -

i
1
2
3
4
5
6

ESTATURAS
(cm)
150
154
158
162
166
170

154
158
162
166
170
174

fi

xi

fixi

f ixi2

4
9
11
8
5
3

152
156
160
164
168
172

608
1.404
1.760
1.312
840
516

92.416
219.024
281.600
215.168
141.120
88.752

= 6.440

= 1.038.080

= 40

Logo: s = (1.038.080 / 40 - (6.440 / 40)2) = (31) = 5,567


2.2.2.3 Processo Breve
Baseados na mudana da varivel x por outra y, tal que: yi = (xi x0) / h,
E pelas mesmas razes expostas para o clculo da mdia, podemos obter um processo
breve de clculo, com a aplicao da seguinte frmula:
s = ( fiyi2 / n - ( fiyi / n)2)
Assim, a distribuio da Tabela 2.8, temos, completando com as colunas para x i, yi, fixi e
fiyi2:
TABELA 2.12
i
1
2
3
4
5
6

ESTATURAS
(cm)
150
154
158
162
166
170

154
158
162
166
170
174

h = 40

fi

xi

yi

fiyi

fiyi2

4
9
11
8
5
3

152
156
160
164
168
172

-2
-1
0
1
2
3

-8
-9
0
8
10
9

16
9
0
8
20
27

= 10

= 80

= 40

Logo: s = h ( fiyi2 / n - ( fiyi / n)2) s = 4 (80/ 40 - (10/ 40)2) 5,57 cm


Nota:

Valem as mesmas observaes que fizemos para a mdia aritmtica.

Fases para o clculo da mdia pelo processo breve:


1) Abrimos uma coluna para os valores xi (ponto mdio).
2) Escolhemos um dos pontos mdios (de preferncia o de maior freqncia) para o valor
de x0.

- 86 -

3) Abrimos uma coluna para os valores de y 1 e escrevemos zero na linha correspondente


a classe onde se encontra o valor de x 0; a seqncia -1, -2, -3, ..., logo acima do zero,
e a seqncia 1, 2, 3, ..., logo abaixo.
4) Abrimos uma coluna para os valores do produto f iyi, conservando os sinais + ou -, e,
em seguida, somamos algebricamente esses produtos.
5) Abrimos uma coluna para os valores do produto fiyi2, obtidos multiplicando cada fiyi
pelo seu respectivo yi, e, em seguida, somamos esses produtos.
6) Aplicamos a frmula.
Exerccio resolvido:
1) Calcule o desvio padro da distribuio, pelo processo breve.
xi
fi

450 550 650 750 850 950 1.050 1.150


8
10
11
16
13
5
1

Temos:
i

xi

fi

yi

fiyi

fiyi2

1
2
3
4
5
6
7

500
600
700
800
900
1.000
1.100

8
10
11
16
13
5
1

-3
-2
-1
0
1
2
3

-24
-20
-11 -55
0
13
10
3 26

72
40
11
0
13
20
9

h = 100

= 64

= -29

= 165

Como h = 100, vem: s = 100 (165 / 64 - (-29 / 64)2) = R$ 154,00


Resolva:
1) Complete o esquema para o clculo do desvio padro da distribuio, pelo processo
breve:
CLASSES
fi
Temos:

30 50 70 90 110 130
2
8
12
10
5

xi

fi

yi

fiyi

fiyi2

1
2
3
4
5

40
....
....
....
....

2
....
....
....
....

....
....
....
....
....

....
....
....
....
....

....
....
....
....
....

h = ....

= ....

= ....

= ....

Logo: s = .... (..... / .... - (.... / ....)2) = 21,88

2.2.3 Coeficiente de Variao


O desvio padro por si s no nos diz muita coisa. Assim, um desvio padro de duas
unidades pode ser considerado pequeno para uma srie de valores cujo valor mdio
- 87 -

200; no entanto, se a mdia for igual a 20, o mesmo no pode ser dito. Alm disso, o
fato de o desvio padro ser expresso na mesma unidade dos dados limita o seu emprego
quando desejamos comparar duas ou mais sries de valores, relativamente sua
disperso ou variabilidade, quando expressa em unidades diferentes.
Para contornar essas dificuldades e limitaes, podemos caracterizar a disperso ou
variabilidade dos dados em termos relativos ao seu valor mdio, medida essa
denominada coeficiente de variao (CV):
CV = s/X x 100
Para a distribuio da Tabela 2.11, onde X = 161 cm e s = 5,57 cm, temos:
CV = 5,57 / 161 x 100 = 3,459
Da: CV = 3,5%
Exemplo:
Tomemos os resultados das medidas das estaturas e dos pesos de um mesmo grupo de
indivduos:

ESTATURAS
PESOS

X
175 cm
68 kg

s
5,0 cm
2 kg

Temos:
CVE = 5 / 175 x 100 = 2,85%
CVP = 2 / 68 x 100 = 2,94%
Logo, nesse grupo de indivduos, os pesos apresentam maior grau de disperso que as
estaturas.
Nota:

Se bem que, para qualificar a disperso de uma distribuio, seja mais proveitoso
o coeficiente de variao, no devemos deduzir da que a varincia e o desvio
padro caream de utilidade. Pelo contrrio, so medidas muito teis no
tratamento de assuntos relativos inferncia estatstica, como j dissemos.

2.2.4 Atividades Complementares


1) Calcule a amplitude total dos conjuntos de dados:
a. 1, 3, 5, 9

b. 20, 14, 15, 19, 21, 22, 20

- 88 -

c. 17,9; 22,5; 13,3; 16,8; 15,4; 14,2

d. 20, 14, 15, 19, 21, 22, 20

9,2

20

2) Calcule a amplitude total das distribuies:


a.

b.

0,7

xi
fi

2
1

3
3

CLASSES
fi

4
5

5
8

6
5

7
4

8
2

1,5 1,6 1,7 1,8 1,9 2,0 2,1 2,2


4
8
12
15
12
8
4

3) Calcule os desvios padres dos conjuntos de dados do exerccio 1.


a. 2,96

b. 2,81

c. 3,016

d. 7,04

4) Calcule os desvios padres das distribuies do exerccio 2.

a. 1,51

b. 0,159

5) Dada a distribuio relativa a 100 lanamentos de 5 moedas simultaneamente:


N DE CARAS
FREQNCIAS

0
1

Calcule o desvio padro.

1
14

2
34

3
29

4
16

1,13

6) Calcule o desvio padro da distribuio:


CLASSES
fi

5
3

4,45

2 6 10 14 18 22
5
12
21
15
7

7) Calcule os desvios padres das distribuies do exerccio 8, captulo 2.1.4.


a. 2,43

b. 8,8 cm

c. R$ 229,00

d. 9,93 kg

8) Sabendo que um conjunto de dados apresenta para mdia aritmtica e para desvio
padro, respectivamente, 18,3 e 1,47, calcule o coeficiente de variao. 8,03%
9) Em um exame final de Matemtica, o grau mdio de um grupo de 150 alunos foi 7,8 e
o desvio padro, 0,76. Em que disciplina foi maior a disperso? Estatstica
10) Medidas as estaturas de 1.017 indivduos, obtivemos X = 162,2 cm e s = 8,01 cm. O
peso mdio desses mesmos indivduos 52 kg, com um desvio padro de 2,3 kg.
Esses indivduos apresentam maior variabilidade em estatura ou em peso? estatura
11) Um grupo de 85 moas tem estatura mdia de 160,6 cm, com um desvio padro
igual 5,97 cm. Outro grupo de 125 moas tem uma estatura mdia de 161,9 cm,
sendo o desvio padro igual a 6,01 cm. Qual o coeficiente de variao de cada um
dos grupos? Qual o grupo mais homogneo?
3,72% e 3,71%, respectivamente; o segundo grupo

12) Um grupo de 100 estudantes tem uma estatura mdia de 163,8 cm, com um
coeficiente de variao de 3,3%. Qual o desvio padro desse grupo? 5,41

13) Uma distribuio apresenta as seguintes estatsticas: s = 1,5 e CV = 2,9%.


Determine a mdia da distribuio. 51,7
14) Obtenha o desvio padro de cada um dos jogadores A e B, de basquete, em relao
aos pontos por partida, conforme a tabela abaixo: Positivo
- 89 -

A 26
B 15

32
45

28
19

30
42

27
31

31
22

15) Considere as notas de trs alunos em Matemtica nos quatro bimestres de um


mesmo ano. O professor de Matemtica escolher um deles para representar a turma
numa competio de Matemtica, o que tiver a melhor regularidade. Qual deles ser
escolhido?
Positivo

Aluno A
Aluno B
Aluno C

1 Bim

2 Bim

3 Bim

4 Bim

Mdia

9,5
8,5
10,0

8,5
10,0
7,5

9,0
10,0
9,5

9,5
8,0
9,5

....
....
....

16) Considere as idades dos alunos de 3 grupos A, B e C:


Grupo A
Grupo B
Grupo C

15 anos
18 anos
16 anos

15 anos
14 anos
15 anos

15 anos
13 anos
13 anos

15 anos
13 anos
16 anos

Positivo

15 anos
17 anos
15 anos

Ento:
a) obtenha a mdia de idade de cada grupo;
b) calcule a varincia de cada grupo;
c) calcule o desvio padro de cada grupo.
17) Numa competio de salto triplo, trs atletas disputavam apenas uma vaga para uma
olimpada entre faculdades de uma cidade. Cada atleta fez 4 tentativas obtendo os
seguintes resultados:
Positivo
Atleta I
Atleta II
Atleta III

16,50 m
13,90 m
15,70 m

15,81 m
17,01 m
16,02 m

16,42 m
16,82 m
16,95 m

16,12 m
15,10 m
17,00 m

a) Qual deles obteve melhor mdia?


b) Qual deles foi o mais regular nessas quatro tentativas?
18) Responda:

Positivo

a) Quando numa pesquisa o desvio padro zero?


b) Quando que uma distribuio considerada homognea?

19) A tabela a seguir mostra o nmero de acertos numa prova com 10 questes
aplicadas numa turma com 50 alunos. Positivo
N da questo
Quantidade de

1
15

2
20

3
12
- 90 -

4
25

5
48

6
40

7
35

8
10

9
30

10
40

acertos
Obtenha:
a) a mdia de acertos por questo;
b) o desvio padro dessa distribuio.
20) Em relao aos nmeros 1, 4, 16 e 4, obtenha:

Positivo

a) a mdia geomtrica;
b) a mdia aritmtica;
c) a mdia harmnica.
21) Numa escola adotado o seguinte critrio: a nota da primeira prova multiplicada
por 1, a nota da segunda prova multiplicada por 2 e a nota da ltima prova
multiplicada por 3. Os resultados, aps somados, so divididos por 6. Se a mdia
obtida por esse critrio for maior ou igual a 6,5, o aluno dispensado das atividades
de recuperao. Suponha que um aluno tenha tirado 6,3 na primeira prova e 4,5 na
segunda. Quanto precisar tirar na terceira para ser dispensado da recuperao?
Positivo

22) Para votar, cinco eleitores demoraram, respectivamente, 3 min 38 s, 3 min 18 s, 2


min 46 s, 2 min 57 s e 3 min 26 s. Qual foi a mdia do tempo de votao (em
minutos e segundos) desses eleitores? Positivo
23) A distribuio dos salrios de uma empresa dada na seguinte tabela:
Salrio em R$

Nmero de funcionrios

500,00
1.000,00
1.500,00
2.000,00
5.000,00
10.500,00

10
5
1
10
4
1

Total

31

Positivo

a) Qual a mdia e a mediana dos salrios dessa empresa?


b) Suponha que sejam contratados dois novos funcionrios com salrios de R$
2.000,00 cada.
A varincia da nova distribuio de salrios ficar menor, igual ou maior que a
anterior?

3. PROBABILIDADE - Introduo
Embora o clculo das probabilidades pertena ao campo da Matemtica, sua incluso
neste contedo se justifica pelo fato de a maioria dos fenmenos de que trata a
- 91 -

Estatstica ser de natureza aleatria ou probabilstica. Consequentemente, o


conhecimento dos aspectos fundamentais do clculo de probabilidades uma
necessidade essencial para o estudo da Estatstica Indutiva ou Inferencial.
Procuramos resumir aqui os conhecimentos que julgamos necessrios para termos um
ponto de apoio em nossos primeiros passos no caminho da Estatstica Inferencial. Esses
passos sero apresentados no captulo seguinte, que trata da conceituao da varivel
aleatria e das duas principais distribuies de probabilidades de variveis discretas e
contnuas.

3.1 Experimento Aleatrio


Em quase tudo, em maior ou menor grau, vislumbramos o acaso. Assim, da afirmao
provvel que o meu time ganhe a partida de hoje pode resultar:
a. que, apesar do favoritismo, ele perca;
b. que, como pensamos, ele ganhe;
c. que empate.
Como vimos, o resultado final depende do acaso. Fenmenos como esses so chamados
fenmenos aleatrios ou experimentos aleatrios.
Experimentos ou fenmenos aleatrios so aqueles que, mesmo repetidos vrias
vezes sob condies semelhantes, apresentam resultados imprevisveis.

3.2 Espao Amostral


A cada experimento, correspondem, em geral, vrios resultados possveis. Assim, ao
lanarmos uma moeda, h dois resultados possveis: ocorrer cara ou ocorrer coroa. J
ao lanarmos um dado h seis resultados possveis: 1, 2, 3, 4, 5 ou 6.
Ao conjunto desses resultados possveis damos o nome de espao amostral ou conjunto
universo, representado por S.
Os dois experimentos citados anteriormente tm os seguintes espaos amostrais:
- lanamento de uma moeda: S = {Ca, Co};
- lanamento de um dado: S = {1, 2, 3, 4, 5, 6}.
Do mesmo modo, como em dois lanamentos sucessivos de uma moeda podemos obter
cara nos dois lanamentos, ou cara no primeiro e coroa no segundo, ou coroa no
primeiro e cara no segundo, ou coroa nos dois lanamentos, o espao amostral :
S = {(Ca, Ca), (Ca, Co), (Co, Ca), (Co, Co)}.
Cada um dos elementos de S que corresponde a um resultado recebe o nome de ponto
amostral. Assim:
2 S 2 um ponto amostral de S.

3.3 Eventos
Chamamos de evento qualquer subconjunto do espao amostral S de um experimento
aleatrio.
- 92 -

Assim, qualquer que seja E, se E S (E est contido em S), ento E um evento de S.


Se E = S, E chamado evento certo.
Se E S e E um conjunto unitrio, E chamado evento elementar.
Se E = , E chamado evento impossvel.
Exemplo:
No lanamento de um dado, onde S = {1, 2, 3, 4, 5, 6}, temos:
A = {2, 4, 6} S; logo, A um evento de S.
B = {1, 2, 3, 4, 5, 6} S; logo, B um evento certo de S (B = S).
C = {4} S; logo, C um evento elementar de S;
D = S; logo, D um evento impossvel de S.
Um evento sempre definido por uma sentena. Assim, os eventos acima podem ser
definidos pelas sentenas:
Obter um nmero par na face superior.
Obter um nmero menor ou igual a seis na face superior.
Obter o nmero 4 na face superior.
Obter um nmero maior que 6 na face superior.

3.4 Probabilidade
Dado um experimento aleatrio, sendo S o seu espao amostral, vamos admitir que
todos os elementos de S tenham a mesma chance de acontecer, ou seja, que S um
conjunto equiprovvel.
Chamamos de probabilidade de um evento A (A S) o nmero real P(A), tal que:
P(A) = n(A) / n(S)
Onde:
n(A) o nmero de elementos de A;
n(S) o nmero de elementos de S.

Exemplos:
a. Considerando o lanamento de uma moeda e o evento A obter cara", temos:
S = {Ca, Co} n(S) = 2
A = {Ca} n(A) = 1
Logo: P(A) = 1/2
O resultado acima nos permite afirmar que, ao lanarmos uma moeda equilibrada, temos
50% de chance de que aparea cara na face superior.

b. Considerando o lanamento de um dado, vamos calcular:


- a probabilidade do evento A obter um nmero par na face superior.
Temos:
- 93 -

S = {1, 2, 3, 4, 5, 6} n(S) = 6
A = {2, 4, 6} n(A) = 3
Logo: P(A) = 3/6 = 1/2
- a probabilidade do evento B obter um nmero menor ou igual a 6 na face superior.
Temos:
S = {1, 2, 3, 4, 5, 6} n(S) = 6
B = {1, 2, 3, 4, 5, 6} n(B) = 6
Logo: P(B) = 6/6 = 1
- a probabilidade do evento C obter um nmero um nmero 4 na face superior.
Temos:
S = {1, 2, 3, 4, 5, 6} n(S) = 6
B = {4} n(C) = 1
Logo: P(C) = 1/6
- a probabilidade do evento D obter um nmero maior que 6 na face superior.
Temos:
S = {1, 2, 3, 4, 5, 6} n(S) = 6
B = { } = n(D) = 0
Logo: P(D) = 0/6 = 0
Pelos exemplos que acabamos de ver, podemos concluir que, sendo n(S) = n:
a. a probabilidade do evento certo igual a 1: P(S) = 1
b. a probabilidade do evento impossvel igual a zero: P() = 0
c. a probabilidade de um evento E qualquer (E S) um nmero real P(E), tal que:
0 P(E) 1
d. a probabilidade de um evento E qualquer E qualquer , lembrando que n(E) = 1:
P(E) = 1/n

3.5 Eventos Complementares


Sabemos que um evento pode ocorrer ou no. Sendo p a probabilidade de que ele ocorra
(sucesso) e q a probabilidade de que no ocorra (insucesso), para um mesmo evento
existe sempre a relao: p + q = 1 q = 1 - p
Assim, se a probabilidade de se realizar um evento p = 1/5, a probabilidade de que ele
no ocorra : q = 1 p q = 1 1/5 = 4/5
Sabemos que a probabilidade de tirar o 4 no lanamento de um dado p = 1/6. Logo, a
probabilidade de no tirar o 4 no lanamento de um dado : q = 1 1/6 = 5/6

3.6 Eventos Independentes

- 94 -

Dizemos que dois eventos so independentes quando a realizao ou a no-realizao


de um dos eventos no afeta a probabilidade da realizao do outro e vice-versa.
Por exemplo, quando lanamos dois dados, o resultado obtido em um deles independe do
resultado obtido no outro.
Se dois eventos so independentes, a probabilidade de que eles se realizem
simultaneamente igual ao produto das probabilidades de realizao dos dois eventos.
Assim, sendo p1 a probabilidade de realizao do primeiro evento e p2 a probabilidade de
realizao do segundo evento, a probabilidade de que tais eventos se realizem
simultaneamente dada por: p = p1 x p2
Exemplo:
Lanamos dois dados. A probabilidade de obtermos 1 no primeiro dado : p1 = 1/6
A probabilidade de obtermos 5 no segundo dado : p2 = 1/6
Logo, a probabilidade de obtermos, simultaneamente, 1 no primeiro e 5 no segundo :
p = 1/6 x 1/6 = 1/36

3.7 Eventos Mutuamente Exclusivos


Dizemos que dois ou mais eventos so mutuamente exclusivos quando a realizao de
um exclui a realizao do(s) outro(s).
Assim, no lanamento de uma moeda, o evento tirar cara e o evento tirar coroa so
mutuamente exclusivos, j que, ao se realizar um deles, o outro no se realiza.
Se dois eventos so mutuamente exclusivos, a probabilidade de que um ou outro se
realize igual soma das probabilidades de que cada um deles se realize: p = p1 + p2
Exemplo:
Lanamos um dado. A probabilidade de se tirar o 3 ou o 5 :
p = 1/6 + 1/6 = 2/6 = 1/3,
pois, como vimos, os dois eventos so mutuamente exclusivos.

3.8 Exerccios Resolvidos


1) Qual a probabilidade de sair o s de ouros quando retiramos uma carta de um baralho
de 52 cartas? p = 1/52
2) Qual a probabilidade de sair um rei quando retiramos uma carta de um baralho de 52
cartas? p = 4/52 = 1/13
3) Em um lote de 12 peas, 4 so defeituosas. Sendo retirada uma pea, calcule:
a. a probabilidade de essa pea ser defeituosa.

p = 4/12 = 1/3

b. a probabilidade de essa pea no ser defeituosa.

p = 1 - 1/3 = 2/3

4) No lanamento de dois dados, calcule a probabilidade de se obter soma igual a 5.


p = 4/36 = 1/9

- 95 -

5) De dois baralhos de 52 cartas retiram-se, simultaneamente, uma carta do primeiro


baralho e uma carta do segundo. Qual a probabilidade de a carta do primeiro baralho
ser um rei e a do segundo ser o 5 de paus?
p1 = 4/52 = 1/13

p2 = 1/52

p = p1 x p2 = 1/676

6) Uma urna A contm: 3 bolas brancas, 4 pretas, 2 verdes; uma urna B contm: 5 bolas
brancas, 2 pretas, 1 verde; uma urna C contm: 2 bolas brancas, 3 pretas, 4 verdes.
Uma bola retirada de cada urna. Qual a probabilidade de as trs bolas retiradas da
primeira, segunda e terceira urnas serem, respectivamente, branca, preta e verde?
p1 = 3/9 = 1/3

p2 = 2/8 = 1/4

p3 = 4/9

p = p1 x p2 x p3 = 1/27

7) De um baralho de 52 cartas retiram-se, ao acaso, duas cartas sem reposio. Qual a


probabilidade de a primeira carta ser o s de paus e a segunda ser o rei de paus?
p1 = 1/52

p2 = 1/51

p = p1 x p2 = 1/2652

8) Qual a probabilidade de sair uma figura quando retiramos uma carta de um baralho de
52 cartas?
pr = 4/52 = 1/13

pd = 1/13

pv = 1/13

p = p1 + p2 + p3 = 3/13

ou p = 12/52 = 3/13
9) Qual a probabilidade de sair uma carta de copas ou de ouros quando retiramos uma
carta de um baralho de 52 cartas?
Pc = 13/52 = 1/4

po = 13/52 = 1/4

p = pc+ po=

10) No lanamento de um dado, qual a probabilidade de se obter um nmero no-inferior


a 5?
p = 1/6 + 1/6 = 1/3
11) So dados dois baralhos de 52 cartas. Tiramos, ao mesmo tempo, uma carta do
primeiro baralho e uma carta do segundo. Qual a probabilidade de tirarmos uma
dama e um rei, no necessariamente nessa ordem?
p1 = 4/52 x 4/52 = 1/169

p2 = 4/52 x 4/52 = 1/169

p = p1 + p2 = 2/169

12) Dois dados so lanados conjuntamente. Determine a probabilidade de a soma ser


10 ou maior que 10.
n(10) = 3 p10 = 3/36
n(11) = 2 p11 = 2/36

p = p1 + p2 + p3 = 6/36 = 1/6

n(12) = 1 p12 = 1/36

- 96 -

3.9 Atividades Complementares


1) Determine a probabilidade de cada evento:
a. um nmero par aparece no lanamento de um dado.

1/2

b. uma figura aparece ao se extrair uma carta de um baralho de 52 cartas.

3/13

c. uma carta de ouros aparece ao se extrair uma carta de um baralho de 52 cartas.


1/4

d. uma s coroa aparece no lanamento de trs moedas.

3/8

2) Um nmero inteiro escolhido aleatoriamente dentre os nmeros 1, 2, 3, ..., 49, 50.


Determine a probabilidade de:
a. o nmero ser divisvel por 5;
b. o nmero terminar em 3;

1/5

1/10

c. o nmero ser divisvel por 6 ou por 8;


d. o nmero ser divisvel por 4 e por 6.

1/25
2/25

3) Dois dados so lanados simultaneamente. Determine a probabilidade de:


a. a soma ser menor que 4;
b. a soma ser 9;

1/12

1/9

c. o primeiro resultado ser maior que o segundo;


d. a soma ser menor ou igual a 5.

5/12

5/18

4) Uma moeda lanada duas vezes. Calcule a probabilidade de:


a. no ocorrer cara nenhuma vez;

1/4

b. obter-se cara na primeira ou na segunda jogada.

1/2

5) Um inteiro entre 3 e 11 ser escolhido ao acaso.


a. qual a probabilidade de que este nmero seja mpar?

3/7

b. qual a probabilidade de que este nmero seja mpar e divisvel por 3?

1/7

6) Uma carta retirada ao acaso de um baralho de 52 cartas. Qual a probabilidade de


que a carta retirada seja uma dama ou uma carta de copas? 4/13
7) No lanamento de dois dados, qual a probabilidade de se obter um par de pontos
iguais? 1/6
8) Em um lote de 12 peas, 4 so defeituosas. Sendo retiradas aleatoriamente 2 peas,
calcule:
a. a probabilidade de ambas serem defeituosas;

1/11

b. a probabilidade de ambas no serem defeituosas;


c. a probabilidade de ao menos uma ser defeituosa.

14/33
19/33

9) No lanamento de um dado, qual a probabilidade de sair o nmero 6 ou um nmero


mpar? 2/3

- 97 -

10) Duas cartas so retiradas ao acaso de um baralho de 52 cartas. Calcule a


probabilidade de se obterem:
a. dois valetes;

1/221

b. um valete e uma dama.

4/663

11) Um casal planeja ter trs filhos. Determine a probabilidade de nascerem:


a. trs homens;

1/8

b. dois homens e uma mulher.

3/8

12) Uma moeda lanada trs vezes. Calcule a probabilidade de obtermos:


a. trs caras;

1/8

b. duas caras e uma coroa;


c. uma cara somente;
d. nenhuma cara;

3/8

3/8

1/8

e. pelo menos uma cara;


f. no mximo uma cara.

7/8
1/2

13) Um dado lanado duas vezes. Calcule a probabilidade de:


a. sair um 6 no primeiro lanamento;

1/6

b. sair um 6 no segundo lanamento;

1/6

c. no sair 6 em nenhum lanamento;


d. sair um 6 pelo menos.

25/36

11/36

14) Uma urna contm 50 bolas idnticas. Sendo as bolas numeradas de 1 a 50,
determine a probabilidade de, em uma extrao ao acaso:
a. obtermos a bola de nmero 27;

1/50

b. obtermos uma bola de nmero par;

1/2

c. obtermos uma bola de nmero maior que 20;

3/5

d. obtermos uma bola de nmero menor ou igual a 20.

2/5

15) Uma loja dispe de 12 geladeiras do mesmo tipo, das quais 4 apresentam defeitos.
a. Se um fregus vai comprar uma geladeira, qual a probabilidade de levar uma
defeituosa? 1/3
b. Se um fregus vai compras 2 geladeiras, qual a probabilidade de levar 2
defeituosas? 1/11
c. Se um fregus vai compras 2 geladeiras, qual a probabilidade de levar pelo
menos uma defeituosa? 19/33
16) Um par de dados atirado. Encontre a probabilidade de que a soma seja 10 ou maior
que 10 se:
a. um 5 aparece no primeiro dado;

1/18

b. um 5 aparece pelo menos em um dos dados.


- 98 -

1/12

17) Lana-se um par de dados. Aparecendo dois nmeros diferentes, encontre a


probabilidade de que:
a. a soma seja 6;
b. o 1 aparea;

1/9

5/18

c. a soma seja 4 ou menor que 4.

1/9

18) Um lote formado por 10 peas boas, 4 com defeitos e 2 com defeitos graves. Uma
pea escolhida ao acaso. Calcule a probabilidade de que:
a. ela no tenha defeitos graves;
b. ela no tenha defeitos;

7/8

5/8

c. ela seja boa ou tenha defeitos graves.

3/4

19) Considere o mesmo lote do problema anterior. Retiram-se 2 peas ao acaso. Calcule
a probabilidade de que:
a. ambas sejam perfeitas;

3/8

b. pelo menos uma seja perfeita;


c. nenhuma tenha defeitos graves;
d. nenhuma seja perfeita.

7/8
91/120

1/8

- 99 -

3.10 Teorema de Bayes


Dar um palpite sobre que face da moeda vai cair para cima ou se vai chover amanh
sempre fez parte de nossas vidas. A origem da probabilidade matemtica est ligada aos
jogos de cartas e aos jogos de dados, no sculo 15, quando muitos matemticos faziam
clculos sobre o nmero provvel de vencedores e a quantidade a ser ganha nos jogos
mais disputados. Uma das opes de clculo mais usadas pelos estatsticos nas suas
previses hoje, porm, a que foi desenvolvida no sculo 18 pelo reverendo ingls
Thomas Bayes (1702-1761).
Filho e neto de clrigos, Bayes se formou em teologia e nunca exerceu oficialmente a
carreira de matemtico. Ele cuidava de uma igreja no interior da Inglaterra e havia
publicado somente um artigo no assinado, mas era respeitado pela comunidade
matemtica em seu tempo. Assim, foi admitido na Royal Society de Londres, que
congrega cientistas renomados do Reino Unido. Segundo os documentos da entidade, o
reverendo possua amplo conhecimento de geometria e dominava todas as reas da
matemtica e filosofia da poca.
A idia de Bayes para o clculo de probabilidades foi publicada postumamente pela Royal
Society com o ttulo "Ensaio Voltado para Soluo de um Problema na Doutrina do Acaso"
e uma explicao de como ele abordava os problemas propostos pelos matemticos
anteriores a ele. O trabalho passou a ser conhecido como Teorema de Bayes, uma tcnica
de estatstica e estimativa que virou uma lei fundamental da matemtica.
Palpite calculado
Essencialmente o que a proposta do reverendo trazia de inovador era o carter subjetivo
na previso de um evento, ou seja, a opinio do matemtico que manipula os nmeros
entra de modo significativo nos clculos. Essa opinio baseada na quantidade de
informao que se tem nas mos sobre as condies de ocorrer tal evento. As
informaes vo definitivamente influenciar a previso. Ento, numa disputa de cara ou
coroa, por exemplo, todo mundo concorda que a chance de algum ganhar de 50%.
Mas se o trato for de jogar a moeda quatro vezes, o mtodo bayesiano de fazer previso
vai se ajustando a cada jogada. Se der "cara" nas duas primeiras jogadas, as chances
para as jogadas posteriores no sero mais meio-a-meio, segundo Bayes. Usando esse
mtodo na previso das chances de um time A vencer um time B, deve-se levar em
conta as informaes que se tem sobre resultados anteriores a essa disputa, como
quantas vezes A venceu B, e as experincias e opinies de especialistas sobre esse jogo,
o campeonato e os jogadores.
Usar o clculo da probabilidade justamente fazer palpites sobre determinados eventos,
se vo ocorrer ou no. Ele considerado cincia porque estuda com lgica e
racionalidade as chances de um evento ocorrer.
Apesar de estar baseado rigidamente na lgica e na razo, o Teorema de Bayes passou
por vrias controvrsias medida que os estudos sobre probabilidade e estatstica
evoluam. At hoje ele criticado por incluir o carter subjetivo - a opinio - no ajuste de
clculos, e por isso ser "sem p nem cabea" do ponto de vista dos matemticos
conservadores e compromissados com a objetividade.
Na poca em que viveu, certamente o reverendo no tinha tanta necessidade de prever
riscos e benefcios de alguma aplicao financeira ou se algum veculo de locomoo teria
muita chance de quebrar ou no.
Hoje sua teoria pode ser aplicada a quase todas as reas do conhecimento, nas
pesquisas cientficas ou no cotidiano das pessoas. Autoridades de sade pblica no
podem deixar de usar os clculos probabilsticos na previso de alcance de uma
epidemia. As economias mundiais no vivem mais sem a previso de inflao,
desemprego ou da alta ou baixa da cotao das moedas. Apesar de sempre terem sido
criticados, Thomas Bayes e suas idias continuam desafiando a intuio e o "achismo"
nas nossas apostas e palpites dirios.
- 100 -

Segundo o primeiro axioma do clculo de probabilidades, valores probabilsticos de um


evento A qualquer no podem ser menores que zero nem maiores que 1 e a
probabilidade do evento certo igual a 1. Em termos formais, temos: 0P(A)1. O valor
zero atribudo ao evento impossvel e os valores intermedirios, aos eventos possveis
ou incertos. A segunda lei diz que a probabilidade de qualquer evento ocorrer dentre um
nmero n de eventos alternativos mutuamente exclusivos A e B igual soma das
probabilidades dos eventos individuais. Formalmente: P(A ou B) = P(A) + P(B). A terceira
lei fala que a probabilidade de dois eventos A e B ocorrerem igual multiplicao da
probabilidade condicional P(A/B) l-se probabilidade de A dado B pela probabilidade
de B, o que pode ser formalizado de modo simplificado assim:
P(AeB)=P(A/B)P(B). Pelo mesmo raciocnio, P(B eA) = P(B/A) P(A).
Do terceiro axioma, assumindo-se por comutao que P(AeB)= P(BeA), deduz-se o
teorema de Bayes que tem a seguinte formulao bsica:
P(A/B) = P(B/A)/P(B) x P(A)
Nessa frmula, a probabilidade do evento A ocorrer em vista do evento B (P(A/B)) dada
por trs fatores: a verossimilhana de A (a probabilidade de B dado A); a probabilidade
prvia de B; e a probabilidade prvia de A.
Tomemos o seguinte exemplo para nos ajudar a entender o uso do teorema de Bayes
para o clculo da probabilidade de um evento: um mdico avalia duas ocorrncias
possveis que podem estar se dando com um paciente que reclama de problemas
respiratrios. Considerando-se, para simplificar o exemplo, que h apenas duas
modalidades de problemas desse tipo, digamos bronquite e pneumonia, o raciocnio
empregado para se avaliar essas ocorrncias em termos bayesianos parte das
probabilidades prvias desses eventos tal como dadas estatisticamente.
Assim, admitamos que a incidncia de pneumonia (P(pn)) muito mais rara que a de
bronquite (P(br)), digamos 100 vezes menos freqente, segundo os registros
estatsticos. Em termos matemticos, P(br) = 100/101 e P(pn) = 1/100.
Digamos, porm, que o paciente apresente um sintoma e1 que ocorra em 1 de cada 2
pacientes com pneumonia, mas apenas em 1 de cada 500 pacientes com bronquite.
Assim, a verossimilhana de cada um dos eventos ser P(e1/pn) = 1/2 e P(e1/br) =
1/500.

- 101 -