GRAD100 ESTATISTICA Livro

2 edio
Estatstica Aplicada
Estatstica Aplicada
Adriana Santos Augusto
Estatstica Aplicada
DIREO SUPERIOR
Chanceler
Joaquim de Oliveira
Reitora
Marlene Salgado de Oliveira
Presidente da Mantenedora
Jefferson Salgado de Oliveira
Pr-Reitor de Planejamento e Finanas
Wellington Salgado de Oliveira
Pr-Reitor de Organizao e Desenvolvimento
Jefferson Salgado de Oliveira
Pr-Reitor Administrativo
Wallace Salgado de Oliveira
Pr-Reitora Acadmica
Jaina dos Santos Mello Ferreira
Pr-Reitor de Extenso
Manuel de Souza Esteves
Pr-Reitor de Ps-Graduao e Pesquisa
Marcio Barros Dutra
DEPARTAMENTO DE ENSINO A DISTNCIA

Assessora
Andrea Jardim
FICHA TCNICA
Texto: Adriana Santos Augusto
Reviso: Lvia Antunes Faria Maria e Walter P. Valverde Jnior
Projeto Grfico e Editorao: Andreza Nacif, Antonia Machado, Eduardo Bordoni e Fabrcio Ramos
Superviso de Materiais Instrucionais: Janaina Gonalves de Jesus
Ilustrao: Eduardo Bordoni e Fabrcio Ramos
Capa: Eduardo Bordoni e Fabrcio Ramos
COORDENAO GERAL:
Departamento de Ensino a Distncia
Rua Marechal Deodoro 217, Centro, Niteri, RJ, CEP 24020-420
www.universo.edu.br
Ficha catalogrfica elaborada pela Biblioteca Universo Campus Niteri

A923e Augusto, Adriana Santos.
Estatstica aplicada / Adriana Santos Augusto ; reviso de
Herivelto Nunes Paiva, Lvia Antunes Faria Maria e Walter P.
Valverde Jnior. 2. ed. Niteri, RJ: UNIVERSO, 2011.
254p. ; il.
1. Estatstica aplicada. 2. Grficos estatsticos. 3. Medidas
estatsticas. 4. Amostragem (Estatstica). I. Maria, Lvia
Antunes Faria. II. Valverde Jnior, Walter P. III. Ttulo.
CDD 519.5
Bibliotecria: ELIZABETH FRANCO MARTINS CRB 7/4990
Departamento de Ensino a Distncia - Universidade Salgado de Oliveira
Todos os direitos reservados. Nenhuma parte desta publicao pode ser reproduzida, arquivada ou transmitida de nenhuma forma
ou por nenhum meio sem permisso expressa e por escrito da Associao Salgado de Oliveira de Educao e Cultura, mantenedora
da Universidade Salgado de Oliveira (UNIVERSO).
Estatstica Aplicada
Informaes sobre a disciplina
NOME DA DISCIPLINA: Estatstica Aplicada

CARGA HORRIA: 60
CRDITOS: 04
EMENTA
Elementos da Estatstica Descritiva. Sries e Grficos Estatsticos.
Distribuio de Frequncias. Medidas de Tendncia Central. Medidas de Disperso.
Noes de amostragem. Clculo das probabilidades. Distribuio de
probabilidade (Binomial e Normal). Correlao e regresso.
OBJETIVO GERAL:
Apresentar aos alunos as noes de estatstica, permitindo organizar,
interpretar e utilizar os conceitos bsicos da estatstica descritiva, na

anlise dos
fenmenos, seja nas reas tecnolgica, humana e da sade.
CONTEDO PROGRAMTICO:
Unidade 1: Elementos da Estatstica Descritiva

1.1-Populao ou Universo Estatstico
1.2-Amostra
1.3-Fases de Mtodo Estatstico
1.4-Classificao das Variveis
1.5-Tipos de Sries: Temporal, Geogrfica e Especfica.
1.6-Distribuio de Frequncias.
3
Estatstica Aplicada
Unidade 2: Grficos Gerais Estatsticos

2.1-Principais Grficos
2.1.1-Barras
2.1.2-Colunas
2.1.3-Setores
2.1.4-Linhas
2.1.5-Cartogramas
2.1.6-Pictogramas
2.2-Grficos Estatsticos
2.2.1-Histograma
2.2.2-Polgono de Frequncias
2.2.3-Ogivograma
2.2.4- Ogiva de Galton
Unidade 3: Medidas de Tendncia Central

3.1-Mdia Aritmtica
3.2-Mediana
3.3-Moda
3.4-Separatrizes
Unidade 4: Medidas de Disperso

4.1-Amplitude Total
4.2-Varincia
4.3-Desvio Padro
4.4-Coeficiente de Variao
4
Estatstica Aplicada
Unidade 5: Noes de Amostragem

5.1-Amostragem Casual ou Aleatria Simples
5.2-Amostragem por Conglomerados
5.3- Amostragem Acidental
5.4- Amostragem Intencional
5.5- Amostragem Quotas
5.6- Amostragem Estratificada
Unidade 6: Clculo das Probabilidades

6.1-Caracterizao de um experimento Aleatrio
6.2-Espao Amostral
6.3-Evento
6.4-Eventos Mutuamente Exclusivos
6.5-Definio de Probabilidade
6.6-Principais Teoremas
6.7- Probabilidades Finitas dos Espaos Amostrais Finitos
6.8- Espaos Amostrais Finitos Equiprovveis
6.9- Probabilidade Condicional
6.10-Independncia Estatstica
Unidade 7: Distribuies de Probabilidades

7.1-Distribuio Binomial
7.2-Distribuio Normal
Estatstica Aplicada
Unidade 8: Correlao e Regresso

8.1-Representao grfica
8.2-Mtodos dos Mnimos Quadrados
BIBLIOGRAFIA
BIBLIOGRAFIA BSICA:
BRASIL. ANURIO ESTATSTICO DO BRASIL. Rio de Janeiro: IBGE, 2008.
LAPPONI, J. C. Estatstica Usando Excel. So Paulo, Lapponi Treinamento e Editora
Ltd., 2000.
TRIOLA, M. F., Introduo Estatstica. Stima Edio. Rio de Janeiro, Livros
Tcnicos e Cientficos Editora S.A., 1999.
BIBLIOGRAFIA COMPLEMENTAR:
BUSSAB, Wilton O.; MORETTIN, Pedro A.. Estatistica bsica. Sao Paulo: ATUAL, 1,
1997.
DOWNING, D. & CLARK, J. Estatstica Aplicada. So Paulo, Ed. Saraiva, 1999.
Fonseca, J. S.; Martins, G. de A. Curso de Estatstica . 6. ed. So Paulo: Atlas, 1996.
Martins, G. A.. Estatstica Geral e Aplicada. So Paulo: Atlas, 2001.
Pereira, J. C. R. Anlise de Dados Qualitativos. 3 edio. So Paulo: Edusp, 2001.
Estatstica Aplicada
Palavra da Reitora
Acompanhando as necessidades de um mundo cada vez mais complexo,
exigente e necessitado de aprendizagem contnua, a Universidade Salgado de
Oliveira (UNIVERSO) apresenta a UNIVERSO Virtual, que rene os diferentes
segmentos do ensino a distncia na universidade. Nosso programa foi
desenvolvido segundo as diretrizes do MEC e baseado em experincias do gnero
bem-sucedidas mundialmente.
So inmeras as vantagens de se estudar a distncia e somente por meio
dessa modalidade de ensino so sanadas as dificuldades de tempo e espao
presentes nos dias de hoje. O aluno tem a possibilidade de administrar seu prprio
tempo e gerenciar seu estudo de acordo com sua disponibilidade, tornando-se
responsvel pela prpria aprendizagem.
O ensino a distncia complementa os estudos presenciais medida que
permite que alunos e professores, fisicamente distanciados, possam estar a todo
momento ligados por ferramentas de interao presentes na Internet atravs de
nossa plataforma.
Alm disso, nosso material didtico foi desenvolvido por professores
especializados nessa modalidade de ensino, em que a clareza e objetividade so
fundamentais para a perfeita compreenso dos contedos.
A UNIVERSO tem uma histria de sucesso no que diz respeito educao a
distncia. Nossa experincia nos remete ao final da dcada de 80, com o bemsucedido projeto Novo Saber. Hoje, oferece uma estrutura em constante processo
de atualizao, ampliando as possibilidades de acesso a cursos de atualizao,
graduao ou ps-graduao.
Reafirmando seu compromisso com a excelncia no ensino e compartilhando
as novas tendncias em educao, a UNIVERSO convida seu alunado a conhecer o
programa e usufruir das vantagens que o estudar a distncia proporciona.
Seja bem-vindo UNIVERSO Virtual!
Professora Marlene Salgado de Oliveira
Reitora
7
Estatstica Aplicada
Sumrio
1.
Apresentao da disciplina ................................................................................................... 09
2.
Plano da disciplina.................................................................................................................... 11
3.
Unidade 1 Elementos de Estatsticas Descritiva ........................................................ 15
4.
Unidade 2 Representao Grfica................................................................................... 53
5.
Unidade 3 Medidas de Tendncia Central................................................................... 69
6.
Unidade 4 Medidas de Disperso................................................................................... 97
7.
Unidade 5 Noes de Amostragem .............................................................................. 114
8.
Unidade 6 Clculo das Probabilidades.......................................................................... 131
9.
Unidade 7 Distribuio de Probabilidade.................................................................... 153
10. Unidade 8 Correlao e Regresso ................................................................................. 175

11. Consideraes finais ................................................................................................................ 199
12. Conhecendo o autor................................................................................................................ 201
13. Referncias .................................................................................................................................. 203
14. Anexos........................................................................................................................................... 205
Estatstica Aplicada
Apresentao da Disciplina
Caro aluno,
Seja bem-vindo disciplina Estatstica Aplicada.
Muitos falam em estatstica, mas poucos sabem o que e para que ela
serve. A estatstica um ramo da matemtica aplicada que desempenha um papel
fundamental para a compreenso da realidade. Ela nos fornece mtodos para
coleta, organizao, anlise e interpretao de dados para posterior utilizao dos
mesmos em tomada de decises.
Na Antiguidade, assim como hoje, os povos mantinham um registro
permanente do nmero de habitantes, nascimentos e bitos. O que faziam ainda
no tinha nome. A palavra ESTATSTICA surgiu na Idade Mdia, quando as
informaes eram tabuladas com finalidades blicas e tributrias, ou seja, sua
importncia maior era servir ao Estado, da o nome.
A estatstica ser de grande utilidade para voc, pois uma ferramenta
indispensvel no s nos negcios, mas em todas as cincias, afinal de contas, voc
poderia imaginar o mundo de hoje sem registros numricos? J se deu conta da
facilidade com que "projetamos" o futuro muito antes de ele acontecer? E isso
acontece em todos os ramos da nossa vida.
Assim, desejamos que voc realize um timo estudo e, lembre-se: a
aprendizagem infinita! Utilize nossas referncias bibliogrficas para aprofundar e
engrandecer seus conhecimentos sobre os assuntos aqui estudados, pois isso lhe
acrescentar muito, no s como aluno, mas tambm como profissional e cidado.
Tenha um excelente estudo! Sucesso!
Estatstica Aplicada
10
Estatstica Aplicada
Plano da Disciplina
A disciplina Estatstica possui objetivos prprios no que diz respeito ao
processo ensino-aprendizagem, desenvolvendo competncias e habilidades
necessrias formao de futuros profissionais que atuaro na sociedade
contempornea. So objetivos gerais da disciplina: capacitar o aluno para o uso da
metodologia estatstica mediante aplicao de tcnicas de anlise estatstica de
dados, de projeo e metodologia de tomada de deciso; utilizar os conceitos e o
contedo prtico dos Mtodos Quantitativos aplicados para o desenvolvimento de
trabalhos
pedaggico-cientficos
proporcionar
melhor
aplicabilidade
interdisciplinar durante o exerccio do curso.

O contedo programtico foi divido em oito unidades que abordaro
desde os Elementos da Estatstica Descritiva at a Correlao e Regresso.
Seguiremos, agora com a apresentao de cada unidade:
Unidade 1 Elementos da Estatstica Descritiva
Objetivo: identificar conceitos bsicos da disciplina; compreender o que

exatamente a estatstica e para que ela serve; interpretar um
levantamento
estatstico; conhecer as sries estatsticas; trabalhar os dados estatstico atravs da

montagem de uma distribuio de frequncias.
Unidade 2 Representao Grfica
Objetivo: construir e analisar os grficos que voc tanto conhece e que fazem
parte da sua vida cotidiana.
11
Estatstica Aplicada
Unidade 3 Medidas de Tendncia Central
Objetivo: compreender as medidas de tendncia central e calcul-las para

dados no agrupados e dados agrupados em classes de frequncias.
Unidade 4 - Medidas de Disperso
Objetivo: compreender as medidas de disperso, calcular essas medidas para

Unidade 5 - Noes de Amostragem
Objetivo: conhecer mais sobre o clculo e os tipos de amostra e os mtodos

probabilsticos.
Unidade 6 - Clculo das Probabilidades
Objetivo: caracterizar os experimentos aleatrios; calcular as possibilidades de

acontecimento de tais experimentos, a chance de um evento ocorrer ou no, ou
seja, a probabilidade de sucesso ou insucesso.
Unidade 7- Distribuio de Probabilidade
Objetivo: identificar e calcular problemas relacionados contagem

Distribuio Binomial; identificar e calcular problemas relacionados a espaos
amostrais contnuos e s variveis contnuas Distribuio Normal.
12
Estatstica Aplicada
Unidade 8 Correlao e Regresso

Objetivo: ajustar uma reta a um conjunto de dados e determinar a equao da
reta que constitui o melhor ajuste; calcular e classificar o grau de correlao
existente entre duas variveis.
13
Estatstica Aplicada
14
Estatstica Aplicada
Elementos de Estatstica
Descritiva
Conceitos bsicos da Estatstica
Sries estatsticas
Distribuio de frequncias
15
Estatstica Aplicada
Nesta primeira unidade, estudaremos o que o mtodo estatstico, bem

como as suas fases. Aprenderemos as definies de varivel, populao e amostra,
assim como algumas tcnicas para o clculo de uma amostra. Tambm iremos
estudar as sries estatsticas e a distribuio de frequncias .
OBJETIVOS DA UNIDADE:
Identificar conceitos bsicos da disciplina.
Compreender o que exatamente a estatstica e para que ela serve.
Interpretar um levantamento estatstico.
Conhecer as sries estatsticas.
Trabalhar os dados estatstico atravs da montagem de uma distribuio

de frequncias.
PLANO DA UNIDADE :
Conceitos bsicos da estatstica

Sries estatsticas
Distribuio de frequncias
Bem-vindo primeira unidade de estudo
16
Estatstica Aplicada
Conceitos Bsicos
Estatsticas so feitas todos os dias em jornais e revistas, algumas vezes por

rgos que no conhecemos e que no sabemos se so confiveis ou no. O dia-adia de um cidado est cheio de armadilhas espalhadas na mdia de modo a levlo a percorrer caminhos nem sempre corretos. Para no cair nessas armadilhas, a
primeira coisa que devemos saber distinguir os dois tipos de estatstica - a que
envolve a contagem pura e simples, como o censo da populao, feito de tempos
em tempos pelo IBGE e a calculada por amostragem, como, por exemplo, as
pesquisas sobre a inteno de voto.
A deciso quanto metodologia a ser utilizada, se recenseamento ou amostra,
vai depender principalmente dos custos e do tempo para apurao dos dados.
bvio que o ideal seria consultar toda a populao, porm isso custa caro e nem
sempre os recursos existentes so suficientes para isso. Por isso, normalmente
utiliza-se a pesquisa amostral.
Deve-se saber tambm que h algumas regras bsicas empregadas na
"contabilidade" e na generalizao dos dados obtidos.
A coleta, a organizao, a descrio, o clculo, a anlise e interpretao dos
coeficientes pertencem ESTATSTICA DESCRITIVA, enquanto que a anlise e a
interpretao dos dados amostrais, associado a uma margem de incerteza, ficam a
cargo da ESTATSTICA INDUTIVA ou INFERENCIAL, que se fundamenta na teoria da
probabilidade e muito til na anlise de jogos, entre outros. Por exemplo, no
preciso provar todas as caixas de bombom produzidas numa fbrica para se saber
se o chocolate bom. A amostragem nos permite mensurar o que queremos
apenas sobre uma parcela pequena de determinada populao, denominada
amostra e utilizar essa informao para fazer inferncia sobre toda a populao.
17
Estatstica Aplicada
MTODO ESTATSTICO
Mtodo: o meio mais eficaz para atingir determinada meta. Dos mtodos
cientficos destacamos o mtodo experimental e o mtodo estatstico.
Mtodo Experimental:
consiste em manter constante todas as
causas, menos uma, que sofre variao para se observar seus efeitos,
caso existam. Ex: Estudos da Qumica, Fsica, etc. Em laboratrio fcil
mantermos constantes, por exemplo, a presso e variarmos a
temperatura para estudar o efeito dessa variao .
Mtodo Estatstico: diante da impossibilidade de manter as causas

constantes, admitem todas essas causas presentes variando-as,
registrando essas variaes e procurando determinar, no resultado final,
que influncias cabem a cada uma dela.
Ex.: Quais as causas que definem o preo de uma mercadoria quando a
sua oferta diminui? um mtodo muito usado nas cincias sociais, pois
seria impossvel, no momento da pesquisa, manter constantes a
uniformidade dos salrios, o gosto dos consumidores, nvel geral de
preos de outros produtos, etc.
FASES DO MTODO ESTATSTICO
Definio do Problema
O que exatamente se pretende pesquisar? Ou seja, preciso definir
corretamente o problema.
18
Estatstica Aplicada
Planejamento
Como levantar informaes ? Que dados devero ser obtidos? Qual levantamento a
ser utilizado? Censo? Amostragem? Qual o cronograma de atividades? Quais so
os custos envolvidos no processo?
Coleta
o registro de dados com um objetivo determinado. A coleta de dados pode ser

Direta ou Indireta.
Coleta Direta: feita pelo prprio pesquisador (censo) ou atravs de
registros permanentes quando obtida diretamente da fonte. Ex:
empresa que realiza uma pesquisa para saber a preferncia dos
consumidores pela sua marca. A coleta direta de dados pode ser
classificada quanto ao fator tempo em contnua, peridica ou ocasional.
Coleta Contnua: quando feita continuamente. Ex.: registros de
nascimento, bitos, casamentos;
Coleta Peridica: quando feita em intervalos constantes de tempo. Ex.:
censo (de 10 em 10 anos);
Coleta Ocasional: quando feita a fim de atender a uma emergncia. Ex.:
coleta de dados epidemiolgicos.
Coleta Indireta:
feita por dedues a partir de dados que so
conhecidos, conseguidos pela coleta direta, por analogia, por avaliao,

indcios ou proporcionalizao.
19
Estatstica Aplicada
Quanto aos dados coletados, ou seja, a matria-prima sobre a qual iremos

aplicar os mtodos estatsticos, eles podem ser primrios ou secundrios.
Dados primrios: quando so publicados pela prpria pessoa
ou organizao que os haja recolhido.
Ex: tabelas do censo
demogrfico do IBGE.
Dados secundrios: quando so publicados por outra
organizao.
EXEMPLIFICANDO
Quando determinado jornal publica estatsticas referentes ao censo demogrfico

extradas do IBGE.
IMPORTANTE
Trabalhar com fontes primrias sempre mais seguro!
Crtica
Os dados coletados devem ser cuidadosamente criticados para evitar erros

que possam vir a alterar os resultados. Ex.: numa pesquisa feita numa academia
perguntou-se o peso dos atletas. Resposta: 765 kg. obvio que houve algum tipo
de erro na coleta do dado, este deve ser, ento, descartado.
20
Estatstica Aplicada
Apurao
a organizao dos dados obtidos na coleta, atravs de sua contagem e

agrupamento.
Apresentao dos Dados
H duas formas de apresentao. A apresentao tabular segundo regras prticas

fixadas pelo Conselho Nacional de Estatstica e a apresentao grfica dos dados.
Uma no exclui a outra.
Anlise dos Resultados
Esta a ltima fase do mtodo estatstico. Refere-se ao clculo de medidas e

coeficientes, cuja finalidade principal descrever o fenmeno (estatstica
descritiva).
Nesta etapa obteremos concluses sobre o todo (populao), a partir das
informaes fornecidas pela parte que representa o todo (amostra).
Populao ou Universo Estatstico
o conjunto total de elementos portadores de pelo menos uma

caracterstica em comum. Ex.: o universo dos alunos de uma escola.
Variveis
Varivel o conjunto de resultados possveis de um fenmeno. Ex.: sexo,

cor da pele, idade...Pode ser classificada de varivel quantitativa ou varivel
qualitativa.
Varivel Qualitativa: quando seu valores so expressos por atributos:

sexo, cor da pele,etc.
21
Estatstica Aplicada
Varivel Quantitativa: quando os dados so de carter quantitativo, e o

conjunto dos resultados possui uma estrutura numrica, se divide em
varivel discreta e varivel contnua.
Varivel Discreta ou Descontnua: seus valores so expressos

geralmente atravs de nmeros inteiros no-negativos. Resulta
normalmente de contagens. Ex: nmero de filhos de um casal - pode
assumir valores como 0; 1; 2; 3;..., mas nunca valores como: 1,5; 3,72; etc.
Varivel Contnua: pode assumir qualquer valor entre dois limites, ou

seja, assume valores em um intervalo real. Resulta normalmente de uma
mensurao, ou seja, podem assumir, teoricamente, qualquer valor entre
dois limites. Ex.: temperatura. Normalmente as medies do origem a
variveis contnuas e as contagens a variveis discretas.
Amostragem
Amostra uma parcela representativa da populao que examinada com o

propsito de tirarmos concluses sobre essa populao. um subconjunto finito
de uma populao. Uma amostra deve ser cuidadosamente planejada a fim de
garantir a menor margem de erro na pesquisa. A margem de erro um intervalo
controlado dentro do qual podem variar os resultados finais. Nenhum
levantamento estatstico feito por amostragem perfeito, ou melhor dizendo, um
estudo bem planejado no elimina o erro, apenas o limita.
22
Estatstica Aplicada
Para selecionar uma amostra preciso levar em conta as caractersticas de

distribuio fsica da populao, ou seja, algumas reas tm uma populao maior
que outras. preciso levantar os dados em proporo densidade populacional
das regies. Por exemplo, se o objeto de estudo o tipo de programa de TV mais
assistido, no adianta fazer o estudo apenas em uma turma de escola de educao
infantil, pois o resultado obviamente seria desenho animado. Crianas no
costumam assistir a telejornais ou a filmes da madrugada. Se a pesquisa fosse feita
dessa forma, o resultado no estaria correto.
Assim, no caso de uma populao ser composta de 35% de crianas, 40% de
adultos e os outros 25% de idosos, uma amostra dessa populao tambm deve
conter crianas, adultos e idosos na mesma proporo.
Amostragem Casual ou Aleatria Simples
o processo mais utilizado. Equivale a um sorteio lotrico.
Pode ser
realizada da seguinte forma: numera-se a populao de 1 a n e sorteando-se, a

seguir, por meio de um dispositivo aleatrio qualquer, n nmeros dessa sequncia,
que correspondero aos elementos pertencentes da amostra.
EXEMPLIFICANDO
Obter uma amostra de 10% dos 580 alunos de uma escola:

1 - numeramos os alunos de 1 a 580.
2 - escrevemos os nmeros dos alunos de 1 a 580 em pedaos iguais de papel,
colocamos na urna e aps mistura, retiramos, um a um, cinquenta e oito nmeros
que formaro a amostra.
23
Estatstica Aplicada
IMPORTANTE
Quando o nmero de elementos da amostra muito grande como neste caso,

esse tipo de sorteio muito trabalhoso. Ento, utiliza-se uma tabela de nmeros
aleatrios, construda de modo que os algarismos de 0 a 9 so distribudos ao

acaso nas linhas e colunas.
Amostragem Proporcional Estratificada:
Quando a populao se divide em estratos (subconjuntos da populao),

imprescindvel que o sorteio dos elementos da amostra leve em considerao tais
estratos, da obtemos os elementos da amostra proporcional ao nmero de
elementos desses estratos.
EXEMPLIFICANDO
Vamos obter uma amostra proporcional estratificada, de 10%, dos pacientes
internados em um SPA. Supondo que sejam 106 mulheres e 54 homens. So,
portanto, dois estratos (sexo masculino e sexo feminino). Logo, temos:
SEXO
MASCULINO
FEMININO
Total
POPULAO
54
106
160
10 %
5,4
10,6
16
AMOSTRA
5
11
16
Numeramos, ento, os pacientes de 01 a 160, sendo 01 a 54 homens e 55 a

160, mulheres e procedemos o sorteio casual com urna ou tabela de nmeros
aleatrios, que ser vista na unidade VII.
24
Estatstica Aplicada
IMPORTANTE
No caso da tabela acima, estamos selecionando uma amostra composta por

pessoas, portanto no podemos selecionar 5,4 pessoas do sexo masculino.
Devemos, ento, arredondar o nmero 5,4 para um nmero inteiro, ou seja, 5.
Dvidas no arredondamento?
Existem duas formas de representar um nmero quando no podemos

represent-lo com todos os seus dgitos, o truncamento e o arredondamento.
O truncamento - Truncar um nmero quebr-lo de acordo com o nmero de

dgitos que queremos representar.
EXEMPLIFICANDO
Representar os nmeros abaixo com apenas dois dgitos.
27,283 27
27,575 27
27,897 27
Em todos os casos o nmero ser representado da mesma forma, no
importando o tamanho do erro.
Erro- Toda vez que um nmero no representado com todos os seus
algarismos, estamos cometendo um erro. Por exemplo: ao aproximarmos o
nmero 2,7 para 3 estamos aumentando esse nmero em 0,3 (erro!), ou ento, ao
aproximarmos o nmero 2,2 para 2 estamos diminuindo esse nmero em 0,2
(erro!). O erro cometido deve ser o menor possvel!!!
25
Estatstica Aplicada
Arredondamento - Para arredondar um nmero, devemos seguir a Resoluo

886/66 da Fundao IBGE, conforme segue abaixo:
Quando o primeiro algarismo a ser abandonado 0, 1, 2, 3, ou 4, fica

inalterado o ltimo algarismo a permanecer.
Quando o primeiro algarismo a ser abandonado 6, 7, 8, ou 9, aumentase de uma unidade o algarismo a permanecer.
Quando o primeiro algarismo a ser abandonado 5, h duas solues:

a)
Se ao 5 seguir em qualquer casa um algarismo diferente de zero,

aumenta-se uma unidade ao algarismo a permanecer.
b)
Se o 5 for o ltimo algarismo ou se ao 5 s se seguirem zeros, o

ltimo algarismo a ser conservado s ser aumentado de uma
unidade se for mpar.
IMPORTANTE: No devemos nunca fazer arredondamentos sucessivos.
EXEMPLIFICANDO
Arredondar os nmeros abaixo para duas casas decimais.

2,232 2,23
2,235 2,24
24,6650 24,66
24,7750 24,78
24,77501 24,78
24,66501 24,67
Amostragem Sistemtica:
Quando os elementos da populao j se acham ordenados, no h
necessidade de sorteio.
26
Estatstica Aplicada
EXEMPLIFICANDO
Suponhamos um prdio com 200 apartamentos, dos quais desejamos
obter uma amostra formada por 20 apartamentos para uma pesquisa de opinio.
Podemos, neste caso, usar o seguinte procedimento: como 200/20 = 10,
escolhemos por sorteio casual um nmero de 01 a 10, o qual indicaria o primeiro
elemento sorteado para a amostra; os demais elementos seriam periodicamente
considerados de 10 em 10. Assim, suponhamos que o nmero sorteado fosse 6, a
amostra seria: 6o apartamento, 16o apartamento, 26o apartamento, etc.
At aqui, vimos como se faz um levantamento estatstico, o que e para que serve.
Vimos ainda como selecionada uma amostra e qual a importncia desta.
Veremos agora o que so sries estatsticas
Vamos, ento, passo a passo.
Voc sabe o que uma tabela ?

TABELA - um quadro que resume um conjunto de observaes organizados
segundo linhas e coluna
27
Estatstica Aplicada
Veja o exemplo de tabela abaixo :
28
Estatstica Aplicada
Ex.: Equipamentos existentes, disponveis ao SUS, por tipo, segundo as grandes

regies Brasil - 2002
IMPORTANTE
O lado direito e esquerdo de uma tabela oficial deve ser

aberto.
Na construo das tabelas, devemos colocar:
um trao horizontal ( - ) quando o valor for zero;
trs pontos ( ... ) quando no tivermos os dados;
zero ( 0 ) quando o valor for muito pequeno em relao unidade

utilizada;
um ponto de interrogao quando no tivermos certeza quanto

exatido de determinado valor.
Agora que voc j sabe o que uma tabela e como constru-la vamos
conhecer as sries estatsticas .
Srie Estatstica
uma tabela que apresenta um conjunto de dados estatsticos em funo da

poca, local ou espcie.
29
Estatstica Aplicada
TIPOS DE SRIES ESTATSITICAS
SRIES HOMGRADAS
So as sries em que a varivel estudada discreta, ou seja, no contnua.
Pode ser temporal, geogrfica ou especfica.
Srie Temporal: o que est em estudo o fator tempo. O local e a

espcie so elementos fixos.
ARTE E COMRCIO LTDA

UNIDADES EXPORTADAS
PERODO
1O/2002
2O/2002
1O/2003
2O/2003
1O/2004
2O/2004
TOTAL
UNIDADES
300
250
225
289
352
458
1874
Fonte: dados fictcios.
Srie Geogrfica: o que est em estudo o fator geogrfico. A

poca e a espcie so elementos fixos.
ARTE E COMRCIO LTDA
UNIDADES EXPORTADAS - 2004
FILIAIS
UNIDADES
So Paulo
356
Rio de Janeiro
229
Curitiba
225
TOTAL
810
30
Estatstica Aplicada
Srie Especfica: a varivel em estudo o fator ou a espcie.

ARTE E COMRCIO LTDA
UNIDADES EXPORTADAS - 2004
TIPO
UNIDADES
ARTEFATOS EM BRONZE
365
TELAS
445
TOTAL
810
SRIES CONJUGADAS OU TABELAS DE DUPLA ENTRADA: apresentam duas ou

mais sries em uma mesma tabela, havendo duas ordens de classificao: uma
horizontal e outra vertical. O exemplo abaixo de uma srie geogrfica temporal.
ARTE E COMRCIO LTDA

UNIDADES EXPORTADAS
FILIAIS
2003
2004
So Paulo
236
356
Rio de Janeiro
153
229
Curitiba
125
225
TOTAL
514
810
Conhecidas as sries estatsticas, vamos estudar agora
a distribuio de
frequncias, em que aprenderemos a organizar os dados coletados atravs ou no

da amostra, faremos tambm uma breve reviso de como calcular porcentagem.
Vamos em frente !
31
Estatstica Aplicada
Mas, afinal, o que uma distribuio de frequncias?
A distribuio de frequncias um tipo de tabela que condensa uma

srie de dados de acordo com a repetio de seus valores (frequncias).
1. Dados brutos ou Tabela primitiva
Trata-se de uma relao de elementos ou tabela que no foram

numericamente organizados. So os dados coletados sem nenhuma arrumao.
Apenas olhando para os nmeros, difcil ter uma ideia do comportamento da
amostra. No sabemos, por exemplo, quem o menor, quem o maior, quais so
os nmeros que mais se repetem, etc.
EX.: 25, 21, 22, 21, 22, 23, 24, 21 ,30, 26, 30, 26, 40, 34, 32, 38, 37, 38, 40, 31
2. ROL
Se olharmos no dicionrio veremos como definio que o rol a relao

obtida aps a ordenao dos dados (crescente ou decrescente). Ordenando os
dados podemos ter uma ideia melhor do comportamento da amostra.
Percebemos, desta forma, os dados que mais se repetem, os que aparecem menos,
quem o menor deles e quem o maior, etc.
EX.: 21, 21, 21, 22, 22, 23, 24, 25, 26, 26, 30, 30, 31, 32, 34, 37, 38, 38, 40, 40
32
Estatstica Aplicada
3. Os tipos de distribuio de frequncia
Distribuio de frequncia sem intervalos de classe

Essa distribuio usada quando o nmero de dados diferentes que aparecem
pequeno. Trata-se de uma simples condensao dos dados, conforme as
repeties de seu valores. No exemplo dado, ao invs de escrevermos o nmero 21
trs vezes, escrevemos apenas uma e indicamos que ele se repete trs vezes, ou
seja, a frequncia do nmero 21 igual a trs.
EX.: Tabela Primitiva
Dados
21
22
23
24
25
26
30
31
32
34
37
38
40
Total
Frequncia
3
2
1
1
1
2
2
1
1
1
1
2
2
20
Distribuio de frequncia com

intervalos de classe
Quando o tamanho da amostra grande, com vrios nmeros diferentes se
repetindo, uma tabela de distribuio de frequncias como a vista acima seria
muito longa (comprida). Dessa forma, agrupamos os valores em vrios intervalos
de classe, diminuindo o tamanho da tabela.
33
Estatstica Aplicada
No exemplo dado, temos:
i
1
2
3
4
5
Classes
21 | 25
25 | 29
29 | 33
33 | 37
37 | 41
Total
Frequncias
7
3
4
1
5
20
Como voc j deve ter percebido, a Estatstica utiliza alguns nomes que talvez
lhe sejam desconhecidos. Mas, a partir de agora, com certeza, voc os aprender.
Afinal de contas, para isto que estamos aqui: para ensinar e tambm aprender!
NOMECLATURAS
CLASSE (i)
cada um dos intervalos de variao da varivel analisada. Ex.: na tabela
anterior, a 3 classe, simbolizada por i = 3, varia de 29 at 33, ou seja, (29 | 33). O
smbolo | significa intervalo aberto direita e fechado esquerda, ou seja, nessa
classe esto contidos os valores de 29 (inclusive) at 33 (exclusive). Por exemplo,
dado o nmero 33 do ROL, este no pertence a classe 3 e sim a classe 4
representada por 33 | 37. Sempre utilizaremos o intervalo fechado esquerda e
aberto direita.
34
Estatstica Aplicada
4.2. LIMITES DE CLASSE
Os limites de classe so os extremos de cada classe. O menor nmero o

limite inferior de classe ( li ) e o maior nmero, limite superior de classe ( Li ).
No intervalo 29 | 33, l3 = 29 e L3 = 33.
4.3. AMPLITUDES
Aqui, podemos citar a amplitude do intervalo de classe, a amplitude
amostral e amplitude total da distribuio. Vejamos, ento, cada uma delas.
AMPLITUDE DO INTERVALO DE CLASSE (hi)

calculado aps conhecermos o valor de i (n de classes) e o valor de AA
(amplitude amostral).
hi =
AA
i
Se a distribuio por classes j estiver construda, nesse caso,

hi = Li - li, ou seja, a diferena entre os limites de cada classe.
Ex.: na tabela anterior.
h1 = 25-21=4
h2 = 29-25=4
h3 = 33-29=4
h4 = 37-33=4
h5 = 41-37=4
IMPORTANTE
Na distribuio de frequncia com classe, devemos sempre que
possvel ter hi igual em todas as classes.
35
Estatstica Aplicada
AMPLITUDE AMOSTRAL (AA = Xmx - Xmin)

Trata-se da diferena entre o valor mximo e o valor mnimo da amostra
(ROL). No nosso exemplo: AA=40-21=19.
AMPLITUDE TOTAL DA DISTRIBUIO (AT = L(max) - l(min))
a diferena entre o limite superior da ltima classe e o limite inferior da
primeira classe.
EX.: na tabela anterior, AT = 41 - 21= 20.
Obs.: AT sempre ser maior ou igual a AA.
PONTO MDIO DE CLASSE
xi =
li + Li
2
O ponto mdio de classe o ponto que divide o intervalo de classe em

duas partes iguais.
EX.: considere a 3 classe da tabela em 29 | 33, o ponto mdio x3 = (29+33)/2 =

31.
IMPORTANTE
O ponto mdio ser de suma importncia para o clculo da mdia, pois,
como dito anteriormente, na tabela organizada com intervalos de classe, no
sabemos mais, exatamente, quais so os valores representados em cada
intervalo. Assim, consideraremos esses valores como sendo o ponto mdio
dos intervalos para que o erro seja o menor possvel.
36
Estatstica Aplicada
Clculo do nmero de intervalos de classe
Podemos calcular o nmero de intervalos de classe de duas formas: pela Regra

de Sturges ou pela raiz quadrada de n.
DICA
Regra de Sturges - Nmero de Classes
Para determinar o nmero de classes ideal de uma distribuio, utiliza-se a
Regra de Sturges, de acordo com o tamanho da amostra.
i 1 + 3,3 log.n
Onde n o nmero de elementos da relao de dados brutos. Para o exemplo
dado, temos:
i 1 + 3,3 log20 = 5,29 5.
i
1
2
3
4
5
Classes
21 | 25
25 | 29
29 | 33
33 | 37
37 | 41
Total
Frequncias
7
3
4
1
5
20
DICA
Se voc no possui uma calculadora cientfica para calcular o valor do
logaritmo de n, busque nos anexos os respectivos valores.
37
Estatstica Aplicada
Regra da Raiz Quadrada de n - Nmero de Classes
Para determinar o nmero de classes ideal de uma distribuio, utiliza-se

a regra da Raiz Quadrada de n, de acordo com o tamanho da amostra.
i n
Onde n o nmero de elementos da relao de dados brutos. Para o exemplo
dado, temos: i
20 = 4,47
4.
DICA
Valores da raiz de n encontram-se previamente calculados nos anexos.
i
1
2
3
4
Classes
21 | 26
26 | 31
31 | 36
36 | 41
Total
Frequncias
8
4
3
5
20
Se i=4 deve-se calcular o novo hi.

Ex.: na tabela anterior.
h1= 26-21=5
h2= 31-26=5
h3= 36-31=5
h4= 41-36=5
38
Estatstica Aplicada
Na tabela de distribuio de frequncias sem intervalo de classes tnhamos um

total de treze linhas com dados obtidos, j na tabela com intervalos de classe,
apenas 5 ou 4 de acordo com a regra que for utilizada. Apesar de ser uma tabela
mais legvel, a preciso dos valores se perde um pouco, pois no sabemos mais
quais so exatamente os sete nmeros que aparecem no primeiro intervalo de
classe, por exemplo. Mesmo assim, a tabela mais usada, pois num levantamento
de grande porte, seria invivel e incompreensvel trabalharmos com os inmeros
valores que aparecem.
Para a construo de uma tabela de distribuio de frequncias com intervalos
de classe, muito importante o clculo do nmero de intervalos de classe ou pela
regra de Sturges ou pela raiz quadrada de n. Qualquer regra para determinao do
nmero de intervalos de classes no determina com exatido o valor de i, mas d
ao pesquisador uma noo do tamanho da tabela. Cabe ao pesquisador decidir
com quantos intervalos de classe ir trabalhar. Na verdade, o nmero de intervalos
de classe vai depender do tipo de dado que est sendo trabalhado. Por exemplo, se
os dados referirem-se s notas de uma prova, talvez seja conveniente que os
arrumemos em intervalos de 1 em 1 para que possamos ter uma ideia do nmero
de alunos aprovados (nota maior que sete), o nmero de alunos em recuperao
(nota entre quatro e sete) e o nmero de alunos reprovados (nota inferior a quatro).
Para construo de uma Distribuio de Frequncias com intervalos de Classes
devemos seguir os seguintes passos ( roteiro ):
1 passo -
Organize os dados brutos em um ROL.
Dados Brutos:
25, 21, 22, 21, 22, 23, 24, 21 ,30, 26, 30, 26, 40, 34, 32, 38, 37, 38, 40, 31
Rol:
21, 21, 21, 22, 22, 23, 24, 25, 26, 26, 30, 30, 31, 32, 34, 37, 38, 38, 40, 40
39
Estatstica Aplicada
2 passo - Calcule a amplitude amostral AA (maior valor da amostra menos o

menor).
AA = 40 - 21 = 19
3 passo Calcule o nmero de classes atravs da "Regra de Sturges" ou
da raiz quadrada de n.
i 1 + 3,3 log20 = 5,29 5
i
1
2
3
4
5
ou
20 =4,47 4
Classes
IMPORTANTE
O nmero de intervalos de classe pode ser diferente se calculado por uma

regra ou por outra. Cabe ao pesquisador definir o nmero de intervalos de classe
com que ir trabalhar.
4 passo - Calcule a amplitude dos intervalos de classe (amplitude amostral

dividida pelo nmero de intervalos de classe).
hi = AA/i = 19/5 = 3,8 4
No caso de termos que arredondar o valor de hi, este deve ser arredondado sempre
para mais para que haja folga na ltima classe, no contrrio corre-se o risco de a
tabela montada no incluir o ltimo valor, e nenhum valor pode ser descartado.
40
Estatstica Aplicada
5 passo - Montemos, ento, a tabela. O menor nmero da amostra ser o

limite inferior do 1 intervalo de classe e de h em h, no nosso exemplo, de 4 em 4,
montamos, ento, os limites de todos os intervalos de classe. O primeiro elemento
das classes seguintes sempre ser formado pelo ltimo elemento da classe
anterior.
i
1
2
3
4
5
Classes
21 | 25
25 | 29
29 | 33
33 | 37
37 | 41
6o passo - Agora s marcar quantos nmeros temos em cada intervalo de

classe. A maneira mais simples de fazer atravs de marcaes da seguinte forma:
lemos o primeiro nmero e identificamos qual a classe a que ele pertence.
Identificada a classe, riscamos o nmero e o marcamos na classe a que ele
pertence.
i
1
2
3
4
5
Classes
21 | 25
25 | 29
29 | 33
33 | 37
37 | 41
Total
Marcao
///////
///
////
/
/////
Frequncias
7
3
4
1
5
20
Agora s apagar a coluna de marcao e est pronta a tabela!
i
1
2
3
4
5
Classes
21 | 25
25 | 29
29 | 33
33 | 37
37 | 41
Total
Frequncias
7
3
4
1
5
20
41
Estatstica Aplicada
DADOS ABSOLUTOS E DADOS RELATIVOS
Os dados absolutos so os resultantes da coleta direta da fonte, sem outra

manipulao seno a contagem ou medida. J os dados relativos so razes que se
estabelecem entre dados absolutos e tm por finalidade realar ou facilitar as
comparaes entre quantidades. Os dados relativos so de fcil compreenso.
Como o nome mesmo diz, relativo, em relao aos dados absolutos .
Porcentagem
As porcentagens so partes proporcionais calculadas sobre cem unidades. O
emprego da porcentagem de suma importncia quando o intuito destacar a
participao da parte no todo.
Exemplo:
Considere a srie:
Clnica A - 2005
Nmero de Pacientes Atendidos no Ms de Maro por Setor
Setor
Pediatria
Alergologia
Radiologia
Total
Nmero de pacientes
225
175
135
535
Fonte: Dados Fictcios.

Porcentagens dos pacientes atendidos em cada setor:
225 100
= 42,06% 42%
535
175 100
Alergologia:
= 32,71% 33%
535
135 100
Radiologia:
= 25,23% 25%
535
Pediatria:
42
Estatstica Aplicada
Podemos inserir esses dados na nossa tabela atravs de uma nova coluna:
Clnica A - 2005
Nmero de pacientes atendidos no ms de maro por setor
Setor
Pediatria
Alergologia
Radiologia
Total
Nmero de pacientes
225
175
135
535
%
42
33
25
100
Fonte: Dados Fictcios.
TIPOS DE FREQUNCIAS
Frequncia Simples ou Absoluta (fi) - o nmero de observaes

correspondentes a uma classe ou a um valor.
Frequncia Simples Relativa (fri) - o nmero de observaes de um valor

ou de uma classe, em relao ao nmero total de observaes.
fi
fri =
n
Em porcentagens temos:
f ri % =
f i 100
n
43
ou
f ri % = f ri 100
Estatstica Aplicada
Obs.: a soma das frequncias relativas sempre igual a 1 ou 100%. Devido a erros
de arredondamento pode acontecer de o somatrio das frequncias relativas dar
diferente
ri
de
ou
= 100,02%
100%.
Por
exemplo:
ri
= 99,8%
ou
Se isso acontecer, devemos retirar ou acrescentar a
diferena no intervalo de maior frequncia, pois dessa forma cometeremos um erro

menor do que cometeramos se alterssemos o intervalo de menor frequncia. O
ideal trabalharmos com pelo menos 4 casas aps a vrgula.
Frequncias Acumuladas (Fi.)
a soma das frequncias anteriores at a classe ou valor inclusive. Na

tabela mais a frente, quantas pessoas tiraram nota at o limite superior do
intervalo?
Frequncia Acumulada Relativa (Fri)
Trata-se da frequncia acumulada de uma classe dividida pela frequncia

total. Podemos, ainda, represent-la em valores percentuais multiplicando a
frequncia acumulada relativa por 100. No exemplo abaixo, qual o percentual das
notas at o limite superior do intervalo?
Exemplo: Notas de um teste de estatstica aplicado em uma turma do curso de
Nutrio.
44
Estatstica Aplicada
No exemplo abaixo, temos as frequncias simples (absoluta - fi ; relativa - fri e

relativa percentual - fri %).
i
1
2
3
4
5
Notas
18 34
34 50
50 66
66 82
82 98
fi
2
5
3
8
2
fri
2/20=0,10
5/20=0,25
3/20=0,15
8/20=0,40
2/20=0,10
fri %
10
25
15
40
10
20
100
No exemplo a seguir, temos as frequncias acumuladas (acumuladas Fi;

acumulada relativa Fri e acumulada relativa percentual Fri%).
i
1
2
3
4
5
Notas
18 34
34 50
50 66
66 82
82 98
fi
2
5
3
8
2
Fi
2
7
10
18
20
Fri
2/20=0,10
7/20=0,35
10/20=0,50
18/20=0,90
20/20=1
Fri %
10
35
50
90
100
20
No exemplo seguinte, vamos calcular tambm para completarmos o clculo da

distribuio de frequncias, o ponto mdio xi.
i
1
2
3
4
5
Notas
18 34
34 50
50 66
66 82
82 98
fi
2
5
3
8
2
xi
18+34/2 = 26
34+50/2 = 42
50+66/2 = 58
66+82/2 = 74
82+98/2 = 90
20
45
Estatstica Aplicada
NOTAS DE UM TESTE DE ESTATSTICA APLICADO EM UMA TURMA DO

CURSO DE NUTRIO.
i
1
2
3
4
5
Notas
18 34
34 50
50 66
66 82
82 98
fi
2
5
3
8
2
xi
26
42
58
74
90
fri
2/20=0,10
5/20=0,25
3/20=0,15
8/20=0,40
2/20=0,10
fri %
10
25
15
40
10
Fi
2
7
10
18
20
Fri
2/20=0,10
7/20=0,35
10/20=0,50
18/20=0,90
20/20=1
Fri %
10
35
50
90
100
20
100
Onde:
fi Frequncia simples absoluta.
xi Ponto mdio de uma classe.
fri Frequncia relativa.
Fi Frequncia acumulada.
Fri Frequncia acumulada relativa .
Chegamos ao fim da unidade I, onde estudamos os elementos da Estatstica
descritiva. Espero que voc tenha gostado .Vamos em frente.
HORA DE SE AVALIAR!
Lembre-se de realizar as atividades desta unidade de estudo, presentes

no caderno de exerccio! Elas iro ajud-lo a fixar o contedo, alm de proporcionar
sua autonomia no processo de ensino-aprendizagem. Caso prefira, redija as
respostas no caderno e depois as envie atravs do nosso ambiente virtual de
aprendizagem (AVA). Interaja conosco!
Na prxima unidade estudaremos os grficos Estatsticos . Vamos l.
46
Estatstica Aplicada
Exerccios - Unidade I
1. Classifique as variveis em qualitativa e quantitativa.
(
) Cor preferida.
) ndice de liquidez.
) Sexo.
a)
qualitativa, qualitativa, quantitativa.
b)
quantitativa, quantitativa, qualitativa.
c)
quantitativa , qualitativa, quantitativa.
d)
qualitativa, qualitativa, qualitativa.
e)
qualitativa, quantitativa, qualitativa .
2. Classifique as variveis quantitativas em contnuas (c) ou discretas (d).
( ) Populao: atletas
Varivel: altura
( ) P.: pacientes de um hospital
Varivel: pacientes com insuficincia cardaca.
( ) P.: bebs monitorados em uma UTI neonatal
Varivel: peso
a)
contnua, contnua, contnua.
b)
contnua, discreta, contnua.
c)
contnua, discreta, discreta.
d)
discreta, contnua, contnua.
e)
discreta,discreta, contnua.
47
Estatstica Aplicada
3. Em uma escola de ensino mdio, h 300 alunos divididos em 6 turmas, como no

quadro abaixo. Selecionando uma amostra de 12% dessa populao, acharemos o
seguinte nmero:
Populao
TURMA
1001
1002
2001
2002
3001
3002
TOTAL
a)
b)
c)
d)
e)
MENINOS
25
30
29
32
26
23
165
10
36
40
12
20
4. So fases do mtodo estatstico:

1. A apurao.
2. A coleta.
3. A crtica.
4. A definio do problema.
5. O planejamento.
Qual a ordem correta dessas fases?
a.
b.
c.
d.
e.
1, 2, 3, 4, 5
4, 5, 2, 3, 1
5, 4, 3, 2, 1
4, 3, 5, 2, 1
4, 5, 3, 1, 2
48
MENINAS
20
25
28
15
22
25
135
Estatstica Aplicada
5. Considere a srie abaixo. Podemos classific-la em:
Cidade AAA
Ano
Nmero de Habitantes
1999
1.125.235
2000
2.365.128
2001
2.535.548
2003
2.874.100
2004
3.258.003
2005
3.356.259
a)
b)
c)
d)
e)
Geogrfica.
Categrica.
Especfica.
Ocasional.
Temporal.
6. Os dados abaixo se referem a uma srie:

Programa preferido
N. de entrevistados
novela
35
telejornal
15
desenho
10
filme
27
esporte
15
a)
b)
c)
d)
e)
Temporal.
Geogrfica.
Peridica.
Especfica.
Histrica.
49
Estatstica Aplicada
7. Uma populao encontra-se dividida em trs estratos de tamanhos,

respectivamente, e1=400, e2=350 e e3=225. Retirando 50 elementos do 3 estrato, a
proporo encontrada neste estrato deve ser aplicada aos estratos 1 e 2. No total,
quantos elementos sero retirados dos trs estratos?
a)
b)
c)
d)
e)
292 elementos.
705 elementos.
207 elementos.
755 elementos.
217 elementos.
8. Identifique o item errado:

a)
b)
c)
d)
e)
A coleta peridica aquela feita em intervalos constantes de tempo.

A coleta ocasional feita a fim de atender a uma emergncia.
A coleta direta de dados pode ser classificada quanto ao fator tempo em
contnua, peridica ou ocasional.
Os registros de casamentos so exemplos de coleta peridica.
A coleta contnua aquela feita continuamente.
9- Considerando as notas de estatstica de uma turma de 80 alunos:

6,4
6,6
1,3
9,8
7,3
7,6
8,6
8,5
7,8
8,2
7,4
9,9
7,5
7,6
8,4
7,6
7,3
8,6
8,6
8,5
7,8
8,3
8,0
9,2
8,7
9,2
1,1
9,0
8,4
3,3
4,2
7,3
9,5
8,5
7,8
8,6
8,6
8,5
9,0
3,3
8,2
8,0
8,6
8,2
7,2
8,1
9,3
7,9
8,9
7,3
7,0
8,7
8,5
8,1
9,6
8,1
8,1
8,5
6,8
7,0
8,6
8,9
8,1
8,4
9,0
9,6
7,4
7,2
9,9
7,1
6,3
7,3
7,8
7,6
9,4
7,5
6,7
9,5
8,8
6,2
Forme uma distribuio de frequncia com intervalos de classe seguindo o que se pede:
a) Calcule a amplitude amostral.
b) Calcule o nmero de classes atravs da "Regra de Sturges".
50
Estatstica Aplicada
c) Calcule a amplitude dos intervalos de classe.
d) Calcule as frequncias de cada um dos intervalos de classe.
e) Monte a tabela.
51
Estatstica Aplicada
10. Complete a distribuio de frequncias abaixo:
Classes
10 |
|
|
|
|
| 70
fi
14
fri
fri (%)
Fi
14
12
12
0,14
1
39
0,02
1,00
2
-
52
50
-
xi
15
25
35
45
55
65
Estatstica Aplicada
Representao Grfica
Grfico em linha Curva.

Grficos em barra vertical.
Grficos em barra horizontal.
Grficos de setores.
Pictogramas
Cartogramas.
Histograma.
Polgono de Frequncia.
Ogivograma.
Ogiva de Galton.
53
Estatstica Aplicada
Esta uma unidade importante para o entendimento da estatstica, pois

grande parte dos dados estatsticos so apresentados atravs de grficos. Nela
aprenderemos a construir e a interpretar alguns dos grficos mais utilizados e os
grficos estatsticos especficos. Esperamos que vocs gostem.
OBJETIVO DA UNIDADE :
Construir e analisar os grficos que voc tanto conhece e que

fazem parte da sua vida cotidiana.
PLANO DA UNIDADE :
Grfico em linha Curva.
Grficos de Coluna
Grficos de Barra.
Grficos de setores.
Pictogramas.
Cartogramas.
Histograma.
Polgono de Frequncia.
Ogivograma.
Ogiva de Galton.
Bons estudos!
54
Estatstica Aplicada
Os grficos so representaes visuais dos dados estatsticos e no substituem

as tabelas. Devem corresponder aos dados de uma forma simples, clara e objetiva.
DICA
Muito cuidado com os grficos, pois se mal elaborados podem trazer uma
ideia falsa dos dados que esto sendo analisados, chegando mesmo a
confundir o leitor.
Por falar grficos, quais voc conhece? Voc sabe qual a funcionalidade
deles? Vejamos ento.
Alguns Tipos de Grficos
Grfico em linha ou curva
55
Estatstica Aplicada
Estes grficos so frequentemente usados para a representao de sries

cronolgicas com um grande nmero de perodos. Nos do uma visualizao clara
da variao dos dados existentes nas sries. Tambm so ideais quando h
necessidade de se representarem vrias sries em um mesmo grfico.
Grficos De Colunas
Grficos de Barras
Quando as legendas so longas usa-se de preferncia os grficos em

barras.Os retngulos (barras) tm a mesma base e as alturas so proporcionais aos
respectivos dados.
56
Estatstica Aplicada
Grficos em setores
Estes grficos so construdos em uma crculo e empregados sempre que

desejamos ressaltar a participao do dado no total. O total representado pelos
360 graus de um crculo, que fica dividido em tantos setores quantas so as partes.
Os setores so tais que seus ngulos so respectivamente proporcionais aos dados
da srie.
IMPORTANTE
As sries temporais, geralmente, no so representadas por este tipo
de grfico.
Pictogramas
Constitui um dos processos grficos que melhor se comunica com o pblico,
pela sua forma ao mesmo tempo atraente e sugestiva.
Fonte: EMBRAER/2002
57
Estatstica Aplicada
Cartogramas
So ilustraes relativas a cartas geogrficas (mapas). O objetivo desse grfico

o de figurar os dados estatsticos diretamente relacionados com reas
geogrficas ou polticas.
Histograma
formado por um conjunto de retngulos justapostos, cujas bases se

localizam sobre o eixo horizontal, de tal modo que seus pontos mdios coincidam
com os pontos mdios dos intervalos de classe. o grfico que melhor representa
uma distribuio de frequncias com intervalos de classe ( este assunto ser
abordado na unidade 3). No eixo horizontal (eixo x), representamos as classes da
distribuio e no eixo vertical (eixo y), representamos as frequncias. A rea de um
histograma proporcional soma das frequncias simples ou absolutas.
58
Estatstica Aplicada
IMPORTANTE
O histograma assemelha-se ao grfico de colunas, a diferena que no h
espaamento entre as colunas.
Polgono de frequncia
um grfico em linha, sendo as frequncias marcadas sobre perpendiculares

ao eixo horizontal, levantadas pelos pontos mdios dos intervalos de classe. Para
realmente obtermos um polgono (linha fechada), devemos completar a figura,
ligando os extremos da linha obtida aos pontos mdios da classe anterior
primeira e da posterior ltima da distribuio.
59
Estatstica Aplicada
Ogivograma
o grfico de frequncias acumuladas. Ele construdo da mesma forma que

o histograma, porm no eixo vertical (eixo y), representam as
frequncias
acumuladas.
Ogiva de Galton
A Ogiva de Galton ou polgono de frequncia acumulada um grfico de

linhas traado marcando-se as frequncias acumuladas sobre perpendiculares ao
eixo horizontal, levantadas nos pontos correspondentes aos limites superiores dos
intervalos de classe.
60
Estatstica Aplicada
HORA DE SE AVALIAR!
Lembre-se de realizar as atividades desta unidade de estudo, presentes no

caderno de exerccio! Elas iro ajud-lo a fixar o contedo, alm de proporcionar
Nessa unidade, vimos os principais e os mais importantes grficos estatsticos.

Com uma ferramenta computacional muito simples representar dados
graficamente. Na prxima unidade veremos as medidas de tendncia central.
61
Estatstica Aplicada
62
Estatstica Aplicada
Exerccios - Unidade II
1. Considere a tabela abaixo que representa as idades de vinte duas crianas

atendidas em um posto de sade do municpio de Itabora. Ao construir o grfico
de setores relativo tabela dada, o setor correspondente classe 3 ser de
aproximadamente:
Idade
Crianas
22
a)
b)
c)
d)
e)
6o
16,6o
30
20o
98
2. Na administrao de uma empresa, 50% do oramento vai para a compra de

equipamentos, 22% para a manuteno e 28% para pagamento de pessoal. O
grfico que melhor representa essa situao :
a)
o de barras.
b)
o de setores.
c)
o linear simples.
d)
o de colunas.
e)
o de barras mltiplas.
63
Estatstica Aplicada
3.
a)
b)
c)
d)
e)
O grfico estatstico designado a representar a srie abaixo chama-se:
Nota
fi
1 3
3 5
5 7
7 9
25
Cronograma.
Grfico de colunas compostas.
Histograma.
Grfico de colunas.
Grfico de barras.
4. Grficos so instrumentos teis na estatstica. Assinale a afirmao incorreta:

a.
Um histograma um grfico de linhas.
b.
O grfico de setores apropriado quando se quer representar as divises

de um montante total.
c.
Um polgono de frequncias acumuladas construdo unindo-se os

pontos correspondentes aos limites superiores dos intervalos de classe
da distribuio de frequncia.
64
Estatstica Aplicada
d.
Um polgono de frequncias construdo unindo-se os pontos

correspondentes aos pontos mdios dos intervalos de classes.
e.
O grfico de barras usado para sries geogrficas.
5. Observe a srie abaixo. O grfico que melhor representa tal srie :
Ano
Nmero de Infectados pela Doena AXZ
2000
2.236.215
2001
2.126.128
2002
2.035.265
2003
1.958.254
2004
1.532.126
2005
1.125.258
a)
O grfico de linhas.
b)
O histograma.
c)
O grfico de setores.
d)
O cartograma.
e)
O pictograma.
6- Assinale a alternativa correta.

a)
O histograma assemelha-se ao grfico de barras, a diferena que no h

espaamento entre as barras.
b)
O histograma assemelha-se ao grfico de colunas, a diferena que no

h espaamento entre as colunas.
c)
O histograma assemelha-se ao grfico de setores, a diferena que no

h espaamento entre os setores.
65
Estatstica Aplicada
d)
O histograma assemelha-se ao grfico de linhas, a diferena que no h

espaamento entre as linhas.
e)
O histograma assemelha-se ao ogivograma, a diferena que no h

espaamento entre as linhas.
7. Assinale a alternativa verdadeira.
a)
O grfico que melhor representa uma srie histrica o grfico de setores

de barras.
b)
Um polgono de frequncias construdo unindo-se os pontos

correspondentes aos limites inferiores dos intervalos de classe da
distribuio de frequncia.
c)
Um polgono de frequncias acumuladas construdo unindo-se os

pontos correspondentes aos limites superiores dos intervalos de classe da
distribuio de frequncia.
d)
O grfico de linhas usado quando queremos destacar uma parte do

todo.
e)
O grfico que melhor representa uma distribuio de frequncias o

grfico de barras.
8) O que podemos afirmar sobre o Polgono de Frequncias? Assinale a alternativa

correta:
a)
formado por linhas que ligam ponto a ponto.
b)
formado por colunas simples.
c)
um grfico em linha, sendo as frequncias marcadas sobre

perpendiculares ao eixo horizontal, levantadas pelos pontos mdios
dos intervalos de classes.
66
Estatstica Aplicada
d)
formado por um conjunto de retngulos, um colado ao outro, cujas

bases se localizam sobre o eixo horizontal.
e)
uma linha poligonal aberta.
9. Os grficos abaixo mostram o perfil dos doentes de Aids no Brasil. Faa um breve
comentrio sobre o assunto, levando em considerao os dados contidos nos
grficos.
67
Estatstica Aplicada
10. A distribuio a seguir indica o nmero de dias afastados por motivo de doena
de 40 funcionrios de uma empresa alimentcia durante o perodo de um ano.
No de dias afastados
No de funcionrios
1
13
a) Construa um grfico de colunas.
b) Construa um grfico de setores.
68
2
7
3
10
4
4
5
3
6
2
7
1
Estatstica Aplicada
Medidas de Tendncia
Central
Mdia Aritmtica.
Moda.
Mediana.
Separatrizes
69
Estatstica Aplicada
Estudaremos aqui trs tipos de medidas de tendncia central: mdia

aritmtica, moda e mediana, bem como as principais separetrizes Essas medidas
servem para visualizarmos a distribuio de frequncias no eixo de variao da
varivel estudada.
Compreender as medidas de tendncia central e calcul-las para

PLANO DA UNIDADE:
Mdia Aritmtica.
Moda.
Mediana.
Separatrizes
Bons estudos!
70
Estatstica Aplicada
As Medidas de Posio ou Tendncia Central so denominadas dessa forma

devido aos dados observados tenderem, em geral, a se agrupar em torno dos
valores centrais. As outras medidas de posio so as separatrizes, que englobam
a prpria mediana, os decis, os quartis e os percentis.
Mdia Aritmtica
A Mdia Aritmtica (
) a medida de posio que possui maior
estabilidade e igual ao quociente entre a soma dos valores da varivel e o

nmero total de observaes. Veja, abaixo, a frmula:
n
x + x 2 + ... + x n
X= 1
=
n
x
i =1
Em que xi so os valores da varivel e n o nmero de observaes.

Para dados no agrupados a Mdia Aritmtica Simples (
da seguinte forma:
) calculada
EXEMPLIFICANDO
Ex.: Um aluno de determinada instituio de ensino tirou as seguintes
notas em estatstica: 7, 10 e 6. Sabendo-se que a nota final desse
aluno calculada atravs da mdia aritmtica das trs avaliaes
feitas no perodo, temos como mdia final do aluno:
x1 = 7; x2 = 10 e x3 = 6
X=
7 + 10 + 6
7,7
3
71
Estatstica Aplicada
Em relao aos dados agrupados sem intervalos de classe, consideremos a

distribuio relativa a 38 crianas pacientes de uma clnica peditrica com idades
entre 0 e 4 anos.
Idades
0
1
2
3
4
Total
fi
2
6
12
14
4
38
As frequncias representam quantas vezes ocorreu determinada idade, por

exemplo, ao invs de escrevermos 0,0,1,1,1,1,1,1 etc., atribumos a frequncia, logo,
a idade 0 (zero) ocorre duas vezes; a idade 1 ocorre seis vezes e assim por diante. As
frequncias funcionam como fatores de ponderao (pesos). A mdia aritmtica,
nesse caso, a mdia aritmtica ponderada, ou seja, em vez de somarmos o
nmero 0 duas vezes, o nmero 1 seis vezes, o nmero 2 doze vezes e assim por
diante, ponderamos os valores da varivel com suas respectivas frequncias. Esta
ponderao dada pela frmula:
k
x f + x 2 f 2 + ... + x k f k
=
X = 1 1
f 1 + f 2 + ... + f k
(x
i =1
f
i =1
= n, ou seja, a soma das frequncias igual a n.
= 38, n = 38.
72
fi )
i =1
Obs.:
fi
Estatstica Aplicada
xi
0
1
2
3
4
fi
2
6
12
14
4
xi.fi
0
6
24
42
16
38
88
A idade mdia das crianas atendidas na clnica ser
X=
88
= 2,3 anos .
38
Agora, vejamos os dados agrupados com intervalos de classe. Observe a seguir

as notas de 50 alunos de uma turma de estatstica:
Notas
0 2
2 4
4 6
6 8
8 10
fi
7
11
25
12
6
61
Neste caso no temos como saber se os sete alunos da primeira classe tiveram
notas, por exemplo, zero ou 1,9. Ento, para diminuirmos o erro cometido com o
agrupamento, utilizamos como valor representativo de cada intervalo o seu ponto
mdio (xi). Utilizamos, ento, a mesma frmula, sendo que xi agora no mais o
valor da varivel e sim o ponto mdio de cada classe. A mdia aritmtica
calculada, ento, da seguinte forma:
k
X =
(x
i =1
fi )
f
i =1
73
Estatstica Aplicada
xi o ponto mdio da classe.

0+2
2+4
4+6
= 1 , x2 =
= 3 , x3 =
= 5,
No nosso exemplo: x1 =
2
2
2
6+8
8 + 10
x4 =
= 7 , x5 =
= 9.
2
2
Em que
Notas
fi
xi
xi f i
0 2
2 4
4 6
6 8
8 10
7
11
25
12
6
1
3
5
7
9
7
33
125
84
54
61
303
X=
(x
i =1
fi )
=
f
i =1
7 + 33 + 125 + 84 + 54
= 4,9
61
Outros tipos de mdias menos usados so as mdias geomtrica, harmnica,

quadrtica, cbica e biquadrtica.
IMPORTANTE
A mdia aritmtica para a populao denotada por .
Voc j ouviu falar em moda? No, no bem dessa moda que vamos
falar! a Moda na Estatstica. Vamos estudar sobre ela, agora?
74
Estatstica Aplicada
Moda (Mo)
A Moda o valor de
maior frequncia
em uma srie de valores.
Voc deve estar se perguntando: Como assim o valor que mais aparece? isso
mesmo!
EXEMPLIFICANDO
Por exemplo: o nmero de calado mais vendido em uma sapataria a moda.

At os vendedores ambulantes, mesmo sem saber, utilizam-se da moda. De uma
maneira grosseira, podemos nos lembrar daquilo que est na moda, ou seja,
daquilo que mais aparece.
Viu como simples?
Podemos calcular a Moda para diversos tipos de dados. Veja como fazer isso:
Moda para dados no agrupados

A moda de uma distribuio para dados no agrupados fcil de ser vista, s
procurarmos o valor que mais aparece. Uma distribuio pode ter nenhuma
(amodal), uma (unimodal), duas (bimodal) ou mais modas.
75
Estatstica Aplicada
EXEMPLIFICANDO
Exemplos:
Na srie {6, 7, 9, 11, 11, 11, 12, 12} a moda igual a 11. A distribuio
unimodal;
A srie {2, 5, 7, 11,12} no possui um nmero que aparea mais que os

outros. A srie amodal;
A srie {2, 3, 4, 4, 4, 5, 6, 7, 7, 7, 8, 9} apresenta duas modas: 4 e 7. A srie

bimodal;
Em outros casos, pode haver trs ou mais valores que mais se repetem.
Nesse caso, a srie tem trs ou mais modas.
Moda para dados agrupados sem intervalos de classe

Uma vez agrupados os dados, a moda o valor da varivel de maior
frequncia.
EXEMPLIFICANDO
Ex.: Manequim de roupa feminina mais vendida em uma loja de departamentos:
Manequim
34
36
38
40
42
44
Frequncia
3
9
16
6
4
1
Resposta: 38 o manequim modal, pois o de maior frequncia.
76
Estatstica Aplicada
Moda para dados agrupados com intervalos de classe

Classe modal a classe que apresenta a maior frequncia. Nesse caso, a moda
est compreendida entre os limites da classe modal. O mtodo mais simples para o
clculo consiste em tomarmos o ponto mdio da classe modal como sendo a
prpria moda. A este valor chamamos de moda bruta.
Mo =
l * + L*
2
Em que l* o limite inferior da classe modal e L* o limite superior da classe

modal.
EXEMPLIFICANDO
Ex.: Como podemos calcular o peso modal da tabela abaixo?
Peso (kg)
45 | 50
50 | 55
55 | 60
60 | 65
65 | 70
fi
9
11
Classe modal
8
6
5
Resposta: A classe modal 50| 55, pois a de maior frequncia. l2 = 50 e L2 = 55
Mo =
50 + 55
= 52,5 kg
2
77
Estatstica Aplicada
IMPORTANTE
No temos como saber o real valor da moda, pois no conhecemos mais os

valores que esto compreendidos em um determinado intervalo. Portanto, este
valor apenas estimado.
Voc conhece a frmula de Czuber? Pois, ento conhecer agora.
Frmula de CZUBER (processo mais elaborado)
M o = li +
D1
h*
D1 + D2
Em que:
li o limite inferior da classe modal.
D1 = f* - f(ant)
D2 = f* - f(post)
h* a amplitude da classe modal.
f* a frequncia simples da classe modal.
f(ant) a frequncia simples da classe anterior classe modal.
f(post) a frequncia simples da classe posterior classe modal.
Para o clculo do peso modal da tabela anterior temos:
M o = 50 +
11 9
5 = 52kg
(11 9) + (11 8)
78
Estatstica Aplicada
Passamos a estudar, agora, a mediana para dados no-agrupados, agrupados sem

intervalos de classe e agrupados em classes.
Mediana (Md)
A mediana de um conjunto de valores previamente ordenados. o

valor situado bem no meio do conjunto de valores de tal forma a separ-los em
dois subconjuntos de mesmo nmero de elementos.
Mediana para dados no-agrupados
Quando o nmero de valores for mpar:
EXEMPLIFICANDO
Ex.: Dada uma srie de valores {7, 2, 8, 13, 11, 7, 15, 12, 1} o primeiro passo a
ser dado a construo do rol: {1, 2, 7, 7, 8, 11, 12, 13, 15}.
O valor que divide a srie em duas partes iguais o 8, logo a mediana Md = 8.
Na prtica, o valor mediano dado por
n +1 9 +1
=
= 5,
2
2
mediana ser o quinto elemento da srie ordenada, que 8. Md = 8
79
ou seja, a
Estatstica Aplicada
Quando o nmero de valores for par:
EXEMPLIFICANDO
Ex.: Calcular a mediana da srie {1, 2, 0, 0, 2, 4, 4, 3, 6, 4, 5, 6}
Rol - {0, 0, 1, 2, 2, 3, 4, 4, 4, 5, 6, 6} - Md
3+ 4
= 3,5
2
Temos, aqui, duas observaes a serem feitas, por isso preste bastante ateno:
A mediana coincidir com um dos elementos da srie quando o

nmero de elementos for mpar. Quando o nmero de elementos da
srie for par, a mediana nunca coincidir com um dos elementos da
srie. Neste caso, a mediana ser sempre a mdia aritmtica dos 2
elementos centrais da srie;
A mdia aritmtica, a mediana e a moda de uma srie de valores

no tm, necessariamente, o mesmo valor.
Mediana para dados agrupados sem intervalos de classe
Neste caso, basta identificarmos a frequncia acumulada (Fi) igual ou

imediatamente superior
f
2
. A mediana ser o valor da varivel que
corresponder a essa frequncia acumulada.
80
Estatstica Aplicada
EXEMPLIFICANDO
Ex.: Veja a tabela a seguir:
Xi
fi
0
1
2
3
4
5
total
2
5
8
15
5
4
39
f
2
Fi
2
7
15
30
35
39
Classe Mediana
39
= 19,5 , logo a mediana ser Md = 3.
2
Mediana para dados agrupados em classes
Para esse tipo de dado preciso determinar a classe da mediana, que ser
aquela que corresponder frequncia acumulada igual ou imediatamente superior
f
2
idades
10 15
15 20
20 25
25 30
30 35
35 40
fi
6
11
16
13
5
3
54
FAi
6
17
33
46
51
54
-
classe mediana
(frequncia acumulada
imediatamente superior
a
81
54 = 27
2
Estatstica Aplicada
A mediana dada pela frmula:

Em que:
li o limite inferior da classe mediana.
F(ant) a frequncia acumulada anterior classe mediana.
f* a frequncia simples da classe mediana.
h* a amplitude do intervalo da classe mediana.
EXEMPLIFICANDO
Exemplo:
fi
F ( ant )
M d = li + 2
f *
54
17
5 23,1
Md = 20 + 2
16
.h *
IMPORTANTE
Neste caso a mediana estimada, pois no temos todos os valores da
distribuio.
Qual a medida que devemos usar?

Todas as mdias so valores que esto compreendidos entre o menor e o
maior valor observado. Todas so igualmente importantes, portanto uma no deve
prevalecer sobre a outra. Devemos saber que:
82
Estatstica Aplicada
A mdia aritmtica a mais empregada apenas pelo fato de ser mais

simples o seu clculo e mais compreensvel o seu resultado. a medida
de posio que possui a maior estabilidade;
A moda ser utilizada quando a medida de posio for o valor mais tpico
da distribuio. uma medida de rpida obteno;
Quando desejamos obter o ponto que divide a distribuio em duas

partes iguais, quando h valores extremos que afetam de maneira
acentuada a mdia aritmtica ou quando a varivel em estudo salrio,
usamos a mediana.
A mdia aritmtica de uma srie de valores, por exemplo, influencivel pelos

seus extremos, enquanto que a mediana depende da posio e no dos valores
dos elementos na srie ordenada. por isso que, no caso de sries com extremos
muito distantes, usamos mais a mediana do que a mdia aritmtica, para que no
haja influncia dos extremos.
EXEMPLIFICANDO
Ex.: Na srie { 8, 9, 10, 15, 18}, a mdia = 12 e a mediana = 10. J
na srie { 6, 8, 10, 11, 75 }, a mdia = 22 e a mediana = 10.
A mdia do segundo conjunto de valores maior do que a do primeiro por

influncia do valor extremo (75), porm, nas duas sries, a mediana a mesma, ou
seja, no adianta analisarmos apenas as mdias aritmticas de uma srie de
valores, preciso analisar tambm a mediana.
RELAO ENTRE A MDIA, A MODA E A MEDIANA

A relao existente entre a mdia, a moda e a mediana denominada
assimetria.
83
Estatstica Aplicada
A assimetria o afastamento ou o desvio da simetria de uma curva de

frequncias de uma distribuio estatstica unimodal. Dessa forma, podemos
caracterizar as distribuies estatsticas de frequncia em:
(a) Simtrica, quando a mdia, a moda e a mediana so, todas, coincidentes de
valor, isto ,
X = Md = M o .
(b) Assimtrica direita, quando a moda for menor que a mediana e, a mediana
for menor que a mdia, isto ,
(c)
M o Md X
Assimetria esquerda, quando a mdia for menor que a mediana e, a
mediana menor que a moda, isto ,
X Md M o .
QUARTIS
So separatrizes que dividem um conjunto de dados em quatro partes iguais.
0%
25%
50%
75%
100%
|_____________|______________|_____________|______________|
Q1
Q3
Q2
PRIMEIRO QUARTIL ( Q1 )
Separatriz que divide a distribuio em duas partes, tal que 25% dos valores
sejam menores que ele e 75% maiores que ele.
SEGUNDO QUARTIL ( Q2 )
O segundo quartil coincide exatamente com a mediana. o valor que divide a
distribuio em exatamente dos elementos.
TERCEIRO QUARTIL ( Q3 )
o valor que deixa 75% da distribuio sua esquerda e os 25% restantes sua
direita.
84
Estatstica Aplicada
Frmula
a mesma utilizada para a mediana, com pequenas adaptaes>
Primeiro Quartil
f i
f ant
4
.h
Q1 = lQ1 +
f Q!
Determinao de
Q1
1 Passo: Calcula-se
f i
4
2 Passo: Identifica-se a classe
Q! atravs da Fi ;
3 Passo: Aplica-se a frmula.
Determinao de
Q3
1 Passo: Calcula-se
3.f i
4
Q3
atravs da
Fi ;
3 Passo: Aplica-se a frmula:
Quartil
3.f i
f ant
4
.h
Q3 = lQ3 +
f Q3
85
Estatstica Aplicada
Exemplificando: Dada a distribuio abaixo, determine
Classes
7 |---------- 17
17 |---------- 27
27 |---------- 37
37 |---------- 47
47 |---------- 57
1 Passo:
Q1 , Q2 e Q3 .
fi
6
15
20
10
5
56
Fi
6
21
41
51
56
f i = 56
Q1 = ?
f i 4 = 14
2 Passo: Atravs da
Q2 = Md
f i 2 = 28
Q3 = ?
3.f i 4 = 42
Fi , identifica-se a classe da Q1 , Q2 e Q3 .
56
6
4
.10 = 22,33
Q1 = 17 +
15
56
21
2
.10 = 30,5
Q2 = Md = 27 +
21
3.56
41
4
.10 = 38
Q3 = 37 +
10
86
Estatstica Aplicada
DECIS
So separatrizes que dividem um conjunto de dados em 10 partes iguais.
10%
20%
....
50%
...
80%
90%
|_____|________|______________|_____________|_______|_______|
D1
D2
D5
...
D8
...
D9
Frmula
a mesma utilizada para as separatrizes anteriores, com pequenas adaptaes.
i.f i
f ant
10
.h
Di = lDi +
f Di
Determinao de
Di
1 Passo: Calcula-se
i.f i
10
, para
Di
i = 1,2,3,...,9
atravs da
Fi ;
i.f i
f ant
10
.h
Di = lDi +
f Di
87
Estatstica Aplicada
EXEMPLIFICANDO: Dada a distribuio abaixo, determine
Classes
7 |---------- 17
17 |---------- 27
27 |---------- 37
37 |---------- 47
47 |---------- 57
fi
6
15
20
10
5
56
D1
D2 .
Fi
6
21
41
51
56
56
0
10
.10 = 16,33
D1 = 7 +
6
56
6
4
.10 = 22,33
D2 = 17 +
15
PERCENTIS (OU CENTIS)

So separatrizes que dividem um conjunto de dados em 100 partes iguais.
1% ...
2%
....
50%
...
98% ... 99%
|_____|________|______________|_____________|_______|_______|
P1
...
P2
...
P5
...
88
P98
P99
Estatstica Aplicada
Frmula
a mesma utilizada para as separatrizes anteriores, com pequenas adaptaes.
i.f i
f ant
10
.h
Pi = lPi +
f Pi
Determinao de
Pi
1 Passo: Calcula-se
i.f i
100
, para
Pi
i = 1,2,3,...,99
atravs da
i.f i
f ant
100
.h
Pi = lPi +
f Pi
89
Fi ;
Estatstica Aplicada
EXEMPLIFICANDO: Dada a distribuio abaixo, determine

Classes
7 |---------- 17
17 |---------- 27
27 |---------- 37
37 |---------- 47
47 |---------- 57
fi
6
15
20
10
5
56
P1 e P60 .
Fi
6
21
41
51
56
56
100
.10 = 7,93
P1 = 7 +
6
60.56
21
100
.10 = 33,30
P60 = 27 +
20
HORA DE SE AVALIAR!

Vimos nesta unidade as medidas de tendncia central. A mdia de um
conjunto de valores ou de uma distribuio de classes fundamental dentro do
estudo da Estatstica. Ela um dos principais parmetros de estudo e pesquisas.
Na prxima unidade, veremos as medidas de disperso o clculo dessas

medidas nos permite a verificao de quo representativa a mdia de uma
distribuio em relao a todas as suas observaes.
90
Estatstica Aplicada
Exerccios - Unidade III
1. Uma empresa possui dois serventes recebendo salrios de R$250,00 cada um,
quatro escriturrios recebendo R$600,00 cada um, um chefe de escritrio com
salrio de R$ 1000,00 e trs tcnicos recebendo R$ 2200,00 cada. A mdia desses
salrios de:
a.
b.
c.
d.
e.
R$ 1050,00
R$ 505,00
R$ 262,50
R$ 600,00
R$ 105,00
O quadro abaixo se refere s questes 2 e 3.

A
2
B
0
C
7
4
5
6
2
8
9
5
2
6
2. As mdias aritmticas das sequncias A, B e C so, respectivamente:

a.
b.
c.
d.
e.
4,0; 4,4 e 4,2

4,4, 4,2 e 4,0
4,2; 4,0 e 4,4
5,0; 8,0 e 2,0
4,0; 3,0 e 5,0
91
Estatstica Aplicada
3. As medianas das sequncias A, B e C so, respectivamente:
a.
b.
c.
d.
e.
A
2
B
0
C
1
3
4
5
2
3
8
2
5
6
4,0; 4,4 e 4,2

4,4, 4,2 e 4,0
4,2; 4,0 e 4,4
5,0; 8,0 e 2,0
4,0; 3,0 e 5,0
O quadro abaixo representa as informaes cadastrais de 5(cinco) cidados de

ambos os sexos:
Estado
Civil
Solteiro
Casado
Solteiro
Casado
Solteiro
sexo
F
F
M
M
M
Grau de
instruo
2 Grau
2 Grau
Superior
Superior
Superior
Nmero de
filhos
2
1
0
4
3
Salrios
em S.M *
4,00
4,56
5,75
5,60
6,00
* o valor correspondente varivel salrio representa o nmero de salrio mnimo ( S.M )
Considerando as informaes do quadro, marque a alternativa correta.

4) As Medianas das variveis salrio e idade so respectivamente:
a)
28 e 5,75.
b)
5,75 e 36.
c)
5,60 e 32.
d)
32 e 5,0.
e)
32 e 5,75.
92
Idade
29
32
36
40
28
Estatstica Aplicada
A tabela abaixo d a distribuio de frequncias dos salrios dos 83 enfermeiros de

um hospital localizado em Rio Claro, por faixa de salrio.
Classe de Salrios (R$)
500 650
650 800
800 950
950 1100
1100 1250
fi
15
18
23
19
8
83
Com base nessas informaes da tabela, marque a alternativa correta:

5) Qual o valor modal da distribuio?
500 650
650 800
800 950
950 1100
1100 1250
a)
R$ 870,55
b)
R$ 866,67
c)
R$ 883,33
d)
R$ 855,43
e)
R$ 843,90
93
fi
15
18
23
19
8
83
Estatstica Aplicada
6) Qual o valor mediano da distribuio?

500 650
650 800
800 950
950 1100
1100 1250
a)
R$ 870,55
b)
R$ 848,91
c)
R$ 883,33
d)
R$ 855,43
e)
R$ 843,90
fi
16
19
23
19
8
85
FI
16
16 + 19 = 35
35 + 23 = 58
58 + 19 = 77
77 + 8 = 85
7-Vinte empregados de uma cadeia de hotis que frequentaram um curso de

atendimento com alegria obtiveram as seguintes notas em uma prova dada ao
final do curso:
17
16
19
19
14
18
20
15
17
16
17
16
Com base nas notas da tabela acima, responda:

Qual foi a nota mdia?
a)
b)
c)
d)
e)
16,25
17,28
16,75
19,15
17,26
94
12
17
15
13
15
14
16
19
Estatstica Aplicada
8) Pesquisa elaborada recentemente revela que, nos ltimos anos, o consumo de

cigarros vem aumentando entre as mulheres. Com base nesse estudo, permitiu-se
o esboo de uma tabela de distribuio de frequncia, que relaciona a quantidade
de cigarros consumidos diariamente entre 1000 mulheres fumantes. A mdia
aritmtica , aproximadamente:
CIGARROS CONSUMIDOS DIARIAMENTE
FREQUNCIA
15 | 20
150
20 | 25
300
25 | 30
250
30 | 35
200
100
35 | 40
Total
1000
(Dados Fictcios)
a)
21,6.
b)
23,5.
c)
24,6.
d)
26,5.
e)
27,6.
9 - Sejam os pesos (kg) de 50 alunos de uma determinada classe:
PESO (kg)
40 | 50
50 | 60
60 | 70
70 | 80
80 | 90
95
fi
4
12
20
12
2
Estatstica Aplicada
a)
Calcule a amplitude total.
10 - Calcule as frequncias relativas.

PESO (kg)
40 | 50
50 | 60
60 | 70
70 | 80
80 | 90
fi
4
12
20
12
2
Fr
4/50 = 0,08
12/50 = 0,24
20/50 = 0,40
12/50 = 0,24
2/50 = 0,04
50
1,00
96
Estatstica Aplicada
Medidas de Disperso
Amplitude total.
Varincia.
Desvio padro.
Coeficiente de variao
97
Estatstica Aplicada
Estudaremos aqui as medidas de disperso. Elas permitem calcular a disperso

(como os dados esto espalhados) existente entre os dados observados, estejam
eles agrupados ou no, em relao mdia aritmtica.
Compreender as medidas de disperso, calcular essas medidas, para

PLANO DA UNIDADE:
Amplitude total.
Varincia.
Desvio padro.
Coeficiente de variao.
Bons estudos!
98
Estatstica Aplicada
A mdia aritmtica, a moda e a mediana so valores representativos do todo,

portanto a obteno desses valores se faz fundamental no estudo de um conjunto
de valores. Porm, para analisarmos um fenmeno estatstico, no basta obtermos
apenas medidas de posio ou grficos estatsticos. Para uma anlise mais
profunda, devemos saber como esses dados esto distribudos no todo. As
medidas de variabilidade ou disperso nos do exatamente isso. Elas fazem uma
descrio de como os dados esto espalhados no todo. Existem diversas medidas
de disperso, porm, em nossa disciplina, estudaremos quatro delas, que so:
Amplitude total;
Varincia;
Desvio padro;
Coeficiente de variao;
EXEMPLIFICANDO
Ex.: Observe os seguintes conjuntos de valores referentes mesma varivel:
X = {20, 20, 20, 20, 20}
Y = {05, 15, 20, 30 ,30}
Z = {01, 01, 03, 05, 90}
99
Estatstica Aplicada
Os trs conjuntos apresentam a mesma mdia aritmtica
x=
100
= 20 ,
5
porm fcil notar que o primeiro conjunto de valores mais homogneo que os
outros dois, pois todos os valores so iguais. J o segundo mais homogneo que
o terceiro, pois este o mais disperso de todos. Portanto no adianta dois ou mais
conjuntos de valores terem a mesma mdia aritmtica, algumas outras anlises se
fazem necessrias.
Amplitude Total (AT)

Amplitude Total (AT) a diferena entre o limite superior da ltima
classe e o limite inferior da primeira classe, ou seja, a diferena entre os valores
extremos de um conjunto de dados
AT = Lmx l mn .
Trata-se da nica medida de disperso que no tem a mdia como ponto

de referncia. A amplitude total instvel, pois s leva em considerao os valores
extremos dos conjuntos de dados, descuidando do conjunto de valores
intermedirios, por isso pouco utilizada.
Uma de suas utilizaes na hora de decidirmos por uma distribuio de
frequncia com ou sem intervalos de classes. Fazemos uso da amplitude total
quando queremos determinar a amplitude da temperatura em um dia, por
exemplo, medida de clculo rpido sem muita exatido.
EXEMPLIFICANDO
Ex.:
Dada a srie 2, 3, 5, 6, 7, 7, 8, 8, 8, 9, 9, 9, 10, 10, 21, 22, 23, 23, 23, 24, 25, 25, 27, 27,
48, 60 e 70 a amplitude amostral ser:
AA = 70 2 = 68
100
Estatstica Aplicada
Agrupando os dados sem intervalos de classe:

xi
fi
2
3
5
6
7
8
9
10
21
22
23
24
25
27
48
60
70
1
1
1
1
2
3
3
2
1
1
3
1
2
2
1
1
1
27
Com intervalos de classe:

Classes
2| 14
14|26
26|38
38|50
50|62
62|74
fi
14
8
2
1
1
1
27
AT = Lmx l mn = 74 2 = 72
101
Estatstica Aplicada
Varincia (s2)
A varincia mede o grau de variabilidade em torno da mdia. a

mdia aritmtica dos quadrados dos desvios (cada valor menos a mdia). Diferente
da amplitude total que se deixa influenciar pelos extremos, a varincia leva em
considerao todos os valores da varivel em estudo. Ela baseia-se nos desvios em
torno da mdia.
Varincia Amostral
Para dados isolados:

n
s2 =
xi
(x
i =1
n 1
= cada valor observado.
X = mdia dos valores observados.

n = tamanho da amostra.
Para dados agrupados:
(xi X ) . fi
k
s2 =
i =1
fi 1
i =1
IMPORTANTE
No denominador da frmula da varincia trabalhamos sempre com n-1
graus de liberdade para diminuir o erro do clculo da varincia com agrupamento
da distribuio.
102
Estatstica Aplicada
Em que:
xi
= cada valor observado, no caso de dados agrupados com intervalos de classe,
xi
o ponto mdio do intervalo de classe.
= mdia dos valores observados.
fi = somatrio das frequncias (n).

fi = frequncia de cada classe.
EXEMPLIFICANDO
Ex.: Ao analisarmos as idades dos pacientes atendidos num dia em duas clnicas
de sade A e B, temos:
Clnica A
Classes
fi
xi
02| 14
14|26
26|38
38|50
50|62
62|74
1
3
10
16
2
1
8
20
32
44
56
68
33
X=
( xi . f i ) ( xi X ) ( xi X ) 2 ( xi X ) 2 . f i
8
60
320
704
112
68
-30,5
-18,5
-6,5
5,5
17,5
29,5
930,25
342,25
42,25
30,25
306,25
870,25
1272
1272
= 38,5
33
4346
s2 =
103
930,25
1026,75
422,5
484
612,5
870,25
4346
= 135,81
33 1
Estatstica Aplicada
Clnica B
Classes
fi
xi
02| 14
14|26
26|38
38|50
50|62
62|74
5
4
7
7
5
5
8
20
32
44
56
68
33
X=
( x i . f i ) ( xi X ) ( xi X ) 2 ( xi X ) 2 . f i
40
80
224
308
280
340
-30,5
-18,5
-6,5
5,5
17,5
29,5
1272
1272
= 38,5
33
930,25
342,25
42,25
30,25
306,25
870,25
4651,25
1369
295,75
211,75
1531,25
4351,25
12410,25
s2 =
12410,25
= 387,82
33 1
Podemos observar que a varincia da Clnica A bem menor do que a

varincia da Clnica B, apesar de as mdias aritmticas serem iguais. Isso significa
que os dados referentes s idades dos pacientes atendidos na primeira clnica so
mais homogneos, ou seja, mais concentrados em torno da mdia que os da
segunda clnica, que so mais dispersos.
Desvio Padro
O desvio padro a medida de disperso mais empregada, pois leva em
considerao a totalidade dos valores da varivel em estudo e o seu resultado est
na mesma unidade de medida da varivel, diferente da varincia, que uma
medida quadrtica. Quanto maior o desvio padro mais heterogneos so os
dados. O desvio um indicador de variabilidade bastante estvel. Ele baseia-se nos
desvios em torno da mdia aritmtica. a mdia quadrtica dos desvios, isto , a
raiz quadrada da varincia.
s = s2
104
Estatstica Aplicada
EXEMPLIFICANDO
No nosso exemplo temos:
Clnica A
s=
Clnica B
135,81 = 11,65
s=
387,82 = 19,69
Propriedades do desvio padro
1 =
Somando-se (ou subtraindo-se) uma constante a todos os
valores de uma varivel, o desvio padro no se altera;
2 =
Multiplicando-se (ou dividindo-se) todos os valores de uma
varivel por uma constante (diferente de zero), o desvio padro fica

multiplicado (ou dividido) por essa constante.
Coeficiente de Variao de Pearson - CVP
O desvio padro tem algumas limitaes. Um desvio padro de 5 unidades,

por exemplo, pode ser considerado pequeno para uma srie de valores cujo valor
mdio 500, porm, se a mdia for igual a 15, essa relao muda completamente.
IMPORTANTE
Outra questo a ser considerada que o fato de o desvio padro ser
expresso na mesma unidade dos dados, o que no nos permite
comparar duas ou mais sries de valores expressas em unidades
diferentes.
105
Estatstica Aplicada
Para contornar essas dificuldades e limitaes, utilizamos o coeficiente de

variao CV. O coeficiente de variao uma medida de disperso relativa, ou seja,
adimensional, a relao entre o desvio padro e uma medida de tendncia
central. Portanto, existem diversos tipos de coeficientes de variao. Aqui,
estudaremos apenas um: o coeficiente de variao de Pearson.
CVP =
s
X
100
OBS.: O CV pode ser expresso em decimal ou em porcentagem.
EXEMPLIFICANDO
Ex.: Consideremos os pesos e as alturas de um grupo de jovens atletas de
uma escola de ensino fundamental da baixada fluminense: qual das medidas
(Estatura ou Peso) possui maior homogeneidade?
DISCRIMINAO
ESTATURAS
PESOS
MDIA
185 cm
68 kg
DESVIO PADRO
5,0 cm
2,0 kg
Apenas atravs do desvio padro no podemos dizer nada, pois este s pode
ser comparado no caso de dados com a mesma unidade de medida. Teremos,
ento, que calcular o CVP da Estatura e o CVP do Peso. O menor resultado ser o de
menor disperso ou variabilidade, ou seja, o de maior homogeneidade.
5
CVP(estatura) =
100 = 2,70%
185
2
CVP( peso) = 100 = 2,94%
68
106
Estatstica Aplicada
Comparando os CVP, conclumos que as estaturas apresentam maior

homogeneidade que os pesos. Se levarmos em considerao o coeficiente de
variao das duas variveis, podemos afirmar que a mdia dos dados
representativa, pois o CV bem pequeno, tanto para estaturas quanto para os
pesos.
Estudamos nesta unidade as medidas de disperso. O clculo do desvio

padro de grande importncia no estudo da Estatstica. Por ser um valor que se
encontra na mesma unidade da varivel, fica fcil seu entendimento. Ele mostra,
em valores, o afastamento das observaes em relao mdia aritmtica.
Quando precisamos trabalhar variveis diferentes, podemos compar-las

atravs do coeficiente de variao. O estudo da disperso ou afastamento dos
dados muito importante na nossa disciplina.
HORA DE SE AVALIAR!

Veremos, na prxima unidade, como calcular uma amostra.
107
Estatstica Aplicada
108
Estatstica Aplicada
Exerccios - Unidade IV
1) Uma determinada editora pesquisou o nmero de pginas das revistas mais

vendidas de uma cidade. Sendo fornecida a distribuio de frequncia de nmero
de pginas, o valor do desvio padro aproximadamente:
Revistas
N de pginas
a)
b)
c)
d)
e)
A
62
B
90
C
88
D
92
E
110
F
86
16
18
20
25
15
2) Dado o conjunto de valores 3, 5, 2, 1, 3, 4, 6, 9, 3. O desvio-padro

aproximadamente:
a)
b)
c)
d)
e)
1,6
1,7
1,8
2,4
2,7
3- Aps calcular o Coeficiente de variao da amostra B e da amostra C do quadro

abaixo, marque a alternativa correta:
Amostra
Amplitude
total
Media
Varincia
Desv.Pad.
500
150
42
625
25
800
120
53
196
14
900
90
25
169
13
109
C.V
59,52%
Estatstica Aplicada
a)
O CV da amostra B est no intervalo 26,00% a 27,00%, da amostra C est

no intervalo 49,00% a 51.00%;
b)
O CV da amostra B est no intervalo 26,48% e 26,50%, da amostra C est

no intervalo 50,00% a 52,50%;
c)

d)
O CV da amostra B est no intervalo 26,00% e - 26,00%, da amostra C est
e)
no intervalo 49,00% a 51.00%;

4) Observe o desenho abaixo e assinale a alternativa correta com base nos dados
observados em torno da mdia.
MDIA
A
B
C
D
110
Estatstica Aplicada
a)
O segmento representado por A tem disperso mnima;
b)
No segmento representado pela letra C a disperso mxima;
c)
Os segmentos A e D mostram maior disperso;
d)
Nada se pode afirmar quanto aos pontos alocados em torno da mdia,

para observar a disperso;
e)
Os segmentos A e C apresentam disperses iguais.
Enunciado das questes 5 e 6

A tabela abaixo mostra a relao de idade dos funcionrios e o salrio que
recebem na empresa em que trabalham:
Idade
24
32
35
43
48
Salrio
1.452,03
1.893,45
2.645,70
3.890,56
4.125,00
(RS)
5. Calcule o desvio padro das variveis salrio e idade.
a)
aproximadamente R$993,02 e 8,23 anos.
b)
aproximadamente R$1.234,89 e 3 anos.
c)
aproximadamente R$1.184,02 e 9,40 anos.
d)
e)
6. O coeficiente de variao a relao entre a mdia aritmtica e o desvio padro.

O que podemos afirmar quanto as variveis salrio e idade?
a)
Nada se pode afirmar quanto aos coeficientes de variao das variveis

salrio e idade, uma vez que a varivel idade no contnua.
b)
O coeficiente de variao da varivel idade igual ao da varivel salrio.
c)
O coeficiente de variao da varivel idade 20% e salrio 17%.

111
Estatstica Aplicada
d)
O coeficiente de variao da varivel idade 25,82% e salrio 42,27%.
e)
O coeficiente de variao da varivel idade 15,15% e salrio 23,89%
Enunciado das questes 7 e 8
Suponha que uma voluntria visite residncias de sua vizinhana, em um

trabalho beneficente, recebendo os seguintes donativos (em Reais).
13
10
18
12
15
11
17
7) Qual o valor da varincia para os donativos?
a)
aproximadamente 23,52
b)
c)
d)
aproximadamente 28.56
e)
8) Qual a variabilidade relativa para os valores doados?
a)
aproximadamente 24,56%
b)
c)
d)
e)
112
Estatstica Aplicada
9) Carlos e Pedro, dois amigos, foram a uma loja de eletroeletrnicos para comprar
uma TV de 42 para assistir aos jogos da Copa do Mundo/2006. Mesmo tendo
gostos parecidos, cada um escolheu um modelo de TV. Nas especificaes do
produto continha como informao a mdia de consumo e o desvio-padro do
consumo. A TV que Carlos escolheu tem um consumo ms de 120 kw com desvio
de 3,7 kw, enquanto que a TV que Pedro escolheu tem um consumo ms de 115 kw
com desvio de 5,2 kw. Com base nas informaes, qual dos amigos pagar mais
pelo consumo de energia da televiso? Justifique sua resposta.
10) Calcule o desvio padro para a srie abaixo:
2, 3, 4, 5, 7, 8 e 13
113
Estatstica Aplicada
Noes de Amostragem
Amostragem Casual ou Aleatria Simples.

Amostragem por Conglomerados.
Amostragem Acidental.
Amostragem Intencional.
Amostragem por Quotas.
Amostragem Estratificada.
114
Estatstica Aplicada
Esta unidade talvez seja uma das mais importantes da nossa disciplina, pois,
num levantamento estatstico, a amostra deve ser representativa da realidade, se
isso no ocorrer, no poderemos tirar nenhuma concluso do comportamento de
toda a populao. Aqui aprenderemos mais um pouco sobre o clculo de amostra
e como poderemos confiar em seus resultados.
OBJETIVO DA UNIDADE:
Conhecer mais sobre o clculo e os tipos de amostra e os mtodos

probabilsticos.
PLANO DA UNIDADE:
Amostragem Casual ou Aleatria Simples.
Amostragem por Conglomerados.
Amostragem Acidental.
Amostragem Intencional.
Amostragem por Quotas.
Amostragem Estratificada.
Bons estudos!
115
Estatstica Aplicada
Conceitos bsicos
Nem sempre a realizao de um censo possvel, ou seja, obter informaes

referentes a todos os elementos de uma populao torna-se, muitas vezes,
praticamente impossvel. Limitaes de tempo e custo justificam o uso de tcnicas
amostrais.
Amostra uma parcela representativa da populao que examinada com o

propsito de tirarmos concluses sobre a mesma. um subconjunto finito de uma
populao. Uma amostra deve ser cuidadosamente planejada a fim de garantir a
menor margem de erro na pesquisa.
A margem de erro um intervalo controlado dentro do qual podem variar os

resultados finais. Um estudo bem planejado capaz de reduzir o erro de
amostragem.
Para selecionar uma amostra preciso levar em conta as caractersticas de
distribuio fsica da populao, ou seja, algumas reas tm uma populao maior
que outras. preciso levantar os dados em proporo densidade populacional
das regies estudadas.
EXEMPLIFICANDO
Por exemplo, se o objeto de estudo o tipo de programa de TV mais
assistido, no adianta fazer o estudo apenas em uma turma de escola de
educao infantil, pois o resultado obviamente seria desenho animado. Crianas
no costumam assistir a telejornais ou filmes da madrugada. Se a pesquisa fosse
feita dessa forma, o resultado no estaria correto. Assim, no caso de uma
populao ser composta de 35% de crianas, 40% de adultos e os outros 25% de
idosos, uma amostra dessa populao tambm deve conter crianas, adultos e
idosos na mesma proporo.
116
Estatstica Aplicada
Tipos de amostragem
Existem basicamente dois mtodos para composio da amostra: o

mtodo probabilstico e o no-probabilstico ou intencional.
MTODOS PROBABILSTICOS
Neste mtodo, faz-se necessrio que cada elemento da populao possua

determinada probabilidade de ser selecionado, ou seja, se o tamanho da
populao for N, a probabilidade de cada elemento ser selecionado ser
1
N
. Esse
mtodo garante que cada elemento da populao tenha a mesma chance de ser
selecionado como elemento da amostra. Assim, podemos garantir cientificamente
a aplicao das tcnicas estatsticas de inferncias.
Somente com base em
amostragens probabilsticas que se podem realizar inferncias ou indues sobre

a populao a partir do conhecimento da amostra.
Amostragem casual ou aleatria simples

A amostragem casual ou aleatria simples o processo mais utilizado.
Equivale a um sorteio lotrico. Ela pode ser realizada da seguinte forma: numerase a populao de 1 a n e sorteiam-se, a seguir, por meio de um dispositivo
aleatrio qualquer, n nmeros dessa sequncia, que correspondero aos
elementos pertencentes amostra.
117
Estatstica Aplicada
Obs.: Quando o nmero de elementos da amostra muito grande como, por

exemplo, neste caso, tal tipo de sorteio muito trabalhoso. Neste caso, utiliza-se
uma tabela de nmeros aleatrios, construda de modo que os algarismos de 0 a
9 sejam distribudos ao acaso nas linhas e colunas.
Tabela de nmeros aleatrios
5
2
7
9
0
1
5
7
2
4
9
2
4
7
5
3
8
2
5
1
0
5
4
7
8
4
1
4
2
2
1
5
8
2
0
9
0
2
4
0
3
5
4
8
7
8
7
8
5
2
2
0
5
2
4
7
5
1
8
6
0
8
2
2
0
9
0
2
4
2
0
4
0
5
5
4
5
1
4
5
3
6
3
4
7
0
5
1
5
2
1
5
0
5
1
5
8
0
0
4
0
5
2
6
5
2
5
0
1
8
2
8
5
0
9
0
5
2
0
4
1
1
6
3
2
1
5
4
0
7
2
5
4
5
4
8
3
6
3
3
8
8
2
5
2
0
6
5
0
8
0
2
4
8
9
5
8
5
9
6
5
9
5
5
0
5
0
5
3
9
5
3
9
8
7
5
4
6
6
9
2
6
9
8
8
1
4
7
9
8
8
0
8
8
0
7
9
8
2
5
3
8
6
0
3
8
7
4
5
9
0
6
0
9
2
4
5
6
8
3
6
0
2
0
7
3
3
2
5
4
8
9
6
4
3
4
6
5
8
2
8
5
2
2
0
0
1
5
0
1
0
4
1
4
0
3
0
0
0
3
0
0
2
7
4
9
1
7
2
4
2
1
5
1
7
2
4
9
7
6
1
3
0
1
2
2
9
1
6
6
4
8
7
1
4
6
5
8
0
1
9
5
9
5
6
7
9
1
1
8
2
2
8
4
1
2
5
8
5
2
5
5
7
3
5
4
2
9
0
0
5
5
7
3
4
7
4
1
8
9
6
5
0
1
8
9
9
1
6
0
8
5
1
4
4
5
6
5
4
5
4
5
2
1
2
3
6
7
6
8
2
3
4
7
1
2
6
8
0
9
1
1
1
5
4
8
9
6
3
2
4
7
8
0
9
5
4
2
0
9
5
2
8
2
5
1
4
5
1
2
6
3
1
5
7
7
4
8
7
5
5
7
8
2
1
5
1
8
5
2
4
5
0
2
1
1
9
1
5
5
2
8
2
8
0
7
0
7
2
5
9
7
4
1
7
4
1
2
4
6
4
8
8
0
0
1
9
4
5
3
6
1
8
0
9
5
0
8
5
5
5
5
3
0
7
7
7
6
0
6
5
4
6
5
4
7
3
6
7
3
9
0
9
8
8
0
2
0
4
1
0
3
3
6
6
9
2
5
9
2
3
0
1
0
3
5
7
7
1
1
2
1
4
1
6
0
9
3
8
1
8
5
5
0
1
5
2
6
3
0
9
2
1
7
2
5
9
9
2
8
0
5
0
7
4
4
1
9
4
1
9
0
2
6
5
EXEMPLIFICANDO
Exemplo: Uma determinada universidade possui 7000 alunos. Pretende-se
fazer uma pesquisa para verificar como vai a sade dos alunos. Sero
selecionados, aleatoriamente, 5% dos alunos. Deslocar um funcionrio
para escrever 7000 nmeros de matrcula em um pedao de papel e
depois sortear 350 pedaos algo praticamente invivel e desnecessrio.
Ento, a amostra sorteada com o uso de uma tabela de nmeros
aleatrios da seguinte forma: os nmeros de matrcula existentes
possuem 4 dgitos, escolhemos 4 linhas ou colunas da tabela e
selecionamos os nmeros que correspondem a alunos matriculados na
instituio. Os nmeros que no correspondem so descartados. Se
selecionarmos, por exemplo, as 4 primeiras colunas teremos como
nmeros selecionados 5772, 2880, 7454, 9120, 0425, 1205, 5254 ... Estas
so, ento, as matrculas selecionadas, caso existam.
118
3
7
9
6
0
5
1
8
2
4
3
9
4
6
4
1
0
5
2
1
6
2
4
9
1
6
8
1
8
5
5
1
2
6
6
5
6
5
4
9
3
2
4
3
5
1
7
7
3
4
5
4
4
2
0
0
9
8
2
8
7
8
0
6
5
7
6
0
2
5
7
8
5
0
7
8
0
1
3
8
5
6
4
5
5
5
8
5
1
9
4
5
6
1
4
2
4
5
7
3
2
2
5
5
6
9
6
3
2
5
1
5
5
1
9
Estatstica Aplicada
Amostragem proporcional estratificada
Quando a populao se divide em estratos (subconjuntos da populao)

imprescindvel que o sorteio dos elementos da amostra leve em considerao tais
estratos. Da, obteremos os elementos da amostra proporcional ao nmero de
elementos desses estratos.
EXEMPLIFICANDO
Ex.: Vamos obter uma amostra de 10% dos pacientes internados em um SPA,
supondo que sejam 106 mulheres e 54 homens. So, portanto, dois estratos (sexo
masculino e sexo feminino). Logo, temos:
SEXO
MASCULINO
FEMININO
Total
POPULAO
54
106
160
10 %
5,4
10,6
16
AMOSTRA
5
11
16
Numeramos os pacientes de 01 a 160, sendo 01 a 54 homens e 55 a 160,

mulheres e, fazemos o sorteio casual com urna ou tabela de nmeros aleatrios.
Amostragem sistemtica
Quando os elementos da populao j se acham ordenados, no h

necessidade de sorteio. Neste caso, calcula-se o nmero de elementos da amostra
e divide-se o nmero de elementos da populao pelo de elementos da amostra
(A), assim, escolhemos os elementos ordenados de x em x.
119
Estatstica Aplicada
EXEMPLIFICANDO
Ex.: Imaginemos um prdio com 200 apartamentos dos quais
desejamos obter uma amostra formada por 20 apartamentos para uma
pesquisa de opinio. Podemos, neste caso, usar o seguinte procedimento:
como 200/20 = 10. Escolhemos por sorteio casual um nmero de 01 a 10,
o qual indicaria o primeiro elemento sorteado para a amostra; os demais
elementos seriam, periodicamente, considerados de 10 em 10. Assim,
suponhamos que o nmero sorteado fosse 6, a amostra seria: 6.
apartamento, 16. apartamento, 26. apartamento etc.
Amostragem por conglomerados (ou agrupamentos)
Algumas populaes no permitem ou dificultam extremamente a

identificao de seus elementos. No obstante, pode ser relativamente fcil
identificar alguns subgrupos da populao. Em tais casos, uma amostra aleatria
simples desses subgrupos (conglomerados) pode ser colhida e uma contagem
completa deve ser feita para o conglomerado sorteado. Agrupamentos tpicos so
quarteires, famlias, organizaes, agncias, edifcios etc.
EXEMPLIFICANDO
Ex.: Num levantamento da populao de determinada cidade,
podemos dispor do mapa indicando cada quarteiro e no dispor de uma
relao atualizada dos seus moradores. Pode-se, ento, colher uma
amostra dos quarteires e fazer a contagem completa de todos os que
residem naqueles quarteires sorteados.
120
Estatstica Aplicada
MTODOS NO-PROBABILSTICOS
So amostragens nas quais h uma escolha deliberada dos elementos da

amostra. No possvel generalizar os resultados das pesquisas para a populao,
pois as amostras no-probabilsticas no garantem a representatividade da
populao.
Amostragem acidental
Trata-se de uma amostra formada por aqueles elementos que vo aparecendo,

que so possveis de se obter at completar o nmero de elementos da amostra.
Ela geralmente utilizada em pesquisas de opinio, em que os entrevistados so
acidentalmente escolhidos.
EXEMPLIFICANDO
Ex.: Pesquisas de opinio em praas pblicas, ruas de grandes cidades.
Amostragem intencional
De acordo com determinado critrio, escolhido intencionalmente um

grupo de elementos que iro compor a amostra. O investigador se dirige
intencionalmente a grupos de elementos dos quais deseja saber a opinio.
121
Estatstica Aplicada
EXEMPLIFICANDO
Ex.: Numa pesquisa sobre preferncia por determinado cosmtico, o
pesquisador se dirige a um grande salo de beleza e entrevista as pessoas
que ali se encontram.
Amostragem por cotas
Trata-se de um dos mtodos de amostragem mais comumente usados em

levantamentos de mercado e em prvias eleitorais. Ele abrange trs fases:
primeiramente classifica a populao, ou seja, verifica o que relevante para a
caracterstica a ser estudada; em segundo lugar ele determina a proporo da
populao para cada caracterstica com base no que se conhece sobre a
populao; em terceiro e ltimo lugar, o pesquisador fixa cotas para cada
entrevistador de modo que a amostra total observada contenha a proporo da
populao determinada na fase anterior.
EXEMPLIFICANDO
Ex.: Numa pesquisa sobre programa de TV mais assistido,
provavelmente, ser interessante dividirmos a populao em homens e mulheres,
cidade e campo, idade, renda mdia, faixas etrias etc.
122
Estatstica Aplicada
Clculo para o dimensionamento da amostra
Para se dimensionar uma amostra, devemos saber:
A populao finita ou infinita?
Por exemplo: A populao constituda por todos os brinquedos produzidos

em um dia de trabalho em uma fbrica finita, enquanto que a populao
constituda por todos os resultados (cara e coroa) em sucessivos lances de
uma moeda infinita.
A varivel estudada discreta ou contnua?
Varivel Discreta ou Descontnua: seus valores so expressos, geralmente,

atravs de nmeros inteiros no negativos.
Resulta normalmente de
contagens. Ex.: Nmero de filhos de um casal - pode assumir valores como 0;

1; 2; 3... mas nunca valores como: 1,5; 3,72 etc.
Varivel Contnua: pode assumir qualquer valor entre dois limites, ou seja,
assume valores em um intervalo real. Resulta, normalmente, de uma
mensurao, ou seja, podem assumir, teoricamente, qualquer valor entre dois
limites. Ex.: Temperatura. Normalmente, as mensuraes do origem a
variveis contnuas e as contagens a variveis discretas.
O erro amostral expresso na unidade da varivel estudada;
O erro amostral a mxima diferena que o pesquisador admite entre a mdia

da populao () e a mdia da amostra (
).
O desvio padro da populao expresso na unidade da varivel;
O desvio padro da populao pode ser determinado atravs de estudos

anteriormente feitos ou de suposies sobre o assunto.
123
Estatstica Aplicada
A abscissa da curva normal padro (Z) para um determinado nvel de

confiana.
Normalmente utilizamos os nveis de confiana:

Para
95% Z = 1,96
99% Z = 2,58
Frmulas para o clculo da amostra
Infinita
Correo
Varivel / Populao
Contnua
Discreta
Z
n0 =

Z 2 p q
n0 =
2
2
n=
n0
n
1+ 0
N
Em que:
Z a abscissa da curva normal padro.

o desvio padro da populao.
N o tamanho da populao.
p a estimativa da proporo verificada em pesquisa anterior. Por

exemplo: se a varivel analisada for a proporo de crianas mopes de
uma determinada cidade e em uma pesquisa anterior essa proporo foi
= 0,20. Quando se tratar de um trabalho original e o
de 20%, ento, p
o erro amostral.
pesquisador no dispor de nenhum valor, faz-se
q = 1 p
124
p =50% = 0,50.
Estatstica Aplicada
Obs. 1: Quando a populao for infinita, usaremos as frmulas
n0 =
Z 2 p q
Z
n0 =
para variveis contnuas e discretas, respectivamente. Quando a
populao for finita, poderemos usar estas mesmas frmulas, porm fazendo uma
pequena correo depois com a frmula
n=
n0
n
1+ 0
N
Obs. 2: Quando o pesquisador no dispe de uma pesquisa inicial e, portanto, no

tem o valor do desvio padro, ele toma aleatoriamente 30 indivduos desta
populao e calcula o desvio padro.
EXEMPLIFICANDO
Ex.:
Uma pesquisa de opinio sobre a relao universidade e comunidade
ser realizada com a participao dos alunos e professores do curso de estatstica.

necessrio dimensionar a amostra, tendo em vista a impossibilidade de realizao
de um senso. Sabe-se que uma mesma pesquisa foi feita no ano anterior e
registrou 30% de satisfao da populao em relao ao trabalho que a
universidade desenvolve com a comunidade. Qual ser o nmero de indivduos
que faro parte desta amostra se a comunidade de aproximadamente 8000
pessoas? Considere o nvel de confiana de 95% e o erro de amostragem de 5%.
Soluo: Considerando que os dados so discretos, usaremos a frmula
n0 =
Z 2 p q
e corrigiremos depois com a frmula
125
n=
n0
n
1+ 0
N
Estatstica Aplicada
Em que:
n0 = amostra inicial.
n = amostra corrigida.
p = valor obtido do trabalho anterior. Probabilidade de sucesso estimado.
q = 1 p = 1 0,30 = 0,70
= preciso (erro de amostragem).

z = nvel de confiana abscissa da curva normal para 95% z = 1,96
O valor da amostra inicial :
n0 =
Z 2 p q
1,96 2 0,30 0,70 0,8067

=
323
(0,05) 2
0,0025
A amostra corrigida :
n=
n
n
1+
N
323
323
=
= 311
323 1,04
1+
8000
Resultado: A amostra calculada ter 311 indivduos.
HORA DE SE AVALIAR!
Lembre-se de realizar as atividades desta unidade de estudo,
presentes no caderno de exerccio! Elas iro ajud-lo a fixar o contedo,
alm de proporcionar sua autonomia no processo de ensino-aprendizagem. Caso
prefira, redija as respostas no caderno e depois as envie atravs do nosso ambiente
virtual de aprendizagem (AVA). Interaja conosco!
Vimos,
nesta unidade, vrios
processos para o clculo de n (tamanho da
amostra). Em uma pesquisa, o tamanho da amostra deve ser cuidado somente e

calculado, pois do contrrio, pode comprometer todo um trabalho. Na prxima
unidade vamos estudar o clculo das Probabilidades.
126
Estatstica Aplicada
Exerccios - Unidade V
1. Considere uma populao com 1000 pessoas do sexo feminino na faixa etria de
20 a 30 anos, 800 pessoas que trabalham na rea da sade e 1200 pessoas no
comrcio de medicamentos. Na amostra dessa populao:
a)
deve conter a maior parte de pessoas do sexo feminino na faixa etria de

20 a 30 anos.
b)
deve somente considerar as pessoas que trabalham com comrcio de

medicamentos, tendo em vista a sua quantidade.
c)
a amostra no deve ser proporcional a cada categoria da populao.
d)
deve conter um nmero total de pessoas sem considerar parte

proporcional, porque a populao formada por apenas trs categorias,
no havendo necessidade tcnica de calcular uma amostra estratificada.
e)
a amostra deve ser proporcional ao nmero de pessoas do sexo feminino

na faixa etria de 20 a 30, de pessoas que trabalham na sade e pessoas
que trabalham no comrcio de medicamentos.
2 No clculo para dimensionar uma amostra importante que se conheam

inicialmente as informaes sobre a populao, se finita ou infinita. Marque a
alternativa que no caracteriza uma populao finita:
a)
nmero de parafusos fabricados por uma metalrgica em 24 horas.
b)
lanamento de um dado at ocorrer a face 1 ( um).
c)
num jogo de bingo, ocorrer a bola 9.
d)
nmero de todas as bactrias que esto na Terra.
e)
nmero de ossos do corpo humano.
127
Estatstica Aplicada
3-Numa populao dividida em estratos A1, A2 , A3 e A4 , podemos afirmar que:

a)
pode ocorrer de um dos estratos no pertencer populao.
b)
todos os estratos, obrigatoriamente, tm os mesmos nmeros de

elementos.
c)
no deve haver qualquer tipo de relao entre os estratos e a amostra

que ser calculada.
d)
a soma dos estratos maior que a populao.
e)
os estratos so subconjuntos da populao.
4. Considere uma agremiao esportiva com uma equipe de 500 atletas praticantes
de todas as modalidades esportivas desenvolvidas na regio. Essa instituio
calculou uma amostra de n atletas para participar de atividades recreativas e
esportivas em diversas modalidades. No dia do evento, faltaram atletas para
algumas atividades em decorrncia do custo por atleta. Marque a alternativa
correta:
a)
Nada se pode afirmar quanto ao custo em relao ao tamanho da

amostra.
b)
A amostra foi cuidadosamente dimensionada com erro de amostragem

bem calculado.
c)
A amostra foi calculada tomando cuidado com o menor erro amostral.
d)
No houve cuidado em planejar a menor margem de erro.
e)
Nunca se calcula amostra para esse tipo de atividade, tendo em vista que
a populao finita e a atividade est inclusa no custo total.
5. No clculo de uma amostra, o erro amostral a diferena que se admite entre:

a)
b)
c)
d)
e)
o desvio padro e o coeficiente de correlao.

a mdia e o coeficiente de correlao.
nada se pode afirmar sobre o erro de amostragem, pois a amostra
sempre 10% da populao em qualquer situao.
a mdia da amostra e o desvio padro.
entre os parmetros da populao e da amostra, como mdia.
128
Estatstica Aplicada
6. Na amostragem Casual ou Aleatria Simples utiliza-se um tipo de sorteio

equivalente a um Sorteio Lotrico. Quando o nmero de elementos da amostra
muito grande, qual o instrumento utilizado?
a)
Tabela de nmeros aleatrios.
b)
Nenhuma tabela aplicada.
c)
Nada se afirma quanto ao clculo de amostra nesses casos.
d)
Tabela da distribuio Normal.
e)
Tabela de logaritmo.
7- Em uma turma com 68 alunos, ordenados por n de matrcula, cursando a

disciplina de Estatstica, calculou-se uma amostra de 12 alunos com o propsito de
saber a opinio dos estudantes em relao disciplina de Estatstica. Foi aplicado o
procedimento de amostragem N = 68 = 5,6 6,0 , em que o aluno escolhe um
12
nmero de 0 a 6 para proceder seleo da amostra.

Marque alternativa correta:
a)
Trata-se de uma Amostragem Estratificada.
b)
Como se trata de parte da turma aplica-se a Amostragem por rea.
c)
Est explcito que deve ser aplicada a Tcnica de Amostragem por

Conglomerado.
d)
Certamente aplica-se a Amostragem Sistemtica.
e)
As alternativas no esto associadas questo formulada.
8 - Nas alternativas abaixo, podemos considerar como Amostra:

a)
o mesmo que populao e sempre ser.
b)
A populao sempre
c)
d)
na Populao.
A Amostra
Amostra uma frao da populao que dever conter elementos que
representem fielmente a populao a ser analisada.
Amostra todo conjunto de elementos maior que a populao
e)
a amostra.
129
Estatstica Aplicada
9- Determine o tamanho da amostra no levantamento do peso de uma

determinada pea produzida em larga escala. Pelas especificaes tcnicas do
produto, o desvio-padro de 15 kg. Admita um erro amostral de 1,5 kg e
considere um nvel de confiana de 95%.
10- No problema anterior, admita que a populao seja finita de 1600 peas.
Calcule o tamanho da amostra.
130
Estatstica Aplicada
Clculo das Probabilidades
Caracterizao de um experimento aleatrio

Espao amostral
Evento
Eventos mutuamente exclusivos
Definio de Probabilidade
Principais teoremas
Probabilidades finitas dos espaos amostrais finitos
Espaos amostrais finitos equiprovveis
Probabilidade condicional
Teorema do produto
Independncia estatstica
131
Estatstica Aplicada
Todas as vezes que se estudam fenmenos de observao, cumpri-se

distinguir o prprio fenmeno e o modelo matemtico (determinstico ou
probabilstico), que melhor o explica.
Os fenmenos estudados pela estatstica, so fenmenos que esto
sujeitos ao acaso (fenmenos aleatrios), porque mesmo em condies normais de
experimentao variam de uma observao para outra.
Para fenmenos aleatrios adotar-se- um modelo matemtico
probabilstico chamado de: Clculo das Probabilidades. Este o objeto de estudo
de nossa unidade.
OBJETIVO DA UNIDADE:
Caracterizar
os
experimentos
aleatrios
calcular
as
possibilidades de acontecimento de tais experimentos, a

chance de um evento ocorrer ou no, ou seja, a probabilidade
de sucesso ou insucesso.
PLANO DA UNIDADE :
Caracterizao de um experimento aleatrio

Espao amostral
Evento
Eventos mutuamente exclusivos
Principais teoremas
Probabilidade condicional
Teorema do produto
Independncia estatstica
Bons estudos!
132
Estatstica Aplicada
Caracterizao de um Experimento Aleatrio

A fim de se entender melhor a caracterizao dos experimentos, convm
observar o que h de comum nos seguintes experimentos:
1 Retirar uma carta de um baralho de 52 cartas e
observar o seu naipe.
o smbolo
significa experimento
2 Retirar com ou sem reposio, bolas de uma urna,

que contm 5 bolas brancas e 6 pretas.
3 Jogar um dado e observar o nmero mostrado na
face de cima.
A anlise desses experimentos revela:

a) cada experimento poder ser repetido indefinidamente sob as mesmas
condies;
b) no se conhece um particular valor do experimento a priori, porm podem-se
descrever todos os possveis resultados as probabilidades.
c) quando o experimento for repetido um grande nmero de vezes, surgir uma
regularidade, isto , haver uma estabilidade da frao
f = r/n (frequncia relativa), em que n o nmero de repeties e r o nmero de
sucesso de um particular resultado estabelecido antes da realizao.
133
Estatstica Aplicada
Como veremos adiante, a caracterstica (c) de fundamental importncia

para a avaliao da probabilidade de certo evento.
Espao Amostral
Para cada experimento , define espao amostral S o conjunto de todos
os possveis resultados desse experimento.
EXEMPLIFICANDO
a) Jogar um dado e observar o nmero da face de cima.
S = {1, 2, 3, 4, 5, 6}
b) jogar duas moedas e observar o resultado.
S = {(ca, ca); (ca, co); (co, ca); (co, co)}, onde ca = cara e co = coroa.
Obs: S poder ser um conjunto finito ou infinito enumervel. Trataremos de
conjuntos finitos.
Evento
um conjunto de resultados do experimento, isto , um subconjunto de
S. Inclusive e o prprio S.
Usando as operaes com conjuntos, podemos formar novos eventos.
Assim:
A B o evento que ocorre se pelo menos um deles ocorrer.
A o evento que ocorre se A no ocorre.(Contrrio de A )
A B o evento que ocorre se ambos ocorrerem simultaneamente.
134
Estatstica Aplicada
EXEMPLIFICANDO
a) jogar trs moedas e observar o resultado.
S = {(ca, ca, ca); (ca, ca, co); (ca, co, ca); (co, ca, ca);
( co, co, ca); (co, ca, co); (ca, co, co); (co, co, co)}
A = Evento ocorrer pelo menos duas caras.
A = {(ca, ca, ca); (ca, ca, co); (ca, co, ca) ; (co, ca, ca)}
b) lanar um dado e observar o nmero da face de cima.
S = {1, 2, 3, 4, 5, 6}
B = Evento ocorrer nmero par.
B = {2, 4, 6}
Sendo S um espao amostral finito com n elementos, pode-se verificar
que o nmero total de eventos extrado de S 2n.
Eventos Mutuamente Exclusivos

Dois eventos A e B so ditos mutuamente exclusivos se A e B no
puderem ocorrer simultaneamente, isto , A B =.
EXEMPLIFICANDO
jogar um dado e observar o resultado
S = {1, 2, 3, 4, 5, 6}
A ocorrer nmero par {2, 4, 6}
B ocorrer nmero mpar {1, 3, 5}
A B
= Eventos mutuamente exclusivos ou disjuntos.
135
Estatstica Aplicada
Dado um experimento aleatrio e S o espao amostral, a probabilidade
de um evento, P(A) uma funo definida em S, que associado a cada evento um
nmero real, satisfaz os seguintes axiomas:
0 P( A) 1
P(S) = 1
P ( A B) = P( A) + P( B) se A B =
Principais Teoremas
P() = 0
P( A) = 1 P( A)
Se A B, logo P(A) P(B)
P(AB) = P(A) + P(B) P(AB)

At o momento, j postulamos a existncia do nmero P(A) e temos
vrias propriedades associadas a ele, mas no mencionamos como calcular P(A).

A frequncia relativa ser de grande valor para aproximarmos o clculo
de P(A). Nota-se que no se est afirmando que fA a mesma coisa que P (A).
Mesmo que a aproximao seja grosseira, em nada abalar a lgica do modelo
estabelecido acima.

Seja S um espao amostral finito S= {a1, a2, ..., an}. Considera-se o evento
formado por um resultado simples A = {ai}.
A cada evento simples {ai}, associa-se um nmero pi denominado de
probabilidade de {ai}, satisfazendo as seguintes condies:
pi 0, onde i = 1, 2, ..., n
p1 + p2 + ...+ pn = 1
136
Estatstica Aplicada
A probabilidade P(A) de cada evento composto (mais de um evento)

ento definida pela soma das probabilidades dos pontos de A.
EXEMPLIFICANDO
Trs cavalos A, B e C esto em uma corrida. A probabilidade de A
ganhar a corrida duas vezes mais do que B; e B tem duas vezes mais
probabilidades de ganhar a corrida do que C. Quais so as
probabilidades de vitria de cada um?
Soluo:
P(C) = p
P(B) = 2p
P(A) = 4p
p + 2p + 4p = 1
7p = 1 p =
1
7
logo, P(A) =
4
2
, P(B) =
7
7
e P(C) =
1
7

Quando se associa a cada ponto amostral a mesma probabilidade, o
espao amostral chama-se equiprovvel. Em particular se S contm n pontos,
ento a probabilidade de cada ponto ser
1
.
n
Por outro lado, se um evento A contm r pontos, ento:

P(A) =
1 r
r. = .
n n
137
Estatstica Aplicada
Este mtodo de avaliar Pr(A) teoricamente enunciado da seguinte

maneira:
P(A) =
Nmero de vezes que o evento A pode ocorrer

Nmero de vezes em que o espao amostral S ocorre
P(A) =
Nmero de casos favorveis

Nmero de casos possveis
ou
EXEMPLIFICANDO
Escolhe-se aleatoriamente (a expresso aleatria indica que o espao amostral
equiprovvel), uma carta de um baralho que contm 52 cartas.
Seja A = {a carta ser de ouros}
B = {a carta ser uma figura}
P (A) = nmero de ouros = 13 = 1
nmero de cartas 52 4
P(B) = nmero de figuras = 12 = 3
nmero de cartas 52 13
DICA
Vale lembrar que um baralho possui 4 naipes, cada naipe possui
13 cartas onde 13x4 = 52 cartas. As figuras so: Dama, Rei e Valete,
considerando os 4 naipes, temos 12 figuras, pois 3x4=12.
Em muitos problemas, o clculo das probabilidades de um evento reduzse a um problema de contagem. Assim que a anlise combinatria (teoria da
contagem), tem fundamental importncia para se contar o nmero de casos
favorveis e possveis.
138
Estatstica Aplicada
EXEMPLIFICANDO
Num lote de 12 peas 4 so defeituosas, duas peas so retiradas
aleatoriamente. Calcular:
a)
a probabilidade de ambas serem defeituosas;
b)
a probabilidade de ambas no serem defeituosas;
c)
a probabilidade de ao menos uma ser defeituosa.
Soluo:
a) A = ambas serem defeituosas.
A pode ocorrer =
C4,2=
4!
4!
4 3 2 1
24
24
=
=
=
=
=6
2!(4 2)! 2! 2! (2 1).(2 1) 2 2 4
S pode ocorrer = C12,2=
12!
= 66
2!10!
139
Estatstica Aplicada
Logo a probabilidade de ambas serem defeituosas :

P(A) =
6
1
=
66 11
b) B = Ambas no serem defeituosas.

B pode ocorrer = C8,2=
8!
= 28
2! 6!
S pode ocorrer = C12,2=
12!
= 66
2!10!
Logo a probabilidade de ambas no serem defeituosas :

P(B) =
28 14
=
66 33
c) C = ao menos uma ser defeituosa.

C=
ou seja, P(C) = P( B )
P( B ) = 1 P(B) como j conhecemos P(B) que a probabilidade de ambas no

serem defeituosas, temos que:
P( B ) = 1 -
14 19
=
33 33
Vimos, com este exemplo, a necessidade de utilizamos anlise

combinatria. Precisamos, atravs da combinao, calcular o nmero de casos
favorveis e o nmero de casos possveis. Sem o auxlio da teoria de contagem, no
seria possvel.
140
Estatstica Aplicada
Probabilidade Condicional
Seja Lanar um dado
A = saia o nmero 3 P(A) = 1/3
B = saia nmero impar P(B) = 1/2
de grande importncia para o clculo das probabilidades se calcular a
probabilidade condicional. Neste exemplo, podemos estar querendo a
probabilidade do evento A condicionada ao evento B, isto :
P(A/B) (L-se: probabilidade de A condicionada a B ou probabilidade
de A dado que B ocorre ). Assim, P(A/B) = 1/3
Podemos observar que na probabilidade condicional, h uma reduo no
espao amostral, pois neste caso passamos de
S = {1, 2, 3, 4, 5, 6} para S = {1, 3, 5} e neste espao que calcularmos a
probabilidade condicional.
Definio:
P( A / B) =
P( A B)
P( B)
P(B) > 0
Podemos constatar que P(A/B) assim definida satisfaz os axiomas de

probabilidades j mencionadas.
usual utilizarmos uma ferramenta mais prtica para calcularmos P(A/B):
P(A) =

141
Estatstica Aplicada
EXEMPLIFICANDO
Seja Lanar dois dados

A = {(x1, x2)} / x1 + x2 = 10
B = {(x1, x2)} / x1 > x2
Avaliar P(A), P(B), P(A/B) e P(B/A)
S=
(1,1)
(1,2)
(1,3)
(1,4)
(1,5)
(1,6)
(2,1)
(2,2)
(2,3)
(2,4)
(2,5)
(2,6)
(3,1)
(3,2)
(3,3)
(3,4)
(3,5)
(3,6)
(4,1)
(4,2)
(4,3)
(4,4)
(4,5)
(4,6)
(5,1)
(5,2)
(5,3)
(5,4)
(5,5)
(5,6)
(6,1)
(6,2)
(6,3)
(6,4)
(6,5)
(6,6)
P(A) =
3
1
=
36 12
(ocorrncias: (5,5); (4,6) e (6,4))
P(B) =
15 5
=
36 12
(ocorrncias: (2,1); (3,1); (3,2); (4,1); (4,2); (4,3); (5,1); (5,2); (5,3);
(5,4); (6,1); (6,2); (6,3); (6,4); (6,5))

P(A/B) =
1
15
P(B/A) =
1
3
P(A B ) =
(ocorrncia: (6,4))
(ocorrncia: (6,4))
1
36
(ocorrncia: (6,4))
142
Estatstica Aplicada
Teorema do Produto
A partir da probabilidade condicional, podemos calcular a probabilidade
de dois eventos simultaneamente.
P( A / B) =
P( A B)
P( A B) = P( B).P( A / B)
P( B)
P ( B / A) =
P( A B)
P( A B) = P( A).P( B / A)
P( A)
EXEMPLIFICANDO
Em um lote de 12 peas, 4 so defeituosas, duas peas so retiradas, uma

aps a outra sem reposio. Qual a probabilidade de ambas serem defeituosas?
A = a primeira ser defeituosa.
B = a segunda ser defeituosa.
P(A B) = P(A) . P(B/A)
P(A B) = (4/12) . (3/11) = 1/11
Independncia Estatstica
Um evento A considerado independente de um outro evento B, se a
probabilidade de A for igual probabilidade condicionada de A dado B, isto , se
P(A) = P(A/B). evidente que se A independente de B, B independente de A, isto
, P(B) = P(B/A).
143
Estatstica Aplicada
Teorema:
Se A e B so independentes, ento: P(A B) = P(A). P(B).
Dado n eventos A1, A2, ..., An, diz-se que eles so independentes se
forem 2 a 2, 3 a 3, n a n, isto :
P(Ai Aj) = P(Ai) . P(Aj)
ij
P(Ai Aj Ak) = P(Ai) . P(Aj) . P(Ak) i j k

P(A1 A2 An) = P(A1) . P(A2) P(An)
EXEMPLIFICANDO
Lanar um dado duas vezes.
A tirar face 5 no primeiro lanamento.
B tirar soma 7.
C tirar soma 8.
P(A) = 6/36 = 1/6
P(B) = 6/36 = 1/6
P(C) = 5/36
P(A B) = 1/36
P(A C) = 1/36
P (A B) = P(A) . P(B) A e B so independentes.
P(A C) P(A) . P(C) A e C no so independentes.
144
Estatstica Aplicada
HORA DE SE AVALIAR!

Nesta unidade, aprendemos como caracterizar um experimento aleatrio
e como descrever e calcular os possveis resultados de um fenmeno. Na prxima
unidade, veremos duas distribuies de probabilidade. As distribuies Binomial e
Normal.
145
Estatstica Aplicada
146
Estatstica Aplicada
Exerccios - Unidade VI
1. Uma urna contm duas bolas brancas e trs bolas vermelhas. Suponha que so
sorteadas duas bolas ao acaso, sem reposio. (Enunciado das questes 1 e 2).
1. Qual a probabilidade das duas bolas serem brancas?

a)
0,05
b)
0,08
c)
0,10
d)
0,12
e)
0,15
2. Qual a probabilidade das duas bolas serem vermelhas?

a) 0,30
b) 0,35
c) 0,40
d) 0,45
e) 0,50
3. Uma urna contm 2 bolas brancas e 3 bolas vermelhas. Retira-se 2 bolas sem
reposio. Qual a probabilidade da 2 ser vermelha, dado que a 1 branca?
a)
b)
c)
d)
e)
0,20
0,30
0,35
0,40
0,45
147
Estatstica Aplicada
4. Uma companhia de seguros analisou a frequncia com que 3.000 segurados

(1.500 homens e 1.500 mulheres) usaram o hospital no ltimo ano. Os resultados
so apresentados na tabela:
Usaram o hospital
No usaram o hospital
Homens
Mulheres
250
320
1250
1180
5. Qual a probabilidade de que uma pessoa segurada use o hospital?

a) 0,19
b) 0,22
c) 0,26
d) 0,30
e) 0,31
5. Com base nos dados do exerccio anterior, qual a probabilidade de uma mulher
ter usado o hospital?
a)
b)
c)
d)
e)
0,08
0,09
0,107
0,153
0,166
148
Estatstica Aplicada
6. No posto de sade de uma cidadezinha do interior, 15.800 crianas foram

atendidas no ltimo ano. A tabela abaixo relaciona a idade das crianas atendidas.
Sexo
Masculino
Feminino
Total
2.000
4.500
1.800
8.300
800
2.500
4.200
7.500
2.800
7.000
6.000
15.800
Idade
< de 1 ano
1 4 anos
> 4 anos
Total
Qual a probabilidade de uma criana selecionada ao acaso ter 4 anos ou menos e

ser do sexo feminino?
a)
0,209
b)
0,309
c)
0,410
d)
0,433
e)
0,456
7. Considere o problema 6 e suponha que escolhamos duas crianas ao acaso, com

reposio. Qual a probabilidade de que ambos sejam do sexo masculino?
a)
b)
c)
d)
e)
0,18
0,20
0,28
0,31
0,35
8. A tabela abaixo d a distribuio de probabilidades dos quatro tipos de sangue

de indivduos numa comunidade.
Probabilidades
De ter o tipo especificado
De no ter o tipo especificado
A
0,30
0,70
149
Tipos de Sangue
B
AB
0,20
0,10
0,80
0,90
O
0,40
0,60
Estatstica Aplicada
Qual a probabilidade de que dois indivduos desta comunidade, sorteados ao

acaso, tenham o tipo A e outro o tipo B?
a)
0,06
b)
0,20
c)
0,30
d)
0,32
e)
0,35
9. Na tabela abaixo, os nmeros que aparecem so probabilidades relacionadas

com a ocorrncia de A, B, A B, etc. Assim, P(A)=0,15, enquanto P(A B)= 0,06.
A
Total
Total
0,06
0,17
0,09
0,68
0,15
0,85
0,23
0,77
1,00
Verifique se A e B so independentes. Justifique sua resposta.
150
Estatstica Aplicada
10. Os dados da tabela so referentes ao estudo efetuado por um psiclogo para

verificar a eficincia do tratamento com seus pacientes.
Sexo
Homens
(M)
Mulheres
(F)
Total
70
43
113
Uso de remdios - (R)
25
40
65
Somente anlise - (A)
80
42
122
Total
175
125
300
Tipo de tratamento
Terapias Alternativas - (T)
Um paciente escolhido ao acaso. Qual a probabilidade deste paciente fazer

somente anlise, dado que mulher?
151
Estatstica Aplicada
152
Estatstica Aplicada
Distribuies de Probabilidades
Definio e classificao de variveis

Distribuio Binomial
Distribuio Normal de Probabilidades
153
Estatstica Aplicada
Estudaremos
nesta
unidade
duas
importantes
distribuies
de
probabilidade: Distribuio Binomial e Distribuio Normal.

Quando estudamos fenmenos aleatrios, estamos interessados em
algum resultado ou alguns resultados relacionados ao experimento. As
distribuies de probabilidade permite-nos atravs de experimentos quantificar os
possveis resultados de uma varivel discreta ou contnua.
OBJETIVOS:
Identificar e calcular problemas relacionados contagem Distribuio

Binomial.
Identificar e calcular problemas relacionados a espaos amostrais

contnuos e as variveis contnuas Distribuio Normal.
PLANO DA UNIDADE:
Definio e classificao de variveis.
Distribuio Binomial.
Distribuio Normal de Probabilidade.
Bons estudos.
154
Estatstica Aplicada
Definio e classificao de variveis

Quando estudamos estatstica uma das primeiras coisas que aprendemos
a definio e classificao de uma Varivel. Uma varivel pode ser classificada como
Varivel Qualitativa ou Varivel Quantitativa. As variveis quantitativas so
classificadas como: Quantitativa Discreta e Quantitativa Contnua. Vamos
relembrar:
1.
Varivel Qualitativa aquela que os valores so expressos por

atributos, por exemplo: cor de cabelo, sexo, etc.
2.
Varivel Quantitativa a varivel que pode ser mensurada ou

contabilizada, ou seja, assume valor numrico.
Discreta a varivel que assume valor inteiro. Os dados discretos so
resultados de contagem, por exemplo: nmero de carros que passam na
ponte Rio de Janeiro Niteri; atletas que cruzam a linha de chegada da
maratona de So Silvestre, etc.
Contnua a varivel que assume qualquer valor num intervalo
contnuo, por exemplo: ndice da bolsa de valores de New York; presso
sistlica arterial, etc.
Como existem dois tipos de variveis quantitativas, ao darmos incio ao
estudo das distribuies de probabilidade, essas distribuies tambm tratam as

variveis de acordo com a sua classificao. As principais distribuies de
probabilidade so: Binomial, Normal, Uniforme, Bernoulli, Poison, Hipergeomtrica,
Beta, Gama, etc.
Para a varivel discreta a principal distribuio de probabilidade a
Distribuio Binomial.
155
Estatstica Aplicada
Para a varivel contnua a principal distribuio de probabilidade a

Distribuio Normal.
Nosso objeto de estudo nesta unidade so as distribuies Binomial e
Normal, e por que no trabalharmos com as outras distribuies de probabilidade?
Quando trabalhamos com uma varivel aleatria discreta, normalmente
temos um problema de contagem. A distribuio Binomial utiliza os parmetros n
e p, onde n o tamanho da amostra ou o nmero de vezes que se faz um
experimento e p a probabilidade de sucesso de um evento acontecer. Com isso,
podemos efetuar experimentos para verificar a probabilidade de sucesso de um
evento acontecer (p) e a probabilidade de insucesso de um evento acontecer (1-p),
quantas vezes forem necessrias.
Quando trabalhamos com uma varivel aleatria contnua estamos com
uma varivel que pode assumir qualquer valor dentro de um intervalo real. Por
exemplo, velocidade de um Boeing a determinada altitude no perodo de 1 hora. O
que se observa no emprego de testes estatsticos com este tipo de varivel que as
ocorrncias de uma varivel qualquer estudada ao acaso, ao longo do experimento
desta varivel, em um dado momento, observa-se um comportamento regular nas
ocorrncias. E este comportamento regular permitiu que, no estudo de grandes
amostras, criasse um padro onde o erro de mensurao para estas variveis
poderiam ser agrupados e classificados dentro de um padro considerado normal.
As variveis aleatrias contnuas que seguem a um padro normal
possuem uma caracterstica grfica que se enquadra dentro de uma curva,
chamada de curva normal de erros. Esta curva tem a forma de um sino e os
erros de mensurao vo de -3 a +3 (l-se: menos 3 desvios a mais 3
desvios). O desvio padro, aqui representado por (sigma) significa quanto
para + ou para estamos afastados da mdia .
Na distribuio normal os parmetros so: o desvio padro e a
mdia .
156
Estatstica Aplicada
rea sob uma curva normal a 1, 2 e 3 desvios padres a contar de cada

lado da mdia.
Distribuio Binomial
Definio: considere um experimento , e seja A algum evento
associado a . Admitamos que P(A) = p e consequentemente P(
A)
= 1-p.
Considere n repeties de . O espao amostral S ser formado por todas as

sequncias possveis {a1, a2, ..., an}, onde cada ai o evento A ou
A,
dependendo do que tenha ocorrido na isima repetio do experimento

n
(existem 2 dessas sequncias). Suponha que P(A) = p permanea a mesma
para todas as repeties. Seja a varivel aleatria que indica o nmero de

vezes que o evento A tenha ocorrido. Definiremos a varivel aleatria discreta
X como varivel aleatria Binomial de Parmetro n e p. Os valores de X so
evidentemente: 0, 1, 2, ..., n; e X~b(n,p) significa que X tem distribuio
binomial de parmetros n e p.
157
Estatstica Aplicada
Teorema:
Seja X uma varivel aleatria binomial, ento:
P{X = k} = Cn,k . pk . (1 p)n-k k= 0, 1, 2, ..., n.
Cn,k =
n!
k! (n k )!
EXEMPLIFICANDO
Lanar um dado 3 vezes
X Nmero de vezes que aparece a face 2.
Determine a probabilidade de X = 0, ou seja, a probabilidade de no aparecer a
face 2 ao lanar o dado 3 vezes.
Temos uma distribuio binomial: X~b(3,1/6)
n =3
p=1/6
X~b(3, 1/6)
k
P{X = k} = Cn,k . p . (1 p)n-k

P{X = 0} = C3,0 . (1/6)0 . (5/6)3
P{X = 0} = 1 . 1 . 125
216
P{X = 0} =
125
216
No clculo efetuado acima, para facilitar as contas, podemos buscar no

anexo a tabela com combinaes previamente calculadas.
158
Estatstica Aplicada
C3,0n=3 e k=0
n
0
1
2
3
.
.
20
n

0
n

1
n

2
n

3
n

4
n

5
n

6
n

7
n

8
n

9
n

19
EXEMPLIFICANDO
O setor de sade do trabalhador, ao acompanhar por um longo perodo a

aplicao de um produto qumico domiciliar, verificou que este produto causa
leses na pele de 40% dos funcionrios que trabalham com ele. Ao examinar uma
amostra de 15 destes profissionais, pede-se determinar a probabilidade de causar
leses na pele em mais de 3 e no mximo em 6 deles.
Temos uma distribuio binomial: X~(15,0,40)
P(3< X 6) = P(X=4) + P(X=5) + P(X=6)
P ( X = 4) = C15, 4 0,440,611 = 0,1258 ou 12,58% dos funcionrios

P ( X = 5) = C15,5 0,450,610 = 0,1859 ou 18,59% dos funcionrios
P ( X = 6) = C15, 6 0,460,69 = 0,2066 ou 20,66% dos funcionrios
Ento: P(X=3) + P(X=4) + P(X=5) + P(X=6) = 0,5817 ou 58,17%
159
Estatstica Aplicada
Distribuio Normal de Probabilidade

Vamos apresentar uma distribuio de probabilidade sendo aplicada em
inmeros fenmenos e utilizada para o desenvolvimento tcnico da estatstica.
Esta distribuio de Gauss, Laplace ou Gauss Laplace.
Seja X uma varivel aleatria contnua com funo de densidade dada
por: f(X) =
1 X

1
e 2
2
< x < +
onde: = mdia distribuio

= desvio padro de X
= 3,71416.....
e = 2,71....
Sendo o seu grfico:
Para o clculo das probabilidades, surgem dois grandes problemas:

1.
a integrao de f(x), pois seria necessrio para o desenvolvimento de

sries;
2.
a criao de uma tabela, pois f(x) depende de dois parmetros e isto

provocaria um grande trabalho, por causa das diversas combinaes que
poderiam surgir com
e .
160
Estatstica Aplicada
A maneira de solucionarmos este problema por meio de uma transformao

de varivel e pelo uso de uma particular distribuio chamada de DISTRIBUIO
NORMAL PADRO ou REDUZIDA.
Distribuio Normal Padro
Seja Z uma varivel aleatria, tal que:
Zi =
aleatria normal com mdia e varincia
E[Z] =
, onde X uma varivel
2.
E[Z] significa valor esperado, esperana ou mdia.
( E[ X ]
( )
E[Z] = 0
Mdia de Z ser dada por:
E[Z] = E
E[Z] =
Xi
Varincia de Z ser dada por:
2 [Z ] = V
2 [Z ] =
2 [Z ] =
2
1
(V [ X ] V [ ])
( 2 0)
2 [ Z ] = 1 logo, temos uma funo de densidade.
161
Estatstica Aplicada
x2
1 2
f (Z ) =
e
2
< z < +
Chamamos de funo de densidade Normal Padro, isto :
Z~N(0; 1), l-se: Z tem distribuio normal com = 0 e
2 = 1.
Como a mdia de Z zero e a varincia de Z 1, as probabilidades

sob (Z) so calculadas e tabeladas, obtendo a funo de distribuio de Z.
A notao de uma varivel aleatria contnua normal qualquer, ser
dada por: X~N(;
varincia
2 ),
l-se: X tem distribuio normal com mdia e
2.
(Z) = valores tabelados da distribuio normal padro.
Propriedades da Distribuio Normal

Como foi visto, o grfico de f(x) de uma V.A.C. (varivel aleatria contnua)
normal tem a forma de um sino e simtrica em relao a mdia . Fixando-se a
mdia, verifica-se que o achatamento est diretamente ligado ao valor do desvio
padro , assim:
1< 2
162
Estatstica Aplicada
1a Propriedade:
f(x) simtrica em relao a .

(z) simtrica em relao a 0.
163
Estatstica Aplicada
2a Propriedade:
F(x) tem dois pontos de inflexo cujas abscissas valem + e - .
(z) tem dois pontos de inflexo cujas abscissas valem +1 e -1.
Exemplificao de consulta tabela de (z) atravs de um exemplo:

P(z -2,62) = (-2,62)
Z
-3,0
-2,9
-2,8
-2,7
-2,6
.
.
.
.
.
.
-0,0
0,0044
Na primeira coluna direita, tomamos o nmero com a casa decimal e na

primeira linha tomamos o nmero da casa das centenas (aps a vrgula), a
interseo desses dois elementos a probabilidade procurada.
P(z -2,62) = 0,0044
-Propriedades:
P(z1 Z z2) = P(z1 < Z < z2) = (z2) (z1)
P(Z > z1) = P(Z z1) = 1 P(Z z1) = 1 - (z1)
164
Estatstica Aplicada
EXEMPLIFICANDO
1)
P(-2 Z 1) = (1) (-2)

P(-2 Z 1) = 0,8413 0,02275 = 0,81855
P(-2 Z 1) = 0,81855
2)
P(Z > 1) = 1 p(Z 1)

P(Z > 1) = 1 (1)
P(Z > 1) = 1 0,8413
P(Z > 1) = 0,1517
2
Caso X~N(; ) o clculo de qualquer probabilidade ser feito
atravs da normal padro e a transformao:
Z=
z=
z1 =
z2 =
z=
~ N(0; 1) isto , z =
logo:
P(X x) = P(Z z)
P(x1 < X < x2) = P(z1 < Z < z2)
x1
x2
P(X > x) = P(Z > z)
165
Estatstica Aplicada
Nas probabilidades anteriores em nada se altera, caso tivssemos ou em

vez de > ou <.
Exemplo: X~N(10;25), determine:
X~N(10;25) significa que X tem distribuio normal de mdia =10 e varincia
2=25, logo =5.
a)
P(8< x < 11)
b)
P(X > 6)
c)
P(X < 9)
d)
P(X < x) = 0,9918 determine x
a)
z1 =
8 10 8 10
2
=
= = 0,40
5
5
25
z2 =
11 10 1
= = 0,20
5
5
P(8 < X < 11) = P(-0,40 < x < 0,20)

P(8 < X < 11) = (0,20) (-0,40)
P(8 < X < 11) = 0,5793 0,3446 = 0,2347
b)
P(X > 6) = P(Z > z)
z=
6 10
= 0,8
5
P(Z > -0,8) = 1 P(Z -0,8)
P(Z > -0,8) = 1 (-0,8)

166
Estatstica Aplicada
P(Z > -0,8) = 1 0,2119 = 0,7881

c)
P(X < 9) = P(Z < z)
z=
9 10
= 0,2
5
P(X < 9) = P(Z 0,2)

P(X < 9) = (-0,2)
P(X < 9) = 0,4207
d)
P(X < x) = P(Z < z) = 0,9918
P(Z < z) = 0,9918
(z) = 0,9918 z=2,4
z=
logo, 2,4 =
x 10
5
12 = x 10
12 + 10 = x x = 22
167
Estatstica Aplicada
EXEMPLIFICANDO
Carlos Eduardo e Camlia iro se casar no prximo fim de semana. Eles
ganharam muitos presentes, mas infelizmente ficou faltando um eletroeletrnico
muito importante. Eles no tinham ainda geladeira. Dirigiram-se at uma loja e l
observaram que os modelos vinham indicando o consumo de energia. O modelo
que eles gostaram possua as seguintes especificaes: o consumo desta geladeira
tende a uma distribuio normal com mdia de consumo de 220v/dia, com desvio
padro 20,02. Com essas informaes, como Carlos conhecia um pouquinho de
clculo de distribuio normal, ele ficou curioso em saber qual a probabilidade da
geladeira consumir mais do que 250v/dia.
P(X > 250)= P(Z > z)
z=
250 220
= 1,50
20,02
P(X < 250) = 1 (1,50

P(X < 250) = 1- 0,9332 = 0,0668 ou 6,68%
168
Estatstica Aplicada
HORA DE SE AVALIAR!

Vimos nesta unidade duas distribuies de probabilidade que so de extrema
importncia. Para problemas de contagem, a distribuio Binomial e a distribuio
Normal. Vocs vero nas prximas unidades como a distribuio Normal
importante no estudo da estatstica, pois os testes paramtricos seguem um
padro baseado em uma normalidade que a curva da distribuio Normal, em
que suas probabilidades j so conhecidas e calculadas dentro da curva da normal.
Estudaremos, na prxima unidade, problemas de correlao e regresso.
169
Estatstica Aplicada
170
Estatstica Aplicada
Exerccios - Unidade VII

1. Consulte nas tabelas as probabilidades para os seguintes valores de Z: (z=-0,33;
z=0,00; z=3,00 e z=1,12).
a)
0,37070, 0,50000, 0,99865 e 0,86864
b)
0,25700, 0,50000, 0,78956 e 0,86864
c)
0,34570, 0,45674, 0,34564 e 0,98567
d)
0,23450, 0,68743, 0,99865 e 0,23476
e)
0,12364, 0,98765, 0,26777 e 0,12966
2. Consulte nas tabelas o valor de z para as seguintes probabilidades: ( P=0,23576,

P=0,42858 e P=0,85543).
a)
z=-0,45, z=-0,24 e z=2,06
b)
z=-0,57, z=-0,45 e z=1,76
c)
z=-0,72, z=-0,18 e z=1,06
d)
z=-0,68, z=-0,35 e z=2,08
e)
z=-0,45, z=-0,56 e z=1,06
3. Sabe-se que a probabilidade de um estudante que entra na universidade se

formar de 12,5%. Determine a probabilidade de que dentre seis estudantes
escolhidos aleatoriamente, nenhum se forme.
a)
b)
c)
d)
e)
0,4390
0,4689
0,4488
0,6388
0,6773
171
Estatstica Aplicada
4.Se uma varivel aleatria tem distribuio normal com mdia =70 e desvio
padro =4,8. Determine a probabilidade de ela assumir um valor superior a 66,4.
a)
0,7734
b)
0,7844
c)
0,7964
d)
0,8734
e)
0,8994
5. Na manufatura de certo artigo, sabido que 2 entre dez dos artigos so

defeituosos. Qual a probabilidade de que uma amostra casual de tamanho quatro
contenha exatamente um defeituoso?
a)
0,3105
b)
0,3405
c)
0,4100
d)
0,4096
e)
0,4356
6.No bairro de Buriti, a probabilidade de um carro furtado ser recuperado de 0,40.

Dentre 10 carros furtados, qual a probabilidade de 3 carros serem recuperados?
a)
0,034
b)
0,304
c)
0,382
d)
0,413
e)
0,423
7. Em um tratamento para alergia em crianas, ministrado um remdio.

Observou-se que 20% das crianas que tomam tal medicamento ficam sonolentas
em 5 minutos. Determine a probabilidade de que, dentre 20 crianas que tomam o
remdio, no mximo duas ficarem sonolentas dentro de 5 minutos.
172
Estatstica Aplicada
a)
0,207
b)
0,227
c)
0,277
d)
0,287
e)
0,297
8. Uma moeda lanada 5 vezes. Qual a probabilidade de aparecer face cara em

pelo menos 3 lanamentos?
a)
0,452
b)
0,500
c)
0,620
d)
0,660
e)
0,683
9. Em um grupo de 1000 pacientes com idade acima de 60 anos, todos com

diabetes, verificou-se que a glicose mdia dos pacientes era de 175 mg/dl de
sangue com um desvio padro de 15 mg/dl. Quantos pacientes possuem glicose
acima de 180 mg/dl?
173
Estatstica Aplicada
10. O enfermeiro chefe de um hospital de emergncia verificou que 60% de todos

os pacientes que procuram a emergncia nos fins de semana no esto em
condies emergenciais. Determine as probabilidades de que, dentre oito
pacientes que do entrada na sala de emergncia, 0, 1, 2, , 7, 8 no estejam em
condies de emergncia.
174
Estatstica Aplicada
Correlao e Regresso
Correlao.
Regresso.
Mtodos dos Mnimos Quadrados.
175
Estatstica Aplicada
Estudaremos, nesta unidade, o comportamento de uma varivel em

relao outra atravs de uma equao linear e a relao existente entre elas e
aprenderemos tambm, como estimar valores para duas variveis.
Ajustar uma reta a um conjunto de dados e determinar a equao da reta que

constitui o melhor ajuste.
Calcular e classificar o grau de correlao existente entre duas variveis.
PLANO DA UNIDADE:
Correlao.
Regresso.
Mtodos dos Mnimos Quadrados.

Bons estudos!
176
Estatstica Aplicada
Correlao
Quando precisamos estudar a relao existente entre duas variveis, por
exemplo, peso e altura, com o objetivo de identificar o comportamento entre essas
variveis, podemos represent-las graficamente e verificar a disperso existente
entre elas. Para medir esta disperso temos o Coeficiente de Correlao.
Hoje, com o auxlio da informtica podemos rapidamente construir um
grfico de disperso. No havendo uma ferramenta computacional para facilitar
este processo, bem simples constru-lo manualmente.
EXEMPLIFICANDO
Dada as variveis X e Y, construa um grfico de disperso para representlas.
Observaes (n)
1
2
3
4
5
6
X
2
5
3
4
6
7
1o Trace o sistema de eixos cartesianos.

2o Relacione as variveis aos eixos.
Eixos das abcissas Varivel X.
Eixo das ordenadas Varivel Y.
o
3 Represente com um ponto, cada par de valores.
177
Y
3
4
2
5
8
10
Estatstica Aplicada
Diagrama de Disperso
12
10
8
Y 6
4
2
0
0
O grfico de disperso mostra o comportamento entre as duas variveis,

isto , se esto relacionadas. Como se comportam? Se X cresce, Y tambm cresce?
Para respondermos estas perguntas, precisamos calcular o Coeficiente de
Correlao de Pearson - r.
(x).(y )
n
r=
2
2 (x) 2 (y ) 2
x n .y n
xy
Para o exemplo, qual valor de r?

N
1
2
3
4
5
6
x
2
5
3
4
6
7
27
y
3
4
2
5
8
10
32
xy
6
20
6
20
48
70
170
178
x2
4
25
9
16
36
49
139
y2
9
16
4
25
64
100
218
Estatstica Aplicada
r=
27 x32
26
26
6
=
=
= 0,90
2
2
17,5 x 47,33
828,275
(27)
(32)
139
x 218
6
6
170
O que significa r=0,90? Significa que existe uma forte relao positiva
entre as variveis x e y, ou seja, quando x cresce y tambm cresce.
Intervalo de Variao de r
Os valores de r esto compreendidos dentro de um intervalo que varia de -1 a
+1 ou seja, -1 r +1.
Possveis valores de r.
i)
r > 0 existe forte relao positiva
179
Estatstica Aplicada
ii)
r < 0 fraca relao negativa
iii)
r = 0 ausncia de relao
iv)
r = 1 relao linear perfeita
180
Estatstica Aplicada
Para entender o significado do valor de r, no basta apenas conhecer r,

preciso uma anlise profunda entre as variveis. O valor indica o tipo de relao
existente, com isso, o pesquisador pode se aprofundar no sentido de estudar a real
relao entre essas variveis. Vrios fatores podem, num dado momento, fazer com
que variveis que aparentemente possuiriam uma forte relao no atingir esse
resultado. Esses fatores podem ser de causas externas, naturais, etc. preciso
sensibilidade e conhecimento do estudo que est sendo feito para permitir uma
boa anlise dos resultados.
EXEMPLIFICANDO
Foi feito um levantamento com 10 jovens atletas para verificar se
existe relao entre o consumo de protenas e a perda de peso, no perodo de 1
semana. Os dados revelados so:
Jovens
Consumo de
protenas (mg) Peso (kg)
x
y
xy
x2
y2
300
1200
90000
16
250
3,5
875
62500
12,25
400
5,5
2200
160000
30,25
560
2240
313600
16
450
900
202500
320
1600
102400
25
200
200
40000
420
840
176400
320
1600
102400
25
10
480
1440
230400
3700
35
13095
1480200
142,5
181
Estatstica Aplicada
Grfico de disperso
Perda de peso em relao ao consumo de

protenas
6
5
Peso
4
3
2
1
0
0
100
200
300
400
500
600
Protenas (mg)
Coeficiente de correlao r = 0,097
Concluso: se o atleta fizer uma dieta base somente de protenas, com o r
calculado podemos verificar que o grau de correlao quase nula, ou seja, r
muito prximo de zero. Mas somente com este resultado, possvel afirmarmos
que no existe realmente nenhuma relao entre as variveis? preciso conhecer
uma srie de fatores para se chegar a uma concluso precisa. O que conclumos
com isso? O objetivo demonstrar que no basta somente obter o valor de r,
preciso ter conhecimento de vrios outros fatores que envolvem a varivel em
estudo. A aplicao da teoria da relao entre as variveis necessita de fatores
externos para uma anlise precisa do fato em estudo. necessrio que tenhamos
muito cuidado ao afirmarmos que variveis que possuem forte relao entre elas,
somente o valor de r basta para comprovar esta relao.
182
Estatstica Aplicada
Regresso
O modelo de regresso serve para permitir que possamos examinar o
comportamento de uma varivel em relao outra, ou seja, verificar a existncia
de relao entre as variveis. Por exemplo, existe relao entre:
1. Valor do dlar e exportao de carros.
2. Peso de um atleta e altura.
3. Produo de papel e tempo.
O objetivo poder verificar se existe relao forte ou fraca entre as
variveis, existindo esta relao, se ela funcional ou no, e ainda poder prever
essa relao funcional entre elas.
A anlise de regresso permite a verificao dessa relao das variveis
em estudo, permitindo a interpretao de tais resultados. Como existem duas
variveis, a anlise de regresso mede a dependncia existente de uma das
variveis em relao outra.
Teremos uma varivel dependente (y) que sofrer influncia da varivel
independente (x).
Para representarmos as variveis graficamente utilizamos o mesmo
procedimento do grfico de disperso, o que diferencia que no eixo das abscissas
representamos a varivel independente (x) e no eixo das ordenadas, apresentamos
a varivel dependente (y). Para representarmos graficamente, marcamos os pares e
ligamos os pontos para formar um grfico de linhas.
183
Estatstica Aplicada
EXEMPLIFICANDO
Os dados so referentes presso arterial de pacientes hipertensos
do sexo feminino, segundo a faixa etria, entre 30 e 60 anos, do hospital X.
Paciente
Idade (x)
PSA (y)
30
142
32
146
43
152
45
163
50
168
53
178
51
182
55
189
60
192
10
60
231
De acordo com o grfico, que representa a relao existente entre a PSA

(presso sistlica arterial) das pacientes entre 30 e 60 anos, observamos uma reta.
Os dados poderiam ter qualquer tipo de comportamento, uma reta, uma parbola,
etc. Neste estudo de regresso, vamos trabalhar com equaes lineares. Como os
dados representam uma reta, esta chamada de reta de regresso. E como ajustar
a equao de uma reta? Precisamos, inicialmente, conhecer o coeficiente angular e
o coeficiente linear da reta.
184
Estatstica Aplicada
Presso Arterial de Mulheres com Idade entre 30 e 60

anos
250
PSA
200
150
100
50
0
0
10
20
30
40
50
60
70
Idade
Equao linear y = a + bx
Coeficiente angular representado por b, permite medir a inclinao da

reta.
Coeficiente linear representado por a, o intercepto de y.
A vantagem da equao linear se deve ao fato de que permite com
facilidade a aproximao, existente entre as variveis, de uma linearidade. O que
significa esta aproximao? Quando estudamos anlise de regresso estamos
estudando o comportamento de uma varivel dependente (y) em funo da
varivel independente (x), logo conhecendo os valores observados para a varivel
x, podemos calcular e estimar os valores previstos para y.
185
Estatstica Aplicada
Mtodo dos Mnimos Quadrados
EXEMPLIFICANDO
Nmero de anos que os alunos de um curso de Engenharia estudaram at
a colao de grau e o coeficiente de rendimento (CR) obtido ao final do
curso.
Anos de estudo x
Alunos n
1
2
3
4
5
6
7
8
9
10
Coef. de rendimento (CR) y

3
4
4
3
5
3
4
5
4
3
38
57
78
72
58
89
63
73
84
76
48
698
186
Estatstica Aplicada
Nmero de Anos de Estudo em Relao ao

Coeficiente de Rendimento dos Alunos
100
CR
80
60
40
20
0
0
Anos
Representando os dados graficamente, ou seja, os pares x e y,

observamos que h uma linha reta mesmo no estando todos os
valores sobre ela. Como no h uma disperso muito acentuada dos valores no
diagrama de disperso, podemos concluir que a relao existente entre as variveis
pode ser uma linha reta.
Se os dados observados tendem a uma linha reta, podemos, ento,
determinar a equao da reta. Com a equao da reta, podemos prever os valores
de y com relao a x, ou seja, podemos prever, estimar o CR de um aluno de
engenharia em relao ao tempo que ele leva para concluir o curso de graduao.
O nosso problema encontrar um ajuste que seja bem considervel em relao aos
dados observados.
Para ajustarmos a reta dos mnimos quadrados, iremos considerar o
conjunto de n pontos (x1, y1), (x2, y2) , ..., (xn, yn).
187
Estatstica Aplicada
Equao da reta = a + bx.

O (l-se: y chapu) um valor estimado de y e y, efetivamente, o
valor observado. O objetivo que a diferena entre o valor observado de y e
o valor estimado seja o mnimo possvel.
Como calcular o valor estimado de y que ser ?
-Equaes normais:
y = na + b(x)
2
(xy) = a (x) + b (x )
Nessas equaes, chamadas de equaes normais, n o nmero

de pares observados, (x) o somatrio dos valores observados de x
(varivel independente), e (y) o somatrio dos valores observados de y
2
(varivel dependente). x a soma dos valores ao quadrado de x e (xy) a
soma do produto da varivel x pela varivel y.

Tomando o exemplo dos alunos de engenharia e calculado os somatrio
necessrio temos:
Anos de estudo
x
x2
xy
Alunos
1
Coef. de rendimento
(CR)
y
57
171
78
16
312
72
16
288
58
174
89
25
445
63
189
73
16
292
84
25
420
76
16
304
10
48
144
38
698
150
2739
x = 38
2
y = 698 x = 150
188
xy = 2739
n = 10
Estatstica Aplicada
Substituindo os valores nas equaes normais:

y = na + b(x)
698 = 10a + b38 arrumando a equao temos:
698 = 10a + 38b (1)
(xy) = a (x) + b (x2)
2739 = a38 + b150 arrumando a equao temos:
2739 = 38a + 150b (2)
Para o clculo de a e b temos um sistema de equaes lineares:
698 = 10a + 38b
2739 = 38a + 150b

Para encontrar os valores de a e b, necessrio igualarmos as duas
equaes e efetuar operaes matemticas, simples, que elimine a ou b e, assim,
calculado o valor de a ou de b, permita-se a substituio na equao para o clculo
do outro valor.
Como precisamos eliminar a ou b faremos a seguinte operao:
Multiplicamos a primeira equao por -3,8, assim podemos eliminar a,
permitindo o clculo de b.
698 = 10a + 38b ( 3,8) com isso teremos:

2652,40 = 38a 144,40b
= 38a + 150b
2739
86,60
= 5,6b
5,6b = 86,60
b=
86,60
= 15,46
5,6
b = 15,46
189
Estatstica Aplicada
Substituindo em qualquer uma das equaes (1) ou (2), teremos o valor de a.
698 = 10a + 38b

698 = 10a + 38 x15,46
698 = 10a + 587,48
698 587,48 = 10a
110,52 = 10a
110,52
a=
= 11,05
10
a = 11,05
Podemos calcular os valores de a e b utilizando sistemas de equaes
lineares ou pelo clculo dos mnimos quadrados.
Frmulas para o clculo dos mnimos quadrados
x
n
y
y=
n
x=
mdia da varivel independente.

mdia da varivel dependente.
S xx = x 2
(x) 2
n
(y ) 2
n
(x).(y )
S xy = xy
n
S yy = y 2
Os valores das mdias, j conhecemos, x e y , as outras expresses

permitem uma facilidade para resoluo pelo clculo dos mnimos quadrados.
Clculo de a e b
b=
S xy
S xx
a = y bx
190
Estatstica Aplicada
Utilizando o mesmo exemplo, precisamos calcular as mdias de x e y e os

valores de y2.
Anos de estudo
x
Alunos
1
2
3
4
5
6
7
8
9
10
3
4
4
3
5
3
4
5
4
3
38
Coef. de rendimento
(CR)
y
57
78
72
58
89
63
73
84
76
48
698
x2
xy
y2
9
16
16
9
25
9
16
25
16
9
150
171
312
288
174
445
189
292
420
304
144
2739
3249
6084
5184
3364
7921
3969
5329
7056
5776
2304
50236
x 38
=
= 3,8
n 10
y 698
=
= 69,8
y=
10
n
(x) 2
(38) 2
= 150
= 150 144,4 = 5,6
S xx = x 2
n
10
(x).(y )
(38).(698)
= 2739
= 2739 2652,4 = 86,6
S xy = xy
10
n
x=
b=
S xy
S xx
86,6
= 15,46
5,6
b=15,46
a = y b x = 69,8 15,46 3,8 = 69,8 58,75 = 11,05
a=11,05
Vimos duas formas de calcular os valores de a e b para estimao dos

valores da varivel dependente y. A escolha do processo de clculo fica a critrio de
quem est calculando. Podemos optar pelo clculo atravs do sistema de equaes
normais ou pelo mtodo dos mnimos quadrados.
191
Estatstica Aplicada
Agora podemos estimar qualquer valor para y.

EXEMPLIFICANDO
Suponha que um aluno leve x=3,5 anos para concluir seu curso de
engenharia. Qual seria o valor estimado do seu coeficiente de rendimento?
x=7
a = 11,05
b = 15,46
= a + bx
= 11,05 + 15,46 x 3,5 = 65,16 Coeficiente de rendimento estimado =
65,16
Nesta unidade, aprendemos como calcular e analisar o grau de correlao
entre duas variveis, verificando seu comportamento e se esto ou no
relacionadas.
Vimos, ainda, a relao existente entre duas variveis e a influncia da
varivel independente sobre a varivel dependente, permitindo, assim, estimar
valores para esta varivel atravs do estimador .
HORA DE SE AVALIAR!
no caderno de exerccio! Elas iro ajud-lo a fixar o contedo, alm de proporcionar
sua autonomia no processo de ensino- aprendizagem. Caso prefira, redija as
192
Estatstica Aplicada
Exerccios - Unidade VIII
1. A tabela abaixo referente ao nmero de crianas nascidas vivas (x) e o nmero

de crianas que morreram (y), no mesmo perodo, em um municpio do interior do
pas.
Perodo
Nascidas Vivas
Morte por todos os tipos e causas
1985
1100
540
1986
840
720
1987
480
640
1988
2200
380
1989
1840
560
1990
1790
120
Com base na tabela, calcule o coeficiente de correlao.

a)
r= -0,6713
b)
r= -0,7893
c)
r= 0,6713
d)
r=0,7893
e)
r= 0,8764
2. Com base no r calculado da questo 1, qual o tipo de correlao?

a)
Forte relao positiva.
b)
Fraca relao positiva.
c)
Fraca relao negativa.
d)
Ausncia de relao.
e)
Relao linear perfeita.
193
Estatstica Aplicada
3. Nos casos abaixo, que tipo de correlao se espera: correlao positiva,

correlao negativa ou no existe correlao?
1o Nmero do calado e QI;
2o Renda e Educao.
a)
1o no h correlao e 2o no h correlao.
b)
1o no h correlao e 2o correlao positiva.
c)
1o correlao positiva e 2o no h correlao.
d)
1o correlao negativa e 2o no h correlao.
e)
1o correlao positiva e 2o correlao positiva.
4. Um estudante de estatstica calculou a correlao entre altura e peso de um

grande grupo de alunos do curso de enfermagem de sua faculdade, obtendo
r=0,32, mas no conseguiu decidir se a altura que faz com que os alunos pesem
mais ou se o excesso de peso que faz com que os alunos sejam mais altos. O que
voc poderia dizer para ele que est desconsolado por no conseguir decidir quem
influencia quem?
a)
Ele no tem como saber se o peso influencia a altura ou se a altura

influencia o peso, pois a correlao permite-nos apenas mostrar a
associao entre as variveis.
b)
Ele informa que o peso influencia a altura, pois pessoas com peso elevado
tendem a ser mais baixas.
c)
Ele informa que a altura influencia o peso, pois pessoas com estatura
elevada tendem a ter baixo peso.
d)
Ele informa que o peso influencia a altura, pois pessoas com peso elevado
tendem a ser mais altas.
e)
Ele informa que a altura influencia o peso, pois pessoas de estatura

elevada tendem a ter peso tambm elevado.
194
Estatstica Aplicada
5. A tabela a seguir mostra a quantidade de carros que cada um dos 5 funcionrios

vistoriou, em um posto do Detran, entre 16 e 18 horas, em determinado dia.
Nmero de semanas
Nmero de carros inspecionados
trabalhadas (x)
(y)
13
20
22
15
12
20
Com base na tabela, estabelea a equao da reta dos mnimos quadrados que
^
permite estimarmos y em termos de x. (Equao da reta
a)
=10,10+0,974x
b)
=12,09+0,844x
c)
=15,34+1,163x
d)
=18,34+0,884x
e)
=18,87+1,234x
y = a + bx ).
6. Com a equao da reta do problema 5, estime quantos carros um funcionrio

trabalhando 8 semanas poder inspecionar no mesmo perodo.
a)
Aproximadamente 19 carros.
b)
c)
d)
e)
195
Estatstica Aplicada
7. Considere o quadro abaixo:

x
90
90
140
150
180
Observamos que um dos valores de y no foi colocado na tabela. Sabendo

que a equao de mnimos quadros =28+0,5x, determine o valor de y que falta.
a)
b)
c)
d)
e)
49
58
67
110
120
8. Na anlise de regresso as variveis so classificadas de que forma?

a)
b)
c)
d)
e)
x varivel independente
x varivel independente
x varivel dependente
x varivel dependente
x varivel pendente
y varivel independente.
y varivel dependente.
y varivel dependente.
9. Seja a tabela abaixo composta pelo peso (kg) e altura (cm) de crianas com 10
meses de idade.
Altura (cm)
75
70
73
78
80
69
71
72
74
77
Peso (kg)
9,0
9,2
8,9
8,5
9,5
9,6
9,1
10,0
8,7
9,4
196
Estatstica Aplicada
Determine o coeficiente de correlao de Pearson e verifique que tipo de

correlao existe entre as variveis peso e altura.
10. Vamos considerar os mesmos dados do exerccio anterior. Altura a varivel

Independente e Peso a varivel dependente. O objetivo estimar qual o peso de
uma criana que tem altura de 85 cm. Desenvolva os clculos necessrios e atravs
da equao da reta = a + bx e diga qual o valor.
197
Estatstica Aplicada
198
Estatstica Aplicada
Consideraes finais
Chegamos ao final dos estudos de Estatstica.

Ao longo das Unidades de Estudo voc aprendeu o quanto a estatstica
importante para compreendermos as pesquisas. Voc tambm aprendeu a fazer
suas prprias pesquisas e discutir seus resultados.
A Universo Virtual o parabeniza por ter concludo seus estudos, aumentando
sua bagagem com conhecimentos e habilidades que iro benefici-lo por toda a
vida.
Mas a aprendizagem no para por aqui. Mantenha o hbito de ler, atualize-se
sempre e no esquea de praticar o que foi aprendido.
Uma viso sem ao meramente um sonho.

Uma ao sem viso carece de sentido.
Uma viso com ao pode mudar o mundo.
(Arthur Joel Barker do filme Descobrindo o futuro)
Sucesso!
199
Estatstica Aplicada
200
Estatstica Aplicada
Conhecendo o autor
A professora Adriana Santos Augusto formada em Engenharia Civil pela

UFRJ, ps-graduada em Engenharia Econmica e Administrao Industrial,
Engenheira de Segurana do Trabalho pela UFF, Mestre em Engenharia de
Produo pela COPPE/UFRJ e licenciada em Matemtica pela UNIVERSO.
Atualmente coordenadora do Curso de Segurana do Trabalho da Universo,
campus So Gonalo, tutora do Ensino a Distncia e professora da rede de ensino
do Estado do Rio de Janeiro.
Revisor: O Professor HERIVELTO NUNES PAIVA graduado em Estatstica pela

ASOEC, Formao de Docentes em Matemtica pela UNIVERSO-SG especialista em
Matemtica e Estatstica pela UFLA-MG, mestre em Ensino de Cincias da Sade e
do Ambiente pela UNIPLI e Doutorando em Educao pela Universidade Nacional
Lomas de Zamora Argentina. Atualmente professor de Bioestatstica da
UNIVERSO, professor do programa de ps-graduao do curso de Educao
matemtica da UNIVERSO- SG, professor da rede pblica de ensino, membro da
Equipe de Matemtica da SEEDUC-RJ.
201
Estatstica Aplicada
202
Estatstica Aplicada
Referncias
SPIEGEL, M. R.. Estatstica. So Paulo: Mc Graw-Hill, 2004

FONSECA, J. S.. Curso de Estatstica. So Paulo: Ed. Atlas, 1996.
BIBLIOGRAFIA COMPLEMENTAR:
BUSSAB, W. O. & MORETTIN, P. A. Estatstica Bsica (Mtodos Quantitativos). SP:
Ed. Atual, 1997.
CRESPO, A.A. Estatstica Fcil. So Paulo: Ed. Atlas, 2003.
MILONE, G. & ANGELINI, F. Estatstica Aplicada. SP: Ed. Atlas, 1995.
STEVENSON, W. J. Estatstica Aplicada Administrao. SP: Ed. Harbra, 1986.
TOLEDO, G. L. Estatstica Bsica. SP: Ed. Atlas, 1985.
203
Estatstica Aplicada
204
Estatstica Aplicada
nexos
205
Estatstica Aplicada
Material de Apoio
FERRAMENTAS BSICAS DA MATEMTICA

Um homem musculoso.
Potncias.
Um nmero n elevado a x significa que devemos multiplicar n por n, x vezes.
Ex.:
25 = 2.2.2.2.2 = 32 , onde 2 a base 5 o expoente e 32 a potncia.
Propriedades das Potncias.
1 Propriedade: diviso de potncias de mesma base:

Conservamos a base e subtramos os expoentes.
Ex.:
210
26
1 soluo: aplicando o conceito inicial.
210
26
2.2.2.2.2.2.2.2.2.2 1024
=
= 16
2.2.2.2.2.2
64
2 soluo: aplicando a propriedade.
210
= 210 6 = 24 = 2.2.2.2 = 16 (menos trabalhoso)
6
2
206
Estatstica Aplicada
Ex.:
34 3.3.3.3 81
=
=
=1
34 3.3.3.3 81
Pela propriedade temos:
34
= 34 4 = 30 , comparando com a resposta anterior, temos que 30 = 1 .
4
3
Podemos concluir que: todo nmero diferente de zero elevado a zero igual a
um.
Logaritmos.
Um homem sentado pensando. (o Pensador Rodin)

Para entendermos o que seja logaritmo de um nmero, vamos resolver o seguinte
problema:
Qual o nmero que devemos elevar 2 , para dar 8?
Soluo:
Vamos chamar de x o nmero procurado. Podemos, ento, escrever:
2 x = 8 , como 8 igual a 23 , chegamos a concluso de que o nmero procurado

3.
Uma outra forma de enunciar esse problema seria:
Quanto vale o logaritmo de 8 na base 2?
Soluo:
Perguntar quanto vale o logaritmo de 8 na base 2 o mesmo que perguntar qual
o nmero que devemos elevar 2 para dar 8?
Portanto o logaritmo de 8 na base 2 3.
207
Estatstica Aplicada
A simbologia usada neste caso ser:
log 8 = 3 23 = 8
2
De uma forma geral temos:
log n = x b x = n com n > 0 , b > 0 e b 1

b
Ex.:
log 81 = 4 34 = 81
3
Logaritmos Decimais.
So os logaritmos cuja base 10. So os mais utilizados.
log n = log n
10
A calculadora nos d o logaritmo na base 10.
Ex.:
log 2 = 0,103029995
Nos logaritmos decimais no h a necessidade de escrevermos a base, basta
indicarmos log n .
Propriedades dos Logaritmos.
1 ) log n + log m = log (n.m)

b
208
Estatstica Aplicada
Ex.:
log 2 + log 6 = log 12

5
2 ) log n log m = log

b
n
m
Ex.
log 6 log 3 = log 2
(a base, neste caso, 10)
3 ) x. log n = log n x
b
b
Ex.:
2. log 5 = log 25
3
Obteno do logaritmo atravs da calculadora
Sugesto: uma calculadora saindo fumaa
A calculadora possui uma tecla com o cone log (base 10). Para calcularmos
logaritmos com bases diferentes de 10, devemos aplicar a frmula para mudar a
base, ou seja, passarmos para base 10.
Frmula para mudana de base:
log n
b
log n
logb
209
Estatstica Aplicada
Ex.:
Usando a calculadora, obtenha os seguintes valores:
a ) log 3
2
b) log 5
3
Soluo:
a)
log 3 0,4771
=
= 1,5850
log 2 0,3010
b)
log 5 0,6990
=
= 1,4651
log 3 0,4771
Resoluo de expresses matemticas
Certos problemas, que envolvem clculos de expresses matemticas, devero ser

resolvidos da seguinte maneira:
1) calculamos as potncias, os logaritmos e os radicais.
2) calculamos as multiplicaes e as divises.
3) calculamos as somas e as subtraes.
Ex.1:
Utilizando uma calculadora, resolva a expresso abaixo, com 5 casas decimais.
2 6 4. log 8 +
6
2
13
210
Estatstica Aplicada
Soluo :
Calculando as potncias e os log artmos teremos :
6
64 4.0,90309 + 2
13
Calculando as multiplicaes e as divises teremos :
64 3,61236 + 0,46154 2
Calculando as somas e as subtraes teremos :
58,84918
Ex. 2:
Utilizando uma calculadora, resolva a expresso abaixo, com 3 casas decimais
6,78 + 5. log 3,75 1 + 5 2

Resolvendo na ordem temos:
2,60 + 5.0,574 1 + 24
2,60 + 2,87 1 + 24
28,47
Expresses com parntesis, colchetes e chaves
Resolvemos primeiro o que estiver dentro dos parntesis, depois o que estiver
dentro do colchete e finalmente o que estiver dentro das chaves.
Ex.: utilizando a calculadora, resolva a expresso abaixo com 4 casas decimais.
{6,4.5 + [log 5,8 + 2.( 3 4 log 12) + 4,2] 2 3 + 4,5}

Soluo:
Resolvendo o parntesis:
{6,4.5 + [log 5,8 + 2.( 81 1,0792) + 4,2] 2 3 + 4,5}

{6,4.5 + [log 5,8 + 2.79,9208 + 4,2] 2 3 + 4,5}
211
Estatstica Aplicada
Resolvendo o colchete:
{6,4.5 + [0,7634 + 2.79,9208 + 4,2] 2 3 + 4,5}

{6,4.5 + [0,7634 + 159,8416 + 4,2] 2 3 + 4,5}
{6,4.5 + 164,8050 2 3 + 4,5}
Resolvendo a chave:
{6,4.5 + 164,8050 8 + 4,5}

{32 + 164,8050 8 + 4,5}
193,3050
Equao do 1 grau
Forma da equao:
ax + b = 0 (a e b so nmeros reais,
(a 0) , e x valor a ser determinado)
Para calcularmos o valor de x, usarmos a frmula:
x=
b
a
Ex.:
1) Resolva a equao 2x + 3 = 0
Soluo:
Temos a = 2 e b = -3, portanto x =
b
a
x=
3
2
x = 1,5
Podemos verificar que x = -1,5 o nico valor de x que torna o binmio 2x 3 igual
a zero.
Equao do 2 grau.
Forma da equao:
ax 2 + bx + c = 0
(onde a, b, c so nmeros reais, ( a
determinado.
212
0 ) e x o valor a ser
Estatstica Aplicada
Para calcularmos o valor de x usamos a frmula:
x=
b b 2 4ac
2a
Ex.: 1) Resolva a equao:
2x2 4x 6 = 0 .
Soluo:
Temos a = 2; b = -4 ; c = -6.
Aplicando a frmula:
x=
(4) (4) 2 4.2.(6)

2.2
x=
4 64
4
48
x=
4
4+8
x1 = 4 = 3
x = 4 8 = 1
2
4
Podemos afirmar que -1 e 3 so os nicos valores que tornam a expresso
2x2 4x 6
igual a zero.
213
Estatstica Aplicada
2) O quadrado de um nmero positivo menos o seu dobro vale 8. Calcule esse

nmero.
Soluo:
Quadrado de um nmero =
x2
Dobro do nmero = 2x
Podemos, ento, escrever: x 2 x
da igualdade trocando o sinal.
2
= 8 . Devemos passar o 8 para o outro lado
x2 2x 8 = 0
Conseguimos com isso uma equao do 2 grau.
a = 1
x 2 x 8 = 0 b = 2
c = 8
Aplicando a frmula:
(2) (2) 2 4.1.(8)

x=
2.1
2 + 6
=4
2 36 2 6 2
=
=
x=
2
2
2 6 = 2
2
214
Estatstica Aplicada
Como o exerccio afirma que o nmero positivo a resposta ser 4.
Razo e Proporo.
Razo uma frao em que o numerador e o denominador representam uma

mesma unidade (rea, volume, comprimento, valor, temperatura, tempo, etc.),
sendo que o denominador no pode ser zero.
Ex.: o salrio de um mecnico R$ 1500,00 e de seu ajudante R$ 500,00.
Calcule a razo entre o seu salrio e o reajuste.
Soluo:
500
5 1
=
=
1500 15 3
A razo entre o salrio e o reajuste ser
1
3
Proporo a igualdade entre duas razes.
Ex.: no exemplo anterior temos uma proporo, ou seja,
5 1
=
15 3
Dizemos que 5 est para 15 assim como 1 est para 3.

De uma forma geral temos:
m e p = antecedentes
m p n e q = consequentes
=
n q m e q = extremos
n e p = meios
Em toda proporo, o produto dos meios igual ao produto dos extremos.
n.p = m.p
215
Estatstica Aplicada
Ex.: vamos calcular o valor de x, conhecendo a proporo:
8
2
=
x+3 5
Soluo:
Como o produto dos meios igual ao produto dos extremos, temos:
2.(x + 3) = 5.8
2x + 6 = 40
Resolvendo a equao do 1 grau, encontramos x = 17.
HORA DE AVALIAR!
no caderno de exerccios! Elas podero ajud-lo a fixar o contedo, alm de
proporcionar sua autonomia no processo de ensino-aprendizagem. Caso prefira,
redija as respostas no caderno e depois as envie atravs do nosso ambiente virtual
de aprendizagem (AVA). Interaja conosco!
Caro aluno, chegamos ao fim do nosso material. Aprendemos os recursos
bsicos da matemtica para darmos incio ao estudo da matemtica financeira. No
prximo material estudaremos os regimes de capitalizao.
216
Estatstica Aplicada
Valores da Raiz Quadrada de n
Raiz
Raiz
Raiz
Raiz
1,000000
26
5,099020
51
7,141428
76
8,717798
1,414214
27
5,196152
52
7,211103
77
8,774964
1,732051
28
5,291503
53
7,280110
78
8,831761
2,000000
29
5,385165
54
7,348469
79
8,888194
2,236068
30
5,477226
55
7,416198
80
8,944272
2,449490
31
5,567764
56
7,483315
81
9,000000
2,645751
32
5,656854
57
7,549834
82
9,055385
2,828427
33
5,744563
58
7,615773
83
9,110434
3,000000
34
5,830952
59
7,681146
84
9,165151
10
3,162278
35
5,916080
60
7,745967
85
9,219544
11
3,316625
36
6,000000
61
7,810250
86
9,273618
12
3,464102
37
6,082763
62
7,874008
87
9,327379
13
3,605551
38
6,164414
63
7,937254
88
9,380832
14
3,741657
39
6,244998
64
8,000000
89
9,433981
15
3,872983
40
6,324555
65
8,062258
90
9,486833
16
4,000000
41
6,403124
66
8,124038
91
9,539392
17
4,123106
42
6,480741
67
8,185353
92
9,591663
18
4,242641
43
6,557439
68
8,246211
93
9,643651
19
4,358899
44
6,633250
69
8,306624
94
9,695360
20
4,472136
45
6,708204
70
8,366600
95
9,746794
21
4,582576
46
6,782330
71
8,426150
96
9,797959
22
4,690416
47
6,855655
72
8,485281
97
9,848858
23
4,795832
48
6,928203
73
8,544004
98
9,899495
24
4,898979
49
7,000000
74
8,602325
99
9,949874
25
5,000000
50
7,071068
75
8,660254
100
10,000000
217
Estatstica Aplicada
Valores do Logaritmo de n
log
log
log
log
0,000000
26
1,414973
51
1,707570
76
1,880814
0,301030
27
1,431364
52
1,716003
77
1,886491
0,477121
28
1,447158
53
1,724276
78
1,892095
0,602060
29
1,462398
54
1,732394
79
1,897627
0,698970
30
1,477121
55
1,740363
80
1,903090
0,778151
31
1,491362
56
1,748188
81
1,908485
0,845098
32
1,505150
57
1,755875
82
1,913814
0,903090
33
1,518514
58
1,763428
83
1,919078
0,954243
34
1,531479
59
1,770852
84
1,924279
10
1,000000
35
1,544068
60
1,778151
85
1,929419
11
1,041393
36
1,556303
61
1,785330
86
1,934498
12
1,079181
37
1,568202
62
1,792392
87
1,939519
13
1,113943
38
1,579784
63
1,799341
88
1,944483
14
1,146128
39
1,591065
64
1,806180
89
1,949390
15
1,176091
40
1,602060
65
1,812913
90
1,954243
16
1,204120
41
1,612784
66
1,819544
91
1,959041
17
1,230449
42
1,623249
67
1,826075
92
1,963788
18
1,255273
43
1,633468
68
1,832509
93
1,968483
19
1,278754
44
1,643453
69
1,838849
94
1,973128
20
1,301030
45
1,653213
70
1,845098
95
1,977724
21
1,322219
46
1,662758
71
1,851258
96
1,982271
22
1,342423
47
1,672098
72
1,857332
97
1,986772
23
1,361728
48
1,681241
73
1,863323
98
1,991226
24
1,380211
49
1,690196
74
1,869232
99
1,995635
25
1,397940
50
1,698970
75
1,875061
100
2,000000
218
Estatstica Aplicada
Distribuio Normal Padro - Valores Negativos de Z

0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
-3,0
0,00135
0,00131
0,00126
0,00122
0,00118
0,00114
0,00111
0,00107
0,00104 0,00100
-2,9
0,00187
0,00181
0,00175
0,00169
0,00164
0,00159
0,00154
0,00149
0,00144 0,00139
-2,8
0,00256
0,00248
0,00240
0,00233
0,00226
0,00219
0,00212
0,00205
0,00199 0,00193
-2,7
0,00347
0,00336
0,00326
0,00317
0,00307
0,00298
0,00289
0,00280
0,00272 0,00264
-2,6
0,00466
0,00453
0,00440
0,00427
0,00415
0,00402
0,00391
0,00379
0,00368 0,00357
-2,5
0,00621
0,00604
0,00587
0,00570
0,00554
0,00539
0,00523
0,00508
0,00494 0,00480
-2,4
0,00820
0,00798
0,00776
0,00755
0,00734
0,00714
0,00695
0,00676
0,00657 0,00639
-2,3
0,01072
0,01044
0,01017
0,00990
0,00964
0,00939
0,00914
0,00889
0,00866 0,00842
-2,2
0,01390
0,01355
0,01321
0,01287
0,01255
0,01222
0,01191
0,01160
0,01130 0,01101
-2,1
0,01786
0,01743
0,01700
0,01659
0,01618
0,01578
0,01539
0,01500
0,01463 0,01426
-2,0
0,02275
0,02222
0,02169
0,02118
0,02068
0,02018
0,01970
0,01923
0,01876 0,01831
-1,9
0,02872
0,02807
0,02743
0,02680
0,02619
0,02559
0,02500
0,02442
0,02385 0,02330
-1,8
0,03593
0,03515
0,03438
0,03362
0,03288
0,03216
0,03144
0,03074
0,03005 0,02938
-1,7
0,04457
0,04363
0,04272
0,04182
0,04093
0,04006
0,03920
0,03836
0,03754 0,03673
-1,6
0,05480
0,05370
0,05262
0,05155
0,05050
0,04947
0,04846
0,04746
0,04648 0,04551
-1,5
0,06681
0,06552
0,06426
0,06301
0,06178
0,06057
0,05938
0,05821
0,05705 0,05592
-1,4
0,08076
0,07927
0,07780
0,07636
0,07493
0,07353
0,07215
0,07078
0,06944 0,06811
-1,3
0,09680
0,09510
0,09342
0,09176
0,09012
0,08851
0,08691
0,08534
0,08379 0,08226
-1,2
0,11507
0,11314
0,11123
0,10935
0,10749
0,10565
0,10383
0,10204
0,10027 0,09853
-1,1
0,13567
0,13350
0,13136
0,12924
0,12714
0,12507
0,12302
0,12100
0,11900 0,11702
-1,0
0,15866
0,15625
0,15386
0,15151
0,14917
0,14686
0,14457
0,14231
0,14007 0,13786
-0,9
0,18406
0,18141
0,17879
0,17619
0,17361
0,17106
0,16853
0,16602
0,16354 0,16109
-0,8
0,21186
0,20897
0,20611
0,20327
0,20045
0,19766
0,19489
0,19215
0,18943 0,18673
-0,7
0,24196
0,23885
0,23576
0,23270
0,22965
0,22663
0,22363
0,22065
0,21770 0,21476
-0,6
0,27425
0,27093
0,26763
0,26435
0,26109
0,25785
0,25463
0,25143
0,24825 0,24510
-0,5
0,30854
0,30503
0,30153
0,29806
0,29460
0,29116
0,28774
0,28434
0,28096 0,27760
-0,4
0,34458
0,34090
0,33724
0,33360
0,32997
0,32636
0,32276
0,31918
0,31561 0,31207
-0,3
0,38209
0,37828
0,37448
0,37070
0,36693
0,36317
0,35942
0,35569
0,35197 0,34827
-0,2
0,42074
0,41683
0,41294
0,40905
0,40517
0,40129
0,39743
0,39358
0,38974 0,38591
-0,1
0,46017
0,45620
0,45224
0,44828
0,44433
0,44038
0,43644
0,43251
0,42858 0,42465
0,0
0,50000
0,49601
0,49202
0,48803
0,48405
0,48006
0,47608
0,47210
0,46812 0,46414
219
0,08
0,09
Estatstica Aplicada
Coeficientes Binomiais - Cn,k =
n

0
n

1
n

2
n

3
n

4
n!
k! (n k )!
n

5
n

6
n

7
n

8
n

9
n

19
10
10
15
20
15
21
35
35
21
28
56
70
56
28
36
84
126
126
84
36
10
10
45
120
210
252
210
120
45
10
11
11
55
165
330
462
462
330
165
55
11
12
12
66
220
495
792
924
792
495
220
66
13
13
78
286
715
1287
1716
1716
1287
715
286
14
14
91
364
1001
2002
3003
3432
3003
2002
1001
15
15
105
455
1365
3003
5005
6435
6435
5005
3003
16
16
120
560
1820
4368
8008
11440
12870
11440
8008
17
17
136
680
2380
6188
12376
19448
24310
24310
19448
18
18
153
816
3060
8568
18564
31824
43758
48620
43758
19
19
171
969
3876
11628
27132
50388
75582
92378
92378
20
20
190
1140
4845
15504
38760
77520
125970
167960
184756
220
1
1
1
Estatstica Aplicada
Alfabeto Grego
Maisculo
Minsculo
Nome
alfa
beta
gama
delta
psilon
dzeta
eta
teta
iota
kapa
lmbda
mu(mi)
nu (ni)
Ksi
nicron
pi
r
sigma
tau
psilom (ipsilon)
fi
chi (qui)
psi
mega
221
Estatstica Aplicada
Medidas de Tendncia Central
x=
f i
n
x=
( xi f i )
f i
f i
F( ant )
Md = l i + 2 *
h*
l * + L*
Mo =
2
M o = l* +
D1
h*
D1 + D2
D1 = f * f ( ant )
D2 = f * f ( post )
Medidas de Disperso
( xi x ) 2
s =
n 1
2
( xi x) 2 f i
s =
n 1
2
s = s2
CV =
s
100
x
222
Estatstica Aplicada
Amostragem
Contnua
Discreta
Z
n0 =
d
n0 =
Correo
^
n0 =
Z 2 p q
d2
n
1+
n
N
Probabilidade
P(A) =

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

P( B ) = 1 P(B)
P( A / B) =
P( A B)
P( B)
P( A / B) =
P( A B)
P( A B) = P( B).P( A / B)
P( B)
P ( B / A) =
P( A B)
P( A B) = P( A).P( B / A)
P( A)
P(A B) = P(A) . P(B)
P{X = k} = Cn,k . pk . (1 p)n-k

z=
k= 0, 1, 2, ..., n.
P(z1 Z z2) = P(z1 < Z < z2) = (z2) (z1)
223
Estatstica Aplicada
(x).(y )
n
r=
2
2 (x) 2 (y ) 2
x n .y n
xy
y = a + bx
= a + bx
Equaes normais:
y = na + b(x) e (xy) = a (x) + b (x2)
Clculo dos mnimos quadrados:
x=
b=
x
n
y=
y
(x) 2
S xx = x 2
n
n
Clculo de a e b
S xy
S xx
a = y bx
224
S xy = xy
(x).(y )
n
Estatstica Aplicada
Material de Apoio - Exerccios
Ferramentas bsicas da matemtica

1. Sabendo que 3 = 20 , com o auxlio da calculadora, podemos afirmar que
x vale aproximadamente:
x
a)
b)
c)
d)
e)
2. Se
a)
b)
c)
d)
e)
1,86
2,73
3,49
4,52
5,15
log x 2 = 4 , ento x vale:

0
2
10
100
1000
3. O valor de
a)
b)
c)
d)
e)
log 2 + log 5
0
1
log 7
log 32
log 20
4. O valor da expresso
a)
b)
c)
d)
e)
log 3 5 + log 2 7
2,1
3,2
4,7
5,7
6,8
225
, aproximadamente, igual a:
Estatstica Aplicada
5. O valor da expresso {150 [(8 + 3

a:
a)
b)
c)
d)
e)
2 )]2 }3 , aproximadamente, igual
0
5
10
26
59
6. Usando uma calculadora para resolver a equao 0,12567901x +

1,35571761x = 3, encontramos para x o valor:
a)
b)
c)
d)
e)
2,025116002
3,046716334
4,015699115
5,31476601
6,77163725
7. 15% de x vale 0,384. O valor de x :

a)
b)
c)
d)
e)
1,46
2,56
4,82
5,78
8,14
8. Qual item representa uma proporo?
a)
b)
c)
d)
e)
2 4
=
5 3
3 8
=
2 5
4 12
=
3 9
7 8
=
5 6
5 10
=
9 3
226
Estatstica Aplicada
9. Considere as equaes x 8 x + 12
das razes das duas equaes.
2
10. Calcule o valor de k na expresso
=0
3x 4 = 0 . Calcule a soma
1
5
=
3 k +7
227
Estatstica Aplicada
Gabarito Material de Apoio

1 (b) 2 (d) 3 (b) 4 (d) 5 (a) 6 (a) 7(b) 8 (c)
1. Equao
x 2 8 x + 12 = 0
x=
8 64 4.1.12
2
x=
x = 2
84
1
2
x2 = 6
2 . Equao
3x 4 = 0
x=
4
3
Resposta: A soma ser
10 -
6+2+
4 28
=
3
3
k + 7 = 15
k = 15 7
k =8
228
Estatstica Aplicada
Gabaritos Unidades de Estudo

Unidade 1
1. e
2. b
3. b
4. b
5. e
6.. d
7. e
8. d
9.
a) AA = 9,9 1,1 = 8,8
b) Atravs da Regra de Sturges
i 1 + 3,3 lo80 = 7,27 7
c) h = AA/i = 8,8/7 = 1,25 1,3
d)
i
1
2
3
4
5
6
Classes
1,1 | 2,4
2,4 | 3,7
3,7 | 5,0
5,0 | 6,3
6,3 | 7,6
8,9 |10,2
7,6 | 8,9
Marcao
//
//
/
/
////////// /////////
////////// ////////// //////////
/////////
////////// //////
e)
i
1
2
3
4
5
6
7
Classes
1,1 | 2,4
2,4 | 3,7
3,7 | 5,0
5,0 | 6,3
6,3 | 7,6
7,6 | 8,9
8,9 |10,2
229
fi
02
02
01
01
19
39
16
80
fi
02
02
01
01
19
39
16
80
Estatstica Aplicada
10.
Classes
10 | 20
20 | 30
30 | 40
40 | 50
50 | 60
60 | 70
fi
14
6
12
7
10
1
fri
0,28
0,12
0,24
0,14
0,2
0,02
1,00
fri (%)
28
12
24
14
20
2
-
Fi
14
20
32
39
49
50
-
xi
15
25
35
45
55
65
Unidade 2
1.
Idade
Crianas
22
A terceira classe a classe cuja idade 2. Para resolver esta questo utilizamos a
regra de trs:
22 360
=
22 x = 6 360 22 x = 2.160 x = 2.160 22 x = 98,18 98o
6
x
2. b - Devemos usar o grfico de setores quando queremos destacar uma parte do

todo.
3. c
4. a
5. a
6. b
7. c
8. c
9. Observe o percentual de transmisso da doena atravs do sexo. Observe
tambm a diviso das idades e de sexo. Por exemplo: A maioria dos doentes do
sexo masculino, assim como a maioria tm de 20 39 anos de idade. A maior fonte
de contgio por via sexual. Comente os dados do grfico e tente tirar concluses
sobre ele. No diga coisas do tipo os homens so mais promscuos do que as
mulheres, pois os grficos no dizem isso.
230
Estatstica Aplicada
10.
a)
dias afastados
b)
Unidade 3
1. a
X =
2.
2 250 + 4 600 + 1 1.000 + 3 2.200 500 + 2.400 + 1.000 + 6.600 10.500

=
=
= 1050,00
2 + 4 +1+ 3
10
10
XA =
2 + 4 + 5 + 6 + 3 20
=
= 4,0
5
5
231
Estatstica Aplicada
3.
4.
XB =
0 + 2 + 8 + 9 + 3 22
=
= 4,4
5
5
XC =
7 + 5 + 2 + 6 + 1 21
=
= 4,2
5
5
e
Ordenando o rol, a mediana ser o valor que estiver no meio do rol.
A
2
B
0
C
1
3
4
5
2
3
8
2
5
6
c - Ordenando o rol, a mediana ser o valor que estiver no meio do rol.

Salrios em S.M *
Idade
4,00
28
4,56
29
5,60
32
5,75
36
6,00
40
5. c - Quando no se especifica nada a respeito da moda, calcula-se a moda de

Czuber por ser mais correta. A classe modal ser aquela que tiver a maior
frequncia.
500 650
650 800
800 950
950 1100
1100 1250
232
fi
15
18
23
19
8
83
Estatstica Aplicada
D1
5
h* M o = 800 +
(950 800)
D1 + D2
4+5
4
M o = 800 + 150
9
M o = l* +
M o = 800 +
600
M o = 883,33
9
em que: D1 = f* - f(ant)
D1 = 23 18 = 5
D1 = f* - f(post)
D2 = 23 19 = 4
6.. b
Para o clculo da mediana, precisamos saber primeiro qual a classe mediana, para
isso calculamos as frequncias acumuladas.
500 650
650 800
800 950
950 1100
1100 1250
A posio da mediana ser
fi
16
19
23
19
8
85
85
= 42,5 43 .
2
FI
16
16 + 19 = 35
35 + 23 = 58
58 + 19 = 77
77 + 8 = 85
O 43 nmero est na terceira
classe que a classe mediana.
Md
= li +
F( ant )
85
2
.h * = 800 + 2 35 .150 = M
d
f*
23
fi
848,91
233
Estatstica Aplicada
7. a
Para o clculo da nota mdia, basta somar todos os nmeros e dividir por 20.
X =
17 + 19 + 14 + 20 + 17 + 17 + 12 + 15 + 15 + 16 + 16 + 19 + 18 + 15 + 16 + 16 + 17 + 13 + 14 + 19 325
=
20
20
= 16,25
8. d
Para calcular a mdia aritmtica para distribuio de frequncia com intervalos de
classe, temos primeiramente que calcular o ponto mdio das classes.
CIGARROS CONSUMIDOS DIARIAMENTE
FREQUNCIA
fi
xi
xi f i
150 x 17,5 =
15 | 20
150
(15 + 20)/2 = 17,5
20 | 25
300
22,5
25 | 30
250
27,5
200
32,5
100
37,5
30 | 35
35 | 40
2625
6750
6875
6500
3750
Total
A mdia aritmtica ser, ento:
1000
X =
26500
= 26,5
1000
234
26500
Estatstica Aplicada
9.
AT = 90 40 = 50
10.
PESO (kg)
40 | 50
50 | 60
60 | 70
70 | 80
80 | 90
fi
4
12
20
12
2
Fr
4/50 = 0,08
12/50 = 0,24
20/50 = 0,40
12/50 = 0,24
2/50 = 0,04
50
1,00
Unidade 4
1. e
Para o clculo do desvio padro, devemos primeiro calcular a mdia aritmtica.
X=
fi
62 + 90 + 88 + 92 + 110 + 86 528
=
= 88 pginas.
6
6
Como o desvio padro a raiz quadrada da varincia, calculamos primeiro a

varincia, que ser:
(x
=
s2 =
n 1
(62 88)2 + (90 88)2 + (88 88)2 + (92 88)2 + (110 88)2 + (86 88)2
6 1
( 26)2 + (2)2 + (0)2 + (4)2 + (22)2 + ( 2)2

5
676 + 4 + 0 + 16 + 484 + 4 1184

=
= 236.8
5
5
s = s 2 = 236.8 = 15.39 15
pginas.
2. d
Como no exerccio anterior, para o clculo do desvio padro devemos primeiro
calcular a mdia aritmtica.
X=
fi
3 + 5 + 2 + 1 + 3 + 4 + 6 + 9 + 3 36
=
=4.
9
9

varincia que ser:
235
Estatstica Aplicada
s2 =
(x
s2 =
(1)2 + (1)2 + ( 2)2 + ( 3)2 + (1)2 + (0)2 + (2)2 + (5) + (1)2 = 1+1+ 4 + 9 +1+ 0 + 4 + 25+1 = 46 = 5.75
n 1
(3 4)2 + (5 4)2 + (2 4)2 + (1 4)2 + (3 4)2 + (4 4)2 + (6 4)2 + (9 4)2 (3 4)2

9 1
s = s 2 = 5.75 = 2.4 .
3.
14
100 = 26,42%
53
X
13
CVPC = 100% =
100 = 52%
25
X
CVPB =
4.
100% =
d
Pontos dispersos ao redor da mdia so pontos distantes da mdia. Quando
os pontos de uma distribuio esto prximos da mdia, a distribuio possui

menor disperso, quando esto distantes da mdia, a distribuio possui maior
disperso. Ou seja, no caso acima, os pontos A e D possuem maior disperso ao
redor da mdia.
5. d
Para o clculo do desvio padro, devemos primeiro calcular a mdia aritmtica.
Varivel Idade
X =
x f
i
24 + 32 + 35 + 43 + 48 182
=
= 36,4 anos.
5
5

varincia, que ser:
(x X ) = (24 36,4) + (32 36,4) + (35 36,4) + (43 36,4) + (48 36,4)
2
s2 =
s2 =
n 1
5 1
(12,4)2 + ( 4,4)2 + (1,4)2 + (6,6)2 + (11,6)2 = 153,76 +19,36 + 1,96 + 43,56 +134,56 = 353,2 = 88,3
4
236
Estatstica Aplicada
s = s 2 = 88,3 9,4
anos.
Varivel Salrio
x f
X=
1.452,03 + 1.893,45 + ... + 4.125,00 14.006,74

=
= R$ 2.801,35
5
5

varincia, que ser:
2
2
(
1.349,32) + ... + (1.323,65) 5.607.601,54
=
=
= 1.401.900,39
s = s 2 = 1401900,39 R$ 1.184,02
6.. e
Para a varivel idade temos:
CVP =
100% =
9,4
100 = 25,82%
36,4
Para varivel salrio temos:
CVP =
100% =
1.184,02
100 = 42,27%
2.801,35
7. a
Para o clculo da varincia devemos primeiro calcular a mdia aritmtica.
X =
x f
i
7 + 7 + 5 + 13 + 10 + 18 + 12 + 3 + 6 + 15 + 11 + 17 124
=
= R$ 10,33
12
12
A varincia ser:
2
2
(
7 10,33) + ... + (17 10,33) 258,67
=
=
23,52
12 1
11
237
Estatstica Aplicada
8.
Para o clculo da variabilidade relativa precisaremos da mdia e do desvio padro.
X =
x f
i
7 + 7 + 5 + 13 + 10 + 18 + 12 + 3 + 6 + 15 + 11 + 17 124
=
= R$ 10,33
12
12
O desvio padro ser:
s2 =
(7 10,33)2 + ... + (17 10,33)2 = 258,67 23,52

12 1
11
s = s 2 = 23,52 = R$ 4,85
O CVP ento ser:
CVP =
100% =
4,85
100 = 46,95%
10,33
9.
Para resolver esta questo precisamos calcular o coeficiente de variao.
TV do Carlos
CV =
3,7
100 = 3,08%
120
TV do Pedro
CV =
5,2
100 = 4,52%
115
Justificativa: O Pedro pagar mais pelo consumo de energia da televiso, pois o

coeficiente de variao maior. Significa que a chance da TV do Pedro consumir os
115 kw menor do que a do Carlos, ou seja, quanto maior o coeficiente de variao
mais heterogneo so os valores.
238
Estatstica Aplicada
10
Para o clculo do desvio padro devemos primeiro calcular a mdia aritmtica.
X =
x f
i
2 + 3 + 4 + 5 + 7 + 8 + 13 42
=
=6
7
7

varincia que ser:
(x X ) = (2 6) + (3 6) + (4 6) + (5 6) + (7 6) + (8 6) + (13 6)
2
s2 =
s2 =
n 1
7 1
( 4)2 + ( 3)2 + ( 2)2 + (1)2 + (1)2 + (2)2 + (7)2 = 16 + 9 + 4 +1+1+ 4 + 49 = 84 = 14

6
s = s 2 = 14 3,74
Aproximadamente 3,74.
Unidade 5
1. e
2. d
3. e
4. d
5. e
6.. a
7. d
8. d
9.
Nesse caso, a varivel escolhida contnua e a populao estudada infinita. O
desvio padro 15, o erro amostral de 1,5 e Z = 1,96. Sendo assim:
Normalmente utilizamos os nveis de cobrana:
Para
95%
Z=1,96
99%
Z=2,58
Z
n=
1,96 15
n=
= 384,16 384
1,5
O tamanho da amostra , ento, de 384 peas.
239
Estatstica Aplicada
10
Nesse caso, a varivel contnua e a populao estudada finita de 1600 peas. O
desvio padro 15, o erro amostral de 1,5 e Z = 1,96. Sendo assim, a frmula
usada ser:
Z 1,96 15 29,4
2
n0 =
=
= (19,6) = 384,16
=
1,5 1,5
2
Como a populao finita devemos fazer a devida correo:
n=
n0
n
1+ 0
N
n=
n0
384,16
384,16
384,16
=
=
=
= 309,78 310
384,16 1 + 0,2401 1,2401
n0
1+
1+
1600
N
Unidade 6
1. c
C2, 2 = 1 (observar tabela de coeficientes Binomiais)

PRB =
1
= 0,10
10
240
n!
k! (n k )!
Estatstica Aplicada
2.

C5, 2 = 10
PRV =
3.
(observar tabela de coeficientes Binomiais)
3
= 0,30
10
PB =
2
= 0,4
5
P(V / P ) =
3
= 0,75
4
P( A B ) = 0,6 0,5 = 0,30

4.
PS =
5.
250 + 320
= 0,193333... 0,19
3000
PS =
320
= 0,10666... 0,107
3000
6.. a
PMa 4 =
7.
P2 Mo =
8.
800 + 2.500
0,209
15.800
8.300 8.300
0,28
15.800 15.800
PA, B = 0,30 0,20 = 0,06

9.
Para A e B serem independentes P(A B)= P(A).P(B)
P(A).P(B) = 0,15.0,0,23=0,03 0,06 no so independentes.
241
Estatstica Aplicada
10.
P(A/F) =
42 / 300 0,14
P( A F )
=
=
= 0,33
125 / 300 0,42
P( F )
Unidade 7
1. a
Buscamos na tabela da normal as probabilidades correspondentes aos valores de z.
Z= -0,33
2. c
Fazemos agora, o contrrio, a partir da probabilidade buscamos na tabela o valor
de z correspondente.
P= 0,23576
3. c
Distribuio Binomial
p=0,125 (12,5%)
q=0,875 (1-p=1-0,125=0,875)
n=6
Teorema:
Seja X uma varivel aleatria binomial, ento:
P{X = k} = Cn,k . pk . (1 p)n-k k= 0, 1, 2, ..., n. -
Cn,k =
n!
k! (n k )!
A probabilidade de nenhum estudante se formar k=0, ou seja, Pr{X=0}.

P{X=0}=
C 6, 0 0,125 0 0,875 6 = 1 1 0,4488 = 0,4488
P{X=0}=0,4488
Para o clculo de
C 6,0 =
6!
, pode-se consultar a tabela de binomial e buscar
0!6!
o resultado.
n!
k! (n k )!
4. a
Sempre que estamos trabalhando com a probabilidade do valor estar acima
(superior a 66,4), temos que levar em considerao que:
O espao amostral possui 100% ou 1;
Buscamos o valor da probabilidade que est a partir do valor especificado;
Subtramos 1 - a probabilidade calculada.
242
Estatstica Aplicada
z=
P{X>66,4) = 1- P{Z<z)
P{X>66,4) = 1- (z)
P{X>66,4) = 1- Pr{X66,4) =
66,4 70
1
= 1 (0,75) = 1 0,22663 = 0,7734
4,8
P{X>66,4) = 0,7734
5. d
p=0,2
q=0,8
n=4
k=1
P{X=1}=
C 4,1 0,21 0,8 3 =
4!
0,2 0,512 = 4 0,2 0,512 = 0,4096
1!3!
P{X=1}= 0,4096
6. c
p=0,40
q=0,60
n=10
k=0
k=1
k=2
k=3
P{X3} = P{X=0} + P{X=1} + P{X=2} + P{X=3}
P{X=0}=
C10,0 0,40 0 0,6010 = 0,00605
P{X=1}=
C10,1 0,401 0,60 9 = 0,04031
P{X=2}=
C10, 2 0,40 2 0,60 8 = 0,12093
P{X=3}=
C10,3 0,40 3 0,60 7 = 0,21499
P{X3}= 0,38228 ou 0,382
243
Estatstica Aplicada
7. a
p=0,20
q=0,80
n=20
k=0
k=1
k=2
P{X2} = P{X=0} + P{X=1} + P{X=2}
P{X=0}=
C 20,0 0,20 0 0,80 20 = 0,01153
P{X=1}=
C 20,1 0,201 0,8019 = 0,05765
P{X=2}=
C 20, 2 0,20 2 0,8018 = 0,13691
P{X2} = 0,20609 ou 0,207

8. b
Uma moeda possui dois lados, logo a probabilidade de ocorrncia de qualquer face
de
1
= 0,50 .
2
p=0,50
q=0,50
n=5
k=0
k=1
k=2
P{X3} = 1- P{X<3} = 1- [P{X=0} + P{X=1} + P{X=2}]
P{X=0}=
C 5, 0 0,5 0 0,5 5 = 0,03125
P{X=1}=
C 5,1 0,51 0,5 4 = 0,15625
P{X=2}=
C 5, 2 0,5 2 0,5 3 = 0,3125
P{X3} = 1- P{X<3}= 1-0,500=0,500
244
Estatstica Aplicada
9.
z=
P(X>180) = 1- P(Z<z)
z=
180 175
= 0,33
15
P(X>180) = 1 (0,33) = 1-0,6293 = 0,37

No total de 1000 pacientes = 1000 x 0,37
371 pacientes
10.
Dentre os 8 pacientes que deram entrada na sala de emergncia, os 8 no estejam
em condies de emergncia.
p=0,6
q=0,4
n=8
P{X8} = P{X=0} + P{X=1} + P(X=2} + P{X=3} + P{X=4} + P{X=5} + P{X=6} + P{X=7} +
P{X=8}
P{ X = 0} = C8, 0 .0,6 0.0,4 8 = 0,001

P{ X = 1} = C8,1 .0,61.0,4 7 = 0,008
P{ X = 2} = C8, 2 .0,6 2.0,4 6 = 0,041
P{ X = 3} = C8,3 .0,6 3.0,4 5 = 0,124
P{ X = 4} = C8, 4 .0,6 4.0,4 4 = 0,232
P{ X = 5} = C8,5 .0,6 5.0,4 3 = 0,279
P{ X = 6} = C8, 6 .0,6 6.0,4 2 = 0,209
P{ X = 7} = C8, 7 .0,6 7.0,41 = 0,090
P{ X = 8} = C8,8 .0,68.0,4 0 = 0,017
P(X8} = 1 ou 100%
245
Estatstica Aplicada
Obs: Como j dito anteriormente, o espao amostral tem uma probabilidade de 1

ou 100%. No caso do problema, como pegamos uma amostra de tamanho 8 e
verificamos a probabilidade de todos os 8 pacientes, a soma dessas probabilidades
s poderia ser igual a 1 ou 100%, pois verificamos todo o espao amostral.
Unidade 8
1. a
Desenvolvimento:
Precisamos calcular os somatrios. Feito isso, substitumos os valores

na frmula para o clculo de correlao r.
Perodo
Nascidas
Vivas
Morte por todos os

tipos e causas
1985
1100
540
1210000
291600
594000
1986
840
720
705600
518400
604800
1987
480
640
230400
409600
307200
1988
2200
380
4840000
144400
836000
1989
1840
560
3385600
313600
1030400
1990
1790
8250
120
3204100
13575700
14400
1692000
214800
3587200
2960
x2
y2
xy
Para o clculo do coeficiente de correlao r, precisamos dos somatrios

de: x, y, x2, y2 e xy. O ideal utilizarmos uma planilha eletrnica
por facilitar o clculo de valores, mas, independente de possuir ou no
recurso de informtica, podemos calcular o valor de r utilizando apenas a
calculadora.
(x).(y )
n
r=
2
2 (x) 2 (y ) 2
x n .y n
xy
246
Estatstica Aplicada
8250 2960
482.800
6
=
= 0,6713
2
2
719
.178,15
(8.250)
(2.960)
13.575.700
1.692.000
6
6
3.587.200
r=
2.
Comentrio:
Somente com o valor do r calculado j poderamos dizer que a srie

possui uma relao negativa.
Outra forma seria construindo o grfico de disperso com a linha de

tendncia. Ele demonstra claramente que a relao negativa.
Grfico de Tendncia
800
600
400
200
0
0
500
1000
247
1500
2000
2500
Estatstica Aplicada
3. b
Desenvolvimento:
Buscamos analisar a relao existente entre as variveis, pois o objetivo

da correlao verificar a associao existente entre elas. Nmero do
calado e QI so duas variveis que dispensam qualquer tipo de clculo,
pois elas no se relacionam, ou seja, no h nenhuma associao entre
elas.
No caso de Renda e Educao, so duas variveis que possuem

associao, pois, por exemplo, se um indivduo possui baixa escolaridade,
provavelmente a renda dele tambm baixa; se um indivduo possui
uma graduao, por exemplo, provavelmente a renda dele superior ao
caso anterior, e assim sucessivamente. A questo educao leva o
indivduo, normalmente, a obter uma alavancagem cultural, social e
financeira, por isso, so variveis que se correlacionam.
4. a
5. b
Para estimarmos a reta, iremos trabalhar com as equaes normais:
-Equaes normais:
y = na + b(x)
(xy) = a (x) + b (x2)
Vamos calcular os somatrios e encontrar os valores de a e b:
Nmero de semanas
trabalhadas (x)
Nmero de carros
inspecionados (y)
x2
xy
13
26
20
49
140
22
81
198
15
25
75
12
20
144
240
35
90
303
679
248
Estatstica Aplicada
x=35
y=90
x2=303
xy=679
y = na + b(x)
2
(xy) = a (x) + b (x )
Substituindo os valores temos:
90 = 5a + b(35)
679 = a(35) + b(303)

Precisamos eliminar uma das variveis a ou b. Vamos multiplicar a 1a linha do
sistema por (-7); aps a multiplicao somar a 1a do sistema com a 2a linha do
sistema. Assim eliminamos a e encontramos o valor de b. Em seguida, substituindo
o valor de b em qualquer uma das linhas, encontramos o valor de a.
(7)
90 = 5a + b(35)
679 = a(35) + b(303)

630 = 35a 245b
+
679 = 35a + 303b

49 = 58b
58b = 49
49
b=
= 0,844
58
b=0,844
Substituindo o valor de b na 1a ou 2a equao do incio do problema, temos:
90 = 5a + 0,844 35
90 = 5a + 29,54
90 29,54 = 5a
60,46 = 5a
5a = 60,46
60,46
a=
= 12,09
5
a=12,09
249
Estatstica Aplicada
^
Logo a equao da reta ser:

6.
y = 12,09 + 0,844 x
a
^
Utilizando a equao da reta calculada no exerccio 5, y = 12,09 + 0,844 x ,

iremos estimar quantos carros um funcionrio trabalhando 8 semanas ir
inspecionar:
^
y = 12,09 + 0,844 8
^
y = 12,09 + 6,752
^
y = 18,842 19 carros
7. a
Para o clculo do valor de x utilizamos uma das equaes normais que nos permite
o clculo do valor de y. Atravs do problema, temos as seguintes informaes:
x = 410 n = 3
y = na + b( x) substituindo :
y = (3 28) + (0,5 410)
y = 289
a = 28 b = 0,5
Se o somatrio de y igual a 289, no podemos esquecer de subtrair os valores j

existentes na tabela. Logo: y = 289 90 150 y = 49 .
8.
250
Estatstica Aplicada
9.
Soluo:
Crianas
Altura (cm) - x
Peso (kg) - y
75
70
9,2
73
8,9
78
8,5
80
9,5
69
9,6
71
9,1
72
10
74
8,7
77
9,4
739
91,9
1
2
3
4
5
6
7
8
9
10
xy
x2
y2
675
5625
81
644
4900
84,64
649,7
5329
79,21
663
6084
72,25
760
6400
90,25
662,4
4761
92,16
646,1
5041
82,81
720
5184
100
643,8
5476
75,69
723,8
6787,8
5929
54729
88,36
846,37
Vamos calcular o valor de r
(x).(y )
n
r=
2 (x) 2 2 (y ) 2
x n .y n
xy
739 91,9
6787,8
10
r=
2
(739)
(91,9) 2
846,37
54729
10
10
r=
6787,8 6791,41
3,61
3,61
=
=
= 0,2482
116,90 1,809
211,4721 14,5421
r= -0,2482
251
Estatstica Aplicada
O valor de r indica que a relao negativa mais fraca. Isso no significa no

haver correlao nenhuma entre as variveis. Para uma anlise mais aprofundada
seria necessrio o domnio de diversas informaes que no esto sendo levadas
em considerao. Por exemplo: aos 10 meses as crianas, normalmente, j ingerem
diversos tipos de alimentos. Ser que todas as crianas tm o mesmo tipo de
alimentao? Ser que todas as crianas ainda bebem leite materno, ou seja,
mamam no peito? Vale lembrar que muito importante o domnio da informao
acerca de um grupo que estamos analisando para evitar erros grosseiros de anlise.
10.
Soluo:
Crianas
1
2
3
4
5
6
7
8
9
10
Altura (cm) - x
Peso (kg) - y
75
70
9,2
73
8,9
78
8,5
80
9,5
69
9,6
71
9,1
72
10
74
8,7
77
9,4
739
91,9
xy
x2
675
5625
644
4900
649,7
5329
663
6084
760
6400
662,4
4761
646,1
5041
720
5184
643,8
5476
723,8
6787,8
5929
54729
Para o clculo da equao da reta, que permitir a estimativa do peso de crianas

com 85 cm de altura, vamos utilizar as equaes normais e encontrar os valores de
a e b, como j desenvolvido em exerccio anterior.
y = na + b(x)
(xy) = a (x) + b (x2)
252
Estatstica Aplicada
91,9 = 10a + 739b (73,9)
6787,8 = 739 + 54729b

6791,41 = 739a 54612,10b
6787,8 = 739a + 54729b

3,61 = 116,90b
116,90b = 3,61
3,61
b=
= 0,0309
116,90
Substituindo encontramos o valor de a.
91,9 = 10a + 739 (0,0309)

91,9 = 10a 22,8351
91,9 + 22,8351 = 10a
10a = 114,7351
114,7351
= 11,47351
a=
10
a= 11,47
b= -0,03
= a + bx= 11,47 - 0,03 x 85 = 8,92
9 kg
253

GRAD100 ESTATISTICA Livro

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

GRAD100 ESTATISTICA Livro

Transféré par

Droits d'auteur :

Formats disponibles

2 edio

Adriana Santos Augusto

Marlene Salgado de Oliveira

Jefferson Salgado de Oliveira

Pr-Reitor de Planejamento e Finanas

Wellington Salgado de Oliveira

Pr-Reitor de Organizao e Desenvolvimento

Jefferson Salgado de Oliveira

Wallace Salgado de Oliveira

Jaina dos Santos Mello Ferreira

Manuel de Souza Esteves

Pr-Reitor de Ps-Graduao e Pesquisa

Marcio Barros Dutra

DEPARTAMENTO DE ENSINO A DISTNCIA

Ficha catalogrfica elaborada pela Biblioteca Universo Campus Niteri

Informaes sobre a disciplina

NOME DA DISCIPLINA: Estatstica Aplicada

Apresentar aos alunos as noes de estatstica, permitindo organizar,

interpretar e utilizar os conceitos bsicos da estatstica descritiva, na

fenmenos, seja nas reas tecnolgica, humana e da sade.

Unidade 1: Elementos da Estatstica Descritiva

Unidade 2: Grficos Gerais Estatsticos

Unidade 3: Medidas de Tendncia Central

Unidade 4: Medidas de Disperso

Unidade 5: Noes de Amostragem

Unidade 6: Clculo das Probabilidades

Unidade 7: Distribuies de Probabilidades

Unidade 8: Correlao e Regresso

Apresentao da disciplina ................................................................................................... 09

Unidade 1 Elementos de Estatsticas Descritiva ........................................................ 15

Unidade 2 Representao Grfica................................................................................... 53

Unidade 3 Medidas de Tendncia Central................................................................... 69

Unidade 4 Medidas de Disperso................................................................................... 97

Unidade 5 Noes de Amostragem .............................................................................. 114

Unidade 6 Clculo das Probabilidades.......................................................................... 131

Unidade 7 Distribuio de Probabilidade.................................................................... 153

10. Unidade 8 Correlao e Regresso ................................................................................. 175

interdisciplinar durante o exerccio do curso.

Unidade 1 Elementos da Estatstica Descritiva

Objetivo: identificar conceitos bsicos da disciplina; compreender o que

estatstico; conhecer as sries estatsticas; trabalhar os dados estatstico atravs da

Unidade 2 Representao Grfica

Unidade 3 Medidas de Tendncia Central

Objetivo: compreender as medidas de tendncia central e calcul-las para

Unidade 4 - Medidas de Disperso

Objetivo: compreender as medidas de disperso, calcular essas medidas para

Unidade 5 - Noes de Amostragem

Objetivo: conhecer mais sobre o clculo e os tipos de amostra e os mtodos

Unidade 6 - Clculo das Probabilidades

Objetivo: caracterizar os experimentos aleatrios; calcular as possibilidades de

Unidade 7- Distribuio de Probabilidade

Objetivo: identificar e calcular problemas relacionados contagem

Unidade 8 Correlao e Regresso

Nesta primeira unidade, estudaremos o que o mtodo estatstico, bem

Identificar conceitos bsicos da disciplina.

Compreender o que exatamente a estatstica e para que ela serve.

Interpretar um levantamento estatstico.

Conhecer as sries estatsticas.

Trabalhar os dados estatstico atravs da montagem de uma distribuio

Conceitos bsicos da estatstica

Bem-vindo primeira unidade de estudo

Estatsticas so feitas todos os dias em jornais e revistas, algumas vezes por

consiste em manter constante todas as