Estatística - JusDecisum

Verso 2012.
Curso: Banco Central - 2012
ndice
1- Conceitos Fundamentais..................................................................................................................4 2- Organizao de Dados Estatsticos................................................................................................10 2.4.1 Dados Brutos x Rol...................................................................................................................11 2.4.2 Distribuio de Frequncia........................................................................................................12 2.5.1 Classe.........................................................................................................................................13 2.5.2 Limites de Classe.......................................................................................................................13 2.5.3 Amplitude de um Intervalo de Classe.......................................................................................14 2.5.4 Amplitude Total da Distribuio...............................................................................................14 2.5.5 Ponto Mdio..............................................................................................................................14 2.6.1 Frequncia Simples ou Absoluta...............................................................................................14 2.6.2 Frequncia Relativa...................................................................................................................15 2.6.3 Frequncia Acumulada..............................................................................................................15 2.6.4 Frequncia Acumulada Relativa...............................................................................................16 2.7.1 Grfico em Colunas ou em Barras............................................................................................16 2.7.2 Histogramas...............................................................................................................................17 2.7.3 Polgono de Frequncia.............................................................................................................18 2.7.4 Polgono de Frequncia Acumulada Ogiva............................................................................18 2.7.5 Curva de Frequncias ...............................................................................................................18 2.7.6 Formas Notveis das Curvas de Frequncias ...........................................................................19 2.7.7 Grfico de Setores ....................................................................................................................20 2.7.8 Grfico Polar ............................................................................................................................21 3- Medidas de Posio........................................................................................................................27 3.2.1- Princpio fundamental..............................................................................................................27 3.2.2- Mdia aritmtica para dados simples (no agrupados):...........................................................27 3.2.3- Mdia aritmtica para dados agrupados:..................................................................................28 3.2.4- Mdia aritmtica para dados agrupados em intervalos de classe:............................................28 3.2.5- Propriedades da mdia.............................................................................................................29 3.2.6- Clculo Simplificado da Mdia................................................................................................30 3.3.1- Clculo da Mediana: dados simples (no agrupados):.............................................................31 3.3.2- Clculo da Mediana: dados agrupados sem intervalos de classe:............................................32 3.3.3- Clculo da Mediana: dados agrupados em intervalos de classe:.............................................33 3.4.1- Dados no Agrupados..............................................................................................................34 3.4.2- Dados Agrupados sem Intervalos de Classe............................................................................34 3.4.3- Dados Agrupados com Intervalos de Classe............................................................................35 3.4.4- Determinao Grfica da Moda...............................................................................................36 3.6.1- Quartis......................................................................................................................................38 3.6.2- Decis.........................................................................................................................................39 3.6.3- Percentis...................................................................................................................................40 3.7.1- Mdia Geomtrica (G).............................................................................................................41 3.7.2- Mdia Harmnica (H)..............................................................................................................41 3.7.3- Relao entre as Mdias...........................................................................................................41 4- Medidas de Disperso....................................................................................................................47 4.4.1- Fator de correo de Bessel.....................................................................................................49 4.4.2- Clculo da varincia.................................................................................................................50 4.4.3- Propriedades da Varincia.......................................................................................................52
4.4.4- Clculo da varincia atravs da varivel transformada............................................................53 4.7.1- Coeficiente de Variao de Pearson.........................................................................................57 4.7.2- Outras Medidas de Disperso Relativa....................................................................................58 5- Probabilidade.................................................................................................................................64 5.1.1- Extraes com reposio e sem reposio...............................................................................64 5.1.2- Experimento Aleatrio.............................................................................................................64 5.1.3- Espao Amostral e Evento.......................................................................................................65 5.1.4- Nomes de alguns eventos.........................................................................................................65 5.1.5- Evento complementar..............................................................................................................65 5.1.6- Interseo e Unio de Eventos.................................................................................................67 5.1.7- Eventos mutuamente exclusivos..............................................................................................67 5.2.1- Distribuio uniforme..............................................................................................................68 5.2.2- Probabilidade de ocorrer um evento........................................................................................69 5.3.1- Probabilidade de no ocorrer um evento..................................................................................71 5.3.2- Probabilidade de ocorrer um evento A ou B............................................................................72 6- Distribuies de Probabilidades.....................................................................................................84 6.3.1- Erro Amostral...........................................................................................................................91 6.3.2- Intervalo de Confiana (utilizando z).......................................................................................91 6.3.3- Intervalo de Confiana para a Mdia Utilizando t...................................................................92 6.3.4- Intervalo de Confiana para Propores..................................................................................95 7- Anexos.........................................................................................................................................101
O contedo dessa apostila est de acordo com programa para o cargo de Analista e Tcnico do Banco Central do Brasil, conforme os editais: Edital BACEN N 1, de 25 de Outubro de 2005: Edital BACEN N 1, de 18 de Novembro de 2009:
ESTATSTICA I 1. Histogramas e Curvas de Frequncia. 2. Distribuio de frequncias: absoluta, relativa, acumulada. 3. Medidas de posio: mdia, moda, mediana e separatrizes. 4. Medidas de Disperso. 4.1. Desvio padro. 4.2. Coeficiente de variao. 5. Distribuies de probabilidade. 5.1. Distribuio binomial. 5.2. Distribuio normal.
01
1- Conceitos Fundamentais
1.1- Estatstica
Estatstica uma seo da Matemtica Aplicada que fornece mtodos para a coleta, sistematizao, descrio, anlise e interpretao de dados e para a utilizao dos mesmos na tomada de decises. A Estatstica est dividida em: a) Estatstica Descritiva se encarrega da coleta, sistematizao (organizao), e a descrio dos dados; b) Estatstica Indutiva ou Inferencial responsvel pela anlise e a interpretao dos dados. A palavra estatstica tambm frequentemente usada como sinnimo dos prprios dados estatsticos ou das relaes estatsticas calculadas a partir destes dados. Assim, so estatsticas: a mdia aritmtica, a mediana, a moda, o desvio padro etc. Vale destacar que o aspecto essencial da Estatstica o de proporcionar mtodos inferenciais, que permitam concluses que transcendam os dados obtidos inicialmente.
1.2- Populao
Populao ou Universo estatstico - um conjunto de indivduos ou objetos que apresentam pelo menos uma caracterstica em comum. Exemplos: a) os alunos de um determinado Curso de Estatstica; b) os candidatos ao Concurso do AFRF/2008; c) A populao das alturas dos alunos da universidade X. Entretanto, pode-se restringir o universo de acordo com os aspectos que sejam relevantes em nosso estudo. Dessa forma, tambm so exemplos de universo ou populao estatstica: a) os alunos de um determinado curso de estatstica que tenham formao acadmica em Cincias Sociais; b) os candidatos inscritos no Concurso AFRF/2008 na rea de Tributao e Julgamento. Quanto ao nmero de elementos que possam compor uma populao, esta pode ser definida como finita, como o caso da populao das alturas dos alunos da universidade X, ou infinita, como, por exemplo, a populao de todos os resultados produzidos por sucessivos lanamentos de uma moeda (cara, cara, coroa, cara, coroa ....). Na prtica, todavia, consideramos como infinitas tambm as populaes que, embora, sejam realmente finitas tenham um nmero muito grande de elementos. Da mesma forma, se uma populao tem uma quantidade finita de elementos, mas se a amostragem for feita com reposio ento a populao ser entendida como infinita.
1.3- Censo
Censo um procedimento que consiste em determinar os valores que constituem uma populao. Assim, na realizao de um censo so consultados todos os elementos da populao. Em outras palavras, denomina-se censo pesquisa estatstica onde todos os elementos da populao so observados. O exemplo mais comum o censo demogrfico, atravs do qual feita periodicamente, entre outras coisas, a contagem de todos os habitantes do pas.
1.4 Amostra
Amostra um subconjunto finito e no vazio de uma populao, que no coincida com a prpria populao.
P opula o Am ostra
Na maioria das situaes praticamente impossvel a anlise da totalidade dos elementos que compem uma determinada populao (limitaes econmicas os temporais). Assim, temos que limitar nossas observaes a apenas uma parte da populao (amostra). Dizemos que uma amostra representativa quando ela contm todas as caractersticas essenciais da populao, nas mesmas propores desta. Se uma amostra representativa, ento as concluses obtidas a partir do seu estudo podero ser generalizadas ou transferidas para a populao com alto grau de certeza, isto , com um risco pequeno de estarmos errados a respeito das afirmaes que fizemos sobre a populao. Quando uma pesquisa estatstica leva em considerao apenas uma amostra da populao, ela chamada de pesquisa por amostragem. Entretanto, para que a concluses tiradas deste estudo sejam confiveis, faz-se necessrio que a amostra ou as amostras que vo ser usadas sejam obtidas por processos adequados. a) Processo de amostragem Aleatria Simples, Casual ou Randmica: neste tipo de amostragem, todos os elementos da populao devem ter a mesma chance de serem escolhidos para fazer parte da amostra. Assim, a escolha dever ser feita sorteando-se, por um dispositivo aleatrio qualquer, os elementos que pertencero amostra. Por exemplo, para se obter uma amostra representativa da estatura dos 150 funcionrios de uma repartio pblica poder-se-ia proceder da seguinte forma: Anotamos o nmero da matrcula de cada servidor (de 001 a 150) em pedaos iguais de papel e os colocamos dentro de uma caixa. Agitando sempre a caixa para garantir a mistura dos papis, vamos retirando um a um, quinze nmeros para formar a amostra. Neste caso, a amostra ser formada por 10% da populao. No entanto, quando o nmero de elementos da amostra muito grande, esse processo fica deveras trabalhoso. Nesse contexto, alternativamente, poderemos utilizar uma tabela de nmeros aleatrios (construda de modo que os dez algarismos 0 a 9 so distribudos ao acaso nas linhas e colunas). Com a utilizao da tabela, para obtermos os elementos da amostra, sorteamos um algarismo qualquer da mesma, a partir do qual iremos considerar dois, trs ou mais algarismos, conforme nossa necessidade. Assim, o resultado obtido pelo uso da tabela semelhante ao de um sorteio imparcial.
b) Amostragem Sistemtica: o processo de obteno de amostras no qual os elementos so selecionados por algum sistema preestabelecido como, por exemplo, seguindo-se intervalos regulares de tempo ou aps certa contagem de elementos. Esta tcnica conveniente sempre que a populao se encontrar previamente ordenada segundo algum critrio (peas em uma linha de montagem, fichas em um fichrio, nomes em uma lista telefnica, prdios em uma rua etc.). Exemplo: Imaginemos uma linha de produo onde so fabricados 1500 parafusos em um dia dos quais desejamos obter uma amostra formada por 60 peas. Podemos proceder nesse caso da seguinte forma: como 1500/60 = 25, escolhemos por sorteio casual um nmero de 1 a 25 (inclusive), o qual indicaria o primeiro elemento sorteado para a amostra; os demais elementos seriam periodicamente considerados de 25 em 25. O inconveniente deste processo ele pode produzir amostras que no detectem eventos cclicos tais como falhas que ocorram periodicamente em uma linha de produo. c) Amostragem Estratificada, por Quotas, ou Proporcional: neste procedimento, diversas caractersticas da populao, tais como idade, sexo, classe social e etnia, so amostradas nas mesmas propores em que figuram na populao. Cada um destes grupos nos quais a populao se subdivide chamado extrato. Exerccio de Aprendizagem 01: COD. Supondo que dos 150 funcionrios de determinada repartio pblica, 90 sejam do sexo masculino, obter uma amostra proporcional estratificada de 10% da populao.
1.6 Variveis e Atributos

Varivel , convencionalmente, o conjunto de resultados possveis de um fenmeno. Uma varivel pode ser representada por um smbolo (a, b, c, x, y, z), que pode assumir qualquer um de um conjunto de valores que lhe so atribudos, conjunto este chamado domnio da varivel. Se a varivel s pode assumir apenas um valor denominada constante. As variveis so classificadas de acordo com o que se prope a medir. Variveis qualitativas quando seus valores representam qualidades ou atributos: As variveis qualitativas so sempre distribudas em grupos mutuamente excludentes: sexo (masculino e feminino), religio (catlica, protestante etc.), estados brasileiros (Pernambuco, Paraba etc.); Variveis quantitativas quando seus valores so expressos em nmeros, ou seja, uma varivel quantitativa quando ela representa uma quantidade ou uma grandeza medida em uma escala qualquer que permita a identificao da magnitude das diferenas entre dois valores quaisquer. Exemplos: salrios de empregados, nmero de filhos de uma famlia, peso de um indivduo etc.
1.7 Variveis Aleatrias Discretas e Contnuas

Podemos definir varivel aleatria como sendo uma propriedade de um elemento que est sendo medido, assumindo diferentes valores ou atributos. Varivel Contnua diz-se que uma varivel quantitativa contnua quando pode assumir, teoricamente, qualquer valor (qualquer nmero Real) entre dois limites. O peso de um indivduo pode assumir valores como 71kg, 71,4kg, 71,43kg, 71,43261kg, dependendo este valor da preciso da medida. Varivel Discreta a varivel quantitativa que s pode assumir valores pertencentes a um conjunto enumervel. O nmero N de crianas, em uma famlia, pode assumir qualquer um dos valores 0, 1, 2, 3, ... mas no pode ser 2,5 ou 3,856, logo uma varivel discreta. De modo geral, as medies do origem a dados contnuos e as contagens ou enumeraes, a dados discretos. Os dados que podem ser descritos por meio de uma varivel discreta ou contnua so chamados de dados discretos ou contnuos, respectivamente. Para representar a varivel e os valores ou atributos assumidos por ela, comum o uso da notao xi . E, aos valores ou atributos assumidos pela varivel, damos o nome de categorias ou classes da varivel.
1.8 Questes de Concursos

QUESTO 01 Assinale a opo correta. CD.:
a) Em estatstica, entende-se por populao um conjunto de pessoas. b) A varivel discreta quando pode assumir qualquer valor dentro de determinado intervalo. c) Frequncia relativa de uma varivel aleatria o nmero de repeties dessa varivel. d) A srie estatstica cronolgica quando o elemento varivel o tempo. e) Amplitude total a diferena entre dois valores quaisquer do atributo. Soluo:
TC-DF
1995
CESPE
GAB.:
QUESTO 02 Assinale a opo correta.
CD.:
a) A Estatstica Inferencial compreende um conjunto de tcnicas destinadas sntese de dados numricos. b) O processo utilizado para se medirem as caractersticas de todos os membros de uma dada populao recebe o nome de censo. c) A Estatstica Descritiva compreende as tcnicas por meio das quais so tomadas decises sobre uma populao com base na observao de uma amostra. d) Uma populao s pode ser caracterizada se forem observados todos os seus componentes. e) Parmetros so medidas caractersticas de grupos, determinadas por meio de uma amostra aleatria. Soluo:
TC-DF
1995
GAB.:
QUESTO 03 Julgue os itens seguintes.
CD.:
I) Por Estatstica Descritiva, entende-se um conjunto de ferramentas, tais como grficos e tabelas, cujo objetivo apresentar, de forma resumida, um conjunto de observaes. II) Quando aplicada em uma populao de pessoas formada pelo mesmo nmero de homens e de mulheres, uma amostra aleatria simples tambm apresenta o mesmo nmero de homens e mulheres. Soluo:
TCDF
2002
AFCE
CESPE
GAB.: C E
QUESTO 04 Julgue os seguintes.
CD.:
I) Um censo consiste no estudo de todos os indivduos da populao considerada. II) Como a realizao de um censo tipicamente muito onerosa e(ou) demorada, muitas vezes conveniente estudar um subconjunto prprio da populao, denominado amostra. Soluo:
Alagoas
2002
FTE
CESPE
GAB.: C C
QUESTO 05 CD.: Uma pesquisa de opinio dos usurios acerca de qualidade do atendimento em um hospital foi realizada com o seguinte desenho: a quinta pessoa que chegou ao hospital, num certo dia, foi selecionada e pesquisada; depois, a dcima pessoa a chegar foi pesquisada; depois, a dcima quinta; e assim sucessivamente, sempre de cinco em cinco pessoas. Esse desenho caracteriza uma amostragem: a) sistemtica. b) aleatria simples. c) estratificada. d) por conglomerados. e) por sorteios aleatrios sucessivos. Soluo:
SAD/PE
2009
Analista de Planejamento, Oramento e Gesto
FGV
GAB.: A
02
2- Organizao de Dados Estatsticos
2.1 Quadros e Tabelas
Na organizao de dados estatsticos, na prtica, diferenciamos quadros de tabelas, da seguinte forma: a) Os quadros apresentam dados exclusivamente descritos de um conjunto de variveis ou de apenas uma varivel; b) As tabelas apresentam informaes cruzadas de variveis ou permitem comparaes mais elucidativas.
2.2 Normas para Apresentao Tabular de Dados

Um dos objetivos da Estatstica sintetizar os valores que uma ou mais variveis podem assumir, para que tenhamos uma viso global da variao dessa ou dessas variveis. E isso ela consegue, inicialmente, apresentando esses valores em tabelas e grficos. Assim, tabela um quadro que resume um conjunto de informaes. Uma tabela compe-se de:
Ttulo Cabealho PRODUO DE MILHO NORDESTE 2000-2004 ANOS 2000 Corpo 2001 2002 2003 2004
FONTE: Instituto Imaginrio de Estatstica
PRODUO (1.000 t) 150 243 212 350 207 Linhas Casa ou clula
Rodap Coluna indicadora Coluna numrica
De acordo com a Resoluo 866 do IBGE, nas casas ou clulas deve-se colocar: Um trao horizontal (-) quando o valor zero; Trs pontos (...) quando no se tm dados; Um ponto de interrogao (?) quando se tem dvida quanto exatido de determinado valor; Zero (0) quando o valor muito pequeno para ser expresso pela unidade utilizada.
10
2.3 Sries Estatsticas

A descrio da estrutura ou da variao dos fenmenos estatsticos feita atravs de sries estatsticas, isto , por conjunto de dados homogneos, discriminados segundo diversas modalidades, ou ordenados de acordo com as medidas de uma circunstncia da observao. Denominamos srie estatstica toda tabela que apresenta a distribuio de um conjunto de dados estatsticos em funo da poca, do local ou da espcie. Os dados que constituem a srie estatstica chamam-se termos da srie. Conforme varie um dos elementos da srie, podemos classific-la em: histrica, geogrfica e especfica. a) Sries histricas, cronolgicas, temporais ou marchas: Descrevem os valores da varivel, em determinado local, discriminados segundo intervalos de tempo varivel. b) Sries geogrficas, espaciais, territoriais ou de localizao: Descrevem os valores da varivel, em determinado instante, discriminados segundo regies. c) Sries especficas ou categricas: Descrevem os valores da varivel, em determinado tempo e local, discriminados segundo especificaes ou categorias.
SRIE HISTRICA: PREO DO ACM NO VAREJO SO PAULO 1989-93

ANOS PREO MDIO (US$)
SRIE GEOGRFICA: DURAO MDIA DOS CURSOS SUPERIORES 1994

PASES NMERO DE ANOS
SRIE ESPECFICA: REBANHOS BRASILEIROS 1992

QUANTIDADE (1.000 cabeas)
ESPCIES
1989 1990 1991 1992 1993

FONTE: APA
2,24 2,73 2,12 1,89 2,04
Itlia Alemanha Frana Holanda Inglaterra

FONTE: Revista Veja
7,5 7,0 7,0 5,9 Menos de 4
Bovinos Bubalinos Eqinos Sunos Ovinos

FONTE: IBGE
154.440,8 1.423,3 549,5 34.532,2 19.955,9
2.4 Distribuio de Frequncias

2.4.1 Dados Brutos x Rol
Dados brutos so aqueles que ainda no foram numericamente organizados. Um exemplo o conjunto de alturas de 100 estudantes do sexo masculino, tirado de uma lista alfabtica do registro de uma universidade. Um Rol um arranjo de dados numricos brutos em ordem crescente ou decrescente de grandeza. Suponhamos termos feito uma coleta de dados relativos s estaturas de quarenta alunos, que compem uma amostra dos alunos de um colgio A, resultando a seguinte tabela de valores:
11
TABELA 2.1 ETATURAS DE 40 ALUNOS DO COLGIO A 166 162 155 154 160 161 152 161 161 168 163 156 150 163 160 172 162 156 155 153 160 173 155 157 165 160 169 156 167 155 151 158 164 164 170 158 160 168 164 161
Este tipo de tabela denominada tabela primitiva ou tabela de dados brutos. Como se pode notar, os dados desta tabela encontram-se desorganizados. A maneira mais simples de organizar os dados atravs de certa ordenao (crescente ou decrescente). A tabela obtida aps a ordenao dos dados recebe o nome de rol.
TABELA 2.2 ETATURAS DE 40 ALUNOS DO COLGIO A 150 151 152 153 154 155 155 155 155 156 156 156 157 158 158 160 160 160 160 160 161 161 161 161 162 162 163 163 164 164 164 165 166 167 168 168 169 170 172 173
2.4.2 Distribuio de Frequncia

Chamamos de frequncia absoluta simples (f) de um valor, o nmero de ocorrncias deste valor numa amostra ou numa populao. Por exemplo: Considerando a seguinte amostra: 1, 3, 5, 7, 1, 5, 7, 5, as frequncias absolutas simples de 1, 3, 5 e 7 so, respectivamente, 2, 1, 3, 2, j que: O nmero 1 apareceu 2 vezes O nmero 3 apareceu 1 vez O nmero 5 apareceu 3 vezes O nmero 7 apareceu 2 vezes comum nas provas de concursos a utilizao simplesmente do termo frequncia para indicar a frequncia absoluta simples de um valor da varivel em estudo. Em referncia a situao do item acima (TABELA 2.2), denominamos frequncia absoluta simples o nmero de alunos que fica relacionado a um determinado valor da varivel. Obtemos, assim, uma tabela que recebe o nome de distribuio de frequncia:
TABELA 2.3 ESTAT. (cm) 150 151 152 153 154 155 156 157 FREQ. 1 1 1 1 1 4 3 1 ESTAT. (cm) 158 160 161 162 163 164 165 166 FREQ. 2 5 4 2 2 3 1 1 ESTAT. (cm) 167 168 169 170 172 173 TOTAL FREQ. 1 2 1 1 1 1 40
12
2.5 Intervalos de Classe

Quando se resumem grandes massas de dados, costuma-se frequentemente distribu-los em classes ou categorias e determinar o nmero de indivduos pertencentes a cada uma das classes - frequncia da classe. Intervalo de classe a forma mais comum de agrupar dados. Veja os tipos de intervalos existentes:
150 150 150 150
154 inclui o limite inferior, exclui o superior, intervalo fechado esquerda; 154 exclui o limite inferior, inclui o superior, intervalo fechado direita; 154 inclui os dois limites, intervalo fechado nos dois limites; 154 exclui os dois limites, intervalo aberto nos dois limites;
Chamando de frequncia de uma classe o nmero de valores da varivel pertencentes classe, os dados da Tabela 2.3 podem ser dispostos como na Tabela 2.4, denominada distribuio de frequncia com intervalos de classe.
TABELA 2.4 ESTATURAS DE 40 ALUNOS DO COLGIO A ESTAT. (cm) 150 154 158 162 166 170 154 158 162 166 170 174 FREQ. 4 9 11 8 5 3 40
TOTAL
Na tabela 2.4 acima, os valores da varivel Estatura esto agrupados em seis classes. O que se pretende com a construo desta nova tabela realar o que h de essencial nos dados e, tambm, tornar possvel o uso de tcnicas analticas para sua total descrio, at porque a Estatstica tem por finalidade especfica analisar o conjunto de valores, desinteressando-se por casos isolados. OBS: Quando os dados esto organizados em uma distribuio de frequncia, so comumente denominados dados agrupados.
2.5.1 Classe
Classes de frequncia ou, simplesmente, classes so intervalos de variao da varivel, ou seja, so os conjuntos de valores obtidos a partir do agrupamento dos dados de um rol. As classes so representadas simbolicamente por i, sendo i = 1, 2, 3, ..., k (onde k o nmero total de classes da distribuio). Assim no exemplo acima (tabela 2.4), o intervalo 154 158 define a segunda classe (i = 2). Como a distribuio formada de seis classes, podemos afirmar que K = 6. Cada classe representada por um intervalo onde so indicados apenas os valores limites.
2.5.2 Limites de Classe

Denominam-se limites de classe os extremos de cada classe.
13
O menor nmero o limite inferior da classe ( li ) e o maior nmero, o limite superior da classe ( Li ). Na segunda classe, na tabela 2.4, temos:
l 2 = 154
L2 = 158
Estes so os chamados limites reais de classe, pois o limite superior da classe coincide com o limite inferior da classe seguinte. Caso no ocorresse, os limites seriam chamados de limites aparentes.
2.5.3 Amplitude de um Intervalo de Classe

Amplitude de um intervalo de classe ( hi ) a diferena entre os limites superior e inferior dessa classe.
hi =Li li
Na distribuio da Tabela 2.4, temos:
h2 = L2 l2
=>
h2 = 158 154
=>
h2 = 4cm
2.5.4 Amplitude Total da Distribuio

Amplitude total de uma distribuio ( At ) a diferena entre o limite superior da ltima classe (limite superior mximo) e o limite inferior da primeira classe (limite inferior mnimo):
At =Lmx l mn
Na Tabela 2.4, temos: At = 174 150 = 24
=>
At = 24cm
At =k hi
evidente que, se as classes possuem o mesmo intervalo, se verifica a seguinte relao:
2.5.5 Ponto Mdio

Ponto mdio de uma classe ( xi ) , como o prprio nome indica, o ponto que divide o intervalo de classe em duas partes iguais. O ponto mdio de uma classe o valor que a representa.
xi = li + Li 2
Desta forma o ponto mdio da segunda classe, em nosso exemplo (Tabela 2.4) :
x2 =
l 2 + L2 2
=>
x2 =
154 +158 = 156cm 2
2.6 Frequncias Absolutas e Relativas

2.6.1 Frequncia Simples ou Absoluta
Frequncia simples ou frequncia absoluta ( f i ) de uma classe ou de um valor individual o nmero de observaes correspondentes a essa classe ou a este valor, ou seja, o nmero de ocorrncias dos valores compreendidos naquela classe, incluindo-se na contagem as eventuais repeties de um mesmo valor.
14
Assim, de acordo com a distribuio de frequncia da Tabela 2.4 temos, por exemplo: f 3 =11 , f5 = 5 f1 = 4 , Desta forma podemos concluir que a soma de todas as frequncias absolutas de uma tabela de distribuio de frequncias chamada de frequncia total (normalmente indicada por n) e corresponde ao tamanho do conjunto pesquisado.
fi
i =1
=n,
ou de uma forma mais simples,
=n
Do exemplo acima (Tabela 2.4), temos:
f i = 40
2.6.2 Frequncia Relativa

Frequncias relativas ( fri ) so os valores das razes entre as frequncias simples e a total, ou seja, a frequncia de uma classe dividida pelo total de todas elas. muito comum transformarmos os valores das frequncias relativas em percentuais. Isto pode ser feito pela multiplicao do valor das frequncias relativas simples por 100:
fri =
fi
fri =fri x100
O propsito das frequncias relativas o de permitir a anlise ou facilitar as comparaes. Logo, a frequncia relativa da terceira classe, em nosso exemplo (Tabela 2.4), : f3 11 fr3 = fr = 0,275 = 0,275 => => fr3 = fi 40
fr3 % = 0,275 x100
=>
fr3 % = 27,5%
2.6.3 Frequncia Acumulada

Frequncia acumulada ( Fi ) o total das frequncias de todos os valores inferiores ao limite superior do intervalo de uma dada classe: Fk = f1 + f 2 + f 3 + ... + f k Assim no exemplo da Tabela 2.4, a frequncia acumulada correspondente terceira classe : F3 = f1 + f 2 + f 3 = 4 + 9 + 11 => F3 = 24 Interpretando o resultado: significa existirem 24 alunos com estatura inferior a 162 cm (limite superior do intervalo da terceira classe). comum nos depararmos com a seguinte classificao das frequncias acumuladas:
a) Frequncia acumulada abaixo de ( faci ): sua definio se confunde com o conceito

estudado acima, isto , frequncia acumulada abaixo de para uma classe a soma da frequncia absoluta simples desta classe com as frequncias absolutas simples de todas as classes que tenham valores abaixo dos da classe considerada. As frequncias acumuladas abaixo de tambm so denominadas frequncias acumuladas crescentes, pois seus valores crescem com o nmero da classe considerada;
b) Frequncia acumulada acima de ( faci+ ) para uma classe a soma da frequncia

absoluta simples desta classe com as frequncias absolutas simples de todas as classes que tenham valores acima dos da classe considerada. As frequncias acumuladas acima de tambm so denominadas frequncias acumuladas decrescentes.
15
2.6.4 Frequncia Acumulada Relativa

Frequncia acumulada relativa ( Fri ) de uma classe a frequncia acumulada da classe, dividida pela frequncia total da distribuio:
Fri =
Fi
Assim, para a terceira classe do nosso exemplo (Tabela 2.4), temos:
Fr3 =
F3i fi
=> Fr3 =
24 = 0,600 40
De acordo com os conceitos at aqui estudados, podemos montar a seguinte tabela a partir dos dados da Tabela 2.4:
TABELA 2.5 ESTATURAS DE 40 ALUNOS DO COLGIO A
i
1 2 3 4 5 6
ESTAT. (cm)
150 154 158 162 166 170 154 158 162 166 170 174
fi
4 9 11 8 5 3
xi
152 156 160 164 168 172
fri
0,100 0,225 0,275 0,200 0,125 0,075
Fi
4 13 24 32 37 40
Fri
0,100 0,325 0,600 0,800 0,925 1,000
TOTAL
= 40
= 1,000
2.7 Grficos
O grfico estatstico uma forma de apresentao dos dados estatsticos, cujo objetivo o de produzir, no investigador ou no pblico, uma impresso mais rpida e viva do fenmeno em estudo. Um grfico uma representao geomtrica da relao entre variveis. Muitos tipos de grficos so empregados em estatstica, dependendo da natureza dos dados pertinentes e da finalidade para a qual ele destinado. Os grficos mais utilizados so: Colunas e Barras => normalmente utilizados para variveis qualitativas ou para uma srie temporal; Histogramas e Polgonos de Frequncia => para variveis quantitativas e tambm para uma srie temporal.
2.7.1 Grfico em Colunas ou em Barras

a representao de uma srie por meio de retngulos, dispostos verticalmente (em colunas) ou horizontalmente (em barras). a) quando em colunas, os retngulos tm a mesma base e as alturas so proporcionais aos respectivos dados. No eixo das abscissas (x), representa-se a varivel ( xi ), enquanto no eixo das ordenadas coloca-se a frequncia da distribuio; b) quando em barras, os retngulos tm a mesma altura e os comprimentos so proporcionais aos respectivos dados. No eixo das abscissas, representa-se a frequncia da distribuio, enquanto no eixo das ordenadas coloca-se a varivel ( xi ).
16
Exemplos:
a) Grfico em colunas
ANOS 1990 1991 1992 1993 PRODUO (t) 12.000 10.000 6.000 8.000
b) Grfico em barras
REGIO Centro-oeste Nordeste Norte Sudeste Sul N DE ESTADOS 3 9 7 4 3
a) Grfico em colunas
10.000
b) Grfico em barras
Centro-oeste
8.000
Nordeste
6.000
Norte
4.000
Sudeste
2.000
Sul
1989 1990 1991 1992 2 4 6 8 10
2.7.2 Histogramas
O histograma formado por um conjunto de retngulos justapostos, cujas bases se localizam sobre o eixo horizontal, de tal modo que deus pontos mdios coincidam com os pontos mdios dos intervalos de classe. As larguras dos retngulos so iguais s amplitudes dos intervalos de classe. As alturas so proporcionais s frequncias das classes. Veja o exemplo abaixo:
6 ESTATURAS 154 158 162 166 158 162 166 170
Fi
2 4 6 4
5 4 3 2 1 0
154 158 162 166 170
Observaes importantes: a) A rea de um histograma proporcional soma das frequncias; b) No caso de se usar freqncias relativas, obtm-se um grfico de rea unitria; c) Quando queremos comparar duas distribuies, o ideal faz-lo pelo histograma de frequncias relativas.
17
2.7.3 Polgono de Frequncia

O polgono de frequncia um grfico em linha, sendo as frequncias marcadas sobre as perpendiculares ao eixo horizontal, levantadas pelos pontos mdios dos intervalos e classe. Para realmente obtermos um polgono (linha fechada), devemos completar a figura, ligando os extremos da linha obtida aos pontos mdios da classe anterior a primeira e posterior ltima, da distribuio. A distribuio do exemplo acima corresponde ao seguinte polgono de frequncia:
OBS: Note que os pontos mdios dos intervalos de classe so: 156, 160, 164 e 168.
2.7.4 Polgono de Frequncia Acumulada Ogiva

O polgono de frequncia acumulada ou ogiva traado marcando-se as frequncias acumuladas sobre perpendiculares ao eixo horizontal, levantadas nos pontos correspondentes aos limites superiores dos intervalos de classe. Assim, ao exemplo acima corresponde o seguinte polgono de frequncia acumulada:
2.7.5 Curva de Frequncias

A curva de frequncias de uma distribuio anloga ao polgono de frequncias da distribuio, mas apresenta um contorno mais suave, sem as angulosidades que ocorrem no polgono de frequncias.
18
2.7.6 Formas Notveis das Curvas de Frequncias

a) Curvas em forma de Sino As curvas em forma de sino caracterizam-se pelo fato de apresentarem um valor mximo na regio central. So muitos os fenmenos que oferecem distribuies em forma de sino: a estatura de adultos, o peso de adultos, a inteligncia medida em testes mentais, os preos relativos, entre outros. As curvas em forma de sino podem ser: Curvas Simtricas: Esta curva caracteriza-se por apresentar o valor mximo no ponto central e os pontos equidistantes desse ponto terem a mesma frequncia.
Curvas Assimtricas: Na prtica, no encontramos distribuies perfeitamente simtricas. As distribuies obtidas de medies reais so mais ou menos assimtricas, em relao frequncia mxima. Assim, as curvas correspondentes a tais distribuies apresentam a cauda de um lado da ordenada mxima mais longa do que do outro. Se a cauda mais alongada fica direita, a curva chamada assimtrica positiva ou enviesada direita. Se a cauda se alonga esquerda, a curva chamada assimtrica negativa ou enviesada esquerda.
Curva assimtrica positiva
Curva assimtrica negativa
b) Curvas em forma de jota: As curvas em forma de jota so relativas a distribuies extremamente assimtricas, caracterizadas por apresentarem o ponto de ordenada mxima em uma das extremidades. So curvas comuns aos fenmenos econmicos e financeiros: distribuio de vencimentos ou rendas pessoais.
19
c) Curvas em forma de U: So caracterizadas por apresentarem ordenadas mximas em ambas as extremidades. Como exemplo de distribuio que d origem a esse tipo de curva podemos citar a de mortalidade por idade.
d) Curvas Multimodais: Caracterizam-se por terem mais de um mximo.
Curva Bimodal
Curva Multimodal
2.7.7 Grfico de Setores

Empregado quando se deseja ressaltar a participao do dado no total.
20
2.7.8 Grfico Polar

Empregado para representar sries cclicas (normalmente temporais). Exemplo: Precipitao pluviomtrica durante o ano; Temperatura ao longo do dia; Consumo de energia durante o ms. Exemplo: A tabela a seguir mostra dados de frequncia de alunos em um ano letivo.
MESES Maro Abril Maio Junho Agosto Setembro Outubro Novembro
FREQUNCIA 79 74 80 77 83 73 69 59
Sendo 8 parcelas (meses), divide-se o crculo em 8 setores, estabelecendo-se valores proporcionais para cada raio. Estabelece-se um valor tambm de comparao (mdia das frequncias) e o grfico ter a aparncia abaixo
21
22

QUESTO 01 CD.: Para visualizar mais apropriadamente quanto s partes de uma populao representam em relao ao todo, a partir de dados estatsticos, mais adequado utilizar o a) histograma. b) grfico por setores. c) diagrama de disperso. d) polgono de frequncias. e) grfico polar. Soluo:
Pref. de So Paulo
2008
Assistente de Suporte Tcnico
FCC
GAB.: B
QUESTO 02 Em relao aos tipos de grficos, assinale a opo correta.
CD.:
17
a) Uma srie categrica melhor representada por um grfico de linha. b) Uma srie cronolgica melhor representada por um grfico de setores. c) Se uma distribuio de frequncias apresenta intervalos de tamanhos desiguais, o melhor grfico para represent-las um polgono de frequncias. d) O grfico de barras usado somente para sries geogrficas. e) O grfico de setores usado para comparar propores. Soluo:
TCDF
CESPE
GAB.:
QUESTO 03 CD.: 18 Os intervalos de classes podem ser apresentados de vrias maneiras. Dentre as situaes abaixo, a correta : a) 2 6 compreende todos os valores entre 2 e 6, exclusive os extremos; b) 2 6 compreende todos os valores entre 2 e 6, exclusive os extremos; c) 2 6 compreende todos os valores entre 2 e 6, exclusive o 2 e inclusive o 6; d) 2 6 compreende todos os valores entre 2 e 6, inclusive o 2 e exclusive o 6; e) 2 6 compreende todos os valores entre 2 e 6, inclusive os extremos; Soluo:
Receita Federal
TTN
ESAF
GAB.:
23
QUESTO
04
CD.:
20
Considere a distribuio de frequncia transcrita a seguir para responder questo.
Dimetro(cm) 4 6 8 10 12 6 8 10 12 14
Freqncias Simples Absolutas 6 8 12 10 4
a) 75% das observaes esto no intervalo 6 12; b) a soma dos pontos mdios dos intervalos de classe inferior soma das frequncias absolutas simples; c) 28% das observaes esto no quarto intervalo de classe; d) menos de 25 observaes tm dimetro abaixo de 10cm; e) mais de 85% das observaes tm dimetro no inferior a 6cm. Soluo:
Receita Federal
TTN
ESAF
GAB.:
QUESTO 05 Marque a assertiva correta:
CD.:
38
a) Em uma distribuio de frequncia existe uma frequncia relativa acumulada unitria, ou no primeiro, ou no ltimo intervalo de classe. b) intervalo de classe que contm a mediana o de maior frequncia absoluta simples. c) Os intervalos de classe de uma distribuio de frequncia tm o ponto mdio equidistante dos limites inferior e superior de cada classe e sua amplitude ou constante ou guarda uma relao de multiplicidade com frequncia absoluta simples da mesma classe. d) intervalo de classe que contm a moda o de maior frequncia relativa acumulada (crescentemente). e) A frequncia acumulada denominada abaixo de resulta da soma das frequncias simples em ordem decrescente. Soluo:
Receita Federal
1994
TTN
ESAF
GAB.:
24
QUESTO 06 CD.: 40 Ouvindo-se 300 pessoas sobre o tema Reforma da previdncia, contra ou a favor?, foram obtidas 123 respostas a favor, 72 contra, 51 pessoas no quiseram opinar, e restante no tinha opinio formada sobre o assunto. Distribuindo-se esses dados numa tabela, obtm-se:
Opinio Favorvel Contra Omissos Sem opinio TOTAL Freqncia 123 72 51 54 300 Freqncia relativa X Y 0,17 0,18 1,00
Na coluna Frequncia relativa, os valores de X e Y so respectivamente: a) 0,41 e 0,24. b) 0,38 e 0,27. c) 0,37 e 0,28. d) 0,35 e 0,30. e) 0,30 e 0,35. Soluo:
FMG
GAB.:
QUESTO 07 CD.: 41 A distribuio a seguir indica o nmero de acidentes ocorridos com 40 motoristas de uma empresa de nibus. No de acidentes 0 1 2 3 4 5 6 No de motoristas 13 7 10 4 3 2 1 O nmero de motoristas que sofreram pelo menos 4 acidentes : a) 3. b) 6. c) 10. d) 27. e) 30. Soluo:
FMG
GAB.:
25
QUESTO 08 No campo estatstico, ogivas so: a) polgonos de frequncia acumulada. b) polgonos de frequncia acumulada relativa ou percentual. c) histograma de distribuio de frequncia. d) histograma de distribuio de frequncia relativa ou percentual. e) o equivalente amplitude do intervalo. Soluo:
CD.:
IRB
2006
Analista
ESAF
GAB.: A
26
03
3- Medidas de Posio
3.1- Conceito
Medidas de posio so elementos estatsticos que representam e ao mesmo tempo resumem uma srie de dados de acordo com seu posicionamento (orientao) em relao ao eixo das abscissas. As medidas de posio podem ser classificadas basicamente de duas formas: Medidas de tendncia central: se caracterizam pelo fato de seus valores tenderem, em geral, a se localizar em torno de valores centrais da srie estudada. Neste grupo esto a mdia aritmtica, a mediana e a moda. Separatrizes: tm a caracterstica de separar a srie estatstica em grupos, levando em considerao apenas o nmero de elementos desta srie. Neste grupo destacam-se a prpria mediana, os quartis e os percentis.
3.2- Mdia Aritmtica ( x )

3.2.1- Princpio fundamental.
Mdia aritmtica a razo entre o somatrio dos valores da varivel e a quantidade deles.
x=
xi
n
onde:
x => mdia aritmtica;

xi => os valores da varivel;
=> o nmero de valores.
3.2.2- Mdia aritmtica para dados simples (no agrupados):

Neste caso aplicamos diretamente o princpio fundamental visto acima. Veja o seguinte exemplo:
EXEMPLO......................................... 01 CD.:
As notas de um certo grupo, em um determinado concurso, foram as seguintes: 8,0 ; 9,0 ; 7,0 ; 7,5 ; 8,5 ; 9,5 ; 6,0 ; 9,5 ; 9,0 ; 7,0 ; 6;5 ; 8,0 ; 7,5 ; 6,5, e 7,5. Calcular a mdia aritmtica das notas deste grupo. Soluo:
27
3.2.3- Mdia aritmtica para dados agrupados:

Neste caso aplicamos a chamada mdia aritmtica ponderada:
(x . f ) x = i i n
onde
n = fi
CD.:
EXEMPLO.........................................
02
As notas de um certo grupo de alunos em um determinado concurso foram as seguintes: 8,0 ; 9,0 ; 7,0 ; 7,5 ; 8,5 ; 9,5 ; 6,0 ; 9,5 ; 9,0 ; 7,0 ; 6;5 ; 8,0 ; 7,5 ; 6,5, e 7,5. Calcular a mdia aritmtica das notas deste grupo, a partir de sua distribuio de frequncia. Soluo:
3.2.4- Mdia aritmtica para dados agrupados em intervalos de classe:

Neste caso especfico convenciona-se tomar como o valor representativo do intervalo de classe o seu ponto mdio. Identificado este valor, aplica-se o princpio utilizado no clculo da mdia aritmtica ponderada: Valor representativo da classe: xi = Mdia aritmtica:
(x . f ) x = i i n
li + Li 2
EXEMPLO.........................................
03
CD.:
Dividir os dados do exemplo 02 em intervalos de classe com h = 1,0 ponto e calcular a mdia aritmtica das notas do grupo, a partir de sua distribuio de frequncia em intervalos de classe. Soluo:
28
3.2.5- Propriedades da mdia.

Propriedade I: O somatrio dos desvios tomados em relao mdia igual a zero.
d
i =1
=0
Desvio em relao mdia ( d i ) a diferena entre cada elemento de um dado conjunto de valores e sua respectiva mdia aritmtica.
d i = x i x
EXEMPLO.........................................
04
CD.:
Calcular o desvio em relao mdia e seu somatrio para os seguintes dados: 24, 26, 28, 30 e 32. Soluo:
Propriedade II: Somando-se ou subtraindo-se uma constante a de todos os valores de uma varivel ( xi ), a mdia aritmtica do conjunto ( y i ) fica aumentada ou subtrada desta constante. Desta forma: y = x a Se y i = xi a =>
EXEMPLO......................................... 05 CD.:
Adicionar a constante 5 a cada um dos seguintes valores e calcular a mdia aritmtica do conjunto: Valores: 24, 26, 28, 30 e 32. Soluo:
Propriedade III: Multiplicando-se ou dividindo-se todos os valores de uma varivel ( xi ) por uma constante a, a mdia aritmtica do conjunto ( y i ) fica multiplicada ou dividida por esta constante. Desta forma: Se
y i = xi . a
=>
y = x .a
se
y i = xi a
=>
y = x/a
29
EXEMPLO.........................................
06
CD.:
Multiplique cada um dos seguintes valores pela constante 5 e calcule a mdia aritmtica do conjunto. Valores: 24, 26, 28, 30 e 32. Soluo:
Propriedade IV: A soma dos quadrados dos desvios em relao Mdia Aritmtica de uma srie sempre um mnimo. Isto , a soma dos quadrados dos desvios em relao Mdia Aritmtica sempre menor que a soma dos quadrados dos desvios em relao outra constante. Desta forma: Se
x0 x , ento:
( xi
x)2 <
07
( xi
x0 ) 2
CD.:
EXEMPLO.........................................
Verifique a Propriedade IV utilizando o seguinte conjunto de valores e a constante 30. Valores: 24, 26, 28, 30 e 32. Soluo:
3.2.6- Clculo Simplificado da Mdia.

Este processo baseado nas propriedades da mdia aritmtica e utilizado com o objetivo de simplificar os clculos da mesma. Consiste basicamente em substituir o valor da varivel xi por outra y i de forma que:
yi =
xi x0 , onde x0 uma constante qualquer, escolhida convenientemente dentre os pontos h
mdios dos intervalos de classe ( prefervel que se escolha o ponto de maior frequncia). Feito isto, segundo as propriedades da mdia aritmtica, a mdia encontrada ao final deste processo de clculo (mdia fictcia) estar diminuda de x0 e dividida por h em relao ao seu valor real. Portanto, para chegarmos a este valor real o bastante multiplicar a mdia fictcia por h e adicionamos a constante x0 . Desta forma:
x =x0 +y.h
ou
x = x0 +
y i . f i .h fi
30
EXEMPLO.........................................
ESTAT. (cm) 160 164 168 172 176 180 164 168 172 176 180 184 FREQ. 4 9 11 8 5 3
08
CD.:
Calcular pelo processo simplificado a mdia aritmtica da distribuio abaixo.
Soluo:
Observaes: a) Este tipo de processo simplificado s pode ser utilizado quando as classes da distribuio tiverem a mesma amplitude; b) Este processo tambm pode ser utilizado em distribuies de frequncia com dados agrupados sem intervalos de classe. Para tanto, fazemos h = 1.
3.3- Mediana (Md)

Mediana uma medida de tendncia central cujo valor divide o rol em dois conjuntos com o mesmo nmero de elementos. A mediana ocupa a posio central do rol, deixando para trs o mesmo nmero de elementos que se encontra a frente de seu valor numa srie estatstica devidamente ordenada (em ordem crescente ou decrescente). Dessa forma, a mediana depende apenas da posio dos elementos na srie e no do seu valor. Esta a principal diferena entre a mediana e a mdia aritmtica.
3.3.1- Clculo da Mediana: dados simples (no agrupados):

a) Nmero mpar de elementos: quando se tem um conjunto com um nmero mpar de elementos, sabemos de antemo que a mediana ou valor mediano ser um dos valores da distribuio estudada. Passos para determinao da mediana: 1.- Organizar os valores na forma de um rol; 2.- Contar o nmero (N) de elementos da distribuio; 3.- Determinar na distribuio o termo de ordem (N + 1) / 2;
31
EXEMPLO.........................................
09
CD.:
Identifique a mediana do seguinte conjunto de valores. Valores: 2, 7, 13, 15, 8, 10, 9, 12, 4, 6, 18. Soluo:
b) Nmero par de elementos: quando se tem um conjunto com um nmero par de elementos, a mediana ou valor mediano ser qualquer um dos valores localizados entre os termos centrais da srie. Convencionou-se ento usar o ponto mdio ou a mdia aritmtica dos dois termos centrais como valor representativo da mediana. Passos para determinao da mediana: 1.- Organizar os valores na forma de um rol; 2.- Contar o nmero (n) de elementos da distribuio; 3.- Determinar na distribuio o termos de ordens N / 2 e (N / 2) + 1; 4.- Determinar a mdia aritmtica dos termos de ordens N / 2 e (N / 2) + 1;
EXEMPLO......................................... 10 CD.:
Identifique a mediana do seguinte conjunto de valores. Valores: 2, 7, 13, 15, 8, 10, 9, 12, 4, 6. Soluo:
3.3.2- Clculo da Mediana: dados agrupados sem intervalos de classe:

Nesse caso, o processo de determinao da mediana semelhante ao do primeiro caso estudado e recai tambm na identificao do termo central da distribuio de frequncias. Note que a utilizao das frequncias acumuladas neste caso ser de grande ajuda. Passos para determinao da mediana: 1.- Determinar o termo que divide a distribuio em duas partes iguais (N / 2): onde N =
f i
(se N for mpar usar (N+1) no lugar de N);
2.- Verificar o termo mediano. O termo mediano ser o primeiro que apresentar pelo menos N /2 elementos na coluna de frequncias acumuladas;
32
3.- No caso de haver uma frequncia acumulada ( Fi ) exatamente igual a
fi
2
ou
(N/2) o termo mediano ser a mdia aritmtica entre o valor da varivel correspondente a esta frequncia acumulada e o valor seguinte da varivel. Assim,
Md =
xi + xi +1 2
EXEMPLO.........................................
11
xi
12 16 18 22 23
CD.:
fi
2 4 9 8 7
Calcular a mediana da distribuio abaixo.
Soluo:
3.3.3- Clculo da Mediana: dados agrupados em intervalos de classe:

Nesse caso o problema de identificao da mediana dividido em duas partes: a determinao da Classe Mediana e a Interpolao dentro desta classe para determinao da mediana propriamente dita. Passos para determinao da mediana: 1.- Identificar a classe mediana. A classe mediana ser aquela correspondente frequncia acumulada imediatamente superior a N / 2 . Assim, comparamos o valor de N / 2 com os valores da frequncia acumulada Fi , iniciando da F da primeira classe e fazendo a seguinte pergunta: esta frequncia acumulada maior ou igual a N / 2 ? Se a resposta for NO, passamos frequncia acumulada da classe seguinte. Quando a resposta for SIM, pararemos e procuraremos a classe correspondente. Essa ser a classe mediana. 2.- Verificar a que valor dentro da classe mediana corresponde o termo central da distribuio N / 2 . Aplica-se a seguinte expresso: h N Md = l md + Fant . 2 f md Onde: l md => limite inferior da classe mediana; Fant => frequncia acumulada da classe anterior mediana; f md => frequncia simples absoluta da classe mediana; h => amplitude da classe mediana. N => frequncia total => N = f i . 3.- No caso de haver uma frequncia acumulada ( Fi ) exatamente igual a N / 2 , a mediana ser o limite superior da classe correspondente.
33
EXEMPLO.........................................
12
CD.:
Calcular a mediana da distribuio abaixo.

Estaturas (cm) 0 5 5 10 15 20 10 15 20 25 fi 4 9 11 8 5
Soluo:
3.4- Moda (Mo)

Moda o valor da varivel xi de maior frequncia da distribuio.
3.4.1- Dados no Agrupados.

Quando os dados no esto agrupados, procede-se o seu agrupamento e em seguida a identificao dos elementos de maior frequncia. Note que podem existir distribuies: a) bimodais, trimodais, multimodais: quando dois, trs ou mais valores da varivel tm frequncias iguais maior frequncia absoluta da distribuio; b) Amodais: quando todos os elementos da distribuio possuem frequncias iguais.
EXEMPLO......................................... 13 CD.:
Identifique a moda do seguinte conjunto de valores. 2, 7, 10, 13, 15, 8, 13, 8, 10, 13, 9, 12, 4, 6. Soluo:
3.4.2- Dados Agrupados sem Intervalos de Classe.

Neste caso, a determinao da moda se d pela simples observao da distribuio de frequncias e identificar o termo de maior frequncia. Ele ser a moda.
34
EXEMPLO.........................................
14
CD.:
Identifique o valor modal da distribuio abaixo:

xi
12 16 18 23
fi
2 5 9 3
Soluo:
3.4.3- Dados Agrupados com Intervalos de Classe.

Para determinao da moda para um conjunto de dados agrupados com intervalos de classe, primeiro faz-se necessrio a identificao da classe modal (a classe modal aquela que apresenta maior frequncia absoluta simples), em seguida procede-se o clculo do valor modal. O valor modal ou moda pode ser calculado de diferentes formas, entre elas: a) Moda Bruta: considera-se moda bruta o ponto mdio da classe modal. o mtodo mais rudimentar do clculo da moda;
Mo = l Mo + LMo 2
onde:
l Mo = limite inferior da classe modal;

LMo = limite superior da classe modal
b) Moda segundo Czuber: a moda determinada aplicando-se a frmula de Czuber. o mtodo considerado mais preciso para o clculo da moda. ele, salvo indicao em contrrio, que utilizaremos para calcular a moda nas provas de concurso.
Mo = l Mo + a .hMo a + p
onde:
a =f Mo f ant
f Mo f pos p =
onde: l Mo = limite inferior da classe modal; hMo = amplitude da classe modal; f Mo = frequncia simples da classe modal; f ant = frequncia simples da classe anterior classe modal;
f pos = frequncia simples da classe posterior classe modal.
c) Moda Segundo King: a moda determinada aplicando-se a frmula de King.

Mo = l MO + f pos f ant + f pos .h Mo
onde: f ant = frequncia simples da classe anterior classe modal;

f pos = frequncia simples da classe posterior classe modal
35
l Mo = limite inferior da classe modal; hMo = amplitude da classe modal;

EXEMPLO... 15 CD.:
Calcular a moda bruta da distribuio abaixo:

xi 0 5 10 15 20 5 10 15 20 25 fi 2 4 9 8 7
Soluo:
EXEMPLO.........................................
xi 0 5 10 15 20 5 10 15 20 25 fi 2 4 9 8 7
16
CD.:
Calcular a moda da distribuio abaixo utilizando a frmula de Czuber:
Soluo:
EXEMPLO.........................................
xi 0 5 10 15 20 5 10 15 20 25 fi 2 4 9 8 7
17
CD.:
Calcular a moda da distribuio abaixo utilizando a frmula de King:
Soluo:
3.4.4- Determinao Grfica da Moda.

A moda pode ser determinada graficamente a partir do histograma de distribuio de frequncias simples. Utiliza-se para tanto o princpio da frmula de Czuber:
36
1-No retngulo correspondente a frequncia mxima (frequncia modal), traa-se os segmentos de retas AC e BD, conforme mostra a figura abaixo; 2-Em seguida, do ponto de interseco destes dois segmentos de reta, traa-se uma reta perpendicular ao eixo das ordenadas. O ponto onde esta reta cortar o eixo das abscissas o valor modal ou a moda da distribuio.
Fi
A B
x Mo
3.5- Posio Relativa da Mdia, Mediana e Moda

Numa distribuio simtrica os valores da mdia, da mediana e da moda so iguais.
x = Md = Mo Se a distribuio for assimtrica os valores da mdia, mediana e moda se comportam da seguinte forma:
Mo
Md
Md
Mo
Mo < Md < x , no caso de curva assimtrica positiva x < Md < Mo , no caso de curva assimtrica negativa
Relao de Pearson:
A relao de Pearson uma expresso que relaciona os valores da mdia, mediana e moda. Para que esta expresso seja vlida se faz necessrio que a distribuio de frequncia analisada seja unimodal, pouco assimtrica e tenha N muito grande em relao a h.
x Mo 3.( x Md )
37
3.6- Separatrizes
3.6.1- Quartis.
Quartis so medidas separatrizes, cujos valores dividem o rol em quatro conjuntos com o mesmo nmero de elementos. Existem, dessa forma, trs quartis:
25% dos dados Q1 25% dos dados Q2 25% dos dados Q3 25% dos dados
a) Primeiro quartil ( Q1 ): valor que divide a srie, deixando para trs 25% nmero de
elementos e, frente, 75% do total de elementos da srie estatstica devidamente ordenada (em ordem crescente ou decrescente). b) Segundo quartil ( Q2 ): valor que divide a srie, deixando para trs metade do nmero de elementos. O segundo quartil coincide com a mediana ( Q2 = Md ).
c) Terceiro quartil ( Q3 ): valor que divide a srie, deixando para trs 75% nmero de
elementos e, frente, 25% do total de elementos da srie estatstica devidamente ordenada. Dessa forma, o quartis, assim como a mediana, depende apenas da posio dos elementos na srie e no dos seus valores.
Clculo dos Quartis:

O processo de clculo dos quartis semelhante ao utilizados para a mediana. Assim o problema de identificao dos quartis dividido em duas partes: a determinao da classe do quartil e a interpolao dentro desta classe para determinao do quartil propriamente dito. Passos para determinao do primeiro quartil ( Q1 ): 1.- Identificar a classe do Q1 . A classe ser aquela correspondente frequncia acumulada imediatamente superior a N / 4 . Assim, comparamos o valor de N / 4 com os valores da frequncia acumulada Fi , iniciando da frequncia acumulada da primeira classe e fazendo a seguinte pergunta: esta frequncia acumulada maior ou igual a N / 4 ? Se a resposta for NO, passamos frequncia acumulada da classe seguinte. Quando a resposta for SIM, pararemos e procuraremos a classe correspondente. Essa ser a classe do primeiro quartil. 2.- Verificar a que valor dentro da classe do primeiro quartil corresponde o termo N / 4 da distribuio atravs da aplicao da expresso:
h N Q1 = lQ1 + Fant . f Q1 4
Onde:
l Q1 => limite inferior da classe do primeiro quartil;
Fant => frequncia acumulada da classe anterior do primeiro quartil;

f Q1 => frequncia simples absoluta da classe do primeiro quartil;
h => amplitude da classe do primeiro quartil; N => frequncia total => N = f i .
38
Para o clculo dos demais quartis, procedemos da mesma forma, apenas substituindo o valor N / 4 por 2 N / 4 (para o segundo quartil) ou por 3 N / 4 (para o terceiro quartil).
EXEMPLO......................................... 18
fi 4 9 11 8 5 3
CD.:
Calcular Q3 para a seguinte distribuio

Estaturas (cm) 150 154 154 158 158 162 162 166 166 170 170 174
Soluo:
3.6.2- Decis
Decis so medidas separatrizes, cujos valores dividem o rol em dez partes com o mesmo nmero de elementos. Existem, dessa forma, nove decis:
D1 D2 D3 ... D5 ... ... ... D9
Dessa forma, os decis dependem apenas da posio dos elementos na srie e no dos seus valores.
Clculo dos Decis:

O processo de clculo dos decis semelhante ao utilizados para a mediana. Assim o problema de identificao dos decis dividido em duas partes: a determinao da classe do decil e a interpolao dentro desta classe para determinao do decil propriamente dito. Passos para determinao do primeiro decil ( D1 ): 1.- Identificar a classe do D1 . A classe ser aquela correspondente freqncia acumulada imediatamente superior a N / 10 . Assim, comparamos o valor de N / 10 com os valores da freqncia acumulada Fi , iniciando da frequncia acumulada da primeira classe e fazendo a seguinte pergunta: esta frequncia acumulada maior ou igual a N / 10 ? Se a resposta for NO, passamos frequncia acumulada da classe seguinte. Quando a resposta for SIM, pararemos e procuraremos a classe correspondente. Essa ser a classe do primeiro decil. 2.- Verificar a que valor dentro da classe do primeiro decil corresponde o termo N / 10 da distribuio atravs da aplicao da expresso:
h N D1 = l D1 + Fant . 10 f D1
Onde: l D1 => limite inferior da classe do primeiro decil; Fant => frequncia acumulada da classe anterior do primeiro decil;
39
f D1 => frequncia simples absoluta da classe do primeiro decil; h => amplitude da classe do primeiro decil; N => frequncia total => N = f i . Para o clculo dos demais decis, procedemos da mesma forma que a descrita acima, apenas substituindo o valor N / 10 por 2 N / 10 , 3 N / 10 ... conforme se deseje calcular respectivamente o segundo, terceiro... decis.
EXEMPLO......................................... 19
fi 2 5 8 6 3
CD.:
Calcular D9 para a seguinte distribuio

Estaturas (cm) 0 10 10 20 20 30 30 40 40 50
Soluo:
3.6.3- Percentis
Percentis so medidas separatrizes, cujos valores dividem o rol em cem partes com o mesmo nmero de elementos. Existem, dessa forma, nove percentis:
P1 P2 ... ... ... P50 ... ... ... ... P99
Os percentis dependem apenas da posio dos elementos na srie e no dos seus valores.
Clculo dos Percentis:

O processo de clculo dos percentis tambm semelhante ao utilizados para a mediana. Assim, o problema de identificao dos percentis dividido em duas partes: a determinao da classe do percentil e a interpolao dentro desta classe para determinao do percentil propriamente dito. Passos para determinao do primeiro percentil ( P 1 ): 1.- Identificar a classe do P 1 . A classe ser aquela correspondente frequncia acumulada imediatamente superior a N / 100 . Assim, comparamos o valor de N / 100 com os valores da frequncia acumulada F , iniciando da frequncia acumulada da primeira classe e fazendo a seguinte pergunta: esta frequncia acumulada maior ou igual a N / 100 ? Se a resposta for NO, passamos frequncia acumulada da classe seguinte. Quando a resposta for SIM, pararemos e procuraremos a classe correspondente. Essa ser a classe do primeiro percentil.
40
2.- Verificar a que valor dentro da classe do primeiro percentil corresponde o termo N / 100 da distribuio, atravs da aplicao da expresso:
h N P1 = l P1 + Fant . f P1 100
Onde: l P1 => limite inferior da classe do primeiro percentil; Fant => frequncia acumulada da classe anterior do primeiro percentil; f P1 => frequncia simples absoluta da classe do primeiro percentil; h => amplitude da classe do primeiro percentil; N => frequncia total => N = f i . Para o clculo dos demais percentis, procedemos da mesma forma que a descrita acima, apenas substituindo o valor N / 100 por 2 N / 100 , 3 N / 100 ... conforme se deseje calcular respectivamente o segundo, terceiro... percentis.
3.7- Mdias Geomtrica e Harmnica

3.7.1- Mdia Geomtrica (G)
A mdia geomtrica de uma srie com n termos calculada por:
G =n x1 x 2 ... x n
3.7.2- Mdia Harmnica (H)

A mdia harmnica definida como o inverso da mdia aritmtica dos inversos:
H= n 1 x i
3.7.3- Relao entre as Mdias

Para qualquer srie de dados a seguinte relao verdadeira:
H G x
41

QUESTO 01 CD.: Sendo a moda menor que a mediana e, esta, menor que mdia, pode-se afirmar que se trata de uma curva a) Simtrica. b) Assimtrica, com frequncias desviadas para a direita. c) Assimtrica, com frequncias desviadas para a esquerda. d) Simtrica, com frequncias desviadas para a direita. e) Simtrica, com frequncias desviadas para a esquerda. Soluo:
IRB
2006
Analista
ESAF
GAB.: B
QUESTO
02
CD.:
O grfico acima mostra a distribuio percentual de veculos de acordo com suas velocidades aproximadas, registradas por meio de um radar instalado em uma avenida. A velocidade mdia aproximada, em km/h, dos veculos que foram registrados pelo radar foi a) inferior a 40. b) superior a 40 e inferior a 43. c) superior a 43 e inferior a 46. d) superior a 46. Soluo:
CEHAP/PB
2009
Assistente Administrativo
CESPE
GAB.: C
42
QUESTO 03 CD.: Determine a mediana das seguintes observaes: 17, 12, 9, 23, 14, 6, 3, 18, 42, 25, 18, 12, 34, 5, 17, 20, 7, 8, 21, 13, 31, 24, 9. a) 13,5 b) 14 c) 17 d) 15,5 e) 14,5 Soluo:
SEFAZ/SP
2009
Analista de Planejamento, Oramento e Finanas Pblicas
ESAF
GAB.: C
QUESTO 04 CD.: No grfico abaixo, as colunas representam as frequncias relativas do nmero de aparelhos de rdio por domiclio em uma certa rea da cidade:
O exame da forma da distribuio das frequncias relativas permite concluir corretamente que, nesse caso, e para essa varivel: a) A moda maior do que a mediana, e a mediana maior do que a mdia. b) A mdia maior do que a moda, e a moda maior do que a mediana. c) A mdia maior do que a mediana, e a mediana maior do que a moda. d) A moda maior do que a mdia, e a mdia maior do que a mediana. e) A mediana maior do que a moda, e a moda maior do que mdia. Soluo:
Receita Federal
2006
Tcnico da Receita Federal
ESAF
GAB.: C
43
QUESTO 05 CD.: Um motorista de txi faz 10 viagens ida-e-volta do aeroporto Santos Dumont ao aeroporto do Galeo, no Rio de Janeiro. Ele calcula e anota a velocidade mdia, em quilmetros por hora, em cada uma dessas viagens. O motorista quer, agora, saber qual a velocidade mdia do txi para aquele percurso, em quilmetros por hora, considerando todas as 10 viagens ida-e-volta. Para tanto, ele deve calcular a mdia a) aritmtica dos inversos das velocidades mdias observadas. b) geomtrica das velocidades mdias observadas. c) aritmtica das velocidades mdias observadas. d) harmnica das velocidades mdias observadas. e) harmnica dos inversos das velocidades mdias observadas. Soluo:
Receita Federal
2006
ESAF
GAB.: D
QUESTO 06 CD.: Considere a seguinte distribuio das frequncias absolutas dos salrios mensais, em R$, referentes a 200 trabalhadores de uma indstria [os intervalos so fechados esquerda e abertos direita]. Classes de Salrios Frequncias Absolutas de R$ 400 at R$ 500 50 de R$ 500 at R$ 600 70 de R$ 600 at R$ 700 40 de R$ 700 at R$ 800 30 de R$ 800 at R$ 900 10 Sobre essa distribuio de salrios correto afirmar que: a) O salrio modal encontra-se na classe de R$ 800 at R$ 900. b) O salrio mediano encontra-se na classe de R$ 600 at R$ 700. c) O salrio modal encontra-se na classe de R$ 600 at R$ 700. d) O salrio modal encontra-se na classe de R$ 700 at R$ 800. e) O salrio mediano encontra-se na classe de R$ 500 at R$ 600. Soluo:
Receita Federal
2006
ESAF
GAB.: E
44
QUESTO 07 CD.: A mdia aritmtica dos salrios dos 100 empregados em uma empresa de R$ 1 500,00. Na hiptese de serem demitidos 20 empregados, que ganham cada um o salrio de R$ 2 500,00, e ser concedido, posteriormente, um aumento de 10% em todos os salrios dos remanescentes, a nova mdia aritmtica dos salrios ser de a) R$ 1 375,00 b) R$ 1 350,00 c) R$ 1 345,00 d) R$ 1 320,00 e) R$ 1 300,00 Soluo:
Banco Central
2006
Analista rea 5
FCC
GAB.: A
QUESTO 08 CD.: O histograma de frequncias absolutas, abaixo, demonstra o comportamento dos valores arrecadados de um determinado tributo, no ano de 2005, em uma regio a ser analisada:
Observao: Considere que todos os intervalos de classe do histograma so fechados esquerda e abertos direita. Utilizando as informaes contidas neste histograma, calculou- se a mdia aritmtica destes valores arrecadados, considerando que todos os valores includos num certo intervalo de classe so coincidentes com o ponto mdio deste intervalo. Tambm calculou-se a mediana de tais valores pelo mtodo da interpolao linear. Ento, o mdulo da diferena entre a mdia aritmtica e a mediana igual a a) R$ 100,00 b) R$ 400,00 c) R$ 800,00 d) R$ 900,00 e) R$ 1.000,00 Soluo:
SEFAZ/SP
2006
Agente Fiscal de Rendas
FCC
GAB.: A
45
QUESTO
09
CD.:
O valor da mediana dos salrios dos empregados da empresa XYZ, obtida pelo mtodo da interpolao linear, igual a a) R$ 3 500,00 b) R$ 3 625,00 c) R$ 3 650,00 d) R$ 3 800,00 e) R$ 4 000,00 Soluo:
Banco Central
2006
Analista rea 5
FCC
GAB.: B
QUESTO
10
CD.:
A amplitude do intervalo entre o primeiro decil e o terceiro quartil, encontrados pelo mtodo da interpolao linear, a) R$ 2 500,00 b) R$ 2 400,00 c) R$ 2 150,00 d) R$ 2 000,00 e) R$ 1 400,00 Soluo:
Banco Central
2006
Analista rea 5
FCC
GAB.: C
46
04
4- Medidas de Disperso
4.1- Introduo
As medidas de disperso so utilizadas para quantificar o grau de homogeneidade ou de heterogeneidade de uma dada distribuio. Ou seja, as medidas de disperso tm como objetivo medir a variabilidade dos valores de uma varivel em relao a um valor fixo escolhido dentre os elementos de uma srie. Em estatstica, recorre-se s medidas de disperso ou de variabilidade para qualificar os valores de uma dada varivel, em funo de sua maior ou menor disperso ou variabilidade em relao a uma determinada medida de posio. Analisemos as seguintes sries: A: (2, 4, 6, 8, 10, 12, 14, 16, 18); B: (8, 8, 9, 9, 10, 11, 11, 12, 12); C: (10,10, 10, 10, 10, 10, 10, 10). Como pode-se notar, as trs sries acima possuem mdias aritmticas iguais a 10. Entretanto, nota-se tambm que a srie A possui dados mais dispersos em relao mdia do que a srie B e que a srie B possui seus dados mais dispersos em relao mesma mdia do que a srie C. Ento, chamando de disperso ou variabilidade a maior ou menor diversificao dos valores de uma varivel em torno de um valor de tendncia central tomado como ponto de comparao, podemos dizer que a srie C apresentou disperso ou variabilidade nula e que a srie A apresenta uma disperso ou variabilidade maior que a srie C. As medidas de disperso podem ser classificadas como: a) Absolutas quando seu resultado expresso em alguma unidade de medida Ex: - amplitude total; - desvio mdio; - varincia; - desvio padro; - desvio quartil; b) Relativas quando seu resultado adimensional, ou seja, expresso por um valor sem unidade de medida. Ex: - coeficiente de variao de Pearson ; - coeficiente de variao de Thorndike; - coeficiente quartlico de variao; - desvio quartil reduzido.
47
4.2- Amplitude Total (At)

Amplitude total a diferena entre o maior e o menor valor observado na srie de dados. Assim: At = xmx xmn a) Para dados no-agrupados: b) Para dados agrupados:
sem intervalos de classe: com intervalos de classe:
At = xmx xmn
At = Lmx l mn
A amplitude total pouco representativa como uma medida de disperso porque s leva em considerao os valores extremos do rol ou da distribuio de frequncia, esquecendo a variao dos demais termos intermedirios da distribuio. Assim a amplitude total funciona apenas como uma indicao aproximada da disperso ou da variabilidade.
4.3- Desvio Mdio (Dm)

Desvio mdio a mdia aritmtica dos valores absolutos dos desvios calculados em relao mdia aritmtica da srie. Pode-se interpretar o desvio mdio como a mdia aritmtica das distncias de cada valor de x mdia aritmtica da srie.
Dm =
xi x
n
EXEMPLO.........................................
01
CD.:
Calcular o desvio mdio do seguinte conjunto de valores. X = (2, 4, 6, 8, 10, 12, 14, 16, 18). Soluo:
EXEMPLO.........................................
02
CD.:
Calcular o desvio mdio da distribuio abaixo:

Classes 0 5 10 15 20 5 10 15 20 25 fi 2 4 8 4 2
Soluo:
48
4.4- Varincia (S)

A varincia baseia-se nos desvios em torno da mdia aritmtica e pode ser definida como sendo a mdia aritmtica dos quadrados dos desvios calculados em relao mdia aritmtica dos valores da srie.
S2 =
( x1 x )
n
4.4.1- Fator de correo de Bessel

J estudamos que, em uma pesquisa estatstica, podemos trabalhar com duas alternativas distintas: o estudo por censo (considera-se toda a populao do conjunto) e o por amostragem (apenas um subconjunto representativo amostra utilizado). Nesse sentido, apenas quando trabalhamos com toda a populao do conjunto, utilizamos a frmula descrita acima. Por outro lado, a qualidade da estimativa do valor da varincia a partir dos dados de uma amostra sofre influncia do nmero de elementos disponveis na mesma, tendendo a apresentar resultados menos precisos para amostras com pequeno nmero de elementos. Portanto, quando nosso interesse no se restringe descrio dos dados mas, partindo da amostra, visamos tirar inferncias vlidas para a respectiva populao, convm efetuar uma modificao, que consiste em utilizar o divisor (n-1) em lugar de n. Dessa forma:
S2 =
( x1 x ) 2
n 1
Este processo consiste no emprego do Fator de Correo de Bessel ( valor da varincia, usualmente indicado pela expresso:
2 2 Sn 1 =S
n ) multiplicado ao n 1
n n 1
Na prtica, quando n grande (n > 30) no h diferena significativa entre os valores obtidos por 2 S 2 e por S n 1 , possibilitando, assim, a no utilizao do fator de correo. Entretanto, deve-se 2 dar preferncia ao clculo de S n 1 sempre que estivermos trabalhando com uma amostra com menos de 30 elementos, pois desta forma teremos uma estimativa melhor para a varincia. Resumindo, temos: Varincia para a populao: Varincia para uma amostra:
S2 =
( x1 x ) 2
n
2
S2 =
( x1 x )
n 1
49
4.4.2- Clculo da varincia

a) Varincia para o Rol
No caso do rol, aplicaremos as frmulas descritas no item anterior, ou seja: Varincia para a populao:
S2 =
( x1 x )
n
Embora a frmula acima seja a que torna mais fcil a compreenso do conceito de varincia, ela no uma boa frmula para fins de computao, pois, em geral, a mdia aritmtica ( x ) um nmero fracionrio, o que torna pouco prtico o clculo das quantidades ( xi x ) 2 . Pode-se demonstrar que a frmula dada acima equivalente seguinte: Populao (frmula desenvolvida):
S2 =
xi2
n
x i n
Alm de ser mais prtico, este mtodo (frmulas desenvolvidas) tambm mais preciso, j que, no primeiro caso, quando a mdia no exata, tem de ser arredondada, e cada desvio fica afetado ligeiramente do erro devido a esse arredondamento, o que torna o resultado menos preciso.
EXEMPLO......................................... 03 CD.:
Calcular a varincia do seguinte conjunto de valores. X = (2, 4, 6, 8, 10, 12, 14, 16, 18). Soluo:
b) Varincia para dados agrupados (sem intervalos de classe)

Como, neste caso, temos a presena de frequncias, devemos lev-las em considerao, resultando nas frmulas: Frmulas Reduzida Populao
S
2
[( x =
2 i
x )2 fi ] n
xi f i n
2
Desenvolvida
( x =
fi )
50
EXEMPLO.........................................
xi 12 16 18 22 23 fi 2 5 9 6 3
04
CD.:
Calcular a varincia da distribuio abaixo:
Soluo:
c) Varincia para dados agrupados em intervalos de classe

Neste caso procede-se da mesma forma que na situao anterior, sendo necessria, entretanto, a determinao do ponto mdio ( xi ) de cada classe. Frmulas Reduzida Populao
S2 =
2
[( x
n
x)2 fi ] n
2
Desenvolvida
xi2 f i xi f i S = n
EXEMPLO.........................................
05
CD.:
Calcular a varincia da distribuio abaixo:

Classes 0 5 10 15 20 5 10 15 20 25 fi 2 4 8 4 2
Soluo:
51
4.4.3- Propriedades da Varincia

A varincia goza de algumas propriedades, dentre as quais destacamos: PROPRIEDADE 01: Adicionando-se (ou subtraindo-se) uma mesma constante a (de) todos os valores de uma varivel, a varincia no se altera. Se
yi = xi c
=>
2 2 Sy =Sx
PROPRIEDADE 02: Multiplicando-se (ou dividindo-se) todos os valores de uma varivel por uma constante (diferente de zero), a varincia ficar multiplicada (ou dividida) pelo quadrado do valor daquela constante. Se y i = xi / c
EXEMPLO......................................... 06
=>
2 2 Sy =S x / c2
CD.:
Calcular a varincia do seguinte conjunto de valores. X = (4, 6, 8, 10, 12, 14, 16). Em seguida adicionar a constante c = 2 a cada um dos valores do conjunto dado e verificar a 1 Propriedade Soluo:
EXEMPLO.........................................
07
CD.:
Calcular a varincia do seguinte conjunto de valores. X = (4, 6, 8, 10, 12, 14, 16). Em seguida multiplicar cada um dos valores do conjunto dado pela constante c = 2 e verificar a 2 Propriedade. Soluo:
Observaes: 1) A varincia uma medida que tem pouca utilidade como estatstica descritiva, porm extremamente importante na inferncia estatstica e em combinaes de amostras. 2) A unidade de medida de uma varincia igual ao quadrado da unidade de medida da varivel estudada.
52
4.4.4- Clculo da varincia atravs da varivel transformada

Este processo assemelha-se ao utilizado no clculo da mdia aritmtica e, como naquele caso, consiste na substituio da varivel x por outra y, tal que y i =
xi x 0 h
Assim, para transformar uma varivel em outra, necessrio apenas realizar uma ou mais operaes (adio, subtrao, multiplicao ou diviso) com os elementos do conjunto. Passos para o clculo da varincia pelo Processo Breve: a) Abrir uma coluna para os valores de x i (ponto mdio);
b) Escolher um dos pontos mdios (de preferncia o de maior frequncia) para valor de
x0 ;
c) Calcular a varivel transformada y i =
xi x 0 . Para isso, por conta das constantes h
utilizadas ( x 0 e h ), basta abrir uma coluna para os valores de y i e escrever zero na linha correspondente classe onde se encontra o valor de x 0 , a sequncia 1, -2, -3,..., logo acima do zero, e a sequncia 1, 2, 3,..., logo abaixo;
2 d) Calcular a varincia para a varivel transformada ( S y ) utilizando uma das frmulas
indicadas no item 4.4.2 c acima, utilizando os valores de y i no lugar de x i .

2 Calculado o valor da varincia para a varivel transformada ( S y ), devemos percorrer o caminho de volta, ou seja, efetuar as operaes contrrias s realizadas no clculo de y i , lembrando as propriedades da varincia estudadas no item 4.4.3. Assim: e) Como as operaes de diviso/multiplicao da varivel influenciam a varincia, a 2 2 2 varincia para os dados originais ser S x = S y h ;
f)
Como as operaes de soma e subtrao no interferem na varincia, no 2 2 2 necessrio somar o valor de x 0 . Assim S x = S y h .
08 CD.:
EXEMPLO.........................................
Considerando a transformao y i =
xi 20 , sabendo que a varincia do atributo y i 4
2 Sy = 5,0 , determine a varincia da varivel
x.
Soluo:
53
EXEMPLO.........................................
09
CD.:
Calcular a varincia da distribuio abaixo utilizando o processo breve de clculo:

Estaturas (cm)
150 154 158 162 166 170 154 158 162 166 170 174
fi
4 9 11 8 5 3
Soluo:
4.5- Desvio Padro (S)

Foi visto que a unidade de medida de uma varincia igual ao quadrado da unidade de medida da varivel estudada. A fim de se eliminar este inconveniente, foi criada uma nova medida de disperso, o desvio padro, que definido como sendo a raiz quadrada da varincia, e representado por S n ou S , conforme seu clculo use o fator de correo ou no, 1 respectivamente. Logo:
S = S2
2 S n Sn 1 = 1
O desvio padro indica, em termos absolutos, o afastamento dos valores observados e relao mdia aritmtica da srie estudada. A varincia e o desvio padro levam em considerao a totalidade dos valores da varivel em estudo, o que faz delas ndices de variabilidade bastante estveis e, portanto, os mais comumente empregados. O desvio padro goza de propriedades semelhantes da varincia: PROPRIEDADE 01: Adicionando-se (ou subtraindo-se) uma mesma constante a (de) todos os valores de uma varivel, o desvio padro no se altera. Se y i = xi c =>
S y =S x
PROPRIEDADE 02: Multiplicando-se (ou dividindo-se) todos os valores de uma varivel por uma constante (diferente de zero), o desvio padro ficar multiplicado (ou dividido) pelo valor absoluto daquela constante. Se y i = xi / c =>
Sy = Sx / c
OBS: vale para o clculo do desvio as mesmas instrues utilizadas no clculo da varincia. Curso: Banco Central - 2012 54
EXEMPLO.........................................
10
CD.:
Calcular o desvio padro da distribuio abaixo utilizando o processo da varivel transformada.

Estaturas (cm) 160 164 168 172 176 180 164 168 172 176 180 184 fi 4 9 11 8 5 3
Soluo:
PROPRIEDADE 03:
a) Em uma distribuio simtrica, ou muito prxima da simetria, no intervalo compreendido

sob a curva de frequncia, limitada pelos valores ( X S ) e ( X + S ), haver aproximadamente 68% dos elementos do conjunto.
aprox. 68%
b) Em uma distribuio simtrica, ou muito prxima da simetria, no intervalo compreendido

sob a curva de frequncia, limitada pelos valores ( X 2 S ) e ( X + 2S ), haver aproximadamente 95% dos elementos do conjunto.
aprox. 95%
55
c) Em uma distribuio simtrica, ou muito prxima da simetria, no intervalo compreendido

sob a curva de frequncia, limitada pelos valores ( X 3S ) e ( X + 3S ), haver aproximadamente 99% dos elementos do conjunto.
aprox. 99%
OBSERVAO: Deve restar claro que essa uma propriedade com algumas limitaes. Trata-se de uma propriedade de aproximao e no de exatido. Dessa forma, no poder ser aplicada em uma questo numrica. No entanto, poderemos precisar dela numa questo terica.
4.6- Desvio Quartil

O desvio quartil ou amplitude semi-interquartlica a metade da diferena entre os valores do 3 quartil, Q3, e do 1 quartil, Q1.
Dq = Q3 Q1 2
56
4.7- Varincia Relativa e Coeficiente de Variao

O desvio padro por si no nos diz muita coisa. Assim, um desvio padro de duas unidades pode ser considerado pequeno para uma srie de valores cujo valor mdio 200; no entanto, se a mdia for 20, o mesmo no pode ser dito. Alm disso, o fato de o desvio padro ser expresso na mesma unidade dos dados limita o seu emprego quando desejamos comparar duas ou mais sries de valores, relativamente sua disperso ou variabilidade, quando expressas em unidades diferentes. Para contornar estas dificuldades e limitaes, podemos caracterizar a disperso ou variabilidade dos dados em termos relativos a seu valor mdio, medida essa denominada coeficiente de variao (CV).
4.7.1- Coeficiente de Variao de Pearson

O coeficiente de variao de Pearson o quociente entre o desvio padro e o valor absoluto da mdia aritmtica do conjunto de valores estudados:
CV P = S x
Por tratar-se de uma medida de disperso relativa, adimensional, isto , no apresenta unidade de medida. Seu resultado pode ser apresentado na forma percentual, bastando para tanto multiplicar o seu resultado por 100.
CV P % =CV P 100
PROPRIEDADES: a) Propriedade 01: se multiplicarmos (ou dividirmos) por uma mesma constante todos os elementos de uma srie, o coeficiente de variao permanecer inalterado; b) Propriedade 02: Se adicionarmos ou (subtrairmos) uma mesma constante positiva a todos os valores de uma srie, o coeficiente de variao de Pearson ficar, respectivamente: menor (ou maior), se a mdia for positiva; maior (ou menor), se a mdia for negativa.
12 CD.:
EXEMPLO.........................................
Determinar o coeficiente de variao das medidas abaixo referentes a um mesmo grupo de indivduos:
S Estaturas Pesos 180 cm 70 kg 5,0 cm 2,0 kg
Soluo:
57
4.7.2- Outras Medidas de Disperso Relativa

Coeficiente de Variao de Thorndike O coeficiente de variao de Thorndike o quociente entre o desvio padro e o valor absoluto da mediana.
CVT = S Md
Coeficiente Quartlico de Variao O coeficiente de quartlico de variao o quociente entre a diferena positiva e o valor absoluto da soma dos quartis extremos (Q1 e Q3):
CVQ = Q3 Q1 Q3 + Q1
Desvio Quartil Reduzido O desvio quartil reduzido o quociente entre o desvio quartil e o valor absoluto da mediana:
Dqr = Q Q1 Dq = 3 Md 2 Md
58

QUESTO 01 CD.: A tabela a seguir apresenta a distribuio dos preos de revenda de gasolina comum, por litro, observados no levantamento realizado pela Agncia Nacional do Petrleo (ANP) em outubro de 2008, na regio Sudeste. A amostra consistiu de 46 valores; o menor valor observado foi R$ 2,15/litro; a mdia aritmtica dos preos observados foi igual a R$ 2,45/litro. Essa mdia foi apenas 0,5% maior do que a mdia aritmtica dos preos observados no levantamento realizado em maio de 2008.
CDC/ANP Relatrio mensal de acompanhamento de mercado. Outubro/2008 ( com adaptaes ). Com base nas informaes apresentadas no texto, julgue os itens que se seguem. 01- A variao de 0,5% entre os preos mdios de revenda nos levantamentos feitos em maio e outubro de 2008 corresponde varincia amostral dos preos de revenda nesse perodo. Soluo:
SEGER/ES
2009
Analista Administrativo e Financeiro
CESPE
GAB.: E
QUESTO 02 CD.: Com relao s medidas de posio e de disperso, correto afirmar: a) Dobrando todos os valores dos salrios dos funcionrios de uma empresa, tem-se que o salrio mdio destes funcionrios e a respectiva varincia tambm ficam dobrados. b) A diferena entre a varincia e o desvio padro de uma sequncia de nmeros nula somente no caso em que a varincia e o desvio padro so iguais a zero. c) Em qualquer distribuio de valores, a diferena entre a mdia e a moda sempre maior ou igual a zero. d) Multiplicando todos os valores de uma sequncia de nmeros positivos por um nmero positivo tem-se que o respectivo coeficiente de variao no se altera. e) O coeficiente de variao correspondente a uma srie de nmeros positivos igual diviso do quadrado da respectiva mdia aritmtica pela varincia. Soluo:
Banco Central
2006
Analista rea 5
FCC
GAB.: D
59
QUESTO 03 CD.: Considerando que as observaes apresentadas na questo anterior constituem uma amostra aleatria simples X 1 , X 2 , ..., X n de uma varivel aleatria X, determine o valor mais prximo da varincia amostral, usando um estimador no tendencioso da varincia de X. Considere que:
xi
i =1
23
= 388 e
xi2 = 8676
i =1
23
Dados da questo anterior: 17, 12, 9, 23, 14, 6, 3, 18, 42, 25, 18, 12, 34, 5, 17, 20, 7, 8, 21, 13, 31, 24, 9. a) 90,57 b) 96,85 c) 94,45 d) 92,64 e) 98,73 Soluo:
SEFAZ/SP
2009
ESAF
GAB.: B
QUESTO 04 CD.: A tabela mostra a distribuio de freqncias relativas populacionais (f') de uma varivel X. X f' -1 3k 0 k +1 6k Sabendo que "k" um nmero real, a mdia e o desvio padro de X so, respectivamente, a) 0,3; 0,9. b) 0,0; 0,3. c) 0,3; 0,3. d) k; 3k. e) 0,3k; 0,9k. Soluo:
Receita Federal
2006
ESAF
GAB.: A
60
QUESTO 05 CD.: Em um colgio, a mdia aritmtica das alturas dos 120 rapazes de m centmetros com uma varincia de d centmetros quadrados (d > 0). A mdia aritmtica das alturas das 80 moas de ( m8) centmetros com um desvio padro igual a 20d/21 centmetros. Se o correspondente coeficiente de variao encontrado para o grupo de rapazes igual ao coeficiente de variao encontrado para o grupo de moas, tem-se que a mdia aritmtica dos dois grupos reunidos de a) 162,0 cm b) 164,6 cm c) 164,8 cm d) 166,4 cm e) 168,2 cm Soluo:
Banco Central
2006
Analista rea 5
FCC
GAB.: C
QUESTO 06 Analise as cinco amostras de nmeros a seguir:
CD.:
Assinale a alternativa que indique a amostra de maior varincia. a) 1. b) 2. c) 3. d) 4. e) 5. Soluo:
SAD/PE
2009
FGV
GAB.: E
61
QUESTO 07 CD.: A receita tributria de uma regio, em um determinado ms, apresentou mdia aritmtica de R$1.200,00 por contribuinte, com varincia igual a R$ 14.400,00, e, no ms seguinte, sofreu um acrscimo de 10%. Ento, I) a mdia aritmtica aumentou em 10%. II) o desvio-padro permaneceu inalterado. III) a variabilidade em torno da mdia aritmtica, medida pelo coeficiente de disperso, permaneceu inalterada. IV) a mdia harmnica permaneceu inalterada. V) a nova varincia assumiu o valor de R$ 17.424,00. Soluo:
TCU
1996
CESPE
GAB.: VFVFV
QUESTO 08 CD.: Do estudo do tempo de permanncia no mesmo emprego de dois grupos de trabalhadores (A e B), obtiveram-se os seguintes resultados para as mdias x A e x B e desvios-padro S A e S B : Grupo A: Grupo B: correto afirmar que:
x A = 120 meses x B = 60 meses
S A = 24 meses S B = 15 meses
a) a disperso relativa no grupo A maior que no grupo B. b) a mdia do grupo B 5/8 da mdia do grupo A . c) a disperso absoluta do grupo A o dobro da disperso absoluta do grupo B. d) a disperso relativa do grupo A 4/5 da disperso relativa do grupo B. e) a mdia entre os dois grupos de 180 meses. Soluo:
FT
1994
CESPE
GAB.:
62
QUESTO 09 CD.: Num estudo sobre a distribuio do preo de venda de um produto obteve-se, a partir de uma amostra aleatria de 25 revendedores, a tabela de frequncias seguintes: Classe de Preos Mi fi [5 9) 7 3 [9 13) 11 5 [13 17) 15 7 [17 21) 19 6 [21 25) 23 3 [25 29) 27 1 As quantidades Mi e fi representam o ponto mdio e a frequncia da classe de preos i. Sabendo-se que: 2 f i mi 694 2 f i mi
Assinale a opo que melhor aproxima o desvio padro amostra. a) 0,5 (347 / 3) 0,5 b) 6 c) 0,9 (345 / 3)0,5 d) 28,91 e) 8 Soluo:
1998
ACE
CESPE
GAB.:
QUESTO 10 CD.: No contexto da questo anterior deseja-se obter informao sobre o preo mediano praticado na amostra. Assinale a opo que melhor aproxima este valor. a) 16. b) 19. c) 17. d) 11. e) 14,2. Soluo:
1998
ACE
CESPE
GAB.:
63
05
5- Probabilidade
Na Anlise Combinatria estudam-se regras de contagem do nmero de modos de ocorrncia de certos acontecimentos e do nmero de agrupamentos que podem ser feitos com uma quantidade finita de objetos dados. Na Teoria da Probabilidade procuramos quantificar numericamente a chance de que tais acontecimentos ocorram de determinadas maneiras e de que tais agrupamentos obedeam a determinadas condies.
5.1- Nomenclatura e Notaes

A seguir vamos colocar alguns nomes e notaes que usaremos neste captulo.
5.1.1- Extraes com reposio e sem reposio

Muitas situaes prticas podem ser comparadas com extraes sucessivas de bolas de uma urna (como, por exemplo, selecionar peas de uma produo ou indivduos de uma populao). Por este motivo comum nos textos de probabilidade encontrarmos muitos exemplos e exerccios baseados neste modelo. Ao fazer tais extraes podemos utilizar os esquemas com reposio ou sem reposio. Extrao com reposio: neste esquema, cada bola retirada examinada e devolvida urna antes da extrao da bola seguinte. Extrao sem reposio: neste esquema, uma bola retirada no devolvida urna.
EXERCCIO DE FIXAO 01 CD.:
Numa urna h trs bolas numeradas, 1, 2 e 3. Duas bolas so retiradas, sucessivamente, e seus nmeros so anotados formando-se um par ordenado. Determinar os possveis pares que podem ser formados nos casos: a) fazendo-se extraes com reposio; b) fazendo-se extraes sem reposio Soluo:
5.1.2- Experimento Aleatrio

Denominamos experimento aleatrio (ou casual) a todo experimento que, repetido em condies idnticas, pode apresentar resultados diferentes. A variabilidade dos resultados devida ao que chamamos de acaso.
64
EXEMPLO 01
CD.:
So experimentos aleatrios: i. o lanamento de um dado e a observao do nmero de pontos obtidos; ii. a retirada de uma bola de uma urna que contenha bolas de vrias cores e observao da cor da bola retirada; iii. o arremesso de um dardo, de uma certa distncia, num alvo circular dividido em setores coloridos e observao da cor do setor atingido; iv. sorteio de um aluno de uma classe para resolver um problema; v. etc.
5.1.3- Espao Amostral e Evento

Denominamos espao amostral de um experimento aleatrio ao conjunto de todos os resultados possveis deste experimento. Qualquer conjunto formado por parte destes resultados denominado um evento. Mais precisamente, evento qualquer subconjunto do espao amostral. Indicaremos o espao amostral pela letra grega (mega) e os eventos pelas letras A, B, C, D etc. Dizemos que ocorre um evento A quando o resultado do experimento um elemento de A.
EXEMPLO 02 CD.:
No lanamento de um dado e observao do nmero de pontos obtidos o espao amostral = {1, 2, 3, 4, 5, 6}. Eis alguns eventos: nmeros mpares de pontos: A = {1, 3, 5} nmeros de pontos maiores que 4: B = {5, 6} nmeros de pontos menores que 4: C = {1, 2, 3} Se, por exemplo, o resultado do lanamento for trs pontos, ocorre o evento A (porque 3 A ) , no ocorre o evento B (porque 3 B ) e ocorre C (porque 3 C ).
5.1.4- Nomes de alguns eventos

O conjunto chamado de evento impossvel.
O prprio espao amostral um evento. Ele chamado de evento certo. Os subconjuntos unitrios de so chamados de eventos elementares ou eventos
simples. No exemplo do lanamento do dado, os eventos simples so {1}, {2}, {3}, {4}, {5} e {6}.
5.1.5- Evento complementar

Se A um evento, o conjunto complementar de A em tambm um evento. O complementar de A formado pelos elementos de que no pertencem a A. Indicamos por A . Observamos que o evento A ocorre quando o evento A no ocorre. Tambm chamamos A de evento no A.
EXEMPLO 03 CD.:
Sendo
= {1, 2, 3, 4, 5, 6}
Se A = {1, 3, 5}, ento A = {2, 4, 6} Se B = {5, 6}, ento B = {1, 2, 3, 4}
65
66
5.1.6- Interseo e Unio de Eventos

Se A e B so dois eventos, o conjunto interseo A B e o conjunto unio A B tambm so eventos. O evento A B s ocorre quando os eventos A e B ocorrem simultaneamente. Tambm chamamos A B de evento A e B.
A B = { x / x A e x B}
O evento A B ocorre quando o evento A ocorre ou o evento B ocorre ou ambos ocorrem. Tambm chamamos A B de evento A ou B.
A B = { x / x A ou x B}
A B
Evento A B
B Evento A
EXEMPLO 04
CD.:
Se A = {1, 3, 5} e B = {5, 6}, ento A B = {5} e A B = {1, 3, 5, 6} Se A = {1, 2, 5, 6} e B = {1, 5} ento A B = B e A B = A
5.1.7- Eventos mutuamente exclusivos Quando A B = dizemos que A e B so eventos mutuamente exclusivos.
A B
EXEMPLO 05
CD.:
Os eventos A = {1, 3, 5} e B = {4, 6} so mutuamente exclusivos, pois A B = Se A = {1, 2, 5, 6} e B = {1, 5} ento A B = B e A B = A
EXERCCIO DE FIXAO
02
CD.:
Numa classe de 20 alunos ser sorteado um ingresso para uma pea teatral. Para concorrer ao sorteio cada aluno recebeu um nmero de 1 a 20. Determine: a) o espao amostral do experimento; b) o evento B formado pelos nmeros mltiplos de 3; c) o evento C formado pelos nmeros maiores que 6;
67
d) o evento D formado pelos nmeros primos; e) o evento E formado pelos divisores de 20; f) o evento complementar de B;
g) o evento C D ; h) o evento D E ;
i) os dois eventos, entre B, C, D e E, que so mutuamente exclusivos.
5.2- Distribuio de Probabilidades

Consideremos uma experincia aleatria que pode apresentar n resultados distintos, a1 , a 2 , a 3 ,..., a n . A cada resultado a i , i {1, 2, 3, ..., n} , podemos associar um nmero p i , probabilidade de ocorrncia de a i , de tal modo que sejam vlidas as duas condies seguintes: 1) A probabilidade de cada resultado um nmero positivo ou nulo, isto , p1 0 , p 2 0 , p3 0 , ..., p n 0 . 2) A soma das probabilidades de todos os resultados possveis igual a 1, isto ,
p1 + p 2 + p3 +...+ p n = 1.
Nestas condies dizemos que os nmeros p1 , p 2 , p3 ,..., p n formam uma distribuio de probabilidades sobre o espao amostral = { a1 , a 2 , a 3 ,..., a n } . Tambm indicamos p1 = P ( a1 ) , p 2 = P ( a 2 ) , p 3 = P ( a 3 ) , ..., p n = P ( a n )
5.2.1- Distribuio uniforme

Em muitas aplicaes da teoria da probabilidade, podemos adaptar o experimento considerado a um modelo onde o espao amostral formado por elementos que tm a mesma chance de ocorrer. Nesse caso, dizemos que o espao amostral equiprovvel. Se = { a1 , a 2 , a 3 ,..., a n } um espao amostral equiprovvel, adotamos a distribuio de probabilidades em que p1 = p 2 = p3 = ... = p n , denominada distribuio uniforme. Como p1 + p 2 + p3 +...+ p n = 1, vem que:
p1 = 1 1 1 1 , p 2 = , p3 = , ..., p n = n n n n
CONCLUSO: Num experimento com n resultados distintos que tenham chances iguais de 1 ocorrer, a probabilidade de ocorrncia de cada resultado . n
EXEMPLO 06 CD.:
Ao jogar uma moeda equilibrada e observar a face superior, h dois resultados possveis e equiprovveis: cara e coroa. A probabilidade de ocorrncia de cada resultado .
68
EXEMPLO 07
CD.:
Quando jogamos um dado duas vezes e anotamos o par ordenado dos nmeros de pontos obtidos, h 36 resultados possveis e equiprovveis (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) A probabilidade de ocorrncia de cada resultado 1/36
5.2.2- Probabilidade de ocorrer um evento

Consideremos novamente o experimento aleatrio com n resultados distintos, de espao amostral = { a1 , a 2 , a 3 ,..., a n } onde est definida uma distribuio de probabilidades p1 , p 2 , p3 , ..., p n com p i = P ( a i ) , para todo i { 1, 2, 3, ..., n } . Denominamos probabilidade de ocorrncia de um evento A soma das probabilidades de ocorrncia dos elementos de A. Indicamos por P ( A) Utilizando o smbolo de somatrio, podemos colocar esta definio assim:
P ( A) =
i / ai A
onde o somatrio feito nos ndices i tais que a i A .
Por exemplo, se A = { a1 , a 2 , a3 } , ento P(A) = p1 + p 2 + p3 ;
se A = { a 2 , a 4 , a 7 , a8 } , ento P(A) = p 2 + p 4 + p 7 + se A = { a 5 } , ento P(A) = p5 Quando A = , definimos P(A) = 0.
p8 ;
EXEMPLO 08
CD.:
Ao jogar um dado, cada resultado possvel tem probabilidade 1/6. A probabilidade de ocorrer um nmero mpar, ou seja, a probabilidade de ocorrer o evento A = {1, 3, 5} : 1 1 1 3 1 P(A) = P(1) + P(3) + P(5) = + + = = 6 6 6 6 2 A probabilidade de ocorrer o evento B = {5, 6} : 1 1 2 1 P(B) = P(5) + P(6) = + = = 6 6 6 3
Consequncia importante
Quando o espao amostral equiprovvel, isto , o experimento aleatrio tem n resultados possveis todos com chances iguais de ocorrer, se um evento A constitudo de k elementos, ento a probabilidade de ocorrer A
69
1 1 1 1 k P( A) = + + + ... + = n n n n n k vezes
Neste caso, indicando por n(A) e n( ) os nmeros de elementos de A e de respectivamente, podemos escrever: n( A) P ( A) = n ( )
Levando em conta que ocorrer o evento A significa ocorrer um dos elementos que pertencem a A, tambm chamamos os elementos de A de casos favorveis a A. Assim, num espao equiprovvel temos que.
P ( A) = nmero de casos favorveis a A nmero de resultados possveis do exp erimento
EXEMPLO 09
CD.:
Ao sortear ao acaso um dos nmeros naturais de 0 a 99, qual a probabilidade de ser sorteado um nmero maior que 50? O espao amostral do experimento = {0, 1, 2, 3, 4, ..., 99}. Temos ento n( ) = 100. O evento A formado pelos nmeros maiores que 50 A = {51, 52, 53, ..., 99}. Temos n(A) = 49. Sendo o espao amostral equiprovvel, temos: n( A) 49 P ( A) = = n( ) 100
EXEMPLO 10
CD.:
Jogando um dado duas vezes, qual a probabilidade de obter a soma dos pontos menor que 6? Anotando-se os pares de nmeros de pontos obtidos nos dois lanamentos, o nmero de resultados possveis 36 (veja EXEMPLO 02), sendo todos equiprovveis. Os casos com a soma dos pontos menor que 6 so: (1, 1), (1, 2), (1, 3), (1, 4), (2, 1), (2, 2), (2, 3), (3, 1), (3, 2) e (4, 1). Portanto, h 10 casos favorveis ocorrncia deste evento. Logo, a probabilidade pedida : nmero de casos favorveis a A 10 5 p= = = nmero de resultados possveis do exp erimento 36 18
70
EXERCCIO DE FIXAO
03
CD.:
Numa urna h 3 bolas numeradas de 1 a 3. Duas bolas so extradas sucessivamente, sem reposio. Calcule a probabilidade de a primeira bola extrada apresentar nmero maior que a segunda. Soluo:
EXERCCIO DE FIXAO
04
CD.:
Um casal pretende ter 3 filhos. Admitindo probabilidades iguais para ambos os sexos, qual a probabilidade que venha a ter os 3 filhos do mesmo sexo? Soluo:
5.3- Propriedades da Probabilidade

Consideremos um experimento aleatrio com espao amostral = { a1 , a 2 , a 3 ,..., a n } e a distribuio de probabilidades p1 = P ( a1 ) , p 2 = P (a 2 ) , p 3 = P (a 3 ) , ..., p n = P (a n ) . J sabemos que se A = , ento P(A) = 0 Tomemos A = . Neste caso, P(A) = P ( a1 ) + P ( a 2 ) + P ( a 3 ) + ... + P( a n )
p1 + p 2 + p 3 +...+ p n = 1
a) A probabilidade de ocorrer um evento impossvel zero. P() = 0 b) A probabilidade de ocorrer um evento certo um P( ) = 1 c) Qualquer que seja o evento A, a probabilidade de ocorrer A um nmero real compreendido entre zero e um, inclusive. 0 P ( A) 1 )
5.3.1- Probabilidade de no ocorrer um evento

Seja A um evento formado de k resultados dentre os n possveis.
71
A probabilidade de no ocorrer A a probabilidade de ocorrer um dos n - k resultados possveis que no pertencem a A. Portanto, a probabilidade de no ocorrer A a probabilidade de ocorrer o evento complementar A . Como a soma das probabilidades de todos os resultados possveis 1, temos que: P(A) + P( A ) = P ( a1 ) + P ( a 2 ) + P ( a 3 ) + ... + P( a n ) = 1 P( A ) = 1 - P(A) A probabilidade de no ocorrer o evento A igual a 1 menos a probabilidade de ocorrer A.
EXEMPLO 11 CD.:
Numa urna h 10 bolas numeradas de 1 a 10. Extraindo uma delas ao acaso, a probabilidade de sair a bola de n 7 1/10. Logo a probabilidade de no sair a bola n 7 de: 1 9 P( A ) = 1 - P(A) => P( A ) = 1 => P( A ) = 10 10
EXEMPLO 12
CD.:
Se a probabilidade de um atirador acertar um alvo 0,60 (60%), ento a probabilidade de no acertar de 1 - 0,60, que igual a 0,40 (40%).
5.3.2- Probabilidade de ocorrer um evento A ou B

Dados dois eventos A e B, calcular a probabilidade de ocorrer A ou ocorrer B significa calcular a probabilidade de ocorrer o evento A B . Temos dois casos a considerar:
1 Caso: A B = (eventos mutuamente exclusivos) Quando A e B so eventos mutuamente exclusivos, A B = , a ocorrncia de um deles implica
a no ocorrncia do outro. Vejamos: A = { a1 , a 2 , a 3 } B = { a4 , a4 }
=> =>
P(A) = p1 + p 2 + p 3 P(B) = p 4 + p 5
A B = { a1 , a 2 , a 3 , a 4 , a 5 }
P( A B ) = p1 + p 2 + p 3 + p 4 + p 5 Temos A B = e P( A B ) = P(A) + P(B) Neste caso, como A e B no tm elementos em comum, e A B formado reunindo num conjunto s os elementos de A e de B, temos que P( A B ) = P(A) + P(B) Se A e B so mutuamente exclusivos, a probabilidade de ocorrer A ou B igual a soma da probabilidade de A com a de B.
72
EXEMPLO 13
CD.:
No lanamento de um dado, a probabilidade de obter um nmero mpar de pontos a probabilidade do evento A = {1, 3, 5}, ou seja, 3 1 = P(A) = 6 2 A probabilidade de obter mais do que 5 pontos, a probabilidade do evento B = {6}, isto , 1 P(B) = 6 3 1 4 2 Como A B = , temos P( A B ) = P(A) + P(B) = + = = 6 6 6 3 Assim, a probabilidade de obter um nmero mpar de pontos ou mais de 5 pontos igual a 2 . 3
EXEMPLO 14
CD.:
Numa urna h 5 bolas brancas, 3 azuis, 4 verdes, 2 amarelas e uma marrom. Extraindo uma bola ao acaso, a probabilidade de sair uma bola azul ou amarela : 3 2 5 1 + = = P(azul ou amarela) = P(azul) + P(amarela) = 15 15 15 3
2 Caso: A B
Veja o diagrama abaixo:
A B
A probabilidade de ocorrer A ou B igual a soma da probabilidade de A com a de B, menos a probabilidade da interseo A B . P( A B ) = P(A) + P(B) - P( A B ) Note que na soma P(A) + P(B) as probabilidades dos elementos de A B esto somados duas vezes. Assim, tomando P(A) + P(B) P( A B ) teremos somadas as probabilidades de todos os elementos de A com as de todos os elementos de B, estando somadas uma s vez as probabilidades dos elementos comuns aos dois eventos.
73
EXEMPLO 15
CD.:
No sorteio de uma nmero natural de 1 a 100, a probabilidade de sair um nmero mltiplo de 10 a probabilidade do evento A = {10, 20, 30, 40, 50, 60, 70, 80, 90, 100}. Temos ento: 10 1 = P(A) = 100 10 A probabilidade de sair um nmero mltiplo de 15 a probabilidade do evento B = {15, 30, 45, 60, 75, 90}, isto , 6 3 = P(B) = 100 50 3 Como A B = {30, 60, 90}, temos P( A B ) = 100 10 6 3 13 Ento, P( A B ) = P(A) + P(B) - P( A B ) => + = 100 100 100 100 13 Assim, a probabilidade de sair um mltiplo de 10 ou de 15 igual a 100
EXERCCIO DE FIXAO
05
CD.:
Numa urna h seis bolas azuis numeradas de 1 a 6 e cinco bolas brancas numeradas de 1 a 5. Extraindo uma bola ao acaso, qual a probabilidade de sair uma bola azul ou com nmero mpar? Soluo:
EXERCCIO DE FIXAO
06
CD.:
No lanamento de um dado, determine as probabilidades: a) de no obter 6 pontos; b) de obter 5 pontos ou 6 pontos Soluo:
74
5.4- Probabilidade Condicional

Vamos supor que no lanamento de um dado algum aposte que vai obter mais do que 3 pontos. A probabilidade de que ele ganhe esta aposta a probabilidade de ocorrer o evento A = {4, 5, 6}. Como o espao amostral = {1, 2, 3, 4, 5, 6} equiprovvel, temos 3 1 P(A) = = 6 2 Aps lanar o dado, uma pessoa avisa que o resultado obtido um nmero mpar de pontos. Com esta informao, o apostador j sabe que o resultado foi 1 ou 3 ou 5 pontos e ele s ter ganhado se o resultado foi 5 pontos. Assim, ele tem uma chance em trs de ter ganhado a aposta, ou seja, a probabilidade de ganhar a aposta, depois da informao dada, fica sendo 1/3. Esta probabilidade, 1/3, chama-se probabilidade condicional de ganhar a aposta (ocorrer o evento A= {4, 5, 6}) dada a informao de que o resultado foi mpar (ocorreu o evento B = {1, 3, 5}). Tambm falamos probabilidade condicional de A dado B e indicamos por P(A/B) (leia: P de A dado B). Assim, neste exemplo, P(A/B) = 1/3. Agora, repare que para escrever a probabilidade 1/3 levamos em conta que tnhamos 3 chances aps saber que ocorreu B = {1, 3, 5} e, destas trs, a nica chance do apostador ganhar ocorrer o evento A B = {5}. Ento, neste caso, n( A B ) P( A B) P(A/B) = , de onde se deduz que P(A/B) = , se P ( B ) > 0 . n( B ) P( B)
EXEMPLO 16 CD.:
Se dois eventos A e B so tais que P(A) = 0,40, P(B) = 0,60 e P( A B ) = 0,20, ento: P( A B) 0,20 1 P(A/B) = = = P( B) 0,60 3 P(B/A) =
P ( B A) = P ( A)
0,20 0,40
1 2
Regra da multiplicao
De P(B/A) =
P ( B A) , vem: P ( A)
P( A B ) = P(A) x P(B/A)
Em palavras, temos a seguinte regra para a probabilidade de ocorrncia ao mesmo tempo de dois eventos: A probabilidade de ocorrer A e B igual probabilidade de A multiplicada pela probabilidade condicional de B dado A. Esta regra pode ser estendida para mais de dois eventos, sendo muito til especialmente no caso de experimentos compostos de vrias etapas (extraes com ou sem reposio, lanamentos sucessivos etc.). Nesses casos, se queremos calcular a probabilidade de ocorrer uma sucesso de eventos A, B, C etc., basta multiplicar a probabilidade de A pela probabilidade de B, supondo que A ocorreu, pela probabilidade de C, supondo que A e B ocorreram etc.
75
EXEMPLO 17
CD.:
Uma urna contm trs bolas amarelas e duas brancas. Retirando sucessivamente duas bolas, sem reposio, qual a probabilidade de sarem as duas brancas? Considerando os eventos: B1 : a primeira bola retirada branca; B 2 : a segunda bola retirada branca. A probabilidade de sarem as duas bolas brancas exatamente P( B1 B 2 ). Temos: P( B1 ) = 2/5, porque na urna h duas bolas brancas no total de 5 bolas. P( B2 / B1 ) = 1/4, porque supondo que B1 ocorreu (a primeira bola retirada foi branca), para a segunda extrao ficaram na urna 4 bolas sendo apenas uma branca. 2 1 1 Ento, P( B1 B2 ) = P( B1 ) x P( B2 / B1 ) = = 5 4 10
EXERCCIO DE FIXAO
07
CD.:
De uma classe onde h 15 rapazes e 15 moas sero escolhidos dois alunos ao acaso. Qual a probabilidade de: a) serem escolhidas duas moas; b) serem escolhidos um rapaz e uma moa, em qualquer ordem. Soluo:
76
5.5- Independncia
No experimento constitudo de dois lanamentos sucessivos de uma moeda, com espao amostral equiprovvel e C = coroa = {(C, C), (C, C ), ( C , C), ( C , C )} onde C = cara vamos considerar os eventos A, formado pelos resultados que apresentam cara no 1 lanamento, e B, formado pelos que apresentam cara no 2 lanamento: A = {(C, C), (C, C )} B ={(C, C), ( C , C)} temos que: 2 1 = , P(A) = 4 2 2 1 = P(B) = e 4 2 1 ento, A B = {(C, C)} => P( A B ) = 4 1 1 P( A B) P ( B A ) 2 1 4 = = 4 =2=1 P(A/B) = = e P(B/A) = = = P( B) P ( A) 1 4 2 1 4 2 2 2 Observamos que P(A/B) = 1/2 = P(A), isto , a probabilidade condicional de A dado B igual probabilidade de A sem a informao de ter ocorrido B. E tambm, P(B/A) = P(B), ou seja, a probabilidade condicional de B dado A igual a probabilidade de B sem a informao de que A tenha ocorrido. Quando isto ocorre, a regra da multiplicao de probabilidades P( A B ) = P(A) x P(B/A) pode ser escrita da forma P( A B ) = P(A) x P(B) Assim, dois eventos A e B so chamados eventos independentes quando vale a igualdade P( A B ) = P(A) x P(B) Se P( A B ) P(A) x P(B) dizemos que A e B so eventos dependentes. Nas aplicaes, reconhecemos a independncia de dois eventos quando percebemos que a informao da ocorrncia de um deles no altera a probabilidade de ocorrncia do outro. Por exemplo, a informao que deu cara no 1 lanamento de uma moeda no altera a probabilidade de dar cara no 2 lanamento.
EXEMPLO 18 CD.:
Em dois lanamentos de um dado, qual a probabilidade de obter nmero par no primeiro e nmero mpar no segundo lanamento? Soluo: A: o resultado do primeiro lanamento par B: o resultado do segundo lanamento mpar. Queremos calcular P( A B ). Notando que A e B so independentes, pois a informao da ocorrncia de A no altera a probabilidade de ocorrer B, temos: 3 3 9 1 = = P( A B ) = P(A) x P(B) = 6 6 36 4
77
EXEMPLO 19
CD.:
Fazendo lanamentos sucessivos de uma dado at obter 6 pontos num lanamento, qual a probabilidade de que sejam necessrias 3 tentativas. Soluo: Para que sejam necessrias trs tentativas, a 1 no deve obter 6 pontos, a 2 tambm e a 3 sim. Como o resultado de cada lanamento independente dos resultados dos demais lanamentos, a probabilidade pedida :
no dar 6 no dar 6 dar 6
P=
5 6
5 6
1 25 = 6 216
IMPORTANTE: Eventos mutuamente exclusivos no so eventos independentes Vimos anteriormente que dois eventos A e B so chamados mutuamente exclusivos quando A B = . Neste caso, a ocorrncia de um dos eventos implica a no ocorrncia do outro. Logo a informao de que ocorreu um deles altera a probabilidade de ocorrncia do outro (a menos que ela j fosse nula). Da conclumos que eventos mutuamente exclusivos no so eventos independentes (a menos que um deles tenha probabilidade nula). Observe tambm que se P(A) > 0, P(B) > 0, e A e B so mutuamente exclusivos, temos P( A B ) = P() = 0 e P ( A) P ( B ) 0. Logo P( A B ) P ( A) P ( B ) e, ento, A e B no so independentes. Esta nota feita para que possamos distinguir bem os conceitos de mutuamente exclusivos e independentes, pois estes nomes na linguagem comum podem at ser confundidos.
EXERCCIO DE FIXAO 08 CD.:
1 2 e P(B) = , calcule P( A B ) em cada caso: 3 5 a) sendo A e B independentes; b) sendo A e B mutuamente exclusivos.
Se P(A) =
Soluo:
EXERCCIO DE FIXAO
09
CD.:
A probabilidade de que o filho de um casal nasa com olhos azuis 1/4. Se o casal tiver dois filhos, qual a probabilidade a) de ambos terem olhos azuis; b) nenhum ter olhos azuis. Soluo:
78
5.6- Questes de Concursos

QUESTO 01 CD.: Considere-se que a secretaria de sade de uma prefeitura municipal tenha realizado um estudo sobre a utilizao de medicamentos sem prescrio mdica e que esse estudo tenha mostrado que a probabilidade de uma pessoa (homem ou mulher) se automedicar igual a 0,8 e, ainda, que a probabilidade de uma mulher se automedicar 4 vezes maior que a de um homem. Com base nessa situao hipottica e nas informaes apresentadas, julgue os itens que se seguem. 01- A probabilidade de uma pessoa no se automedicar inferior a 0,25. 02- Do conjunto de pessoas que se automedicam, 20% so do sexo masculino. 03- No espao amostral considerado pelo estudo em questo, de 16% a 36% das pessoas so do sexo masculino. Soluo:
Pref. Vila Velha/ES
2008
Tcnico Municipal Administrao
CESPE
GAB.: CCC
QUESTO 02 CD.: Os eventos E1 e E2 so os conjuntos de pontos que podem estar tanto em E1 quanto em E2, como em ambos, simultaneamente. Ento, a probabilidade de uma ocorrncia ser do evento E1 ou E2 dada por: a) P (E1 + E2) = P(E1) + P(E2). b) P (E1 + E2) = P(E1) + P(E2) - P (E1 e E2). c) P (E1 + E2) = P(E1) + (1 - P(E2). d) P (E1 + E2) = P(E2) + (1 - P(E1)). e) P (E1 + E2) = P(E1) * P(E2). Soluo:
SUSEP
2006
Analista Tcnico Controle e Fiscalizao
ESAF
GAB.: B
79
QUESTO 03 CD.: Uma urna contm: 1 bola amarela; 4 bolas azuis; 10 bolas brancas; 15 bolas vermelhas; e 20 bolas pretas. Dado que na primeira extrao foi retirada uma bola vermelha, a probabilidade de na segunda tentativa retirar uma bola vermelha, novamente, : a) maior que retirar uma bola branca ou azul. b) maior que retirar uma bola preta. c) menor que retirar uma bola branca. d) menor que retirar uma bola azul. e) menor que retirar uma bola amarela ou branca ou azul. Soluo:
Prefeitura de Natal
2008
Auditor do Tesouro Municipal
ESAF
GAB.: E
QUESTO 04 CD.: A probabilidade de um associado de um clube pagar sua mensalidade com atraso de 5%. Entre 5 associados escolhidos aleatoriamente, a probabilidade de pelo menos um pagar sua mensalidade sem atraso a) 1 (0,95) 5 b) (0,95) 5 c) 4,75 (0,95) 5 d) 5 (0,95) 5 e) 1 (0,05) 5 Soluo:
Banco Central
2006
Analista rea 5
FCC
GAB.: E
80
QUESTO 05 CD.: Do total de ttulos em poder de um investidor, 1/8 do tipo T1, 1/4 do tipo T2 e o restante do tipo T3. Sabe-se que as probabilidades de se obter uma taxa real de juros positiva com estas aplicaes so 0,60 com T1, 0,70 com T2 e 0,80 com T3. Se for escolhido um ttulo aleatoriamente entre estes em poder do investidor e verificarem-se que apresentou uma taxa real de juros no positiva, a probabilidade dele ser do tipo T3 a) 10% b) 20% c) 30% d) 40% e) 50% Soluo:
Banco Central
2006
Analista (rea 03)
FCC
GAB.: E
QUESTO 06 CD.: Um investidor avalia que, num investimento, ganha 5000 reais com probabilidade p, perde 2500 reais com probabilidade p 2 e no ganha nada caso contrrio. Se, nessas condies, o ganho esperado do investidor for de 1600 reais, o valor de p a)
3 5
b)
1 5
c)
2 5
d)
2 3
e)
1 3
Soluo:
Estado de SP
2009
Especialista em Polticas Pblicas
FCC
GAB.: C
81
QUESTO 07 CD.: Numa sala esto reunidos quatro pernambucanos e quatro paraibanos. Se escolhermos ao acaso duas pessoas distintas desse grupo, a probabilidade de que os dois sejam pernambucanos igual a: a) 1/4. b) 2/5. c) 3/14. d) 4/15. e) 5/16. Soluo:
SAD/PE
2009
FGV
GAB.: C
QUESTO
08
CD.:
Os projetos encaminhados a certo rgo de fomento so classificados como de tipos I ou II. Por experincias anteriores, sabe-se que 70% dos projetos encaminhados so do tipo I e os 30% restantes so do tipo II. Considerando que a probabilidade de sucesso na execuo de um projeto depende da sua classificao, conforme apresentado no quadro acima, julgue os itens subsequentes. 01- Um projeto que tenha sido encaminhado ao rgo mas que ainda no tenha sido classificado, tem probabilidade de sucesso na sua execuo igual a 0,87. 02- Em uma amostra aleatria de 100 projetos executados com sucesso, espera-se que 90 desses projetos tenham sido classificados como sendo do tipo I. 03- Considerando-se uma amostra aleatria de 3 projetos do tipo I, a probabilidade de que apenas um desses projetos seja executado com sucesso inferior a 0,1. Soluo:
SEGER/ES
2009
Analista Administrativo e Financeiro
CESPE
GAB.: CEC
82
QUESTO 09 CD.: Uma urna contm 5 bolas amarelas e 4 bolas azuis, todas do mesmo tamanho e feitas do mesmo material. Caso se retirem 2 bolas sucessivamente da urna, sem rep-las, a probabilidade de que sejam retiradas 2 bolas amarelas ser a) inferior a 0,2. b) superior a 0,2 e inferior a 0,25. c) superior a 0,25 e inferior a 0,3. d) superior a 0,3. Soluo:
CEHAP/PB
2009
Assistente Administrativo
CESPE
GAB.: C
QUESTO 10 CD.: Em uma sala de aula esto 4 meninas e 6 meninos, Trs das crianas so sorteadas para constiturem um grupo de danas. A probabilidade de as trs crianas escolhidas serem do mesmo sexo : a) 0,10 b) 0,12 c) 0,15 d) 0,20 e) 0,24 Soluo:
SERPRO
2001
ESAF
GAB.:
83
06
6- Distribuies de Probabilidades
Consideremos como exemplo ilustrativo a distribuio de frequncias relativa ao nmero dirio de atendimento na enfermaria de uma empresa:
Nmero de Atendimentos 0 1 2 3 4 Freqncias 24 16 12 6 2 Total = 60
Assim, em um dia qualquer, a probabilidade de:
No ser realizado atendimento algum na enfermaria de: p = 24 / 60 = 0,40 Ser realizado apenas um atendimento de: p = 16 / 60 = 0,27 Serem realizados dois atendimentos de: p = 12 / 60 = 0,20 Serem realizados trs atendimentos de: p = 6 / 60 = 0,10 Serem realizados quatro atendimentos de: p = 2 / 60 = 0,03
Construindo ento uma tabela de distribuio de probabilidades, temos:
Nmero de Atendimentos (X) 0 1 2 3 4 Probabilidades P(X) 0,40 0,27 0,20 0,10 0,03 Total = 1,00
Ao definir a distribuio de probabilidade, estabelecemos uma correspondncia (funo) entre os valores da varivel aleatria X e os valores da varivel P, de modo que os valores de X so o domnio da funo e os de P seu conjunto imagem. Essa funo, assim definida, denominada funo probabilidade, sendo representada por:
f ( x ) =P ( X =x i )
84
EXEMPLO.........................................
01
CD.:
Construir a tabela de distribuio de probabilidade relativa ao nmero de filhos homens que um casal poder ter, se o mesmo pretende ter dois filhos. Soluo:
6.1- Distribuio Binomial

Imaginemos um problema do tipo: Calcular a probabilidade de serem obtidas 2 caras em 4 lanamentos sucessivos de uma moeda honesta. Sabemos que em um experimento como o do lanamento de uma moeda, se a probabilidade de realizao (sucesso) de um evento (obteno de cara, por exemplo) p, a probabilidade de no realizao (insucesso) 1-p = q. Dessa forma, no caso de realizao desse experimento n vezes sucessivas, a probabilidade de que o evento de realize k vezes dada por:
n k n k f (X ) = P(X = k) = p q k
onde: P ( X = k ) a probabilidade de que o evento se realiza k vezes em n repeties do experimento; p a probabilidade de que o evento se realize em um nico experimento (probabilidade de sucesso do evento); q a probabilidade de que o evento no se realize em um experimento (probabilidade do insucesso do evento);
85
n k
o coeficiente binomial de n sobre k, que igual a
n! k!( n k )!
Portanto, essa funo, denominada lei binomial, define a distribuio binomial. As distribuies binomiais resolvem problemas do tipo: determinar a probabilidade de se obterem k sucessos em n tentativas. Assim os experimentos devem satisfazer os seguintes requisitos: 1- O experimento deve ser repetido um nmero finito de vezes (n vezes), nas mesmas condies; 2- Os experimentos devem ser independentes, ou seja, o resultado de um no pode interferir nos resultados seguintes; 3- Em cada repetio do experimento deve aparecer um dos dois resultados possveis: sucesso ou insucesso; 4- No decorrer do experimento, a probabilidade do sucesso (p) e do insucesso (q) devem permanecer constantes.
EXEMPLO......................................... 02 CD.:
Calcular a probabilidade de serem obtidas 2 caras em 4 lanamentos sucessivos de uma moeda honesta. Soluo:
EXEMPLO.........................................
03
CD.:
Considerando iguais as probabilidades de um time ganhar, empatar ou perder um jogo, qual a probabilidade da Equipe A ganhar 5 do 8 jogos que sero disputados com a Equipe B? Soluo:
86
6.2- Distribuio Normal

Como j estudado, as distribuies de frequncia podem assumir uma diversidade de formas. Algumas so perfeitamente simtricas, outras so assimtricas, seja negativa ou positivamente, outras ainda tm mais de um pico e assim por diante. Isso vlido igualmente para distribuies de probabilidade. Uma dessas distribuies, a distribuio normal (baseada na curva normal), um modelo terico ou ideal obtido a partir de uma equao matemtica, e no de uma pesquisa de coleta de dados. Entretanto, a utilidade da curva normal para o pesquisador pode ser detectada em suas aplicaes a situaes efetivas de pesquisa. Assim, a curva normal pode ser usada, por exemplo, para descrever distribuies de escores, interpretar o desvio padro e fazer afirmaes probabilsticas. Veremos, adiante, que a curva normal um ingrediente essencial da tomada de deciso estatstica, em que o pesquisador generaliza seus resultados de amostras para populaes.
Caractersticas da curva normal

A curva normal um tipo de curva suave, simtrica, cuja forma lembra um sino. Alm disso, a curva normal unimodal, apresentando apenas um pico ou ponto de freqncia mxima o ponto no meio da curva em que a mdia, a mediana e a moda coincidem. A partir do pico central arredondado da distribuio normal, a curva decai gradativamente em direo a ambas as caudas, estendendo-se indefinidamente em ambas as direes e aproximando-se cada vez mais da reta base sem atingi-la efetivamente.
Curva normal
rea sob a curva normal

Para utilizar a distribuio normal na resoluo de problemas, devemos conhecer a rea sob a curva normal. A rea limitada pela curva e pelo eixo das abscissas igual a 1, j que essa rea corresponde probabilidade de a varivel aleatria X assumir qualquer valor real. Podemos determinar uma parcela dessa rea total traando segmentos de reta de dois pontos do eixo-base at a curva. Por exemplo, tomando a mdia como ponto de partida, podemos traar uma reta na mdia ( ) e outra no ponto que est a 1 (1 desvio padro) acima da mdia. Assim, conforme ilustrado na figura a seguir, essa parte delimitada da curva norma inclui 34,13% da freqncia total. Tambm podemos dizer que 47,72% dos casos sob a curva normal situam-se entre a mdia e 2 acima da mdia e que 49,87% esto entre a mdia e 3 acima da mdia.
87
Verifica-se que existe uma proporo constante da rea total sob a curva normal compreendida entre a mdia e qualquer distncia a contar desta, medida em unidades de desvio padro. Isso verdadeiro independentemente da mdia e do desvio padro da distribuio particular e aplicase de maneira universal a todos os dados que so distribudos normalmente. Para determinar a porcentagem da rea sob a curva, para afastamentos da mdia diferentes dos mltiplos exatos do desvio padro, utilizamos a tabela da distribuio normal reduzida ( Tabela A Anexo A dessa apostila) que representa uma distribuio normal de mdia 0 (zero) e desvio padro 1 (um). A Tabela A mostra a percentagem sob a curva normal entre a mdia e vrias distncias (medida em unidades de desvio padro) a contar da mdia. Essas distncias (de 0,00 a 4,00 ) so rotuladas como z na coluna da esquerda da tabela. A seguir reproduzimos parte da referida tabela.
TABELA A
DISTRIBUIO NORMAL PADRO

z 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 1,3 0 0,0000 0,0398 0,0793 0,1179 0,1554 0,1915 0,2257 0,2580 0,2881 0,3159 0,3413 0,3643 0,3849 0,4032 1 0,0040 0,0438 0,0832 0,1217 0,1591 0,1950 0,2291 0,2611 0,2910 0,3186 0,3438 0,3665 0,3869 0,4049 2 0,0080 0,0478 0,0871 0,1255 0,1628 0,1985 0,2324 0,2642 0,2939 0,3212 0,3461 0,3686 0,3888 0,4066 3 0,0120 0,0517 0,0910 0,1293 0,1664 0,2019 0,2357 0,2673 0,2967 0,3238 0,3485 0,3708 0,3907 0,4082 4 0,0160 0,0557 0,0948 0,1331 0,1700 0,2054 0,2389 0,2704 0,2995 0,3264 0,3508 0,3729 0,3925 0,4099 5 0,0199 0,0596 0,0987 0,1368 0,1736 0,2088 0,2422 0,2734 0,3023 0,3289 0,3531 0,3749 0,3944 0,4115 6 0,0239 0,0636 0,1026 0,1406 0,1772 0,2123 0,2454 0,2764 0,3051 0,3315 0,3554 0,3770 0,3962 0,4131 7 0,0279 0,0675 0,1064 0,1443 0,1808 0,2157 0,2486 0,2794 0,3078 0,3340 0,3577 0,3790 0,3980 0,4147 8 0,0319 0,0714 0,1103 0,1480 0,1844 0,2190 0,2517 0,2823 0,3106 0,3365 0,3599 0,3810 0,3997 0,4162 9 0,0359 0,0753 0,1141 0,1517 0,1879 0,2224 0,2549 0,2852 0,3133 0,3389 0,3621 0,3830 0,4015 0,4177
88
Observe que a simetria da curva permite dar porcentagens para apenas um lado da mdia, isto , apenas metade da curva (50%). Os valores da Tabela A representam uma ou outra metade. Observe na tabela acima que para determinar a rea sob a curva normal situada entre a mdia de a distncia de 0,65 , foi necessrio apenas acharmos a interseo da linha 0,6 com a coluna 5. Nesse exemplo, verifica-se que a rea procurada 0,2422.
Determinao de Probabilidades sob a Curva Normal

A curva normal uma distribuio de probabilidades em que a rea total sob a curva igual a 100%. Essa curva possui, como j visto, uma rea central circundando a mdia, em que os valores ocorrem com maior frequncia, e reas menores em cada cauda, onde se verifica um achatamento gradativo, havendo uma menor proporo de valores extremamente altos e extremamente baixos. Em termos de probabilidade, ento, podemos dizer que a probabilidade diminui medida que percorremos o eixo base, afastando-nos da mdia em cada direo. Assim, dizer que 68,26% da frequncia total sob a curva normal situa-se entre -1 e +1 a contar da mdia equivale a dizer que h uma probabilidade de aproximadamente 68 em 100 (68%) de qualquer escore bruto dado situar-se no interior desse intervalo.
EXEMPLO......................................... 04 CD.:
Determine as probabilidades: a) P ( 1,30 < Z < 0)
b) P ( 0,6 < Z < 1,12)
EXEMPLO.........................................
05
CD.:
Determine as probabilidades: a) P (0,64 < Z < 1,26)
b) P ( Z > 0,45)
Escores Padronizados e a Curva Normal

At agora vimos como achar a porcentagem da rea total sob a curva normal associada a qualquer distncia (medida em unidades de desvio padro) a contar da mdia. O prximo passo ser determinar qualquer distncia (medida em qualquer unidade) em unidades de desvio padro. Para transformar minutos em horas, dividimos o nmero de minutos por 60, porque uma hora tem 60 minutos. Precisamente do mesmo modo, podemos transformar qualquer escore bruto em unidades de desvio padro dividindo a distncia do escore mdia pelo desvio padro.
z= xx s
EXEMPLO.........................................
06
CD.:
Os salrios de 800 operrios de determinada indstria so normalmente distribudos com mdia de R$950,00 e desvio padro R$90,00. Determine o nmero de funcionrios que
89
ganham: a) entre R$800,00 e R$1.000,00 Soluo:
b) mais do que R$1.200,00
90
6.3- Intervalos de Confiana

6.3.1- Erro Amostral
Um pesquisador procura geralmente obter uma amostra que seja representativa da populao em que est interessado. Como as amostras aleatrias do a todo elemento da populao a mesma chance de figurar na amostra, elas so, de modo geral, mais representativas das caractersticas populacionais do que mtodos no cientficos. No entanto, apenas pela chance podemos sempre esperar alguma diferena entre uma amostra, aleatria ou no, e a populao da qual ela extrada. Uma mdia amostral ( x ) quase nunca ser exatamente a mesma que a mdia populacional ( ); um desvio padro ( s ) da amostra dificilmente ser o mesmo que o desvio padro populacional ( ). Conhecida como erro amostral, essa diferena sempre ocorre, independentemente de quo bem o plano amostral tenha sido elaborado e posto em prtica. Por exemplo, ao divulgar os resultados, os pesquisadores de opinio pblica costumam se referir a uma margem de erro. Pode-se ler na imprensa que a organizao IBOPE (ou outra qualquer) prediz que o candidato X vai obter 56% dos votos, com uma margem de erro de 4% . Em outras palavras, os pesquisadores confiam em que o candidato X receba entre 52% (56% - 4%) e 60% (56% + 4%) dos votos. A razo para essa incerteza por parte do pesquisador sobre o nmero exato de votos efeito do erro amostral.
6.3.2- Intervalo de Confiana (utilizando z)

Suponha que o reitor de certa universidade queira estimar o QI mdio de seus estudantes sem o consumo de tempo e a despesa em que incorreria se fossem testar todos os 1000 estudantes da universidade. Em lugar disso, seleciona aleatoriamente 25 deles e aplica-lhes o teste. Constata que a mdia de sua amostra 105. Como o valor de x provm de uma amostra e no de toda a populao de estudantes, o reitor no pode ter a certeza de que x reflita efetivamente a populao estudantil. Como j visto, o erro amostral resultado inevitvel do fato de trabalharmos apenas com uma frao da populao. Sabemos, entretanto, que 68,26% de todas as mdias de amostras aleatrias na distribuio amostral de mdias recaem entre -1 erro padro e +1 erro padro a contar da verdadeira mdia populacional. Em nosso caso (com escores QI para os quais =15), temos um erro padro de 15 15 x = = = = 3 N 25 5 Portanto, tomando 105 como uma estimativa da mdia para todos os estudantes (uma estimativa da verdadeira mdia populacional), podemos estabelecer um intervalo dentro do qual h 68 chances em 100 (arredondando) de se situar a verdadeira mdia populacional: Intervalo de 68% de confiana = Onde: x = mdia amostral; x = erro padro da mdia amostral Assim,
x x
105 3 Intervalo de 68% de confiana = = 102 a 108 O reitor pode, pois, concluir, com 68% de confiana, que o QI mdio para toda a universidade ( ) 105, com uma variao de 3, para mais ou para menos. Em outras palavras, h 68% de chance de a verdadeira mdia populacional estar no intervalo de 102 a 108. Tecnicamente, possvel construirmos intervalos de confiana para qualquer nvel de probabilidade.
Curso: Banco Central - 2012 91
Intervalo de 95% de Confiana Utilizando z

Recorrendo Tabela A, podemos afirmar que 1,96 erro padro em ambas as direes abrange exatamente 95% das mdias amostrais (47,5% de cada lado da mdia). Para achar o intervalo de 95% de confiana, devemos primeiro multiplicar o erro padro da mdia por 1,96. Intervalo de 95% de confiana Logo,
105 1,96 3 105 5,88 Intervalo de 95% de confiana = = Intervalo de 95% de confiana = 99,12 a 110,88 Assim, o reitor pode ter 95% de confiana em que a mdia populacional est no intervalo de 99,12 a 110,88.
x 1,96 x
Intervalo de 99% de Confiana Utilizando z

Recorrendo tambm Tabela A, vemos que o escore z = 2,58 representa 49,5% da rea de um ou de outro lado da curva. Duplicando esse valor, obtemos 99% da rea sob a curva; 99% das mdias amostrais de enquadram nesse intervalo. Em termos probabilsticos, 99 em cada 100 mdias amostrais se enquadram entre -2,58 x e +2,58 x a contar a partir da mdia. Intervalo de 99% de confiana Logo,
105 2,58 3 105 7,74 Intervalo de 99% de confiana = = Intervalo de 99% de confiana = 97,26 a 112,74 Assim, o reitor pode ter 99% de confiana em que a mdia populacional est no intervalo de 97,26 a 112,74.
x 2,58 x
Limitao do modelo
At aqui lidamos apenas com situaes em que o erro padro da mdia era conhecido, podendo ser calculado, a partir do desvio padro populacional, pela frmula: x =
N
Encarando os fatos de maneira realista, no tem muito sentido conhecermos o desvio padro de nossa varivel na populao ( x ) e desconhecermos (precisando estimar) a mdia populacional ( ). Na verdade, so raros os casos em que se conhece o desvio padro da populao (e, assim, o erro padro da mdia x ). Em geral, devemos estimar no s a mdia populacional com base em uma amostra, mas tambm o erro padro, com base nessa mesma amostra.
6.3.3- Intervalo de Confiana para a Mdia Utilizando t

Para obter uma estimativa do erro padro da mdia, poderamos ser tentados simplesmente a substituir o desvio padro populacional ( ), na frmula anterior do erro padro, pelo desvio padro amostral ( s ). Isso, entretanto, tenderia a subestimar, por pouco que fosse, o vulto do verdadeiro erro padro. Esse problema surge porque o desvio padro amostral tende a ser um pouco menor do que o desvio padro populacional. Nesse caso para a determinao do intervalo de confiana utilizaremos a distribuio t (no mais a z), procedendo da seguinte forma: 1) aps o clculo da mdia e do desvio padro da amostra, calculamos o erro padro estimado da mdia, atravs da expresso:
92
sx =
s N 1
2) Determinamos os graus de liberdade Emprega-se, aqui, o conceito de grau de liberdade, para determinar qual das distribuies t se aplica a determinada instncia. O nmero de graus de liberdade indica quo prxima da distribuio t est da curva normal aproximada. Ao estimarmos uma mdia populacional, o nmero de graus de liberdade um a menos do que o tamanho da amostra, isto :
gl = N 1
Quanto maior o nmero de graus de liberdade, maior o tamanho da amostra e mais prxima da distribuio normal est a distribuio t. 3) Determinamos o valor de t pela Tabela B (Anexo 02 dessa apostila) Ao trabalharmos com a distribuio t, utilizamos a Tabela B. Ao contrrio da Tabela A, em que tnhamos de procurar valores de z correspondentes a reas de 95% e 99% sob a curva, a Tabela B elaborada para reas determinadas. Mais precisamente, adaptada a vrios nveis de . O valor representa a rea nas caudas da distribuio t. Assim, o valor igual a um menos o nvel de confiana. Isto :
=1 nvel de confiana
Por exemplo, para um nvel de 95% de confiana, = 0,05 . Para um nvel de confiana de 99%, = 0,01 . Utilizamos a Tabela B com duas informaes: (1) o nmero de graus de liberdade (que, para estimar uma mdia amostral, N 1 ) e (2) o valor , rea nas caldas da distribuio. Exemplo: se quisssemos construir um intervalo de 95% de confiana com uma amostra de 20, teramos 19 graus de liberdade ( gl = 20 1 =19 ), = 0,05 rea compreendida nas duas caudas e, como resultado, um valor t de 2,093 pela Tabela B. 4) Obtemos a margem de erro multiplicando o erro padro da mdia pelo valor t apropriado extrado da Tabela B, conforme o nvel de confiana e o nmero de graus de liberdade:
M arg em de erro = t s x
5) Somamos e subtramos a margem de erro mdia amostral, para obter o intervalo de confiana desejado:
Intervalo de confiana = x t s x
93
TABELA B
Distribuio t de Student
rea contida nas duas caudas laterais (bicaudal) da distribuio t de Student 0,950 0,900 0,200 0,100 0,050 0,020 0,010 0,001 0,079 0,158 3,078 6,314 12,706 31,821 63,657 636,619 0,071 0,142 1,886 2,920 4,303 6,965 9,925 31,599 0,068 0,137 1,638 2,353 3,182 4,541 5,841 12,924 0,067 0,134 1,533 2,132 2,776 3,747 4,604 8,610 0,066 0,132 1,476 2,015 2,571 3,365 4,032 6,869 0,065 0,131 1,440 1,943 2,447 3,143 3,707 5,959 0,065 0,130 1,415 1,895 2,365 2,998 3,499 5,408 0,065 0,130 1,397 1,860 2,306 2,896 3,355 5,041 0,064 0,129 1,383 1,833 2,262 2,821 3,250 4,781 0,064 0,129 1,372 1,812 2,228 2,764 3,169 4,587 0,064 0,129 1,363 1,796 2,201 2,718 3,106 4,437 0,064 0,128 1,356 1,782 2,179 2,681 3,055 4,318 0,064 0,128 1,350 1,771 2,160 2,650 3,012 4,221 0,064 0,128 1,345 1,761 2,145 2,624 2,977 4,140 0,064 0,128 1,341 1,753 2,131 2,602 2,947 4,073 0,064 0,128 1,337 1,746 2,120 2,583 2,921 4,015 0,064 0,128 1,333 1,740 2,110 2,567 2,898 3,965 0,064 0,127 1,330 1,734 2,101 2,552 2,878 3,922 0,064 0,127 1,328 1,729 2,093 2,539 2,861 3,883 0,063 0,127 1,325 1,725 2,086 2,528 2,845 3,850 0,063 0,127 1,323 1,721 2,080 2,518 2,831 3,819
EXEMPLO.........................................
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
07
CD.:
Suponha que um pesquisador queira examinar o alcance da cooperao entre crianas do jardim-de-infncia. Para tanto, ele observa, durante 30 minutos, um grupo de crianas brincando e registra o nmero de atos de cooperao praticados por cada uma.
x 1 5 2 3 4 1 2 2 4 3
Determinar, com 95% e com 99% de certeza o nmero mdio de aes de natureza cooperativa para todo o jardim-de-infncia. Soluo:
94
6.3.4- Intervalo de Confiana para Propores

O pesquisador social freqentemente procura fazer uma estimativa de uma proporo populacional estritamente baseada em uma proporo obtida em uma amostra aleatria. Estimamos propores pelo processo que acabamos de utilizar para estimar mdias. Todas as estatsticas inclusive mdias e propores tm suas distribuies amostrais, e a distribuio amostral de uma proporo normal. Assim como j calculamos o erro padro da mdia, podemos agora achar o erro padro da proporo, pela frmula: sp = onde: s p = erro padro da proporo (uma estimativa do desvio padro da distribuio amostral de propores); P = proporo amostral; N = nmero total na amostra. Utilizamos anteriormente a distribuio t para construir intervalos de confiana para a mdia populacional quando a mdia populacional ( ) e o desvio padro populacional ( ) eram ambos desconhecidos e precisavam ser estimados. Ao trabalharmos com propores, entretanto, apenas uma grandeza desconhecida. Estimamos a proporo populacional ( ) pela proporo amostral P . Conseqentemente, utilizamos a distribuio z para construir intervalos de confiana para a proporo populacional ( ) (com z =1,96 para um intervalo de 95% de confiana e z = 2,58 para um intervalo de 99% de confiana), e no a distribuio t. Para achar o intervalo de 95% de confiana para uma proporo populacional, multiplicamos o erro padro da proporo por 1,96, somamos e subtramos esse produto proporo amostral: Intervalo de 95% de confiana
EXEMPLO......................................... 08
P(1 P) N
P 1,96 s P
CD.:
Ao afirmar que 45% de uma amostra aleatria de 100 alunos de uma faculdade se declararam favorveis legalizao de todas as drogas, o erro padro e o intervalo de 95% confiana para a referida proporo. Soluo:
95

QUESTO 01 CD.: 06 Uma amostra aleatria simples de tamanho 25 foi selecionada para estimar a mdia desconhecida de uma populao normal. A mdia amostral encontrada foi 4,2, e a varincia amostral foi 1,44. O intervalo de 95% de confiana para a mdia populacional : a) 4,2 +/- 0,49 b) 4,2 +/- 0,64 c) 4,2 +/- 0,71 d) 4,2 +/- 0,75 e) 4,2 +/- 0,81 Soluo:
SEFAZ/MS
2006
Fiscal de Rendas
FGV
GAB.:
QUESTO 02 CD.: 12 Uma amostra aleatria de tamanho 400 revelou que 64% dos torcedores brasileiros acham que conquistaremos o hexacampeonato mundial de futebol. O intervalo de 95% de confiana para a proporo de torcedores na populao que acreditam no hexacampeonato : a) 64% +/- 3,9% b) 64% +/- 4,2% c) 64% +/- 4,7% d) 64% +/- 5,1% e) 64% +/- 5,6% Soluo:
SEFAZ/MS
2006
Fiscal de Rendas
FGV
GAB.:
96
QUESTO 03 CD.: 02 Uma pesquisa recente foi realizada para avaliar o percentual da populao favorvel eleio de um determinado ponto turstico para constar no selo comemorativo de aniversrio da cidade. Para isso, selecionou-se uma amostra aleatria simples extrada de uma populao infinita. O resultado apurou 50% de inteno de votos para esse ponto turstico. Considerando que a margem de erro foi de 2 pontos percentuais, para mais ou para menos, e que o nvel de confiana utilizado foi de 95%, foram ouvidas, aproximadamente: a) 50 pessoas. b) 100 pessoas. c) 1.200 pessoas. d) 2.400 pessoas. e) 4.800 pessoas. Soluo:
SEFAZ/RJ
2008
Fiscal de Rendas
FGV
GAB.:
QUESTO 04 CD.: 28 Um estatstico de uma companhia telefnica deseja estimar a proporo p de clientes satisfeitos com a introduo de um novo tipo de servio. Suponha que o nmero de clientes da companhia seja grande. Sabe-se, com base em experincias anteriores, que p deve estar prxima de 0,50. O menor tamanho de amostra que ele deve considerar de modo a garantir com probabilidade de 95% um erro absoluto de estimao de no mximo 0,02 : a) 800. b) 1082. c) 1530. d) 1681. e) 2401. Soluo:
SENADO FEDERAL
2008
Analista Legislativo - Estatstico
FGV
GAB.:
97
QUESTO 05 CD.: 18 Instrues: Para responder questo considere a tabela abaixo, que fornece os valores das probabilidades P(Z z) para a distribuio normal padro.
O nmero de processos analisados em uma repartio pblica por semana apresenta uma distribuio normal, com mdia igual a 50 processos e desvio padro igual a 10 processos. A probabilidade de, em uma determinada semana, ser analisado um nmero de processos menor ou igual a 40 igual a a) 40% b) 31% c) 23% d) 16% e) 11% Soluo:
TRT/SP
2008
Analista Judicirio - Estatstica
FCC
GAB.:
QUESTO 06 CD.: 20 Instrues: Para responder questo considere a tabela abaixo, que fornece os valores das probabilidades P(Z z) para a distribuio normal padro.
As alturas dos estudantes em uma escola apresentam uma distribuio considerada normal. Sabendo-se que apenas 16% dos estudantes apresentam uma altura igual ou superior a 170 cm e que 40% so iguais ou inferiores a 145 cm, tem-se que a mdia das alturas dos estudantes igual a a) 150,0 cm b) 152,5 cm c) 157,5 cm d) 160,0 cm e) 162,5 cm Soluo:
TRT/SP
2008
FCC
GAB.:
98
QUESTO 07 CD.: 25 A vida das lmpadas fabricadas por uma empresa apresenta uma distribuio normal com uma varincia populacional igual a 400 (horas). Extrai-se uma amostra de 64 lmpadas e verifica-se que a respectiva vida mdia igual a 1.200 horas. Considerando a populao de tamanho infinito e a informao da distribuio normal padro (Z) que a probabilidade P(Z > 2) = 2,5%, tem-se que o intervalo de confiana de 95% para a vida mdia das lmpadas a) [1.160 , 1.240] b) [1.164 , 1.236] c) [1.180 , 1.220] d) [1.184 , 1.216] e) [1.195 , 1.205] Soluo:
TRT/SP
2008
FCC
GAB.:
QUESTO 08 CD.: Seja Z uma varivel aleatria Normal Padro. Dados os valores de z e de P(Z < z) a seguir, obtenha o valor mais prximo de P( -2,58 < Z < 1,96 ). Z............ 1,96 2,17 2,33 2,41 2,58 P(Z < z)... 0,975 0,985 0,99 0,992 0,995 a) 0,99 b) 0,97 c) 0,98 d) 0,985 e) 0,95 Soluo:
SEFAZ/SP
2009
ESAF
GAB.: B
99
QUESTO 09 CD.: Se x uma v. a. - varivel aleatria com funo densidade de probabilidade f(x), caracterizada pelo modelo normal, podemos afirmar que: a) o desvio-padro igual a 1 (um). b) a mdia tem valor 0 (zero). c) a funo de distribuio acumulada f(x) igual a 1, para todos os valores acima de b. d) os parmetros mdia, moda e mediana so iguais. e) a varincia tem o valor do quadrado da mdia. Soluo:
Prefeitura de Natal
2008
Auditor do Tesouro Municipal
ESAF
GAB.: D
QUESTO 10 CD.: A respeito de distribuio normal de probabilidades, analise as afirmativas a seguir: I. Se uma varivel tem distribuio normal com mdia e desvio padro ( 2; + 2) contm cerca de 95% de seus valores possveis.
, ento o intervalo
II. Se uma varivel aleatria X tem distribuio normal com mdia e varincia 2 ento a varivel Z = ( X ) / tem distribuio normal com mdia 0 e varincia 1. III. Se uma varivel tem distribuio normal de probabilidades, ento o valor de sua mdia igual ao de sua mediana. IV. Se uma varivel X tem distribuio normal com mdia 0,1, ento a probabilidade de que X assuma um valor negativo maior do que 50%. Assinale: a) se somente as afirmativas I e III estiverem corretas. b) se somente as afirmativas II e IV estiverem corretas. c) se somente as afirmativas I, II e III estiverem corretas. d) se somente as afirmativas II, III e IV estiverem corretas. e) se todas as afirmativas estiverem corretas. Soluo:
SAD/PE
2009
FGV
GAB.: C
100
07
7- Anexos
Anexo 01
TABELA A
DISTRIBUIO NORMAL PADRO

z 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3,0 3,1 3,2 3,3 3,4 3,5 3,6 3,7 3,8 3,9 0 0,0000 0,0398 0,0793 0,1179 0,1554 0,1915 0,2257 0,2580 0,2881 0,3159 0,3413 0,3643 0,3849 0,4032 0,4192 0,4332 0,4452 0,4554 0,4641 0,4713 0,4772 0,4821 0,4861 0,4893 0,4918 0,4938 0,4953 0,4965 0,4974 0,4981 0,4987 0,4990 0,4993 0,4995 0,4997 0,4998 0,4998 0,4999 0,4999 0,5000 1 0,0040 0,0438 0,0832 0,1217 0,1591 0,1950 0,2291 0,2611 0,2910 0,3186 0,3438 0,3665 0,3869 0,4049 0,4207 0,4345 0,4463 0,4564 0,4649 0,4719 0,4778 0,4826 0,4864 0,4896 0,4920 0,4940 0,4955 0,4966 0,4975 0,4982 0,4987 0,4991 0,4993 0,4995 0,4997 0,4998 0,4998 0,4999 0,4999 0,5000 2 0,0080 0,0478 0,0871 0,1255 0,1628 0,1985 0,2324 0,2642 0,2939 0,3212 0,3461 0,3686 0,3888 0,4066 0,4222 0,4357 0,4474 0,4573 0,4656 0,4726 0,4783 0,4830 0,4868 0,4898 0,4922 0,4941 0,4956 0,4967 0,4976 0,4982 0,4987 0,4991 0,4994 0,4995 0,4997 0,4998 0,4999 0,4999 0,4999 0,5000 3 0,0120 0,0517 0,0910 0,1293 0,1664 0,2019 0,2357 0,2673 0,2967 0,3238 0,3485 0,3708 0,3907 0,4082 0,4236 0,4370 0,4484 0,4582 0,4664 0,4732 0,4788 0,4834 0,4871 0,4901 0,4925 0,4943 0,4957 0,4968 0,4977 0,4983 0,4988 0,4991 0,4994 0,4996 0,4997 0,4998 0,4999 0,4999 0,4999 0,5000 4 0,0160 0,0557 0,0948 0,1331 0,1700 0,2054 0,2389 0,2704 0,2995 0,3264 0,3508 0,3729 0,3925 0,4099 0,4251 0,4382 0,4495 0,4591 0,4671 0,4738 0,4793 0,4838 0,4875 0,4904 0,4927 0,4945 0,4959 0,4969 0,4977 0,4984 0,4988 0,4992 0,4994 0,4996 0,4997 0,4998 0,4999 0,4999 0,4999 0,5000 5 0,0199 0,0596 0,0987 0,1368 0,1736 0,2088 0,2422 0,2734 0,3023 0,3289 0,3531 0,3749 0,3944 0,4115 0,4265 0,4394 0,4505 0,4599 0,4678 0,4744 0,4798 0,4842 0,4878 0,4906 0,4929 0,4946 0,4960 0,4970 0,4978 0,4984 0,4989 0,4992 0,4994 0,4996 0,4997 0,4998 0,4999 0,4999 0,4999 0,5000 6 0,0239 0,0636 0,1026 0,1406 0,1772 0,2123 0,2454 0,2764 0,3051 0,3315 0,3554 0,3770 0,3962 0,4131 0,4279 0,4406 0,4515 0,4608 0,4686 0,4750 0,4803 0,4846 0,4881 0,4909 0,4931 0,4948 0,4961 0,4971 0,4979 0,4985 0,4989 0,4992 0,4994 0,4996 0,4997 0,4998 0,4999 0,4999 0,4999 0,5000 7 0,0279 0,0675 0,1064 0,1443 0,1808 0,2157 0,2486 0,2794 0,3078 0,3340 0,3577 0,3790 0,3980 0,4147 0,4292 0,4418 0,4525 0,4616 0,4693 0,4756 0,4808 0,4850 0,4884 0,4911 0,4932 0,4949 0,4962 0,4972 0,4979 0,4985 0,4989 0,4992 0,4995 0,4996 0,4997 0,4998 0,4999 0,4999 0,4999 0,5000 8 0,0319 0,0714 0,1103 0,1480 0,1844 0,2190 0,2517 0,2823 0,3106 0,3365 0,3599 0,3810 0,3997 0,4162 0,4306 0,4429 0,4535 0,4625 0,4699 0,4761 0,4812 0,4854 0,4887 0,4913 0,4934 0,4951 0,4963 0,4973 0,4980 0,4986 0,4990 0,4993 0,4995 0,4996 0,4997 0,4998 0,4999 0,4999 0,4999 0,5000 9 0,0359 0,0753 0,1141 0,1517 0,1879 0,2224 0,2549 0,2852 0,3133 0,3389 0,3621 0,3830 0,4015 0,4177 0,4319 0,4441 0,4545 0,4633 0,4706 0,4767 0,4817 0,4857 0,4890 0,4916 0,4936 0,4952 0,4964 0,4974 0,4981 0,4986 0,4990 0,4993 0,4995 0,4997 0,4998 0,4998 0,4999 0,4999 0,4999 0,5000
101
Anexo 02
TABELA B
Distribuio t de Student
rea contida nas duas caudas laterais (bicaudal) da distribuio t de Student 0,950 0,900 0,200 0,100 0,050 0,250 0,020 0,010 0,005 0,001 1 0,079 0,158 3,078 6,314 12,706 2,414 31,821 63,657 127,321 636,619 2 0,071 0,142 1,886 2,920 4,303 1,604 6,965 9,925 14,089 31,599 3 0,068 0,137 1,638 2,353 3,182 1,423 4,541 5,841 7,453 12,924 4 0,067 0,134 1,533 2,132 2,776 1,344 3,747 4,604 5,598 8,610 5 0,066 0,132 1,476 2,015 2,571 1,301 3,365 4,032 4,773 6,869 6 0,065 0,131 1,440 1,943 2,447 1,273 3,143 3,707 4,317 5,959 7 0,065 0,130 1,415 1,895 2,365 1,254 2,998 3,499 4,029 5,408 8 0,065 0,130 1,397 1,860 2,306 1,240 2,896 3,355 3,833 5,041 9 0,064 0,129 1,383 1,833 2,262 1,230 2,821 3,250 3,690 4,781 10 0,064 0,129 1,372 1,812 2,228 1,221 2,764 3,169 3,581 4,587 11 0,064 0,129 1,363 1,796 2,201 1,214 2,718 3,106 3,497 4,437 12 0,064 0,128 1,356 1,782 2,179 1,209 2,681 3,055 3,428 4,318 13 0,064 0,128 1,350 1,771 2,160 1,204 2,650 3,012 3,372 4,221 14 0,064 0,128 1,345 1,761 2,145 1,200 2,624 2,977 3,326 4,140 15 0,064 0,128 1,341 1,753 2,131 1,197 2,602 2,947 3,286 4,073 16 0,064 0,128 1,337 1,746 2,120 1,194 2,583 2,921 3,252 4,015 17 0,064 0,128 1,333 1,740 2,110 1,191 2,567 2,898 3,222 3,965 18 0,064 0,127 1,330 1,734 2,101 1,189 2,552 2,878 3,197 3,922 19 0,064 0,127 1,328 1,729 2,093 1,187 2,539 2,861 3,174 3,883 20 0,063 0,127 1,325 1,725 2,086 1,185 2,528 2,845 3,153 3,850 21 0,063 0,127 1,323 1,721 2,080 1,183 2,518 2,831 3,135 3,819 22 0,063 0,127 1,321 1,717 2,074 1,182 2,508 2,819 3,119 3,792 23 0,063 0,127 1,319 1,714 2,069 1,180 2,500 2,807 3,104 3,768 24 0,063 0,127 1,318 1,711 2,064 1,179 2,492 2,797 3,091 3,745 25 0,063 0,127 1,316 1,708 2,060 1,178 2,485 2,787 3,078 3,725 26 0,063 0,127 1,315 1,706 2,056 1,177 2,479 2,779 3,067 3,707 27 0,063 0,127 1,314 1,703 2,052 1,176 2,473 2,771 3,057 3,690 28 0,063 0,127 1,313 1,701 2,048 1,175 2,467 2,763 3,047 3,674 29 0,063 0,127 1,311 1,699 2,045 1,174 2,462 2,756 3,038 3,659 30 0,063 0,127 1,310 1,697 2,042 1,173 2,457 2,750 3,030 3,646 31 0,063 0,127 1,309 1,696 2,040 1,172 2,453 2,744 3,022 3,633 32 0,063 0,127 1,309 1,694 2,037 1,172 2,449 2,738 3,015 3,622 33 0,063 0,127 1,308 1,692 2,035 1,171 2,445 2,733 3,008 3,611 34 0,063 0,127 1,307 1,691 2,032 1,170 2,441 2,728 3,002 3,601 35 0,063 0,127 1,306 1,690 2,030 1,170 2,438 2,724 2,996 3,591 36 0,063 0,127 1,306 1,688 2,028 1,169 2,434 2,719 2,990 3,582 37 0,063 0,127 1,305 1,687 2,026 1,169 2,431 2,715 2,985 3,574 38 0,063 0,127 1,304 1,686 2,024 1,168 2,429 2,712 2,980 3,566 39 0,063 0,126 1,304 1,685 2,023 1,168 2,426 2,708 2,976 3,558 40 0,063 0,126 1,303 1,684 2,021 1,167 2,423 2,704 2,971 3,551 50 0,063 0,126 1,299 1,676 2,009 1,164 2,403 2,678 2,937 3,496 60 0,063 0,126 1,296 1,671 2,000 1,162 2,390 2,660 2,915 3,460 70 0,063 0,126 1,294 1,667 1,994 1,160 2,381 2,648 2,899 3,435 80 0,063 0,126 1,292 1,664 1,990 1,159 2,374 2,639 2,887 3,416 90 0,063 0,126 1,291 1,662 1,987 1,158 2,368 2,632 2,878 3,402 100 0,063 0,126 1,290 1,660 1,984 1,157 2,364 2,626 2,871 3,390 120 0,063 0,126 1,289 1,658 1,980 1,156 2,358 2,617 2,860 3,373 As linhas indicam o nmero de graus de liberdade (gl) da distribuio t de Student e as colunas indicam a soma das reas contidas nas caudas (bicaudal). Por exemplo, a linha com 16 gl e coluna 0,10 cujo valor tabelado 1,746 indica que o valor 1,746 deixa 10% de probabilidade nas duas caudas quando h 16 gl. Ou seja, dada a probabilidade bicaudal eu descubro o valor t correspondente.
102

Estatística - JusDecisum

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Estatística - JusDecisum

Enviado por

Direitos autorais:

Formatos disponíveis

Verso 2012.

Curso: Banco Central - 2012

Curso: Banco Central - 2012

Curso: Banco Central - 2012

Curso: Banco Central - 2012

Curso: Banco Central - 2012

1.6 Variveis e Atributos

Curso: Banco Central - 2012

1.7 Variveis Aleatrias Discretas e Contnuas

Curso: Banco Central - 2012

1.8 Questes de Concursos

QUESTO 02 Assinale a opo correta.

Curso: Banco Central - 2012

QUESTO 03 Julgue os itens seguintes.

QUESTO 04 Julgue os seguintes.

Analista de Planejamento, Oramento e Gesto

Curso: Banco Central - 2012

2.2 Normas para Apresentao Tabular de Dados

Rodap Coluna indicadora Coluna numrica

Curso: Banco Central - 2012

2.3 Sries Estatsticas

SRIE HISTRICA: PREO DO ACM NO VAREJO SO PAULO 1989-93

SRIE GEOGRFICA: DURAO MDIA DOS CURSOS SUPERIORES 1994

SRIE ESPECFICA: REBANHOS BRASILEIROS 1992

1989 1990 1991 1992 1993

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

Itlia Alemanha Frana Holanda Inglaterra

7,5 7,0 7,0 5,9 Menos de 4

Bovinos Bubalinos Eqinos Sunos Ovinos

154.440,8 1.423,3 549,5 34.532,2 19.955,9

2.4 Distribuio de Frequncias

Curso: Banco Central - 2012

2.4.2 Distribuio de Frequncia

Curso: Banco Central - 2012

2.5 Intervalos de Classe

150 150 150 150

2.5.2 Limites de Classe

Curso: Banco Central - 2012

2.5.3 Amplitude de um Intervalo de Classe

Na distribuio da Tabela 2.4, temos:

2.5.4 Amplitude Total da Distribuio

Na Tabela 2.4, temos: At = 174 150 = 24

evidente que, se as classes possuem o mesmo intervalo, se verifica a seguinte relao:

2.5.5 Ponto Mdio

154 +158 = 156cm 2

2.6 Frequncias Absolutas e Relativas

Curso: Banco Central - 2012

ou de uma forma mais simples,

Do exemplo acima (Tabela 2.4), temos:

2.6.2 Frequncia Relativa

fri =fri x100

fr3 % = 0,275 x100

2.6.3 Frequncia Acumulada

a) Frequncia acumulada abaixo de ( faci ): sua definio se confunde com o conceito

b) Frequncia acumulada acima de ( faci+ ) para uma classe a soma da frequncia

Curso: Banco Central - 2012

2.6.4 Frequncia Acumulada Relativa

Assim, para a terceira classe do nosso exemplo (Tabela 2.4), temos:

2.7.1 Grfico em Colunas ou em Barras

Curso: Banco Central - 2012

Curso: Banco Central - 2012

2.7.3 Polgono de Frequncia

2.7.4 Polgono de Frequncia Acumulada Ogiva

2.7.5 Curva de Frequncias