TGF3 Estatistica Aplicada

S
e
m
e
s
t
r
e

3
Tecnologia em
Gesto Financeira
Caderno de Atividades
Estatstica Aplicada
CLIQUEAQUIPARA
VIRARAPGINA
FICHA TCNICA
Equipe de Gesto Editorial
Regina Cludia Fiorin
Joo Henrique Canella Firio
Priscilla Ramos Capello
Anlise de Processos
Juliana Cristina e Silva
Flvia Lopes
Reviso Textual
Alexia Galvo Alves
Giovana Valente Ferreira
Ingrid Favoretto
Julio Camillo
Luana Mercrio
Diagramao
Clula de Inovao e Produo de Contedos
Caderno de Atividades
Tecnologia em Gesto Financeira
Disciplina
Estatstica Aplicada
Coordenao do Curso
Carlos Eduardo Azevedo
Raquel de Oliveira Henrique
Autoria
Ivonete Melo de Carvalho
Chanceler
Ana Maria Costa de Sousa
Reitora
Leocdia Agla Petry Leme
Pr-Reitor Administrativo
Antonio Fonseca de Carvalho
Pr-Reitor de Graduao
Eduardo de Oliveira Elias
Pr-Reitor de Extenso
Ivo Arcanglo Vedrsculo Busato
Pr-Reitora de Pesquisa e PsGraduao
Luciana Paes de Andrade
Realizao:
Diretoria de Planejamento de EAD
Jos Manuel Moran
Barbara Campos
Diretoria de Desenvolvimento de EAD
Thais Costa de Sousa
Gerncia de Design Educacional
Rodolfo Pinelli
Gabriel Arajo
2014 Anhanguera Educacional
Proibida a reproduo final ou parcial por qualquer meio de impresso, em forma idntica, resumida ou modificada em lngua
portuguesa ou qualquer outro idioma.
Como citar esse documento:
CARVALHO, Ivonete Melo de. Estatstica
Aplicada. Valinhos: Anhanguera Educacional,
2014. p. 1- 184.
Disponvel em: <http://www.anhanguera.com>.
Acesso em: 3 mar. 2014.
n
d
i
c
e
n
d
i
c
e
Tema 01: Introduo Estatstica e Estatstica Descritiva: Parte I Levantamento e Apresentao
de Dados 6
Tema 02: Estatstica Descritiva Parte II: Medidas de Tendncia Central e Medidas de Disperso 28
Tema 03: Assimetria e Curtose 50
Tema 04: Probabilidade 70
Tema 05: Anlise de Regresso e Correlao 90
Tema 06: Distribuio de Probabilidade 112
Tema 07: Intervalos de Confiana 136
Tema 08: Testes de Hipteses 160
s
e
e
s
Tema 01
Introduo Estatstica e Estatstica
Descritiva: Parte I Levantamento e
Apresentao de Dados
S
e
e
s
S
e
e
s
Tema 01
Introduo Estatstica e Estatstica
Descritiva: Parte I Levantamento e
Apresentao de Dados
9
Contedo
Nessa aula voc estudar:
Uma viso geral da Estatstica.
Distribuio de frequncias.
Classificao de dados e variveis.
Construo de grficos.
CONTEDOSEHABILIDADES
Introduo ao Estudo da Disciplina
Caro(a) aluno(a).
Este Caderno de Atividades foi elaborado com base no livro Estatstica e Mtodos Quantitativos,
dos autores Ron Larson e Betsy Farber, Editora Pearson Prentice Hall, 2007. Livro-Texto 136.
Roteiro de Estudo:
Ivonete Melo de Carvalho Estatstica Aplicada
10
Habilidades
Ao final, voc dever ser capaz de responder as seguintes questes:
O que e para que serve a estatstica?
Como obter, tabular, representar e realizar anlise numrica de dados?
O que so e para que servem as variveis qualitativas?
O que so e para que servem as variveis quantitativas?
LEITURAOBRIGATRIA
Introduo Estatstica e Estatstica Descritiva: Parte I
Levantamento e Apresentao de Dados
A estatstica a arte ou a cincia que se ocupa em levantar, tabular e analisar dados.
Para compreend-la, voc precisa adaptar-se a algumas definies. Os termos apresentados
precisam ser incorporados por voc.
Defnies:
Populao = conjunto formado por todos os elementos cuja caracterstica o investigador
deseja conhecer.
Amostra = subconjunto da populao.
Varivel = a caracterstica que se pretende conhecer.
Dado = informao (caracterstica) a ser tratada.
11
LEITURAOBRIGATRIA
Um exemplo: a professora Ivonete deseja conhecer a faixa etria de seus alunos EAD.
Aqui, a populao formada por todos os alunos de Ivonete; a varivel (caracterstica) a
ser estudada a faixa etria dos alunos.
Seguindo com o exemplo:
Ivonete possui vinte mil alunos. 20.000 um nmero muito grande de pessoas a ser
analisado. A demanda de tempo seria imensa. Para resolver essa questo, em vez de
estudar toda a populao, uma amostra dela (parte da populao) poder ser determinada.
Veja como:
Clculo do tamanho da amostra:
Considerando uma populao de tamanho N e uma margem de erro e (em porcentagem)
deve-se calcular o nmero ndice n
1
:
2
1
e
1
n |
.
|
\
|
=
Conhecido o nmero ndice, o tamanho da amostra n ser dado por:
1
1
n N
n * N
n
+
=
No exemplo, se Ivonete admitir um erro de 2% sobre uma populao de 20 mil alunos, ela
ter:
500 . 2 0 5
2 0 , 0
1 1
2
2 2
1
= = |
.
|
\
|
= |
.
|
\
|
=
e
n
2 , 222 . 2
500 , 22
000 . 000 . 0 5
500 . 2 000 . 0 2
500 . 2 * 000 . 0 2 *
1
1
= =
+
=
+
=
n N
n N
n
,isto , n = 2.223.
Em bom portugus, Ivonete precisa obter 2.223 respostas questo qual sua idade? para
que sua investigao no apresente erro superior a 2%.
Importante: o tamanho de uma amostra ser sempre dado por um nmero inteiro e
positivo. Existem outras formas de determinar o tamanho de uma amostra. Uma delas
calcular 10% do tamanho da populao. Outra diz que para populaes pequenas no
necessrio determinar amostra. Outro conceito ser apresentado a voc depois de estudar
probabilidade.
12
De volta ao exemplo, o problema de Ivonete agora obter a amostra. Para isso, ela poder
utilizar diferentes meios para coletar as respostas, mas, antes disso, ser necessrio
determinar o tipo de amostra.
Os principais tipos de amostragem utilizados so os probabilsticos (todos os indivduos da
populao tm a mesma chance de serem selecionados).
Os mtodos mais comuns de amostragem probabilstica so:
Amostragem aleatria simples: os elementos de uma populao so escolhidos de
tal forma que todos tenham a mesma chance de serem escolhidos. Pode-se utilizar uma
tabela de nmeros aleatrios ou um programa de gerao de nmeros aleatrios [veja
como no Livro-Texto].
Amostragem estratifcada: subdivide-se a populao em, no mnimo, dois estratos
(subpopulaes) que compartilham a mesma caracterstica e em seguida escolhe-se
uma amostra de cada. Exemplo: homens e mulheres.
Amostragem sistemtica: escolhe-se um ponto de partida e ento, sistematicamente,
selecionam-se os outros. Por exemplo: o [5, 15, 25, 35] (etc.) indivduos.
Amostragem por conglomerados: divide-se a populao em conglomerados
(reas), em seguida sorteiam-se algumas reas e analisam-se todos os elementos dos
conglomerados escolhidos. Por exemplo: bairros [de uma cidade]. (GIACOMELLO, 2012,
p. 2, grifos nossos).
Bem, agora que voc entendeu esses elementos essenciais, certamente vai compreender
porque seguirei com exemplos que apresentam nmeros menores (para simplificao de
clculos).
Para dar sequncia ao estudo, suponha que o tamanho da amostra calculada por Ivonete
fosse n = 40.
Para obter as respostas (dados) necessrias para conhecer a varivel idade (em anos)
de seus alunos, Ivonete postou a pergunta na rea acadmica e colheu as 50 primeiras
respostas vlidas. As idades esto apresentadas no quadro a seguir:
LEITURAOBRIGATRIA
13
18 23 25 30 22 32 44 35
23 41 30 28 32 23 44 37
44 27 32 30 32 30 30 18
35 23 25 28 25 30 30 30
26 25 25 23 32 44 23 30
Os dados coletados so quantitativos porque se referem a uma medida. Dados quantitativos
podem ser contnuos (por exemplo: quanto dinheiro voc tem na carteira) ou discretos (o
nmero de filhos que voc tem).
Caso Ivonete tivesse perguntado: sexo feminino ou masculino?, as respostas no
seriam uma medida, mas sim uma caracterstica. Variveis desse tipo so chamadas de
qualitativas. Uma varivel qualitativa pode ser nominal (feminino, masculino) ou ordinal
(classe social).
Suponha que, entre as respostas coletadas, Ivonete tivesse obtido 24 respostas masculino
e 16 respostas feminino.
Veja bem, voc tem dois exemplos de variveis para analisar: qualitativas e quantitativas.
Qualquer estudo estatstico (qualitativo ou quantitativo) deve comear pela construo de
uma tabela.
No caso da varivel sexo, organizarei a tabela em ordem alfabtica, ou seja, construindo
um ROL. As opes feminino e masculino so chamadas de categorias.
Varivel: sexo
Feminino 16
Masculino 24
Total: 40
A tabela de coleta de dados pode ser transformada em uma tabela de frequncias
(frequncia o nmero de vezes que uma determinada resposta obtida).
LEITURAOBRIGATRIA
14
A tabela de frequncias apresenta: frequncia simples f (nmero absoluto); frequncia
relativa f
r
(na forma decimal) e frequncia percentual f
%
.
Em estatstica, trabalhar com porcentagens essencial.
Veja como fica a tabela de frequncias da varivel sexo.
Sexo f f
r
f
%
Feminino 16 0,4 40%
Masculino 24 0,6 60%
Total: 40 1,0 100%
Elaborada a tabela, podem-se representar os dados graficamente. No caso das variveis
qualitativas os tipos de grficos mais comumente utilizados so: colunas, barras, setores
circulares (formato de pizza) e pictricos (figuras). Veja as ilustraes na figura a seguir:
Figura 1.1: Tipos de grficos para variveis qualitativas
Barras Colunas Setores Circulares Pictricos
0 5 10 15 20 25 30
F
M
0
5
10
15
20
25
30
F M
Feminino
Masculino
Fonte: Elaborao da autora.
Agora, voc aprender a tratar dados quantitativos.
Assim como nos dados qualitativos, a primeira providncia colocar os elementos em
ordem (em rol). Como so medidas, devem ser colocadas em ordem numrica crescente.
LEITURAOBRIGATRIA
15
A lista de dados obtidos era assim:
18 23 25 30 22 32 44 35
23 41 30 28 32 23 44 37
44 27 32 30 32 30 30 18
35 23 25 28 25 30 30 30
26 25 25 23 32 46 23 30
Ordenando os dados do menor para o maior, a tabela ficar assim:
18 23 25 27 30 30 32 41
18 23 25 28 30 30 32 44
22 23 25 28 30 32 35 44
23 23 25 30 30 32 35 44
23 25 26 30 30 32 37 46
Na tabela ordenada, fcil verificar que algumas idades se repetem e outras no. Assim
que obter o rol (quando estiver trabalhando com dados quantitativos), o prximo passo
determinar a amplitude total dos dados em estudo. No se assuste, fcil. Para calcular
a amplitude total basta subtrair, do maior valor obtido, o menor valor. No exemplo, voc
dever fazer:
AT = 46 - 18 = 28
Depois da amplitude, voc dever calcular o nmero de classes (categorias) que compor
a tabela.
Para determinar o nmero de classes preciso estar atento ao tamanho da amostra.
Para amostras com at 50 elementos, o nmero de classes dado por: n k = . Para amostras
com mais de 50 elementos, voc dever utilizar a regra de Sturges: ) n log( * 3 , 3 1 k + = .
No exemplo, a amostra n = 40 dever conter 7 3 , 6 0 4 = k

classes (o nmero de classes
sempre inteiro e positivo).
LEITURAOBRIGATRIA
16
Isso feito, voc dever calcular a amplitude das classes. A amplitude das classes dada
por:
K
T A
k A

=
. No exemplo:
4
7
8 2
= = k A k A
.
Depois disso, chega o momento de construir a tabela de frequncias.
No caso de varivel quantitativa, alm de calcular frequncia simples f; frequncia relativa
f
r
e frequncia percentual f
%
; tambm ser preciso calcular a frequncia acumulada
F; a frequncia acumulada relativa F
r
e a frequncia acumulada percentual F
%
.
Contudo, antes de contar as frequncias, voc dever construir as classes.
A primeira classe comea com o menor valor obtido entre os dados tabelados; a esse
valor adiciona-se a amplitude da classe: 18 + 4 = 22. A segunda classe comear no 22
e terminar no 26 e assim por diante at chegar na stima classe que comear na 42 e
terminar em 46.
Veja como fica a tabela de frequncias da varivel idade.
Idade f f
r
f
%
F F
r
F
%
18 22 02 0,050 05,0 02 0,050 05,0
22 26 12 0,300 30,0 14 0,350 35,0
26 30 04 0,100 10,0 18 0,450 45,0
30 34 09 0,225 22,5 27 0,675 67,5
34 38 07 0,175 17,5 34 0,850 85,0
38 42 02 0,050 05,0 36 0,900 90,0
42 46 04 0,100 10,0 40 1,000 100,0
Total: 40 1,000 100%
O smbolo significa que o incio do intervalo faz parte dele e o final somente o limita (em
linguagem matemtica: intervalo fechado esquerda e aberto direita).
Para obter a frequncia de cada classe preciso contar quantos elementos fazem
parte dela. Por exemplo, na primeira classe estariam os nmeros 18, 19, 20 e 21 que
aparecessem neste caso, somente o 18 aparece 2 vezes. Na segunda classe, deveriam
aparecer os nmeros 22, 23, 24 e 25 que aparecem 1 vez, 6 vezes, nenhuma vez e 5 vezes,
respectivamente, portanto, a frequncia simples 12. Confira os demais valores tabelados.
LEITURAOBRIGATRIA
17
A ideia de acumular frequncias tambm simples. A primeira frequncia acumulada (relativa
ou percentual) sempre igual primeira frequncia simples (relativa ou percentual). Da
segunda frequncia acumulada em diante, basta que voc adicione o valor da frequncia
simples da prxima classe ao valor acumulado: 2 + 12 = 14.
Para representar graficamente dados quantitativos, os grficos utilizados so o histograma,
o polgono de frequncias (simples) e a ogiva (frequncias acumuladas). Vejas os grficos
na figura seguinte:
Figura 1.2: Tipos de grficos para variveis quantitativas
Histograma Polgono de frequncias Ogiva
0
2
4
6
8
10
12
14
18 22 22 26 26 30 30 34 34 38 38 42 42 46 0
5
10
15
20
25
30
35
40
45
18 22 22 26 26 30 30 34 34 38 38 42 42 46
0
5
10
15
20
25
30
35
40
45
18 22 22 26 26 30 30 34 34 38 38 42 42 46
Comentrios:
Histograma bem parecido com o grfico de colunas, contudo, suas colunas so colaterais
com todas as bases com a mesma dimenso.
O polgono de frequncias obtido considerando-se os valores mdios de cada classe e a
frequncia relativa classe estudada.
A ogiva tambm considera os pontos mdios de cada classe em correspondncia ao valor
nela acumulado.
Leia no Livro-Texto, se possvel, como tratar dados agrupados.
LEITURAOBRIGATRIA
18
LINKSIMPORTANTES
Quer saber mais sobre o assunto?
Ento:
Sites
Teste os seus conhecimentos: faa exerccios sobre estatstica e veja a resoluo comentada.
Acesse o site Exerccios Brasil Escola.
Disponvel em: <http://exercicios.brasilescola.com/matematica/exercicios-sobre-estatistica.htm>.
Nele voc poder testar seus conhecimentos fazendo exerccios e consultando a resoluo
comentada.
Acesse o site Portal Action.
Disponvel em: <http://www.portalaction.com.br/1414-4-exerc%C3%ADcios>. Acesso em:
3 mar. 2014.
Nele voc poder testar seus conhecimentos fazendo exerccios dos principais vestibulares
ainda existentes no Pas e consultar a resoluo comentada.
Acesse o site Exerccios Professor Cardy.
Disponvel em: <http://www.profcardy.com/exercicios/area.php?area=ESTAT%CDSTICA>.
Nele voc poder testar seus conhecimentos fazendo exerccios apresentados pelo Enem
e Enade em diversas edies desses exames e consultar a resoluo comentada.
19
LINKSIMPORTANTES
Acesse o site Matematiqus.
Disponvel em: <http://www.matematiques.com.br/download.php?tabela=documentos&id=436>.
comentada.
Vdeos
Assista aos vdeos com exerccios comentados.
Disponveis em: <http://video-aulas.com/listing/Matem%C3%A1tica/Ensino_M%C3%A9dio/
Estat%C3%ADstica/estatistica--exercicios-resolvidos--media-moda-mediana-variancia-desvio-
padrao--pre-enem-abril-educacao-2013--video-aula-1217>. Acesso em: 3 mar. 2014.
Os exerccios so bastante variados, com linguagem bem acessvel uma vez que se trata
de produo da Editora Abril Cultural voltada para o pblico que prestar o ENEM.
20
Instrues:
Chegou a hora de voc exercitar seu aprendizado por meio das resolues
das questes deste Caderno de Atividades. Essas atividades auxiliaro
voc no preparo para a avaliao desta disciplina. Leia cuidadosamente
os enunciados e atente-se para o que est sendo pedido e para o modo de
resoluo de cada questo. Lembre-se: voc pode consultar o Livro-Texto
e fazer outras pesquisas relacionadas ao tema.
Questo 1:
Foi encomendado um estudo para ava-
liao do curso A em uma Instituio de
Ensino Superior. Para isso, aplicou-se um
questionrio e obtiveram-se respostas de
110 alunos.
Indique:
a) A varivel em estudo.
b) A populao em estudo.
c) A amostra escolhida.
Questo 2:
A varivel salrio classificada como:
a) Qualitativa nominal.
b) Qualitativa ordinal.
c) Quantitativa contnua.
d) Quantitativa discreta.
e) Quantitativa ordinal.
Questo 3:
Uma populao cuja caracterstica deseja-
se estudar apresenta 50 mil elementos. A
margem de erro admitida pelo pesquisador
de 1%. Nessas condies, o tamanho da
amostra ser:
AGORAASUAVEZ
21
a) n = 50.000.
b) n = 10.000.
c) n = 8.334.
d) n = 5.000.
e) n = 500.
Questo 4:
Para tabelar uma amostra de dados quan-
titativos de tamanho n = 100 elementos, o
examinador dever elaborar:
a) 10 classes.
b) 8 classes.
c) 7 classes.
d) 5 classes.
e) 4 classes.
Questo 5:
Chama-se questo aberta quela cuja res-
posta livre. Uma questo de mltipla
escolha quando o investigador oferece as
respostas a serem escolhidas pelo elemen-
to pesquisado. Indique, entre as alternati-
vas apresentadas, aquela cuja resposta
deve ser obrigatoriamente livre:
a) Quantos livros voc leu no ltimo ano?
b) Quantos filhos voc tem?
c) O bairro onde voc mora considerado
um lugar tranquilo?
d) A que classe social voc pertence?
e) Qual o ttulo do ltimo livro que voc leu?
Texto para as questes de 6 a 10:
Considere os dados quantitativos
representados na tabela. Com base nas
orientaes do item Leitura Obrigatria
responda ao que se pede em seguida.
6 157 223 98 189
119 142 99 75 241
128 137 172 22 167
115 29 217 29 142
134 38 32 36 230
Questo 6:
Elabore uma tabela de frequncias con-
siderando cinco classes assim definidas:
0 50; 51 100; 101 150; 151 200;
201 250
Questo 7:
Elabore o histograma dos dados estudados.
Questo 8:
Elabore o polgono de frequncia dos da-
dos estudados.
AGORAASUAVEZ
22
Questo 9:
Elabore a ogiva dos dados estudados.
Questo 10:
Que informao voc extrai ao analisar a
ogiva?
AGORAASUAVEZ
Neste tema, voc conheceu as definies iniciais da estatstica e sua utilidade.
Aprendeu como obter e classificar dados; construir tabelas e grficos. Aprendeu,
principalmente, que a estatstica permite ao investigador conhecer qualquer elemento
que componha sua rea de atuao.
Caro aluno, agora que o contedo dessa aula foi concludo, no se esquea de acessar
sua ATPS e verifcar a etapa que dever ser realizada. Bons estudos!
FINALIZANDO
CRESPO, Antonio Arnot. Estatstica Fcil. 19. ed. atual. So Paulo: Saraiva, 2009.
CUNHA, M. V. Anlise Multidimensional de Dados Categricos. PPGA, UFRGS, Porto
Alegre 16, 1997.
FONSECA, J. S, MARTINS, G. Curso de Estatstica. So Paulo: Atlas, 1996.
FREITAS & CUNHA CONSULTORES LTDA. Guia do Usurio Sphinx Lxica 2.08 for
Windows. Porto Alegre, 1998.
REFERNCIAS
23
REFERNCIAS
GIACOMELLO, C. P. Probabilidade e estatstica. Centro de Cincias Exatas, da Natureza
e de Tecnologia, Universidade de Caxias do Sul. Rio Grande do Sul, 2012.
KOTLER, P. Administrao de Marketing: Anlise, Planejamento, Implementao e con-
trole. So Paulo: Atlas, 1996.
LABES, E. M. Questionrio: do planejamento aplicao na pesquisa. Chapec: Grifos,
1998.
LARSON, Ron; FARBER, Betsy. Estatstica e Mtodos Quantitativos. 2. ed. So Paulo:
Pearson Prentice Hall, 2007. Livro-Texto 136.
MATTAR, F. N. Pesquisa de Marketing. So Paulo: Atlas, 1996.
ROSSI, C. A. V.; SLONGO, L. A. Pesquisa de satisfao de clientes: o estado-da-arte pro-
posio de um mtodo Brasileiro. In: ENCONTRO ANUAL DA ANPAD, 21., Anais... 1997,
Rio das Pedras, RJ. p.124.
SLACK, N. Administrao da produo. So Paulo: Atlas, 1997.
Amostra: subconjunto da populao.
Dado: informao (caracterstica) a ser tratada.
Populao: conjunto formado por todos os elementos cuja caracterstica o investigador
deseja conhecer.
Respostas vlidas: so aquelas que no se desviam da pergunta elaborada. Exemplo: se,
ao se perguntar qual sua cor preferida?, a resposta for verde, esta ser vlida.
Varivel: a caracterstica que se pretende conhecer.
GLOSSRIO
24
Questo 1
Resposta: Observando os detalhes do texto, as respostas sero: (a) qualidade de ensino;
(b) Instituio de Ensino Superior; (c) 110 alunos.
Questo 2
Resposta: Alternativa C.
Questo 3
Questo 4
Resposta: Alternativa B.
Questo 5
Resposta: Alternativa E.
Questo 6
Resposta: Aps elaborar o rol, e com o auxlio de uma calculadora, voc dever obter:
Classes f f
r
f
%
F F
r
F
%
0 50 7 0,28 28 7 0,28 28
51 100 3 0,12 12 10 0,40 40
101 150 7 0,28 28 17 0,68 68
151 200 4 0,16 16 21 0,84 84
201 250 4 0,16 16 25 1,00 100
total 25 1,00 100
GABARITO
25
Questo 7
Resposta: Considerando as frequncias simples:
0
1
2
3
4
5
6
7
8
0 50 51 100 101 150 151 200 201 250
Questo 8
Resposta: Considerando as frequncias simples:
0
1
2
3
4
5
6
7
8
0 50 51 100 101 150 151 200 201 250
classes
f
r
e
q
u
n
c
i
a
s
GABARITO
26
Questo 9
Resposta: Considerando as frequncias acumuladas:
0
5
10
15
20
25
30
0 50 51 100 101 150 151 200 201 250
classes
f
r
e
q
u
n
c
i
a
s
Questo 10
Resposta: Falando aproximadamente, metade dos valores acima do valor mdio e metade
dos valores abaixo do valor mdio.
GABARITO
s
e
e
s
Tema 02
Estatstica Descritiva Parte II: Medidas de
Tendncia Central e Medidas de Disperso
S
e
e
s
S
e
e
s
Tema 02
Estatstica Descritiva Parte II: Medidas de
Tendncia Central e Medidas de Disperso
31
Contedo
Medidas de tendncia central: mdia, moda e mediana.
Medidas de disperso: amplitude total, desvio, varincia, desvio padro, coeficiente
de variao.
Em que tipo de variveis as diferentes medidas so aplicadas.
Caro(a) aluno(a).
Roteiro de Estudo:
32
LEITURAOBRIGATRIA
Habilidades
O que so e para que servem as medidas de tendncia central?
O que so e para que servem as medidas de disperso?
Mdia e desvio padro devem ser sempre calculados?
Por que variveis qualitativas no apresentam as medidas de tendncia central (exceto
moda) e as medidas de disperso?
Estatstica Descritiva Parte II: Medidas de Tendncia
Central e Medidas de Disperso
Medidas de Tendncia Central
As medidas de tendncia central so:
Medidas que representam um conjunto de dados relativos observao de um
determinado fenmeno (fato).
Medidas que servem para orientar quanto posio da distribuio dos dados no eixo
das abscissas.
Medidas que permitem a comparao de sries de dados entre si pelo confronto
desses dados.
As principais medidas de tendncia central so: mdia, mediana e moda.
33
LEITURAOBRIGATRIA
So sinnimos de mdia:
Esperana.
Esperana matemtica.
Valor esperado.
Expectncia de uma varivel aleatria.
Existem tambm os decis, quartis e percentis, que so chamados de separatrizes. As
separatrizes no sero trabalhadas em detalhes neste caderno. Para tanto, consulte o
Livro-Texto. No entanto, as suas definies sero apresentadas em seguida.
Por definio, o percentil divide uma distribuio de frequncia em 100 partes iguais, ou
seja,
( )
i P
in
i P i
F
h f
P

100

*
+ =
, em que:
i P
= limite inferior da classe P
i
, em que i = 1,2,3,...,99
n = tamanho da amostra
f
= soma das frequncias anteriores classe P
i
h = amplitude da classe
F
Pi
= frequncia da classe P
i
Por definio, o decil divide uma distribuio de frequncia em 10 partes iguais, isto ,
( )
i D
in
i D i
F
h f
D

0 1

*
+ =
, em que:
i D
= limite inferior da classe P

i
, em que i = 1,2,3,...,99
f
= soma das frequncias anteriores classe D
i
h = amplitude da classe
F
Di
= frequncia da classe D
i
34
O quartil, por definio, divide uma distribuio de frequncia em 4 partes iguais. Para
calcular os quartis, deve-se fazer:
( )
1
1
*
4
1
Q
n i
Q
F
h f
Q

+ =
, em que:
1
Q
= limite inferior da classe do primeiro quartil

f
= soma das frequncias anteriores classe quartlica
h = amplitude da classe quartlica
F
Q1
= frequncia da primeira classe quartlica
Coefciente de Curtose
Para que se determine o grau de achatamento da curva de distribuio de frequncia de
uma srie de dados (coeficiente de curtose = k) preciso determinar o terceiro e o primeiro
quartis e o nonagsimo e o dcimo percentis, por meio da seguinte frmula:
) ( * 2
0 1 0 9
1 3
P P
Q Q
K
=
(K = coeficiente de curtose)
Q
3
e Q
1
terceiro e primeiro quartis, respectivamente.
P
90
e P
10
nonagsimo e dcimo percentis, respectivamente.
Se K = 0,263 ento a curva da distribuio mesocrtica (achatamento normal).
Se K > 0,263 ento a curva da distribuio platicrtica (mais achatada).
Se K < 0,263 ento a curva da distribuio leptocrtica (mais alongada).
Agora que voc sabe o que so e para que servem os percentis, quartis e decis, preciso
apresentar a voc a mdia, a mediana e a moda.
Mdia:
Mdia aritmtica simples por definio a soma de todos os valores x
i
observados (dados
isolados) dividida pelo nmero de observaes:
n
x
x
n
1 i
i
=
=
LEITURAOBRIGATRIA
35
Exemplo: calcule a mdia aritmtica simples do seguinte conjunto de valores: 7, 14, e 21.
Nesse caso:
4 1
3
1 2 4 1 7
=
+ +
= x
Por definio, para dados agrupados, a mdia ser dada pela soma do produto dos
valores observados pela frequncia absoluta com que estes ocorrem, dividida pela soma
das frequncias absolutas da distribuio, ou seja:
=
=
=
n
1 i
i
n
1 i
i i
f
x f
x
Exemplo: dada a tabela de distribuio a seguir:
i
x
11 8 10 12
i
f
1 4 3 2
Calcule a mdia aritmtica simples:
7
1 1
7 7
1 1
4 2 0 3 2 1 1 1
2 3 4 2
2 * 2 1 3 * 0 1 4 * 8 1 * 1 1
1
1
= =
+ + +
=
+ + +
+ + +
= =
=
=
n
i
i
n
i
i i
f
x f
x
Por definio, para dados agrupados em intervalos de classe, deve-se considerar x
i
o ponto
mdio do intervalo de classe.
Propriedades da mdia:
1) A mdia de uma constante a prpria constante.
2) Multiplicando uma varivel aleatria x por uma constante, sua mdia ficar multiplicada
por esta constante.
3) A mdia da soma ou da diferena de duas variveis aleatrias a soma ou a diferena
das mdias.
4) Somando ou subtraindo uma constante a uma varivel aleatria, a sua mdia ficar
somada ou subtrada da mesma constante.
5) A mdia do produto de duas variveis aleatrias independentes o produto das mdias.
LEITURAOBRIGATRIA
36
Mediana:
Por definio:
1. Em uma srie de n-observaes ordenada de forma crescente, a mediana o valor
da observao que divide essa srie em duas metades iguais: uma delas com valores
inferiores e outra com valores superiores ao valor da mediana.
2. Se a srie possuir um nmero par de termos (ou observaes), no existir um
termo central, logo, para calcular o valor da mediana, basta dividir por dois o valor da
soma dos termos centrais.
Moda:
Por definio, moda (ou modo) o valor que mais aparece ou o de maior frequncia simples
(absoluta ou relativa) numa distribuio de frequncia. A moda pode no existir, e, existindo,
pode no ser nica.
Uma distribuio pode ser:
Amodal (quando no existe moda).
Unimodal (uma s moda).
Bimodal (quando tem duas modas).
Multimodal (tem vrias modas).
Diferenas entre mdia, mediana e moda:
Medida Vantagens Desvantagens
Mdia
Reflete cada valor
observado na distribuio
influenciada por valores
extremos
Mediana
Menos sensvel a valores
extremos se comparada
mdia
Difcil de se determinar para
grande quantidade de dados
Moda
Maior quantidade de valores
concentrados neste ponto
No se adequa anlise
matemtica
LEITURAOBRIGATRIA
37
O valor da mediana tem de estar em algum ponto localizado entre o valor da mdia e o valor
da moda, podendo ser igual moda e/ou mdia.
Essas trs medidas podem definir a assimetria da curva de distribuio de frequncia. Ento:
Se
Mdia = Mediana = Moda
Ento, a curva
de distribuio :
Simtrica
Mdia < Mediana < Moda
Assimetria negativa
Mdia > Mediana > Moda
Assimetria positiva
Medidas de Disperso
Medidas de disperso so medidas cuja funo avaliar o quanto esto afastados ou
concentrados os valores observados numa distribuio de frequncia ou de probabilidades.
As principais medidas de disperso so:
Amplitude total (ou range).
Desvio mdio absoluto.
Varincia.
Desvio padro.
Coeficiente de variao.
Amplitude total
Por definio, amplitude total a diferena entre o maior e o menor valor observados, no
dando a noo de quanto os valores intermedirios esto afastados ou concentrados.
Observe a distribuio A: 2; 3; 4; 13; 18.
A amplitude total de A ser: AT = 18 2 = 16
A amplitude total diz pouco a respeito de uma srie de dados; para melhor avali-la, outros
conceitos precisam ser agregados ao seu estudo. O primeiro conceito a ser criado o de
desvio, ou seja, a distncia que cada um dos valores observados apresenta em relao
mdia (
x x
i

).
LEITURAOBRIGATRIA
38
Distribuio A
Desvio
i x
i
x x
i

1 2 2 - 8 = -6
2 3 3 - 8 = -5
3 4 4 - 8 = -4
4 13 13 - 8 = 5
5 18 18 - 8 = 10
40 0
Observe que o somatrio dos desvios em relao mdia aritmtica igual a zero. Isso
acontecer em toda srie de observaes, pois a soma dos desvios em relao mdia
aritmtica sempre ser nula.
Voc, ento, deve estar se perguntando: como avaliar a disperso entre os valores
observados em tal distribuio?.
Uma das formas de resolver este problema calculando a varincia.
Varincia:
Por definio, a varincia o somatrio dos quadrados dos desvios dividido pelo nmero
de observaes (se populao) ou nmero de observaes menos um (se amostra).
No exemplo considerado:
Distribuio A
Valores dos desvios elevados
ao quadrado
i x
i
x x
i

1 2 2 - 8 = -6 = 36
2 3 3 - 8 = -5 = 25
3 4 4 - 8 = -4 = 16
4 13 13 - 8 =5 = 25
5 18 18 - 8 = 10 = 100
40 202
LEITURAOBRIGATRIA
39
Valor obtido para a varincia (
2
):
4 , 0 4
5
202
2
1 2
= =
=

=
n
x x
n
i
i
A
Lembre-se sempre de que, se houver uma distribuio para dados agrupados, voc ter de
multiplicar o quadrado de cada desvio pela respectiva frequncia, fazendo a seguir a diviso
pela soma das frequncias. E, se os dados se apresentarem em intervalos de classe, ser
o ponto mdio do intervalo de classe. Assim, a frmula para clculo da varincia ser:
=
=

=
n
1 i
i
i
2
n
1 i
i
2
F
F * x x
Para dados agrupados, considera-se a frequncia no clculo da varincia, e quando os
dados se apresentarem em intervalos de classe, x
i
ser o ponto mdio do intervalo de
classe. Logo, a frmula ser:
Para a varincia populacional:
n
SQD
2
=
Para a varincia amostral:
1 n
SQD
2
=
Desvio Padro
Por definio, o desvio padro a raiz quadrada positiva da varincia, isto ,
2
=
o
desvio padro para a populao e
2
s s =
o desvio padro para uma amostra.
No exemplo dado, teremos:
6 3 , 6 4 , 0 4 = =
A
Coefciente de Variao
Por definio, coeficiente de variao expresso como o resultado da diviso do desvio
padro pela mdia. Corresponde a uma medida relativa de disperso, til para a comparao
(em termos relativos) do grau de concentrao em torno da mdia de sries distintas. Essa
medida serve para avaliar a homogeneidade de sries estatsticas e pode ser expressa na
forma unitria ou percentual.
LEITURAOBRIGATRIA
40
Retornando ao nosso exemplo:
% 5 , 9 7
8
6 3 , 6
= =
A
v c
Utilizar-se- como referncia neste caderno a tabela para Coeficientes de Variao, de
Jairo Simon da Fonseca e Jos Afonso Mazzon
1
.
1
Disponvel na internet para consulta no seguinte site: <http://www.google.com.br/url?sa=t&rct=j&q=&
esrc=s&source=web&cd=4&ved=0CEUQFjAD&url=http%3A%2F%2Fwww.rausp.usp.br%2Fdownload.
asp%3Ffile%3D1201017.pdf&ei=TgYdU6nPA8SrkAfW8oGIBg&usg=AFQjCNFmRlUxGd2cG7vvNRscp
YuQ9t0whQ&sig2=oL4N-psJGAB8UloClSJBUw&bvm=bv.62578216,d.eW0>. Acesso em: 10 mar. 2014.
LINKSIMPORTANTES
Ento:
Sites
Teste os seus conhecimentos: resolva exerccios a respeito de medidas de tendncia central
e medidas de disperso e consulte a resoluo comentada.
comentada.
3 mar. 2014.
ainda existentes no PAS e consultar a resoluo comentada.
LEITURAOBRIGATRIA
41
LINKSIMPORTANTES
e Enade em diversas edies destes exames e consultar a resoluo comentada.
comentada.
Vdeos
Estat%C3%ADstica/estatistica--exercicios-resolvidos--media-moda-mediana-variancia-
desvio-padrao--pre-enem-abril-educacao-2013--video-aula-1217>. Acesso em: 3 mar. 2014.
de produo da Editora Abril Cultural voltada para o pblico que prestar o Enem (Exame
Nacional do Ensino Mdio).
42
Instrues:
Questo 1:
Um produto subiu de R$ 35,00 para R$ 40,00
no primeiro ms e de R$ 40,00 para R$ 52,00
no segundo ms. Qual o crescimento mensal
mdio, em reais, desse produto?
Questo 2:
Suponha que, numa sala com 25 pessoas,
as idades, em anos, sejam as seguintes:
24 - 24 - 24 - 25 - 25 - 30 - 32 - 32 - 32 - 35
- 36 - 36 - 40 - 40 - 40 - 40 - 46 - 48 - 48 - 50
- 54 - 54 - 60 - 60 - 65. A mdia das idades
observadas, em anos, igual a:
a) 35,18.
b) 35,12.
c) 37,12.
d) 40,13.
e) 42,15.
Questo 3:
Suponha que, numa sala com 25 pessoas,
as idades, em anos, sejam as seguintes:
24 - 24 - 24 - 25 - 25 - 30 - 32 - 32 - 32 - 35
- 36 - 36 - 40 - 40 - 40 - 40 - 46 - 48 - 48 -
50 - 54 - 54 - 60 - 60 - 65. A mediana das
idades observadas, em anos, igual a:
AGORAASUAVEZ
43
a) 36.
b) 38.
c) 40.
d) 42.
e) 44.
Questo 4:
Determinada empresa observou que seus
funcionrios gastam em mdia 6 horas por
semana cuidando de seus e-mails pesso-
ais durante o dia de trabalho. O desvio pa-
dro observado foi de 4 horas semanais.
Com base nas informaes da situao
hipottica anteriormente descrita, pode-se
afirmar que o coeficiente de variao, de
acordo com a classificao, :
a) Baixo, prximo de zero.
b) Baixo, prximo de 15%.
c) Mediano, prximo de 15%.
d) Mediano, prximo de 30%.
e) Alto, acima de 50%.
Questo 5:
Num grupo de 16 alunos, as notas das pro-
vas de Estatstica foram todas iguais ou
superiores a sete pontos. A mediana das
notas do grupo igual a 8,0 e a mdia 8,2.
Afirmao I: nessas condies, pode-se
afirmar que a maior parte das notas foi in-
ferior a 8,0.
Afirmao II: nessas condies, pode-se
afirmar que a maior parte das notas foi su-
perior a 8,0.
a) Somente a afirmao I est correta.
b) Somente a afirmao II est correta.
c) Ambas as afirmaes esto corretas.
d) Ambas as afirmaes esto erradas.
e) As informaes se complementam.
Questo 6:
Calcule a mdia aritmtica entre: 10, 15,
16, 23, 49, 50 e 60.
Texto para as questes 7 a 10:
Ao entrevistar um grupo de alunos, obtm-
se as seguintes respostas a respeito de
suas idades:
20 21 22 20 22
23 25 20 25 24
20 24 25 23 23
22 21 22 20 25
Com bases nesses dados, calcule o que se
pede nos exerccios seguintes.
AGORAASUAVEZ
44
Questo 7:
Calcule a idade mdia dos alunos e a me-
diana entre as idades.
Questo 8:
Identifique a moda entre as idades dos
alunos.
Questo 9:
Calcule a varincia e o desvio padro entre
os dados apresentados.
Questo 10:
Calcule o coeficiente de variao e analise
o resultado.
AGORAASUAVEZ
Neste tema, voc aprendeu a trabalhar com medidas importantes para a estatstica
descritiva: medidas de tendncia central e medidas de disperso. D especial ateno ao
clculo da mdia e do desvio padro. Observe tambm que essas medidas so aplicveis
para dados quantitativos. Dados qualitativos expressos em categorias no permitem tal
clculo; para estes, a nica medida que se aplica a observao da moda.
FINALIZANDO
45
CUNHA, M. V. Anlise Multidimensional de Dados Categricos. In: PPGA, UFRGS, 16,
Porto Alegre, 1997.
KOTLER, P. Administrao de Marketing: Anlise, planejamento, implementao e contro-
le. So Paulo: Atlas, 1996.
LABES, E. M. Questionrio: do planejamento aplicao na pesquisa. Chapec: Grifos, 1998.
Rio das Pedras, p.124.
REFERNCIAS
46
Disperso: proximidade ou distanciamento observado em um conjunto de dados numricos.
Homogneo: grupo que apresenta caractersticas comuns, por exemplo, notas prximas
no caso de uma avaliao.
Heterogneo: grupo que apresenta caractersticas distintas, por exemplo, notas distantes
no caso de uma avaliao.
Srie: conjunto de dados.
SQD: soma dos quadrados dos desvios.
Questo 1
Resposta: Os aumentos foram de R$ 5,00 e R$ 12,00, portanto houve um aumento total de
R$ 17,00. Dividindo R$ 17,00 por 2 (= nmero de aumentos) voc obter R$ 8,50.
Questo 2
Questo 3
Resposta: Alternativa A.
GLOSSRIO
GABARITO
47
Questo 4
Questo 5
Questo 6
Resposta: Substituindo os valores na frmula da mdia:
6 8 , 1 3
7
223
6
0 6 0 5 9 4 3 2 6 1 5 1 0 1
=
+ + + + + +
= x
Questo 7
Resposta: Calculando a mdia e a mediana:
Mdia:
5 3 , 2 2
0 2
4 * 5 2 2 * 4 2 3 * 3 2 4 * 2 2 2 * 1 2 5 * 0 2
=
+ + + + +
= x
Mediana:
2 2
2
2 2 2 2
=
+
= med
Questo 8
Resposta: Lembrando que ela corresponde ao valor mais repetido, a moda entre as idades
do grupo estudado 20 anos.
Questo 9
Resposta: Para calcular o desvio padro, necessrio, antes, calcular a varincia:
i
x
x
) x x (
i

2
i
) x x (
20 22,35 -2,35 5,5225
20 22,35 -2,35 5,5225
20 22,35 -2,35 5,5225
20 22,35 -2,35 5,5225
20 22,35 -2,35 5,5225
21 22,35 -1,35 1,8225
GABARITO
48
i
x
x
) x x (
i

2
i
) x x (
21 22,35 -1,35 1,8225
22 22,35 -0,35 0,1225
22 22,35 -0,35 0,1225
22 22,35 -0,35 0,1225
22 22,35 -0,35 0,1225
23 22,35 0,65 0,4225
23 22,35 0,65 0,4225
23 22,35 0,65 0,4225
24 22,35 1,65 2,7225
24 22,35 1,65 2,7225
25 22,35 2,65 7,0225
25 22,35 2,65 7,0225
25 22,35 2,65 7,0225
25 22,35 2,65 7,0225
66,55
Clculo da varincia: 0 5 , 3
9 1
5 2 , 6 6
2
= =
Clculo do desvio padro:
7 8 , 1 0 5 , 3 = =
Questo 10
Resposta: Calculando o desvio padro, tem-se:
% 7 3 , 8 100 *
5 3 , 2 2
7 8 , 1
= = v c
O coeficiente de variao baixo, indicando que os dados so bem agrupados, isto ,
prximos da mdia.
GABARITO
s
e
e
s
Tema 03
Assimetria e Curtose
S
e
e
s
S
e
e
s
Tema 03
53
Contedo
O conceito de simetria e sua importncia para a estatstica.
Grfico em forma de sino (curva normal).
Afastamentos do centro de simetria (grau de simetria).
Grau de assimetria.
Caro(a) aluno(a).
Roteiro de Estudo:
54
Habilidades
O que e para que serve o conceito de simetria?
Construo do grfico curva normal?
O que e para que serve a assimetria?
O que e para que serve a medida denominada curtose?
Para um conjunto de dados que esteja sendo analisado, alm dos grficos que voc
j estudou (histograma, polgono de frequncia e ogiva), outro tipo de curva que pode ser
elaborado recebe o nome de curva de frequncia ou curva polida.
Os estudiosos em estatstica costumam dizer que o polgono de frequncia determina ou
mostra ao leitor (pesquisador) a imagem real do fenmeno estudado, ao passo que a curva
de frequncia demonstra a tendncia do estudo em elaborao.
Crespo (2009) muito feliz quando afirma que depois do traado de um polgono de
frequncia, desejvel, muitas vezes, que se lhe faa um polimento, a fm de mostrar o que
seria tal polgono com um nmero maior de dados. Ao resultado deste polimento chama-
se curva polida, isto , a curva polida a resultante de um grande nmero de dados, sem
os vrtices da linha poligonal.
Para que o polimento ocorra, preciso que a partir das frequncias reais seja elaborada
uma tabela de frequncias calculadas. A frmula que voc deve utilizar para esse fim :
LEITURAOBRIGATRIA
55
LEITURAOBRIGATRIA LEITURAOBRIGATRIA
4
2
c f
1 1
i
+
+ +
=
i i i
f f f
em que:
fc
i
a frequncia considerada da classe calculada.
f
i
a frequncia simples da classe considerada.
f
i-1
a frequncia simples da classe anterior classe considerada.
f
i+1
a frequncia simples da classe posterior classe considerada.
Para que voc compreenda bem, retornemos a um exemplo estudado na aula nmero 1
deste caderno. Trata-se das idades dos alunos de Ivonete. A tabela obtida naquela ocasio
dizia:
I Idade f
i
fc
i
1 18 22 02 4,0
2 22 26 12 7,5
3 26 30 04 7,3
4 30 34 09 7,3
5 34 38 07 6,3
6 38 42 02 3,8
7 42 46 04 2,5
Total 40
Como obter a frequncia calculada:
4
4
6 1
4
2 1 2 * 2 0
4
2
c f
1 1
i
= =
+ +
=
+ +
=
+ i i i
f f f
Calcule os demais elementos da tabela para ter certeza a respeito dos valores apresentados
a voc.
56
Os grficos seriam:
Pontos mdios em destaque Curva polida
A linha azul representa o polgono de frequncias.
A linha vermelha mostra a curva polida que aproxima os dados apresentados no polgono
de frequncia.
Observe que no se trata de uma curva centralizada no plano cartesiano. Ela deslocada
para o lado esquerdo de quem l a figura. Por esse motivo dizemos que ela uma figura
assimtrica.
Para relembrar o que simetria, pense numa parbola. Uma parbola simtrica pelo
vrtice, isto , suas metades (consideradas em torno do vrtice) so iguais. Veja a figura
seguinte:
Figura 3.1: Parbola
LEITURAOBRIGATRIA
57
Simetria uma propriedade geomtrica dos elementos, contudo para a Estatstica,
assimetria nada mais do que o grau de desvio (afastamento da simetria) de uma
distribuio de dados.
Para distribuies assimtricas, a mdia tende a situar-se do mesmo lado da moda (na
cauda mais longa). Observe com muita ateno as seguintes figuras:
Figura 3.2: Distribuio Assimtrica Direita (ou Assimetria Positiva)
Figura 3.3: Distribuio Assimtrica Esquerda (ou Assimetria Negativa)
Figura 3.4: Distribuio Simtrica
LEITURAOBRIGATRIA
58
Uma medida de assimetria proporcionada pela diferena entre a mdia e a moda. Ela
pode ser tomada sem dimenso por meio de uma diviso por uma medida de disperso,
como o desvio padro.
Veja:
s
) a mod x ( * 3
assimetria

=
(coefciente de assimetria de Pearson)
No exemplo das idades dos alunos de Ivonete, a assimetria seria dada por:
Clculo da mdia:
9 , 0 3
0 4
236 . 1
0 4
4 * 4 4 2 * 0 4 7 * 6 3 9 * 2 3 4 * 8 2 2 1 * 4 2 2 * 0 2
= =
+ + + + + +
=
x
x
9 , 0 3
0 4
236 . 1
0 4
4 * 4 4 2 * 0 4 7 * 6 3 9 * 2 3 4 * 8 2 2 1 * 4 2 2 * 0 2
= =
+ + + + + +
=
x
x
Clculo da varincia e do desvio padro:
I Idade f xi f * xi f * xi2
1 18 22 02 20 40 800
2 22 26 12 24 288 6.912
3 26 30 04 28 112 3.136
4 30 34 09 32 288 9.216
5 34 38 07 36 252 9.072
6 38 42 02 40 80 3.200
7 42 46 04 44 176 7.744
Total: 40 1.236 40.080
7 8 , 6
0 4
236 . 1
0 4
080 . 0 4
2
=
|
.
|
\
|
=
Portanto, 1 0 , 3
7 8 , 6
) 4 2 9 , 0 3 ( * 3
= assimetria
LEITURAOBRIGATRIA
59
Em captulo anterior, voc verificou que o valor da mediana (que ocupa a posio central
numa distribuio de frequncia) deve estar em algum ponto entre o valor da mdia e o
valor da moda, porm, pode ser igual moda e/ou mdia.
Voc j sabe que com essas trs medidas de posio, voc pode determinar a assimetria da
curva de distribuio de frequncia. Tambm sabe que trs casos podem ocorrer (ilustrados
nas figuras anteriores):
Mdia = Mediana = Moda: distribuio simtrica.
Mdia < Mediana < Moda: distribuio assimtrica negativa.
Mdia > Mediana > Moda: distribuio assimtrica positiva.
No exemplo de Ivonete: moda = 24; mediana = 30,89 e mdia = 30,9 de onde se pode
concluir que a distribuio de frequncia assimtrica positiva.
Curtose
Ao desenhar um grfico, a curva pode ser mais ampla ou mais compacta assim como pode
ser mais alongada ou mais achatada. Interessa estatstica estudar o quanto uma curva
poder ser alongada.
Curtose , ento, o grau de achatamento de uma distribuio, e considerado muitas
vezes em relao a uma distribuio normal.
Em tema anterior, quando o texto referiu-se ao estudo dos quartis, voc aprendeu que conhecendo
os valores dos quartis e dos percentis, pode-se determinar o coefciente de curtose, que d o
grau de achatamento da curva de uma distribuio, por meio da seguinte frmula:
) ( * 2
0 1 0 9
1 3
P P
Q Q
k
=
Em que: k = coeficiente de curtose; Q
3
e Q
1
terceiro e primeiro quartis, respectivamente; P
90

e P
10
nonagsimo e dcimo percentis, respectivamente.
Se K = 0,263, ento podemos dizer que a curva da distribuio mesocrtica (achatamento
normal).
Se K > 0,263, ento podemos dizer que a curva da distribuio platicrtica (mais achatada).
Se K < 0,263, ento podemos dizer que a curva da distribuio leptocrtica (mais alongada).
LEITURAOBRIGATRIA
60
Graficamente:
Para desenhar a curva normal (curva em formato de sino), a equao utilizada :
|
|
.
|
\
|
|
.
|
\
|

=
2
x
* 5 , 0
e
2 *
1
y
em que:
y representa a ordenada (altura da curva para um determinado valor da varivel x);
e = 2,71828 (base do logaritmo neperiano).
= 3,1416.
= representa a mdia da populao.

= representa o desvio padro.
O grfico (curva normal) dos valores recolhidos por Ivonete ficaria assim
LEITURAOBRIGATRIA
61
Para calcular a curtose dos dados referentes s idades de seus alunos, Ivonete deveria
seguir os passos descritos a seguir:
(1) Calcular os valores do primeiro e do terceiro quartis, que, no caso de dados agrupados,
ficariam assim:
3 , 2 3
7
4 * ) 7 2 0 3 (
4 3
0 3
4
120
4
* 3
4 , 4 2
9
4 * ) 8 1 0 1 (
8 2
0 1
4
0 4
4
3
1
=
+ =
= =
=
+ =
= =
Q
f
Q
f
i
i
3 , 2 3
7
4 * ) 7 2 0 3 (
4 3
0 3
4
120
4
* 3
4 , 4 2
9
4 * ) 8 1 0 1 (
8 2
0 1
4
0 4
4
3
1
=
+ =
= =
=
+ =
= =
Q
f
Q
f
i
i
3 , 2 3
7
4 * ) 7 2 0 3 (
4 3
0 3
4
120
4
* 3
4 , 4 2
9
4 * ) 8 1 0 1 (
8 2
0 1
4
0 4
4
3
1
=
+ =
= =
=
+ =
= =
Q
f
Q
f
i
i
3 , 2 3
7
4 * ) 7 2 0 3 (
4 3
0 3
4
120
4
* 3
4 , 4 2
9
4 * ) 8 1 0 1 (
8 2
0 1
4
0 4
4
3
1
=
+ =
= =
=
+ =
= =
Q
f
Q
f
i
i
(2) Calcular os valores do dcimo e do nonagsimo percentis que, no caso de dados
agrupados, ficariam assim:
1 , 9 3
7
4 * ) 7 2 6 3 (
4 3
6 3
100
0 4 * 0 9
100
* 0 9
8 , 1 2
9
4 * ) 8 1 4 (
8 2
4
0 1
0 4
100
* 0 1
0 9
0 1
=
+ =
= =
=
+ =
= =
P
f
P
f
i
i
1 , 9 3
7
4 * ) 7 2 6 3 (
4 3
6 3
100
0 4 * 0 9
100
* 0 9
8 , 1 2
9
4 * ) 8 1 4 (
8 2
4
0 1
0 4
100
* 0 1
0 9
0 1
=
+ =
= =
=
+ =
= =
P
f
P
f
i
i
1 , 9 3
7
4 * ) 7 2 6 3 (
4 3
6 3
100
0 4 * 0 9
100
* 0 9
8 , 1 2
9
4 * ) 8 1 4 (
8 2
4
0 1
0 4
100
* 0 1
0 9
0 1
=
+ =
= =
=
+ =
= =
P
f
P
f
i
i
1 , 9 3
7
4 * ) 7 2 6 3 (
4 3
6 3
100
0 4 * 0 9
100
* 0 9
8 , 1 2
9
4 * ) 8 1 4 (
8 2
4
0 1
0 4
100
* 0 1
0 9
0 1
=
+ =
= =
=
+ =
= =
P
f
P
f
i
i
(3) Por ltimo, calcular o coeficiente de curtose:
228 , 0
) 8 , 1 2 1 , 9 3 ( * 2
4 , 4 2 3 , 2 3
) ( * 2
0 1 0 9
1 3
=
=
P P
Q Q
k
Observe que, como 0,228 < 0,263, a curva obtida por Ivonete leptocrtica.
Busque, no Livro-Texto, mais exemplos como este discutido no caderno e, em seguida,
resolva os exerccios propostos a voc.
LEITURAOBRIGATRIA
62
LINKSIMPORTANTES
Ento:
Sites
Teste os seus conhecimentos: faa exerccios sobre estatstica e veja a resoluo comentada.
comentada.
3 mar. 2014.
63
LINKSIMPORTANTES
comentada.
Vdeos
Assista aos vdeos com exerccios comentados e disponveis no endereo a seguir a respeito
de confeco de grficos. Eles, certamente, esclarecero muitas de suas dvidas, inclusive
a respeito de como confeccion-los.
Os exerccios so bastante variados, com linguagem bem acessvel, uma vez que se trata
de produo da Editora Abril Cultural voltada para o pblico que prestar o Enem.
64
Instrues:
Questo 1:
Em seguida sero apresentadas a mdia e
a moda de trs diferentes distribuies de
frequncia. Determine o tipo de assimetria
de cada uma delas e explique o significado
de assimetria.
Distribuio Mdia Moda
A 52 52
B 45 50
C 48 46
Texto para as questes de 2 a 4:
Observe os dados apresentados na distri-
buio de frequncia em seguida:
Pontos de um
teste
Pessoas que acertaram
4 8 10
8 12 25
12 16 35
16 20 40
20 24 25
24 28 10
28 32 5
Questo 2:
Nesse caso, o valor 16,5 (pontos no teste) :
a) A mediana.
b) A mdia aritmtica.
AGORAASUAVEZ
65
c) A moda.
d) A varincia.
e) O desvio padro.
Questo 3:
Qual o percentual de valores que se locali-
za entre o ltimo quartil e o P81?
a) 6
b) 19
c) 56
d) 77
e) 81
Questo 4:
O sexagsimo percentil divide a rea de
uma distribuio em quantas partes?
a) 2
b) 6
c) 40
d) 60
e) 100
Questo 5:
Se numa distribuio h 500 valores, ento
entre o segundo quartil e o quinquagsimo
percentil quantos valores haver?
a) 7
b) 13
c) 42
d) 48
e) No haver valores.
Texto para as questes 6 e 7:
Em uma distribuio de frequncias foram
encontradas as seguintes medidas:
Mdia = 343,18.
Moda = 27,50.
Mediana = 31,67.
Desvio padro = 12,45.
Nessas condies, calcule o que pedem os
exerccios 6 e 7.
Questo 6:
Classifique o tipo de assimetria.
Questo 7:
Calcule o coeficiente de assimetria.
AGORAASUAVEZ
66
AGORAASUAVEZ
Questo 8:
Considere a distribuio de frequncias re-
lativa s massas corporais (aos pesos) de
cem operrios de uma fbrica:
Massa (kg) N
o
de operrios
50 58 10
58 66 15
66 74 25
74 82 24
82 90 16
90 98 10
Determine o grau de assimetria.
Considere as seguintes medidas, relativas
a trs distribuies de frequncias:
Distribuies Q
1
Q
2
P
10
P
90
A 814 935 772 1.012
B 63,7 80,3 55,0 86,6
C 28,8 45,6 20,5 49,8
Questo 9:
Calcule os respectivos graus de curtose.
Questo 10:
Classifique cada uma das distribuies em
relao curva normal.
67
Neste tema, voc conheceu as definies de assimetria e curtose e sua utilidade.
Aprendeu, principalmente, que estes elementos ampliam sua percepo acerca de uma
srie de dados estatsticos.
CUNHA, M.V. Anlise Multidimensional de Dados Categricos. PPGA, UFRGS, 16, Porto
Alegre, 1997.
LABES, E. M. Questionrio: do planejamento aplicao na pesquisa. Chapec:
Grifos, 1998.
FINALIZANDO
REFERNCIAS
68
Rio das Pedras, RJ. p. 124.
REFERNCIAS
GLOSSRIO
Amostra: subconjunto da populao.
Assimetria: condio da figura que no simtrica.
Coefciente: nmero que multiplica uma varivel ou incgnita.
Curtose: grau de achatamento de uma curva.
Grau: medida, referncia.
Simetria: condio da figura cujas partes so espelhos umas das outras.
69
GABARITO
Questo 1
Resposta: Observando os detalhes da tabela, voc dever obter a seguinte a anlise:
simtrica; assimtrica negativa e assimtrica positiva.
Questo 2
Questo 3
Questo 4
Questo 5
Questo 6
Resposta: Aplicando corretamente as frmulas, voc dever obter: assimetria positiva.
Questo 7
Resposta: Aplicando corretamente as frmulas, voc dever obter: 0,364.
Questo 8
Resposta: Aplicando corretamente as frmulas, voc dever obter: 0,021.
Questo 9
Resposta: Aplicando corretamente as frmulas, voc dever obter: (A) 0,2532, (B) 0,263 e
(C) 0,287.
Questo 10
Resposta: Analisando o posicionamento das curvas, voc dever obter: (A) leptocrtica,
(B) mesocrtica e (C) platicrtica.
s
e
e
s
Tema 04
Probabilidade
S
e
e
s
S
e
e
s
Tema 04
Probabilidade
73
Contedo
A definio geral de probabilidade e os conceitos elementares de probabilidade.
A utilidade da probabilidade.
As frmulas para calcular os diferentes tipos de probabilidades.
Caro(a) aluno(a).
Roteiro de Estudo:
74
Habilidades
O que e para que serve a teoria das probabilidades?
O que so e para que servem os diferentes tipos de eventos?
Por que a probabilidade medida em porcentagem?
Qual a importncia da probabilidade no mundo atual?
Probabilidade
Existem diferentes formas de se definir probabilidade.
Pode-se definir probabilidade a partir da frequncia relativa (uma frequncia relativa uma
estimativa de probabilidade).
Ento, probabilidade uma proporo em uma sequncia muito grande de experimentos
(FREITAS, 2003).
Segundo Paccola e Bianchini (1989, p. 143): Um experimento que pode apresentar
resultados diferentes, quando repetido nas mesmas condies, chamado
experimento aleatrio. Chamamos de espao amostral ao conjunto de todos os
resultados possveis de um experimento aleatrio.
O exemplo mais comum de experimento aleatrio o jogo de um dado no viciado; nesse
caso, ao se jogar o dado, poder ocorrer na face superior qualquer um dos nmeros 1 a 6.
LEITURAOBRIGATRIA
75
LEITURAOBRIGATRIA
Ento, o espao amostral (representado por S) ser dado por:
S = {1, 2, 3, 4, 5, 6}
n(S) = 6
Outro exemplo comum o lanamento de uma moeda:
S = {cara, coroa}
n(S) = 2
Sobre o assunto, Paccola e Bianchini (1989, p. 144) dizem:
Chama-se evento (E)
1
a qualquer subconjunto de um espao amostral. Evento
Elementar aquele que possui um nico elemento [...] Evento impossvel
aquele que no possui nenhum elemento [...] Evento Certo aquele que
possui todos os elementos do espao amostral [...] Evento complementar
o evento formado pelos elementos de S que no pertencem a E. O evento
complementar indicado por
E
.
Veja os exemplos:
No lanamento de uma moeda, os eventos possveis de ocorrer so ou cara ou coroa.
Dizer as faces que no so cara determina um evento elementar: coroa (se no cara s
pode ser coroa).
Se fosse escolhida a face 12 de uma moeda, observa-se um evento impossvel uma vez
que no existe moeda com um a face 12.
No caso da moeda, o exemplo de evento certo seria: sai cara ou sai coroa.
J o evento complementar seria: se saiu cara, o evento complementar seria sair coroa e
vice-versa.
De forma geral, todos os autores concordam que num experimento aleatrio, sendo S um
espao equiprovvel (espao amostral onde todos os eventos tm a mesma chance de
ocorrer), a probabilidade de ocorrer um evento (E) qualquer ser dada por:
) S ( n
) E ( n
) E ( p =
1
( E ) incluso do smbolo no texto original realizado pela autora do caderno.
76
Propriedades:
Se E =
(100%) 1 p(E) ento S E Se
(0%) 0 p(E) ento E Se
= =
= =
ento p(E) = 0 (0%)
Se E = S ento p(E) = 1 (100%)
Em outras palavras, a probabilidade de ocorrer um evento qualquer E dada por:
100%. p(E) % 0
u o
1 p(E) 0

No exemplo das moedas, a probabilidade de ocorrer a face cara no lanamento de uma
moeda dada por:
S = {cara, coroa} n(S) = 2
E = {cara} n(E) = 1
% 0 5 5 , 0
2
1
) (
) (
) (
1 ) ( } {
2 ) ( } , {
= = = =
= =
= =
S n
E n
E p
E n cara E
S n coroa cara S
Tambm so pontos pacficos entre os diversos autores as seguintes definies:
A probabilidade da unio de dois eventos A e B igual soma das probabilidades
desses eventos menos a probabilidade da interseco de A com B, isto
) B p(A - p(B) p(A) ) B p(A + =
A soma da probabilidade de ocorrer um evento A com a probabilidade de no ocorrer o
evento A (ocorrer o complementar de A) ser sempre igual a 1, ou seja, 1 ) A ( p p(A) = +
Veja os exemplos:
No lanamento de um dado, qual a probabilidade de se obter o nmero 3 ou um nmero
mpar? (BIANCHINI ; PACCOLA, 1989, p. 147).
LEITURAOBRIGATRIA
77
S = {1, 2, 3, 4, 5, 6} n(S) = 6
A = {3} n(A) = 1
B = {1, 3, 5} n(B) = 3
% 0 5 5 , 0
2
1
6
3
6
1
6
3
6
1
) B p(A
1 ) B n(A {3} } 5 , 3 {1, {3} B A
3 n(B) 5} 3, {1, B
1 n(A) {3} A
6 n(S) 6} 5, 4, 3, 2, {1, S
= = = = + =
= = =
= =
= =
= =

% 0 5 5 , 0
2
1
6
3
6
1
6
3
6
1
) B p(A
1 ) B n(A {3} } 5 , 3 {1, {3} B A
3 n(B) 5} 3, {1, B
1 n(A) {3} A
6 n(S) 6} 5, 4, 3, 2, {1, S
= = = = + =
= = =
= =
= =
= =

Exemplo de probabilidade do evento complementar: uma urna contm 5 bolas brancas,
4 amarelas e 3 verdes. Escolhendo-se duas bolas ao acaso, determine a probabilidade
de que: (a) ambas sejam brancas (b) ambas no sejam brancas (BIANCHINI; PACCOLA,
1989, p. 149).
Passo 1: calcular de quantas maneiras pode-se escolher duas bolas quaisquer:
6 6
2
132
! 0 1 * ! 2
! 0 1 * 1 1 * 2 1
! ) 2 2 1 !*( 2
! 2 1
) (
2 1
2
= = =
= = C S n
Passo 2: calcular o nmero de maneiras de se escolher duas bolas brancas:
% 2 , 5 1
3 3
5
6 6
0 1
) (
) (
) (
0 1
2
0 2
! 3 * ! 2
! 3 * 4 * 5
! ) 2 5 !*( 2
! 5
) (
5
2
= = = =
= = =
= =
S n
A n
A p
C A n
% 2 , 5 1
3 3
5
6 6
0 1
) (
) (
) (
0 1
2
0 2
! 3 * ! 2
! 3 * 4 * 5
! ) 2 5 !*( 2
! 5
) (
5
2
= = = =
= = =
= =
S n
A n
A p
C A n
Passo 3: calcular o nmero de maneiras de se escolher duas bolas que no sejam
brancas:
% 8 , 4 8 152 , 0 1 ) ( 1 ) ( = = = A p A p
LEITURAOBRIGATRIA
78
Em Bianchini e Paccola (1989, p. 150) encontram-se o exemplo e a definio:
No sorteio de um nmero natural e 1 a 10, algum aposta que vai sair um
mltiplo de 3. A probabilidade de acerto , pois, a de ocorrer o evento A = {3,
6, 9}, ou seja,
0 1
3
) ( = A p
. Para causar suspense, a pessoa que realiza o sorteio
anuncia que o nmero sorteado mpar. Constitui-se assim o evento B = {1, 3,
5, 7, 9}. Aps essa informao, a probabilidade de acertos passou a ser a de
ocorrer o evento } 9 , 3 { B A = , tendo agora como espao amostral o conjunto B.
Indicando a probabilidade de ocorrer o evento A tendo ocorrido o evento B por P(A/B) (L-
se P de A dado B), ter-se-:
) 0 ) B ( n (
) B ( n
) B A ( n
) B / A ( P >
=
Nesse caso:
5
2
) B ( n
) B A ( n
) B / A ( P =
=
A esse tipo de probabilidade, em que ocorre um evento A tendo ocorrido um evento B, d-
se o nome de probabilidade condicional de A dado B.
Mais um exemplo, tambm de Bianchini e Paccola (1989, p. 150): No lanamento de dois
dados, a soma dos pontos obtidos resultou em 5. Qual a probabilidade de um desses dados
ter apresentado o nmero 2?
Para resolver o exerccio:
O evento B soma dos pontos obtidos resultou em 5 :
B = {(1, 4); (2, 3); (3, 2); (4, 1)}
O evento
B A
dar a soma 5 e um dos dados apresentar o nmero 2 :
B A
= {(2, 3); (3, 2)}
Nessas condies:
% 0 5
2
1
) (
) (
) / ( = =
=
B n
B A n
B A P
LEITURAOBRIGATRIA
79
Os matemticos tambm concordam com a definio de que a probabilidade da interseco
de dois eventos A e B igual probabilidade de A multiplicada pela probabilidade condicional
de B, dado A, isto :
) A / B ( p * ) A ( p ) B A ( p =
Veja o exemplo de Bianchini e Paccola (1989, p. 151):
Retira-se ao acaso uma bola de uma urna que contm 6 bolas brancas
numeradas de 1 a 6 e 4 bolas amarelas numeradas de 7 a 10. Se a bola
retirada branca, qual a probabilidade de ter sado um nmero par?
Soluo:
O nmero de elementos do espao amostral n(S) = 10.
Indicando por A o evento retirar uma bola branca e por B retirar uma bola
com nmero par, evidente que desejamos calcular ) B A ( p , ou seja, a
probabilidade de retirar uma bola branca com um nmero par. Temos:
5
3
0 1
6
) ( = = A p
2
1
6
3
) A ( n
) B A ( n
) A / B ( P = =
=
Logo,
0 1
3
2
1
*
5
3
) / ( * ) ( ) ( = = = A B p A p B A p
Dois eventos so ditos independentes quando o fato de ocorrer um deles no influi na
possibilidade de ocorrncia do outro. Se A e B so eventos independentes, pode-se dizer que:
) B ( p * ) A ( p ) B A ( p
) A / B ( P * ) A ( P ) B A ( p
=
=
Os exemplos so de Bianchini e Paccola (1989, p. 152-153):
Exemplo 1
Uma urna contm 6 bolas brancas e 4 bolas pretas. Retirando-se sucessivamente
duas bolas ao acaso, com reposio da primeira, qual a probabilidade de
ambas serem brancas?
Soluo:
Como a 1 bola retirada foi recolocada na urna, os eventos A e B tornam-se
independentes, pois o evento retirar uma bola branca na 2 vez no depende
do que ocorreu na 1 retirada.
Assim temos:
% 6 3
100
6 3
0 1
6
*
0 1
6
) ( * ) ( ) ( = = = = B p A p B A p
LEITURAOBRIGATRIA
80
Exemplo 2:
Lanando-se um dado trs vezes, qual a probabilidade de se obter:
a) O nmero 4 somente no terceiro lanamento?
b) Somente uma vez o nmero 4?
Soluo:
A probabilidade de se obter o nmero 4 no primeiro lanamento 6
1
. Ento a
probabilidade de no se obter o nmero 4 no primeiro lanamento
6
5
6
1
1 = .
A probabilidade de se obter o nmero 4 no primeiro lanamento tambm 6
1
.
Ento a probabilidade de no se obter o nmero 4 no primeiro lanamento
6
5
6
1
1 = .
A probabilidade de se obter o nmero 4 no primeiro lanamento tambm 6
1
.
Ento, a probabilidade do nmero 4 ocorrer somente no terceiro lanamento :
216
5 2
6
1
*
6
5
*
6
5
= = p
O nmero 4 ser obtido somente ou no primeiro ou no segundo ou no terceiro
lanamento. Ento, a probabilidade ser igual a trs vezes a probabilidade
anterior:
2 7
5 2
216
5 2
* 3 = = p
Pra finalizar, dois ou mais eventos so mutuamente exclusivos quando a realizao de um
exclua a realizao de outro(s). Se os eventos so mutuamente exclusivos, a probabilidade
de que um ou outro se realize igual soma das probabilidades de ocorrncia de cada
evento em estudo: p = p
1
+ p
2
.
No exemplo da moeda, os eventos cara e coroa so mutuamente exclusivos.
No exemplo dos dados, a probabilidade de se tirar a face 2 ou a face 5 de:
% 3 , 3 3
3
1
6
2
6
1
6
1
= = = + = p
LEITURAOBRIGATRIA
81
LINKSIMPORTANTES
Ento:
Sites
Teste os seus conhecimentos: resolva exerccios de estatstica e consulte a resoluo
comentada.
comentada.
3 mar. 2014.
comentada.
82
LINKSIMPORTANTES
Vdeos
Instrues:
Questo 1:
Qual a probabilidade de sair um s de paus
quando se retira uma carta de um baralho
de 52 cartas?
Questo 2:
(FUVEST/SP adaptada) No jogo da sena,
seis nmeros distintos so sorteados en-
tre os nmeros 1 e 50 (inclusive). A pro-
babilidade de que, numa extrao, os seis
nmeros sorteados sejam mpares de
(aproximadamente):
AGORAASUAVEZ
83
a) 50%
b) 25%
c) 10%
d) 5%
e) 1%
Questo 3:
Lanando-se simultaneamente dois da-
dos (no viciados), a probabilidade de que
suas faces superiores exibam soma igual
a 7 ou 9 :
a)
6
1
b)
7
3
c)
9
4
d)
1 1
2
e)
8 1
5
Questo 4:
Uma urna contm 9 bolas, sendo 4 brancas
e 5 pretas. Duas bolas so escolhidas ao
acaso, sem reposio e sucessivamente.
Calcule a probabilidade de ambas as bolas
serem brancas:
a)
6
1
b)
9
4
c)
1 8
0 2
d)
9
2
e)
1 8
6 1
Questo 5:
A probabilidade de um casal ter um filho do
sexo masculino de 0,25. Ento, a proba-
bilidade do casal ter dois filhos de sexos
diferentes de:
a)
6 1
1
b)
8
3
c)
6 1
9
d)
6 1
3
e)
4
3
Em um lote de 12 peas, quatro so de-
feituosas. Nessas condies, calcule o que
se pede nos dois exerccios seguintes.
AGORAASUAVEZ
84
AGORAASUAVEZ
Questo 6:
Sendo retirada apenas uma pea, calcule
a probabilidade de ela (a pea retirada) ser
defeituosa.
Questo 7:
Sendo retirada apenas uma pea, calcule a
probabilidade de ela (a pea retirada) no
ser defeituosa.
Questo 8:
No lanamento de um dado, qual a pro-
babilidade de se obter um nmero no
inferior a 5?
Questo 9:
Dois dados so lanados conjuntamente.
Determine a probabilidade de a soma ser
10 ou maior que 10.
Questo 10:
Uma urna A contm trs bolas brancas,
quatro pretas e duas verdes; a urna B con-
tm cinco bolas brancas, duas pretas e
uma verde; a urna C contm duas bolas
brancas, trs pretas e quatro verdes. Uma
bola retirada de cada urna. Qual a pro-
babilidade de que as trs bolas retiradas da
primeira, segunda e terceira urnas sejam
branca, preta e verde, respectivamente?
Neste tema, voc aprendeu a trabalhar com probabilidade. D especial ateno aos
termos aqui utilizados porque entender o tipo de eventos que ocorre metade do caminho
andado para resolver problemas propostos. Releia o texto, busque mais informaes no
Livro-Texto e pela internet.
FINALIZANDO
85
BIANCHINI, Edwaldo; PACCOLA, Herval. Matemtica 2. 1. ed. So Paulo: Moderna,
1989.
CRESPO, Antnio Arnot. Estatstica Fcil. 19. ed. atual. So Paulo: Saraiva, 2009.
CUNHA, M.V. Anlise Multidimensional de Dados Categricos. PPGA, UFRGS, 16, Porto
Alegre, 1997.
FREITAS, Corina da Costa et. al. Estatstica Curso 1. So Jos dos Campos: INPE, 2003.
1998.
posio de um mtodo Brasileiro. In: ENCONTRO ANUAL DA ANPAD, 21. Anais... 1997,
Rio das Pedras, RJ. p. 124.
REFERNCIAS
86
GLOSSRIO
GABARITO
Espao amostral: o conjunto de todos os resultados possveis de um experimento
aleatrio.
Espao equiprovvel: aquele onde todos os eventos tm a mesma chance de ocorrer.
Evento: qualquer subconjunto do espao amostral.
Experimento aleatrio: um experimento que pode apresentar resultados diferentes,
quando repetido nas mesmas condies.
Probabilidade: proporo em uma sequncia muito grande de experimentos.
Questo 1
Resposta: Em qualquer baralho (no viciado), haver apenas um s de paus, portanto a
probabilidade de encontr-lo p =
2 5
1
= p .
Questo 2
Questo 3
87
Questo 4
Questo 5
Questo 6
Resposta: Sendo quatro peas defeituosas em 12, voc dever calcular:
% 3 , 3 3
3
1
2 1
4
= = = p
.
Questo 7
Resposta: Sendo oito peas no defeituosas em 12, voc dever calcular:
% 6 , 6 6
3
2
3
1 3
3
1
1 = =
= = p
Questo 8
Resposta: A probabilidade de se obter um nmero no inferior a 5 a probabilidade de se
obter 5 ou 6, ento: % 3 , 3 3
3
1
6
2
6
1
6
1
= = = + = p
Questo 9
Resposta: Nesse caso, a soma dever ser 10, 11 ou 12. Para que a soma seja 10, a
probabilidade ser determinada pelo aparecimento de (4, 6) ou (5, 5) ou (6, 4), ou seja:
6 3
3
0 1
= p
Para que a soma seja 11, a probabilidade ser determinada pelo aparecimento de (5, 6) ou
(6, 5), ou seja:
6 3
2
1 1
= p
Para que a soma seja 12, a probabilidade ser determinada pelo aparecimento de (6, 6), ou
seja,
6 3
1
2 1
= p
Como os eventos apresentados so mutuamente exclusivos, ter-se-:
% 6 , 6 1
6
1
6 3
6
6 3
1
6 3
2
6 3
3
= = = + + = p
GABARITO
88
Questo 10
Resposta: Considerando as probabilidades de retirada de cada bola, de cada urna, voc
dever obter:
9
4
p
4
1
8
2
p
3
1
9
3
p
C
B
A
=
= =
= =
9
4
p
4
1
8
2
p
3
1
9
3
p
C
B
A
=
= =
= =
9
4
p
4
1
8
2
p
3
1
9
3
p
C
B
A
=
= =
= =
Sendo os eventos independentes e simultneos, voc dever fazer:
7 2
1
9
4
*
4
1
*
3
1
= = p
GABARITO
s
e
e
s
Tema 05
Anlise de Regresso e Correlao
S
e
e
s
S
e
e
s
Tema 05
Anlise de Regresso e Correlao
93
Contedo
O conceito de regresso matemtica.
O conceito de correlao.
Como efetuar a anlise de regresso (regresso linear).
Como efetuar correlao entre duas variveis.
Caro(a) aluno(a).
Roteiro de Estudo:
94
Anlise de Regresso
O objetivo da anlise de regresso determinar a relao existente entre uma
caracterstica qualquer de interesse experimental, dependente, e outra caracterstica
independente, tomadas juntas.
Para entender o que dependncia, veja os exemplos:
1. O mdico pediatra tem interesse em definir uma relao funcional entre o peso e a
altura de bebs (curva de crescimento).
2. O economista busca estabelecer uma funo que explique o comportamento das
vendas, em unidades de um produto, considerando o preo pelo qual o produto
vendido.
A matemtica, de forma geral, oferece a ferramenta ideal para resolver esse tipo de problema:
a teoria das funes. Dela, voc utilizar dois conceitos fundamentais:
Habilidades
O que e para que serve o conceito de anlise de regresso?
Como se d a construo do grfico regresso?
O que e para que serve estabelecer correlao entre variveis?
O que e para que serve um grfico de correlao?
LEITURAOBRIGATRIA
95
LEITURAOBRIGATRIA
y = varivel que interessa estudar e cujo comportamento futuro se pretende prever. Trata-se
da varivel dependente que existe no modelo (porque o seu valor depende do valor de x).
x = varivel que influencia no comportamento de y e define o seu valor.
A estatstica oferece meios aos estudiosos de se chegar relao entre as variveis y e x:
um processo denominado anlise de regresso.
Diagrama de Disperso
Uma maneira prtica para determinar a relao
1
entre as variveis dependentes e
independentes a construo do grfico denominado de diagrama de disperso, que
pode fornecer uma forma aproximada da regresso. Quando se obtm uma disperso
desordenada de pontos assinalados no grfico, conclui-se que difcil determinar a relao
entre as caractersticas em estudo.
Diagrama de disperso sua confeco consiste na plotagem dos pontos obtidos por
clculo ou levantamento, em um sistema de coordenadas cartesianas, que permite uma
visualizao dos seus posicionamentos, propiciando uma interpretao aproximada do
comportamento das variveis em estudo. Veja o exemplo:
Observe que, no grfico anterior, os pontos foram distribudos ao longo de um segmento de
reta. A Estatstica nos permite determinar que reta essa.
1
Nesse caso, a expresso matemtica que relacionas as variveis.
96
Determinao da Equao da Reta
Do estudo da funo do primeiro grau, sabe-se que a equao geral da reta (grfico da
funo de primeiro grau) y = a + bx.
Para escrever a equao da reta necessrio obter os valores de a e b de tal forma que a
reta estabelecida esteja to prxima quanto possvel dos pontos assinalados no diagrama
de disperso. Assim, para diminuir as discrepncias, h necessidade de se ajustar a reta
por meio da anlise de regresso.
Lembre-se de que a reta ficar determinada quando voc conhecer os coeficientes a e b. Para
conhec-los (ou determin-los), voc adotar o mtodo dos mnimos quadrados (MMQ).
Segundo esse mtodo, pode-se avaliar os parmetros a e b pela aplicao das seguintes
frmulas:

=
=
2 2
) (
*
x x n
y x y x n
b
e
x b y a
e

=
=
2 2
) (
*
x x n
y x y x n
b
e
x b y a
Em que n = tamanho da amostra.
Exemplo: Observa-se que um determinado produto tem o seu custo calculado com base na
quantidade produzida, conforme a tabela a seguir:
Quantidade (x) 10 12 14 16 18 20
Custos em R$ (y) 100 112 119 130 139 142
Nessas condies, deve-se:
a) Construir o diagrama de disperso e verificar se h uma relao entre as variveis.
b) Ajustar uma reta aos dados.
c) Traar a reta ajustada.
d) Determinar o custo para 22 unidades.
LEITURAOBRIGATRIA
97
Para resolver o problema proposto, ser necessrio esboar o diagrama, como pede o item
(a). Veja:
0
20
40
60
80
100
120
140
160
0 5 10 15 20 25
Para calcular a equao da reta: y + a + bx, conforme solicitado em (b) ter-se-, inicialmente,
que calcular o valor de b, que dado por:

=
2 2
) (
*
x x n
y x y x n
b
Em que: n = nmero de dados.
xy Somatrio da multiplicao dos valores de x e y.
x Somatrio da varivel x.
y Somatrio da varivel y.
x
2
Somatrio de cada valor de x elevado ao quadrado.
(x)
2
Somatrio dos valores de x elevado ao quadrado.
LEITURAOBRIGATRIA
98
Para facilitar o clculo, construiu-se o quadro a seguir:
n x y xy x
2
1 10 100 1000 100
2 12 112 1344 144
3 14 119 1666 196
4 16 130 2080 256
5 18 139 2502 324
6 20 142 2840 400
90 742 11432 1420

Analisando o quadro, voc observar que:
n = 6; xy = 11.432; x = 90; y = 742; x
2
= 1420
Ento:
( )
1 3 , 4
420
1812
0 9 420 . 1 * 6
742 * 0 9 432 . 1 1 * 6
.
2
2
2
=
=

b
x x n
y x y x n
b
( )
1 3 , 4
420
1812
0 9 420 . 1 * 6
742 * 0 9 432 . 1 1 * 6
.
2
2
2
=
=

b
x x n
y x y x n
b
Para calcular o valor do coeficiente a:
2 0 , 9 5
5 1 * 1 3 , 4 7 6 , 123
5 1
6
0 9
7 6 , 123
6
742
=
= = =
= =
=
a
a
n
x
x
n
y
y
x b y a
2 0 , 9 5
5 1 * 1 3 , 4 7 6 , 123
5 1
6
0 9
7 6 , 123
6
742
=
= = =
= =
=
a
a
n
x
x
n
y
y
x b y a
2 0 , 9 5
5 1 * 1 3 , 4 7 6 , 123
5 1
6
0 9
7 6 , 123
6
742
=
= = =
= =
=
a
a
n
x
x
n
y
y
x b y a
2 0 , 9 5
5 1 * 1 3 , 4 7 6 , 123
5 1
6
0 9
7 6 , 123
6
742
=
= = =
= =
=
a
a
n
x
x
n
y
y
x b y a
2 0 , 9 5
5 1 * 1 3 , 4 7 6 , 123
5 1
6
0 9
7 6 , 123
6
742
=
= = =
= =
=
a
a
n
x
x
n
y
y
x b y a
A equao da reta ser: y = 59,02 + 4,31 x.
Conhecendo a equao da reta, pode-se esboar o grfico ajustado (a seguir), conforme
determina a orientao (c):
LEITURAOBRIGATRIA
99
0
20
40
60
80
100
120
140
160
1 2 3 4 5 6
Para finalizar, deve-se responder ao item (d):
y = 59,02 + 4,31 x
Se x = 22, ento:
y = 59,02 + 4,31 x
y = 59,02 + 4,31*22
y = 59,02 + 94,82
y = 153,84
Correlao:
Estudar correlao consiste em medir o grau de variao existente entre duas variveis
aleatrias.
A diferena entre regresso e correlao que na primeira h duas variveis em que
uma considerada dependente e a outra independente, ao passo que na segunda, as duas
variveis apresentam relao mtua.
Veja, peso e altura de pessoas poderiam ser estudados em correlao tanto o peso pode
depender da altura como esta, do peso.
LEITURAOBRIGATRIA
100
Coefciente de Correlao
Em alguns casos, existe o interesse em se determinar o grau de associao entre as duas
variveis. Essa associao medida pelo coefciente de correlao (r), que determinado
pela frmula:
( ) ( )
(
=

2
2
2
2
y y * n * x x * n
y * x ) y * x ( * n
r
O valor de r pode variar de 1 a +1, significando, respectivamente, correlao negativa
e correlao positiva entre as variveis. O valor zero indica que no existe correlao.
Outros valores intermedirios propiciam inferncias sobre o comportamento interativo entre
as variveis.
As figuras a seguir apresentam, de forma aproximada, o valor de r em funo do
comportamento (variao) simulado de duas variveis distintas.

Veja como calcular o coeficiente de correlao:
Exemplo: observa-se que um determinado produto tem o seu custo calculado com base na
quantidade produzida, conforme segue:
Quantidade (x) 10 12 14 16 18 20
Custos em R$ (y) 100 112 119 130 139 142
LEITURAOBRIGATRIA
101
Para resolver o problema, elabora-se uma tabela auxiliar para a frmula:
( ) ( )
(
=

2
2
2
2
y y * n * x x * n
y * x ) y * x ( * n
r
Tabela Auxiliar:
n x y xy x
2
y
2
1 10 100 1.000 100 10.000
2 12 112 1.344 144 12.544
3 14 119 1.666 196 14.161
4 16 130 2.080 256 16.900
5 18 139 2.502 324 19.321
6 20 142 2.840 400 20.164
90 742 11.432 1.420 93.090

Substituindo os valores observados na linha de totalizao, na frmula, ter-se-:
( ) | | ( ) | |
| | | |
| | | |
| | | |
9 9 , 0
8 2 , 1830
1812
3349920
1812
7976 * 420
1812
550564 558540 * 8100 8520
66780 68592
) 742 ( 93090 * 6 * ) 0 9 ( 1420 * 6
742 * 0 9 11432 * 6
* * *
* ) ( *
2 2
2
2
2
2
=
= =
=

=

=

=

r
r
r
r
r
y y n x x n
y x y x n
r
( ) | | ( ) | |
| | | |
| | | |
| | | |
9 9 , 0
8 2 , 1830
1812
3349920
1812
7976 * 420
1812
550564 558540 * 8100 8520
66780 68592
) 742 ( 93090 * 6 * ) 0 9 ( 1420 * 6
742 * 0 9 11432 * 6
* * *
* ) ( *
2 2
2
2
2
2
=
= =
=

=

=

=

r
r
r
r
r
y y n x x n
y x y x n
r
( ) | | ( ) | |
| | | |
| | | |
| | | |
9 9 , 0
8 2 , 1830
1812
3349920
1812
7976 * 420
1812
550564 558540 * 8100 8520
66780 68592
) 742 ( 93090 * 6 * ) 0 9 ( 1420 * 6
742 * 0 9 11432 * 6
* * *
* ) ( *
2 2
2
2
2
2
=
= =
=

=

=

=

r
r
r
r
r
y y n x x n
y x y x n
r
( ) | | ( ) | |
| | | |
| | | |
| | | |
9 9 , 0
8 2 , 1830
1812
3349920
1812
7976 * 420
1812
550564 558540 * 8100 8520
66780 68592
) 742 ( 93090 * 6 * ) 0 9 ( 1420 * 6
742 * 0 9 11432 * 6
* * *
* ) ( *
2 2
2
2
2
2
=
= =
=

=

=

=

r
r
r
r
r
y y n x x n
y x y x n
r
( ) | | ( ) | |
| | | |
| | | |
| | | |
9 9 , 0
8 2 , 1830
1812
3349920
1812
7976 * 420
1812
550564 558540 * 8100 8520
66780 68592
) 742 ( 93090 * 6 * ) 0 9 ( 1420 * 6
742 * 0 9 11432 * 6
* * *
* ) ( *
2 2
2
2
2
2
=
= =
=

=

=

=

r
r
r
r
r
y y n x x n
y x y x n
r
( ) | | ( ) | |
| | | |
| | | |
| | | |
9 9 , 0
8 2 , 1830
1812
3349920
1812
7976 * 420
1812
550564 558540 * 8100 8520
66780 68592
) 742 ( 93090 * 6 * ) 0 9 ( 1420 * 6
742 * 0 9 11432 * 6
* * *
* ) ( *
2 2
2
2
2
2
=
= =
=

=

=

=

r
r
r
r
r
y y n x x n
y x y x n
r
Nessas condies, pode-se afirmar que a correlao entre as variveis preo e quantidade
muito alta.
LEITURAOBRIGATRIA
102
LINKSIMPORTANTES
Ento:
Sites
Teste os seus conhecimentos: faa exerccios a respeito de anlise de regresso e correlao
e veja a resoluo comentada.
comentada.
3 mar. 2014.
103
LINKSIMPORTANTES
comentada.
Vdeos
Instrues:
AGORAASUAVEZ
104
Questo 3:
Ao analisar o diagrama de disperso entre
duas variveis aleatrias x e y, optou-se por
utilizar uma forma de relao tal que y = a +
bx para a previso de y em funo de x (os
valores de a e b foram obtidos pelo mtodo
dos mnimos quadrados). Essas duas vari-
veis apresentam um coeficiente de corre-
lao linear igual a r, tal que r > 0. Ento, o
a) Valor de b poder ser inferior a zero.
b) Coeficiente de correlao linear entre
as variveis (2x) e (5y) tambm igual a r.
c) Valor de b igual ao inverso do valor
do coeficiente de correlao linear.
Questo 1:
Construa um diagrama de disperso para a amostra formada pelos seguintes pontos: (1; 2),
(5; 6), (2; 4), (2; 3), (3; 5) e (5;10).
Questo 2:
(ESAF/2005 Auditor Fiscal da Receita Federal rea Tecnologia da Informao Prova
1) Para uma amostra de dez casais residentes em um mesmo bairro, registraram-se os se-
guintes salrios mensais (em salrios mnimos):
Identificao do casal 1 2 3 4 5 6 7 8 9 10
Salrio do marido (y) 30 25 18 15 20 20 21 20 25 27
Salrio da esposa (x) 20 25 12 10 10 20 18 15 18 23
Sabe-se que:

= = = = =
= = = = =
0 1
1
0 1
1
2
0 1
1
0 1
1
2
0 1
1
3171 ; 171 ; 3940 ; 5069 ; 221
i i
i i
i i
i i
i
i
x x y x y y
i
Assinale a opo cujo valor corresponda correlao entre os salrios dos homens e os
salrios das mulheres.
a) 0,72
b) 0,75
c) 0,68
d) 0,81
e) 0,78
AGORAASUAVEZ
105
d) Coeficiente de correlao linear entre
as variveis (0,5x) e (0,5y) igual a 0,5r.
e) Valor de b igual ao coeficiente de
correlao linear, pois r > 0.
Questo 4:
Considerando o par de variveis (x, y), em
que x representa o custo mdio por metro
quadrado (em R$) e y representa os atribu-
tos Sudeste, Norte, Sul, Centro-Oeste ou
Nordeste, assinale a opo correta.
a) A correlao linear de Pearson entre x
e y positiva.
b) As variveis x e y so qualitativas.
c) As variveis x e y formam uma srie
geogrfica.
d) O grfico de x versus y um histograma.
e) As variveis x e y so quantitativas.
Questo 5:
Ao se estudar a relao entre as variveis
consumo de energia eltrica (x) e volu-
me de produo nas empresas industriais
(y), foi encontrada a equao de regres-
so: y = 1,81x + 0,001 Nessas condies,
correto afirmar que:
a) Quanto maior o volume de produo,
maior o consumo de energia eltrica.
b) Quanto menor o volume de produo,
maior o consumo de energia eltrica.
c) O consumo de energia independe do
volume de produo.
d) Independentemente da quantidade
produzida pela indstria, no haver
alterao do custo da energia.
e) A indstria no pagaria nada se no
produzisse nada.
Questo 6:
A despesa mensal estimada de uma fam-
lia mediana (marido, esposa e dois filhos)
representada pela equao = ( = des-
pesa e x = renda mensal lquida expressa
em salrios mnimos). Nessas condies,
calcule:
a) A despesa mensal de uma famlia com
renda lquida mensal de 10 salrios-mnimos.
b) A equao serviria para estimar a des-
pesa mensal de uma famlia de 5 pessoas
com renda lquida de 12 salrios-mnimos?
Justifique.
Questo 7:
Uma empresa verificou as despesas com
matria-prima observadas nos ltimos cin-
co pedidos de acordo com a quantidade a
ser produzida.
AGORAASUAVEZ
106
Custo (y) Produo (x)
80 12
44 4
51 6
70 11
61 8
Considerando a amostra descrita, determi-
ne a equao de regresso linear que re-
presenta a funo custo de produo.
Questo 8:
Estime a reta de regresso do custo de fa-
bricao correspondente a uma amostra de
20 elementos em que a soma das quanti-
dades produzidas (x) igual a 200; a soma
dos custos de produo (y) igual a R$
300,00; a soma do produto da quantidade
produzida pelo custo de produo igual
a R$ 6.200,00 e a soma do quadrado das
quantidades produzidas igual a 3.600.
Questo 9:
Estime a reta de regresso de regresso
que melhor represente o conjunto de dados
apresentado na sequncia:
X Y
1 10
2 30
3 40
4 50
5 65
6 70
Estime a reta de regresso populacional;
Questo 10:
Ajuste os seguintes dados e calcule o co-
eficiente de correlao entre a renda e o
consumo apresentados:
Anos Rendas (y) Consumo (c)
(unidades monetrias constantes)
1957 2,0 1,6
1958 2,1 1,7
1959 2,4 2,0
1960 2,4 2,1
1961 2,5 2,2
1962 2,8 2,5
1963 3,0 2,6
AGORAASUAVEZ
107
Neste tema, voc conheceu as definies de anlise de regresso e correlao e sua
utilidade. Aprendeu, principalmente, que esses elementos ampliam sua percepo acerca
de uma srie de dados estatsticos.
CUNHA, M. V. Anlise Multidimensional de Dados Categricos. PPGA, UFRGS, 16., Porto
Alegre, 1997.
FONSECA, J. S; MARTINS, G. Curso de Estatstica. So Paulo: Atlas, 1996
1998.
REFERNCIAS
FINALIZANDO
108
REFERNCIAS
MORETTIN, Luiz Gonzaga. Estatstica Bsica Volume 1: Probabilidade. 7. ed. So Pau-
lo: Pearson Makron Books, 1999.
Rio das Pedras, p. 124
Correlao: relao mtua.
Diagrama: grfico, representao.
Parmetro: valor de referncia.
Regresso: volta a algum ponto; retorno a uma referncia.
Varivel: ente cujo valor se modifica ao longo do tempo.
GLOSSRIO
109
Questo 1
Resposta: Localizando os pontos no plano cartesiano, ter-se-:
0
2
4
6
8
10
12
0 1 2 3 4 5 6
Questo 2
Questo 3
Questo 4
Questo 5
GABARITO
110
Questo 6
Resposta: As respostas so:
(a) 2,8.
(b) No, houve mudana de parmetros.
Questo 7
Resposta: y = 26,28 + 4,26x.
Questo 8
Resposta: Voc dever obter: y = 38,19 + 2,32x.
Questo 9
Resposta: y = 2,66 + 11,86x.
Questo 10
Resposta: O coeficiente de correlao ser r = 0,987.
GABARITO
s
e
e
s
Tema 06
Distribuio de Probabilidade
S
e
e
s
S
e
e
s
Tema 06
Distribuio de Probabilidade
115
Contedo
Distribuies de probabilidade.
Distribuio binomial.
Outras distribuies discretas de probabilidade.
Introduo s distribuies normais de probabilidade.
Distribuio normal padro.
Propriedades.
Grficos.
Caro(a) aluno(a).
Roteiro de Estudo:
116
Distribuies de Probabilidade
Antes de ir direto ao assunto, preciso rever conceitos:
Princpio Fundamental da Contagem
Se um evento pode ocorrer de m maneiras diferentes e um segundo evento de n maneiras,
o nmero de maneiras que os dois eventos podem ocorrer (m* n) maneiras.
Permutaes
Uma aplicao importante do Princpio Fundamental da Contagem a determinao do
nmero de maneiras em que n objetos podem ser arranjados em ordem ou permutao.
Uma permutao um arranjo ordenado de objetos.
O nmero de permutaes de n objetos diferentes :
Habilidades
O que e para que serve uma distribuio de probabilidade?
O que e para que serve uma funo de distribuio de probabilidade (f.d.p.)?
Por que e quando utilizar a distribuio normal?
Por que e quando utilizar a distribuio de Poisson?
Por que e quando utilizar a distribuio binomial?
LEITURAOBRIGATRIA
117
LEITURAOBRIGATRIA
P
n
= n!
n! = n * (n - 1) * (n - 2) * (n - 3) * ... 3 * 2 * 1
Importante:
=
=
1 ! 0
1 ! 1
Arranjos
Correspondem ao nmero de combinaes de p objetos selecionados em um grupo de n
objetos, cuja ordem fundamental dada por:
! ) (
!
p n
n
A
p
n
=
Combinaes
O nmero de combinaes de p objetos selecionados em um grupo de n objetos, sem
importar a ordem dada por:
! ) !*(
!
p n p
n
C
p
n
= .
Entrando no assunto:
Varivel Aleatria
Varivel aleatria aquela que representa um valor numrico associado a cada um dos
resultados de um experimento probabilstico. Uma varivel aleatria pode ser:
Discreta: dir-se- que a varivel discreta quando houver um nmero finito ou contvel
de possveis resultados a serem enumerados.
Contnua: dir-se- que a varivel contnua quando houver um nmero infinito ou
incontvel de possveis resultados a serem enumerados. Nesse caso, os resultados so
apresentados por um intervalo de nmeros reais.
Uma distribuio discreta de probabilidade aquela que enumera cada valor que a varivel
aleatria pode assumir ao lado de sua probabilidade. Uma distribuio de probabilidade
deve satisfazer s seguintes condies:
=

1 ) x ( P ) 2 (
1 ) x ( P 0 ) 1 (
=

1 ) x ( P ) 2 (
1 ) x ( P 0 ) 1 (
118
A estatstica e a probabilidade caminham de mos dadas. Pode-se observar tal comportamento
quando se deseja medir a tendncia central de uma distribuio de probabilidades por meio
de sua mdia e determinar a variabilidade por meio de sua varincia e de seu desvio padro.
A mdia de uma varivel aleatria discreta dada por
= ) x ( P * x
que significa dizer
multiplique cada valor x por sua probabilidade e some todos os resultados.
J a varincia definida por
= ) x ( P * ) x (
2 2
O desvio padro continua sendo dado pela raiz quadrada da varincia.
O Valor esperado de uma varivel aleatria discreta igual mdia da varivel aleatria:
= = ) x ( P * x ) x ( E
.
necessrio que voc conhea essas definies para compreender o significado de
distribuio de probabilidades. Alis, uma distribuio de probabilidades mostra ao
investigador a possibilidade de ocorrncia de cada resultado provvel numa pesquisa.
So vrios os mtodos para efetuar uma distribuio. Nesta aula, voc fixar sua ateno
em trs deles: distribuio binomial, distribuio normal e distribuio de Poisson.
A Distribuio Binomial
Um experimento dito binomial quando se trata de uma experincia probabilstica que deve
atender aos seguintes requisitos:
(1) O experimento deve ser repetido um nmero fixo de vezes, sendo cada uma destas
independente das demais.
(2) H somente dois resultados possveis: sucesso ou fracasso.
(3) A probabilidade de um sucesso P(S) a mesma em cada tentativa.
(4) A varivel aleatria x conta o nmero de tentativas com sucesso.
Suponha que n experimentos independentes sejam executados; suponha ainda que n
um nmero fixo e que cada experimento resulta num sucesso com probabilidade p e
em um fracasso com probabilidade 1 - p. O nmero total de sucessos, x, uma varivel
aleatria cujos parmetros so n e p.
LEITURAOBRIGATRIA
119
A probabilidade de obtermos x = k (probabilidade de algo acontecer: um sucesso
ou um fracasso), denotada por P(k), pode ser encontrada atravs da expresso:
k n k
p p
k n k
n
k P k x P

= = = ) 1 ( *
! ) ( !
!
) ( ) (
que tambm poder ser escrita assim:
x n x x n x
x n
q p
x n x
n
q p C x P

= = * *
! ) !*(
!
* * ) (
,
Smbolo Signifcado
n Nmero de repeties de um experimento.
p = P(S) Probabilidade de ocorrer sucesso numa nica tentativa.
q = (F) = 1 p Probabilidade de ocorrer fracasso numa nica tentativa.
x Representa a contagem do nmero de sucessos em n tentativas.
Veja: uma moeda lanada 10 vezes e o nmero total de caras contado (neste caso,
cara seria um sucesso). A possibilidade de, em duas tentativas, acertar uma cara ser
dada por:
n = 10
x = 2
% 4 , 4 04395 , 0 5 , 0 * 5 4 5 , 0 * 5 , 0 * 5 4 ) 2 (
5 4
2
0 9
! 8 * 1 * 2
! 8 * 9 * 0 1
! 8 * ! 2
! 0 1
! ) !*(
!
0 1 8 2
2 , 0 1
= = =
= = = =
=
P
x n x
n
C
% 4 , 4 04395 , 0 5 , 0 * 5 4 5 , 0 * 5 , 0 * 5 4 ) 2 (
5 4
2
0 9
! 8 * 1 * 2
! 8 * 9 * 0 1
! 8 * ! 2
! 0 1
! ) !*(
!
0 1 8 2
2 , 0 1
= = =
= = = =
=
P
x n x
n
C
A mdia de uma varivel aleatria binomial (n * p) e a varincia n * p * (1 - p). Ento:
5 , 2 ) 0 5 , 0 1 ( * 0 5 , 0 * 0 1 ) 1 ( * *
5 0 5 , 0 * 0 1 ) * (
2
= = =
= = =
p p n
p n
LEITURAOBRIGATRIA
120
A distribuio chamada geomtrica quando satisfaz aos seguintes requisitos:
Uma tentativa repetida at que um sucesso ocorra.
As tentativas repetidas so independentes umas das outras.
A probabilidade de sucesso p constante para cada tentativa.
Nesse caso, a probabilidade de que o primeiro sucesso ocorra na tentativa x dada por:
P(x) = p * q
x-1
, onde q = 1 - p
No exemplo da face cara da moeda, voc teria:
P(2) = 0,5 * 0,5
2-1
= 0,5 = 0,25 = 25%
A Distribuio de Poisson
Outro exemplo de distribuio comum a distribuio de Poisson, que frequentemente
utilizada para modelar dados de contagem.
uma distribuio discreta de probabilidade de uma varivel aleatria x que satisfaz as
seguintes condies:
O experimento consiste na contagem do nmero de vezes x que um evento ocorre em
um determinado intervalo.
A probabilidade de que um evento ocorra a mesma para cada intervalo.
A probabilidade de que haja exatamente x ocorrncias em um intervalo :
! x
e
) x ( P
x
=
em que e o nmero de Euler.
O nmero de ocorrncias em um intervalo independe do nmero de ocorrncias em
outros intervalos.
A varincia de uma distribuio de Poisson igual a sua mdia.
LEITURAOBRIGATRIA
121
Distribuio Normal Propriedades:
A mdia, a mediana e a moda so iguais.
A curva normal tem formato de sino e simtrica em torno da mdia.
A rea total sob a curva normal igual 1.
A curva normal aproxima-se mais do eixo x medida que se afasta da mdia em
ambos os lados, mas nunca toca o eixo.
Entre e + , o grfico curva-se para baixo. esquerda de e direita de
+ , o grfico curva-se para cima.
Lembre-se do grfico:
Distribuio normal padro:
uma distribuio normal com mdia 0 (zero) e desvio padro de 1 (um).
LEITURAOBRIGATRIA
122
Propriedades:
A rea acumulada est prxima de zero para escores z prximos de z = -3,49.
A rea acumulada cresce medida que o escore z tambm cresce.
A rea acumulada para z = 0 0,5.
A rea acumulada est prxima de 1 para escores z prximos de z = 3,49.
Probabilidade e distribuio normal:
Se uma varivel aleatria x distribuda normalmente, possvel obter a probabilidade de
que x caia num determinado intervalo, calculando a rea sob a curva normal para o intervalo
dado.
Como, ento, fazer isso?
Convertendo os limites do intervalo para o escore z.
Consultando a tabela normal padro.
Para obter o escore z, basta fazer:

=
x
z
o escore z dado pelo quociente do valor
da varivel aleatria subtrado da mdia dividido pelo desvio padro.
Veja um trecho da tabela normal:
No Livro-Texto voc encontrar a tabela na ntegra.
Se voc considerar uma amostra em vez de toda a populao, pode-se dizer que ter uma
distribuio amostral.
Distribuio amostral a distribuio de probabilidade de uma estatstica da amostra que
formada quando amostras de tamanho n so repetidamente colhidas de uma populao.
LEITURAOBRIGATRIA
123
Se a estatstica da amostra sua mdia, teremos uma distribuio amostral de mdia das
amostras.
Propriedades:
A mdia das mdias das amostras
x
igual mdia da populao : =

x
.
O desvio padro da mdia das amostras igual ao desvio padro populacional dividido
pela raiz quadrada de n:
n
x

=
.
O desvio padro da distribuio amostral de mdias das amostras chamado de erro
padro da mdia.
Teorema do Limite Central
Descreve a relao entre as distribuies amostrais das mdias das amostras e a populao
de onde foram tiradas as amostras.
Se amostras de tamanho n, em que n 30, forem tiradas de uma populao qualquer, com
mdia e um desvio padro , ento a distribuio amostral de mdias das amostras se
aproximar de uma distribuio normal.
Se a prpria populao for normalmente distribuda, a distribuio amostral das mdias das
amostras ser normalmente distribuda para qualquer tamanho de amostra n.
Em ambos os casos, a distribuio amostral das mdias tem mdia igual mdia da
populao, ou seja,
mdia
=
E a distribuio amostral de mdias das amostras tem uma varincia igual a 1/n vezes a
varincia da populao, ou seja,
n
) (
2
2
mdia

= .
A frmula para o erro padro da mdia, dada no Teorema do Limite Central, baseia-se
na hiptese de que a populao tenha infinitos elementos. o caso da amostragem com
reposio.
A frmula tambm vlida se o tamanho da amostra for pequeno quando comparado ao
da populao.
LEITURAOBRIGATRIA
124
A distribuio amostral de mdias das amostras ser normal com uma mdia igual mdia
da populao, e o erro padro da mdia ser:
1 N
n N
*
n
x

=
Aproximao normal para uma distribuio binomial:
Se n * p 5, ento a varivel aleatria binomial x tem distribuio aproximadamente
normal, com mdia = n * p e desvio padro dado por:
q * p * n =
Ao utilizar uma distribuio normal contnua para aproximar uma probabilidade binomial,
necessrio mover 0,5 unidade para a esquerda e para a direita do ponto mdio a fim de
incluir todos os valores possveis de x no intervalo; tem-se, nesse caso, uma correo pela
continuidade.
Exemplo Numa empresa, um consultor levanta a seguinte questo com relao montagem
de uma pea da linha de produo: sabendo que a montagem dessa dura, em mdia, 75
segundos com um desvio padro de 6 segundos, qual a probabilidade de um trabalhador da
fbrica ser escolhido ao acaso para montar uma pea entre 70 e 75 segundos?
Resoluo: construindo o grfico, ter-se-:
Aplicando a frmula:
3 8 , 0
6
5 7 0 7
=
= z z
x x
z
.
Consultando a tabela normal padro (transcrio do trecho da tabela):
LEITURAOBRIGATRIA
125
Com isso, voc concluir que a probabilidade solicitada de 29,67%.
No se esquea: leia o Livro-Texto e os demais textos de apoio sugeridos.
LEITURAOBRIGATRIA
LINKSIMPORTANTES
Ento:
Sites
Teste os seus conhecimentos: faa exerccios sobre distribuio de probabilidades e veja a
resoluo comentada.
comentada.
126
LINKSIMPORTANTES
3 mar. 2014.
comentada.
Consulte tambm as seguintes bibliografas:
127
Instrues:
Questo 1:
A probabilidade de se encontrar o sinal de
trnsito aberto numa determinada esquina
de 0,20. Qual a probabilidade de que seja
necessrio passar pelo local 5 vezes, para
encontrar o sinal aberto pela primeira vez?
Questo 2:
Uma moeda lanada 20 vezes. Qual a
probabilidade de sarem 8 caras (nmero
aproximado)?
a) 50%
b) 40%
c) 25%
d) 12%
e) 1,25%
Questo 3:
Numa estrada h 2 acidentes para cada
100 km. Qual a probabilidade (em nmeros
aproximados) de que em 300 km ocorram
5 acidentes?
a) 87,53%
b) 75,34%
c) 53,48%
d) 16,06%
e) 6,23%
AGORAASUAVEZ
128
Questo 4:
Sendo x: N(20, 4), o valor reduzido corres-
pondente a x
1
= 14 :
a) z = -3.
b) z = -2.
c) z = -1.
d) z = 0.
e) z = 3.
Questo 5:
Um fabricante de baterias sabe, por expe-
rincia passada, que as baterias de sua
fabricao tm vida mdia de 600 dias e
desvio padro de 100 dias, sendo que a
durao tem distribuio prxima da nor-
malidade. Oferece-se uma garantia de
312 dias, isto , trocam-se as baterias que
apresentarem falhas nesse perodo. Fa-
bricam-se 10.000 baterias mensalmente.
Quantas devero ser trocadas pelo uso da
garantia, mensalmente?
a) 10.
b) 12.
c) 15.
d) 18.
e) 20.
Questo 6:
Qual a probabilidade de que um dado deva
ser lanado 15 vezes para que na dcima
quinta vez ocorra a face 6 pela primeira vez?
Questo 7:
Numa criao de coelhos, 40% so ma-
chos. Qual a probabilidade de que nasam
pelo menos 2 coelhos machos num dia em
que nasceram 20 coelhos?
Questo 8:
Calcule a mdia e a varincia da varivel ale-
atria y = 3x + 2, sendo x : B (n = 20; p = 0,6).
Uma fbrica de carros sabe que os motores de
sua fabricao tm durao normal com mdia
de 150.000 km e desvio padro 5.000 km.
Questo 9:
Determine qual a probabilidade de que um
carro, escolhido ao acaso entre os fabri-
cados por essa firma, tenha um motor que
dure menos de 170.000 km?
Questo 10:
Determine qual a probabilidade de que um
carro, escolhido ao acaso entre os fabri-
cados por essa firma, tenha um motor que
dure entre 140.000 e 165.000 km?
AGORAASUAVEZ
129
Depois dos diferentes temas j estudados, voc percebe que a Estatstica, aliada
a algumas ferramentas de clculo, proporciona ao investigador condies de resolver
problemas que envolvam diferentes reas do conhecimento humano. Uma dessas
ferramentas o clculo das probabilidades de ocorrncia de um determinado evento aliado
ao conhecimento da mdia e do desvio padro.
Alegre, 1997.
FONSECA, J. S; MARTINS, G. Curso de Estatstica. So Paulo: Atlas, 1996
1998.
REFERNCIAS
FINALIZANDO
130
REFERNCIAS
MORETTIN, Luiz Gonzaga. Estatstica Bsica Volume 1: Probabilidade. 7. ed. So Pau-
lo: Pearson Makron Books, 1999.
Rio das Pedras, p. 124
Aleatria: qualquer uma.
Arranjo: combinao cuja ordem dos termos fundamental.
Combinao: arranjo segundo o qual a ordem dos termos no tem importncia.
Permutao: um arranjo ordenado de objetos.
Varivel aleatria: aquela varivel que representa um valor numrico associado a cada um
dos resultados de um experimento probabilstico.
GLOSSRIO
131
Questo 1
Resposta: Sendo:
x = nmero de vezes necessrias para encontrar o sinal aberto.
p = 0,20
q = 0,80
Ter-se-: P(x = 5) = 0,80
4
* 0,20 = 0,08192 = 8,192%
Questo 2
Questo 3
Resposta: Alternativa D.
Questo 4
Questo 5
GABARITO
132
Questo 6
Resposta: Sendo:
x = nmero de lanamentos necessrios para o aparecimento da primeira face 6.
6
5
q
6
1
p
=
=
6
5
q
6
1
p
=
=
Ter-se-:
% 298 , 1 01298 , 0
6
1
*
6
5
) 5 1 (
4 1
= = |
.
|
\
|
|
.
|
\
|
= = x P
Questo 7
Resposta: Sendo:
x = nmero de coelhos machos.
p = 0,40
q = 0,60
Ter-se- (utilize uma calculadora para auxiliar voc):
% 948 , 9 9 ) 2 (
99948 , 0 ) 00049 , 0 00003 , 0 ( 1 ) 2 (
6 , 0 * 4 , 0 *
1
0 2
6 , 0 * 4 , 0 *
0
0 2
1 ) 2 (
} ) 1 ( ) 0 ( { 1 ) 2 (
) 2 ( 1 ) 2 (
9 1 1 0 2 0
=
= + =
)
`
|
.
|
\
|
+ |
.
|
\
|
=
= + = =
< =
x P
x P
x P
x P x P x P
x P x P
% 948 , 9 9 ) 2 (
99948 , 0 ) 00049 , 0 00003 , 0 ( 1 ) 2 (
6 , 0 * 4 , 0 *
1
0 2
6 , 0 * 4 , 0 *
0
0 2
1 ) 2 (
} ) 1 ( ) 0 ( { 1 ) 2 (
) 2 ( 1 ) 2 (
9 1 1 0 2 0
=
= + =
)
`
|
.
|
\
|
+ |
.
|
\
|
=
= + = =
< =
x P
x P
x P
x P x P x P
x P x P
% 948 , 9 9 ) 2 (
99948 , 0 ) 00049 , 0 00003 , 0 ( 1 ) 2 (
6 , 0 * 4 , 0 *
1
0 2
6 , 0 * 4 , 0 *
0
0 2
1 ) 2 (
} ) 1 ( ) 0 ( { 1 ) 2 (
) 2 ( 1 ) 2 (
9 1 1 0 2 0
=
= + =
)
`
|
.
|
\
|
+ |
.
|
\
|
=
= + = =
< =
x P
x P
x P
x P x P x P
x P x P
% 948 , 9 9 ) 2 (
99948 , 0 ) 00049 , 0 00003 , 0 ( 1 ) 2 (
6 , 0 * 4 , 0 *
1
0 2
6 , 0 * 4 , 0 *
0
0 2
1 ) 2 (
} ) 1 ( ) 0 ( { 1 ) 2 (
) 2 ( 1 ) 2 (
9 1 1 0 2 0
=
= + =
)
`
|
.
|
\
|
+ |
.
|
\
|
=
= + = =
< =
x P
x P
x P
x P x P x P
x P x P
% 948 , 9 9 ) 2 (
99948 , 0 ) 00049 , 0 00003 , 0 ( 1 ) 2 (
6 , 0 * 4 , 0 *
1
0 2
6 , 0 * 4 , 0 *
0
0 2
1 ) 2 (
} ) 1 ( ) 0 ( { 1 ) 2 (
) 2 ( 1 ) 2 (
9 1 1 0 2 0
=
= + =
)
`
|
.
|
\
|
+ |
.
|
\
|
=
= + = =
< =
x P
x P
x P
x P x P x P
x P x P
GABARITO
133
GABARITO
Questo 8
Resposta: A resoluo simples:
= n * p = 20 * 0,3 = 6
2
= n * p * q = 20 * 0,3 * 0,7 = 4,2
ento:
y
=
(3x + 2)
= 3 * + 2 = 3 * 6 + 2 = 20
2
y
=
2
(3x + 2)
= 9 *
2
= 9 * 4,2 = 37,8
Questo 9
Resposta: Resoluo:
000 . 5
000 . 150
000 . 5
000 . 150
:
=
=
x
z
m k
m k
m k m e motor o d durao x
000 . 5
000 . 150
000 . 5
000 . 150
:
=
=
x
z
m k
m k
Ento:
% 9968 , 99 499968 , 0 5 , 0 ) 4 z 0 ( P 5 , 0 ) 4 z ( P ) 000 . 170 x ( P
4
000 . 5
000 . 150 000 . 170
z
= + = + = = <
=
=
P (x < 170.000) = P (z 4) = 0,5 + P (0 z 4) = 0,5 + 0,499968 = 99,9968%
134
Questo 10
Resposta: Do exerccio 9 tem-se que:
000 . 5
000 . 150
000 . 5
000 . 150
:
=
=
x
z
m k
m k
000 . 5
000 . 150
000 . 5
000 . 150
:
=
=
x
z
m k
m k
Ento:
% 59 , 97 ) 000 . 165 x 000 . 140 ( P
498650 , 0 477250 , 0 ) 000 . 165 x 000 . 140 ( P
) 3 z 0 ( P ) 0 z 2 ( P ) 3 z 2 ( P ) 000 . 165 x 000 . 140 ( P
3
000 . 5
000 . 150 000 . 165
z
2
000 . 5
000 . 150 000 . 140
z
2
1
= < <
+ = < <
+ = = < <
=
=
=
=
% 59 , 97 ) 000 . 165 x 000 . 140 ( P
498650 , 0 477250 , 0 ) 000 . 165 x 000 . 140 ( P
) 3 z 0 ( P ) 0 z 2 ( P ) 3 z 2 ( P ) 000 . 165 x 000 . 140 ( P
3
000 . 5
000 . 150 000 . 165
z
2
000 . 5
000 . 150 000 . 140
z
2
1
= < <
+ = < <
+ = = < <
=
=
=
=
P (140 < x < 165.000) = P (-2 z 3) = P (2 z 0) + P (0 z 3)
P (140.000 < x < 165.000) = 0,477250 + 0,498650
P (140.000 < x < 165.000) = 97,59%
GABARITO
s
e
e
s
Tema 07
Intervalos de Confiana
S
e
e
s
S
e
e
s
Tema 07
Intervalos de Confiana
139
Contedo
Uma viso geral a respeito de intervalos de confiana.
Definies importantes tais como as de estimador, estimativa e estimao.
Pontos comuns e diferenas na avaliao de amostras e populaes.
A importncia da mdia e do desvio padro.
Caro(a) aluno(a).
Roteiro de Estudo:
140
Intervalos de Confana
Para este estudo, ser necessrio que voc retome o conceito fundamental de amostra
(subconjunto de uma populao).
Outros conceitos fundamentais:
Todos os elementos apresentados em seguida correspondem a definies e foram, em
geral, parafraseados do material Estatstica Curso 1, organizado pela professora doutora
Corina da Costa Freitas, cuja bibliogrfica encontra-se disponvel no final deste captulo e
a quem reportamos nosso respeito e admirao profissional.
Estimativa amostral a avaliao de um parmetro da populao com utilizao dos
dados de uma amostra. Ela pode ser classificada como intervalar ou pontual.
A estimativa pontual acontece quando se faz uma nica estimativa para um
determinado parmetro populacional.
J a estimativa intervalar acontecer quando for feita uma estimativa de um intervalo
de valores possveis, no qual se admite que esteja o parmetro populacional. Aqui,
Habilidades
O que so e para que servem a estimao, a estimativa e o estimador?
Como obter a anlise inferencial de um conjunto de dados?
O que so e para que servem os intervalos de confiana?
Em que e para que se aplicam os intervalos de confiana?
LEITURAOBRIGATRIA
141
LEITURAOBRIGATRIA
obtm-se um intervalo de valores (em torno do parmetro amostral) no qual se julga
(com um risco conhecido de erro) que esteja o parmetro da populao. A esse intervalo
chamamos intervalo de confana.
Estimador corresponde ao modelo matemtico utilizado para se fazer uma estimativa.
Segundo Morettin (2000, p. 41), as qualidades de um bom estimador so: consistncia,
ausncia de vcio, eficincia e suficincia.
Estimao o processo que consiste no uso de dados da amostra para estimar valores
de parmetros populacionais desconhecidos, tais como mdia, desvio padro, propores,
entre outros.
Inferncia corresponde metodologia pela qual se possibilita avaliar caracterstica(s) de
uma populao com base nos dados de uma amostra.
Estimador no tendencioso corresponde a todo estimador em que o modelo matemtico
no qual o valor esperado na amostra igual ao valor real de uma populao.
Estude com ateno o raciocnio demonstrado em seguida, ele permitir que voc entenda
os estimadores importantes em uma pesquisa.
Considere uma varivel aleatria x (por exemplo, a altura de um grupo de indivduos de uma
regio da cidade) associada populao-alvo cuja mdia populacional seja e a varincia
populacional seja
2
, da qual seja extrada uma amostra de tamanho n representada pelos
elementos x
1
, x
2
, x
3
, ..., x
n
.
Considerando as condies expostas, os estimadores sero:
Mdia Amostral: x ) x ( E = (E denota o valor esperado da mdia).
Varincia Amostral:
|
|
.
|
\
|
= =

n
x
V ) x ( V
i
2
x
(V designa a varincia de cada componente).
Proporo Amostral:
n
x
p
i
A

=
(os valores que x
i
assume so:
A evento o satisfaz no e s
A evento o satisfaz e s
0
1
.)
142
Veja bem, quando um pesquisador sai a campo, ele pode deparar-se com grande abrangncia
de variveis de pesquisa.
Entenda o que a estatstica quer dizer com isso: se Ivonete (professora) deseja conhecer
bem o seu grupo de alunos, ela precisa buscar diversas informaes que determinem o
perfil do alunado; entre essas informaes, pode-se citar: idade, perfil socioeconmico,
sexo, tempo disponvel para estudo, distncia entre o local de residncia e o polo, entre
outras.
Dessa vastido de variveis, destaca-se, em especial, um caso muito importante:
A varivel aleatria x possuir distribuio normal
1
.
Quando isso ocorre, diz-se que: ) , ( N x
2
. Ento, segundo Morettin (2000, p. 41), a mdia
amostral
= ) x ( E
ser um estimador no tendencioso da mdia da populao.
Observando a varincia
2
, o investigador obter, no caso de a amostra ser independente:
)
n
, ( N x ento ) , ( N x
n
) x ( V
2
2
2
x

=
Essa propriedade afirma a voc que a varincia da mdia amostral um estimador
no tendencioso da varincia da populao, bastando para isso fazer a multiplicao pelo
tamanho da amostra, desde que essa amostra seja coletada de forma independente.
Simplificando o raciocnio, se uma varivel aleatria possui distribuio normal na
populao, a mdia amostral tambm possuir distribuio normal.
Alguns outros conceitos so fundamentais para a compreenso do significado e da
importncia dos intervalos de confiana. So eles: proporo e graus de liberdade.
1
Segundo Morettin (1999, p.140 ), a varivel possui distribuio normal quando o ponto mximo da funo
dado por: a curva simtrica em relao media e os pontos de inflexo so (mdia desvio padro).
2
Lembre-se de que a varincia nada mais do que a soma dos quadrados dos desvios dividida pelo
nmero de elementos da populao em estudo, ou o nmero de elementos menos um, no caso da amostra.
LEITURAOBRIGATRIA
143
Proporo
De maneira geral, voc sabe que uma proporo uma igualdade entre duas ou mais
razes. Para a estatstica, uma proporo tem o mesmo significado que tem uma frequncia
simples.
Quando p a proporo de um evento na populao, tem-se: E(p
A
) = p
Quando a amostra for independente, tem-se:
n
) p 1 ( * p
) p ( V
A
A

=
Graus de Liberdade
Levando-se em conta que j tenha estudado graus de liberdade, voc, portanto, sabe que
essa medida informa o nmero de informaes independentes de uma amostra (n) subtrado
do nmero (k) de parmetros da populao a serem estimados (alm do prprio parmetro
de estudo). Contudo, importante relembrar o conceito e reforar que cada tipo de anlise
requer um grau de liberdade diferente do outro.
Intervalo de Confana
Ao avaliar o valor de um parmetro da populao, com base em valores de uma amostra, o
que o pesquisador tem uma estimativa, com a qual ele poder avaliar o resultado obtido
como correto ou no.
Na tentativa de eliminar possveis erros, o intervalo de confana estabelece essa
estimativa, criando um intervalo matemtico capaz de medir a validade dos valores obtidos
na amostra da populao em estudo.
Segundo Morettin (2000, p. 43):
A estimao por pontos de um parmetro no possui uma medida do possvel
erro cometido na estimao.
Uma maneira de expressar a preciso estabelecer limites, que com certa
probabilidade incluam o verdadeiro valor do parmetro da populao.
Esses limites so chamados limites de confiana: determinam um Intervalo
de Confiana, no qual dever estar o verdadeiro valor do parmetro.
Logo, a estimao por intervalo consiste na fixao de dois valores tais que
) 1 ( seja a probabilidade de que o intervalo, por eles determinado, contenha
o verdadeiro valor do parmetro.
: nvel de incerteza ou grau de desconfiana.

) 1 ( : coeficiente de confiana ou nvel de confiabilidade.
LEITURAOBRIGATRIA
144
A notao utilizada :
] , [ )%) 1 ( , (
2 1
= C I
Nvel de confabilidade ou nvel de confana: corresponde probabilidade de que o
intervalo encontrado contenha o valor real do parmetro procurado. O nvel de confiana
ser dado por
) 1 (
.
Nvel incerteza, grau de desconfana ou nvel de signifcncia: corresponde
probabilidade de que o intervalo encontrado no contenha o valor real do parmetro
procurado, isto , a probabilidade de que o valor do parmetro em estudo tenha, realmente,
um valor fora do intervalo construdo. O nvel de significncia chamado de .
De acordo com padres internacionais: (a) a estatstica preferencialmente citar o nvel
de significncia no relatrio de uma pesquisa; e (b) o nvel de significncia (que dever
ser estipulado pelo pesquisador) ser em torno de = 0,05. isto , um risco de 5,0%
(no mximo).
As frmulas apresentadas em seguida so muito importantes para a obteno de Intervalos
de Confiana (IC). Preste bastante ateno nelas; acompanhe a explanao do professor
durante a aula; veja tambm os exemplos propostos no seu Livro-Texto e assista aos
vdeos propostos mais frente neste texto: a simbologia muito carregada, embora os
procedimentos sejam simples de ser executados.
No esmorea! Vamos ao trabalho!
Intervalo de Confana para a Mdia
Ser necessrio observar se as seguintes condies iniciais foram respeitadas:
x seja a varivel em anlise
x tenha distribuio normal:
x e d e t independen aleatria amostra uma seja x x x x

N x normal o distribui tenha x
anlise m e ivel a seja x
n
, ..., , , ,
) , ( :
var
3 2 1
2

x
1
, x
2
, x
3
, ..., x
n
, seja uma amostra aleatria independente de x
x e d e t independen aleatria amostra uma seja x x x x

N x normal o distribui tenha x
anlise m e ivel a seja x
n
, ..., , , ,
) , ( :
var
3 2 1
2

LEITURAOBRIGATRIA
145
Intervalo de Confana da Mdia
3
Se as condies iniciais foram respeitadas e levando-se em conta as propriedades de estimadores,
tem-se que
)
n
, ( N x
2

; e, aplicando-se as propriedades da normal, chega-se a:
) 1 , 0 ( N
n
x
z
=

,
ento, ao utilizar os modelos matemticos da distribuio normal, chega-se a:

=
|
|
|
|
.
|
\
|
<
< = < < 1 z

n
x
z P ) z Z z ( P
0 0 0 0
Fazendo-se as devidas simplificaes, ter-se- o intervalo:
n
z x a
n
z x e d

* *
0 0
+
n
z x a
n
z x e d

* *
0 0
+
que chamado de Intervalo de Confiana da mdia ao nvel de
significncia .
Erro Padro de Estimativa
Considerando tudo o que foi estudado at aqui, voc capaz de concluir que quem determina
o erro padro ou o desvio padro da mdia populacional o quociente desvio padro pela raiz
quadrada do tamanho da populao, isto ,
n
. Contudo, nem sempre possvel trabalhar

com a populao toda. Nesse caso, necessrio optar por uma amostra, para que, ento, o
pesquisador possa cometer o chamado erro padro de estimativa que dado por
n
* z
0

e
tambm conhecido como margem de erro, sendo simbolizado pela letra e.
No decorrer deste texto, para calcular o Intervalo de Confiana para a mdia populacional
era necessrio conhecer o valor da varincia populacional.
Ao trabalhar com uma amostra, pode acontecer que a varincia seja desconhecida.
Nesse caso, sendo a amostra pequena, para encontrar o intervalo de confiana deve-se
partir do teorema:
Se
) , ( N x
2

com ) , ( N x
2
desconhecida, ento,
n
s
x
t

=
(distribuio
t-Student com (n-1) graus de liberdade.
3
Demonstrao original na ntegra em Morettin, 2000, p. 45-52.
LEITURAOBRIGATRIA
146
Propriedades da Distribuio t-Student
1. O teorema afirma que se a varincia populacional for desconhecida, para
construir o intervalo de confiana da mdia usa-se a distribuio t e no a
normal.
2. A curva do grfico simtrica e semelhante curva da distribuio N (0, 1),
porm um pouco mais longa.
3. Quando o nmero de graus de liberdade um valor suficientemente grande,
a distribuio t-Student se aproxima da Normal Padro.
4. Se o nmero de graus de liberdade for acima de 35, quando utilizar tabelas,
usa-se a distribuio N(0, 1) para encontrar os valores de t.
Intervalo de Confiana da mdia com varincia desconhecida
Pelas caractersticas estudadas, voc chegar a:
n
s
* t x
n
s
* t x
0 0
+ < <
com distribuio t-Student com (n-1) graus de liberdade (FREITAS, 2003, p. 279).
Exemplo
4
: tempo estimado de durao de cirurgias cardacas.
Quanto ao tempo de cirurgia, os valores encontrados para indivduos do sexo feminino
foram (em minutos):
Quanto ao tempo de cirurgia, os valores encontrados para indivduos do sexo
feminino foram (em minutos):
200 265 345 210 240 230 250
270 205 265 210 325 230 220
255 285 295 260 220 250 130
230 240 280 310 225 250 255
260 200 270 235 195 230
Considerando os dados apresentados, construa o intervalo de confiana para
o tempo mdio de durao deste tipo de cirurgia, para indivduos do sexo
feminino, ao nvel de 5,0% de significncia.
4
TEODORO, 2005, p. 43.
LEITURAOBRIGATRIA
147
Soluo:
Estimativas pontuais:
Mdia: 3 , 245
4 3
230 ... 265 200
+ + +
= x
Varincia: 5 1 , 674 . 1
1 4 3
) 3 , 245 230 ( ... ) 3 , 245 200 (
2 2
2
=
+ +
= s .
Desvio Padro: 2 9 , 0 4 5 1 , 654 . 1 = s .
Varincia desconhecida com a utilizao de t-Student
Graus de Liberdade: 34 1 = 33;
Na tabela, ao nvel de 5,0%: t = 2,0345
O Intervalo ser:
7 5 , 259 2 0 , 231
4 3
2 9 , 0 4
* 0345 , 2 3 , 245
4 3
2 9 , 0 4
* 0345 , 2 3 , 245
< <
+ < <
7 5 , 259 2 0 , 231
4 3
2 9 , 0 4
* 0345 , 2 3 , 245
4 3
2 9 , 0 4
* 0345 , 2 3 , 245
< <
+ < <
Intervalo de Confana para a Proporo p

Lembre-se de que proporo (ou frequncia) a razo entre o total de resultados em
conformidade com uma condio preestabelecida e o total de resultados existentes.
Para que uma proporo possa ser avaliada preciso que se crie um intervalo de confiana
de p utilizando-se diretamente a distribuio normal; ento, das frmulas que j so
conhecidas, pode-se escrever:
n
) p 1 ( * p
* z p p
n
) p 1 ( * p
* z p
A A
0 A
A A
0 A

+ < <
Aqui, o erro padro dado por:

n
) p 1 ( * p
A A

e o erro padro da estimativa por:
n
) p 1 ( * p
* z e
A A
0

=
LEITURAOBRIGATRIA
148
Exemplo
5
: fatores que contribuem com o peso da criana ao nascer.
Numa pesquisa, foram observadas 19.189 crianas que nasceram em 2002
em Goinia (GO). Destas, 1.124 nasceram com peso abaixo de 2.500g, sendo
classificadas como desnutridas.
Considerando as informaes do texto, vamos construir, ao nvel de 5,0% de
significncia, o intervalo de confiana da proporo de crianas que nascem
desnutridas.
Resolvendo:
Seja p a proporo, na populao de todas as crianas, daquelas que, ao
nascer, que sejam desnutridas.
Sabe-se que
=
=
124 . 1 ) (
189 . 9 1
a n
n
Portanto:
Na tabela Normal Padro, ao nvel de 5%, tem-se que o valor crtico de z z
0
= 1,96
Nessas condies, o erro padro de estimativa :
0033 , 0
189 . 9 1
) 0586 , 0 1 ( * 0586 , 0
* 6 9 , 1
= e
O intervalo de confiana ser dado por:
0,0586 - 0,0033 < p < 0,0586 + 0,0033
0,0553 < p < 0,0619
5
GIGLIO et al, 2005, p. 131.
LEITURAOBRIGATRIA
149
LINKSIMPORTANTES
Ento:
Sites
Teste os seus conhecimentos ao fazer exerccios sobre estatstica e veja a resoluo
comentada. Amplie sua viso a respeito da estatstica lendo e estudando o material
disponvel nos sites indicados em seguida.
Acesso em: 7 jan. 2014.
comentada.
7 jan. 2014.
Acesso em: 7 jan 2014.
150
LINKSIMPORTANTES
Acesso em: 7 jan. 2014.
comentada.
Vdeos
desvio-padrao--pre-enem-abril-educacao-2013--video-aula-1217>. Acesso em: 14 jan. 2014.
Instrues:
AGORAASUAVEZ
151
Questo 1:
De uma populao qualquer, retira-se uma
amostra de 100 elementos, e nela en-
contram-se 20 sucessos. Ao nvel de 1%,
construa um intervalo de confiana para a
proporo real de sucessos na populao.
Questo 2:
(BACEN-2005 adaptada) Os preos de
um produto tm uma distribuio normal
com desvio padro populacional de R$
20,00. Por meio de pesquisa realizada com
uma amostra aleatria de tamanho n =
100, com um determinado nvel de confian-
a, apurou-se para a mdia desses preos
um IC (intervalo de confiana) dado por [R$
61,08; R$ 68,92]. A mesma mdia amostral
foi obtida quadruplicando-se o tamanho da
amostra anterior e utilizando-se o mesmo
nvel de confiana. Nos dois casos consi-
derou-se infinito o tamanho da populao.
O novo intervalo de confiana foi:
a) [R$ 61,20; R$ 68,80].
b) [R$ 61,33; R$ 68,67].
c) [R$ 61,57; R$ 68,43].
d) [R$ 62,06; R$ 67,94].
e) [R$ 63,04; R$ 66,96].
Questo 3:
(BACEN-2005 adaptada) A distribuio
dos valores de aluguis dos imveis em cer-
ta localidade bem representada por uma
curva normal com desvio padro populacio-
nal de R$ 200,00. Uma amostra aleatria de
100 imveis deste local determinou um IC
para a mdia destes valores, com determi-
nado nvel de confiana, como [R$ 540,00;
R$ 660,00]. A mesma mdia amostral foi
obtida com outro tamanho de amostra, com
mesmo nvel de confiana anterior, sendo o
novo intervalo [R$ 560,00; R$ 640,00]. Nos
dois casos, considerou-se a populao com
tamanho infinito. O tamanho da amostra
considerado no segundo caso foi de:
a) 225.
b) 256.
c) 324.
d) 400.
e) 625.
Questo 4:
A massa corporal de recm-nascidos do
sexo feminino em determinada comunida-
de tem distribuio normal com mdia P e
desvio padro desconhecido. Uma amostra
de 16 crianas indicou uma massa mdia de
3,0 kg e desvio padro amostral igual a 0,8
kg. O intervalo de confiana para P, com co-
eficiente de confiana de 96% dado por:
AGORAASUAVEZ
152
a) 3,0 0,37.
b) 3,0 0,41.
c) 3,0 0,45.
d) 3,0 0,68.
e) 3,0 0,73.
Questo 5:
Um encarregado de controle de qualidade
deseja estimar a proporo p de lmpadas
defeituosas de um lote, com base numa
amostra de tamanho suficientemente gran-
de. Sabe-se que p deve estar prxima de 0,5
(de acordo com registros anteriores). Que ta-
manho deve ter a amostra se o encarregado
desejar que o erro de estimao seja no m-
ximo de 2%, com confiana de 90%?
a) 800.
b) 1.082.
c) 1.241.
d) 1.530.
e) 1.681.
Questo 6:
De uma populao normal X, com
9
2
=
, tira-
-se uma amostra de 25 observaes, obten-
do-se
=
=
5 2
1
152
i
i
x
. Determine um IC de limi-
tes de 90% para .
Questo 7:
De uma populao de 1.000 elementos
com distribuio aproximadamente normal,
com varincia
9
2
=
= 400, tira-se uma amos-
tra de 25 elementos, obtendo-se 150 x = .
Estabelea um IC para , ao nvel de 5%.
Texto para as questes 8, 9 e 10:
De uma populao normal com desvio pa-
dro 9
2
= = 5, retira-se uma amostra de 50
elementos e se obtm 150 x == 42.
Questo 8:
Estabelea um IC para a mdia ao nvel
de 5%.
Questo 9:
Calcule o erro de estimao ao nvel de 5%.
Questo 10:
Para que o erro seja 1, com probabilidade
de acerto de 95%, qual dever ser o tama-
nho da amostra?
AGORAASUAVEZ
153
Neste tema, voc no s conheceu as definies a respeito de intervalos de confiana
e sua utilidade, mas tambm aprendeu como obt-los tanto para a populao quanto para
uma amostra dela. Resolva, portanto, os exerccios para praticar os conceitos aprendidos.
Busque (e compreenda) outros pontos de vista, consultando a bibliografia utilizada como
base para este trabalho.
Alegre, 1997.
FREITAS, Corina da Costa et al. Estatstica: Curso I. So Jos dos Campos: INPE, 2003.
GIGLIO, Margareth Rocha Peixoto et al. Baixo peso ao nascer em coorte de recm-nasci-
dos em Goiania-Brasil no ano de 2000. Revista Bras. Ginecol. Obstet., v. 27, n. 3, p.130-
136, mar. 2005.
REFERNCIAS
FINALIZANDO
154
REFERNCIAS
KOTLER, P. Administrao de Marketing: Anlise, Planejamento, Implementao e Con-
1998.
MORETTIN, Luiz Gonzaga. Estatstica Bsica Volume 1 Probabilidade. 7. ed. So
Paulo: Pearson Makron Books, 1999.
________. Estatstica Bsica Volume 2 Inferncia. So Paulo: Pearson Education do
Brasil, 2000.
Rio das Pedras, p.124
TEODORO. Roberta Rubiane Vaz Teodoro. Estudo Epidemiolgico de pacientes subme-
tidos revascularizao do miocrdio em hospital escola do Centro - Oeste (Trabalho de
Concluso de Curso). Gois: PUC, 2005.
155
Amostra: corresponde a um conjunto de informaes obtido em uma pesquisa que, graas
impossibilidade de se fazer o censo, utilizado para tirar concluses sobre parmetros e/
ou caractersticas de uma populao.
Estimao: o procedimento que consiste no uso de dados da amostra para estimar valores
de parmetros populacionais desconhecidos, tais como mdia, desvio padro, propores,
entre outros.
Estimador: corresponde ao modelo matemtico utilizado para se fazer uma estimativa.
Estimativa amostral: avaliao de um parmetro da populao com utilizao dos dados
de uma amostra, podendo ser classificada como intervalar ou pontual.
Inferncia: metodologia pela qual se permite avaliar caracterstica(s) de uma populao
com base nos dados de uma amostra.
GLOSSRIO
156
Questo 1
Resposta: Considerando n = 100; x = 20 (nmero de sucessos na amostra);
% 1 =
.
] % 8 2 , 0 3 , % 2 7 , 9 [ ) % 9 9 , (
9 9 , 0 ) % 8 2 , 0 3 % 2 7 , 9 (
9 9 , 0 ) 3028 , 0 0972 , 0 (
9 9 , 0 ) 4 0 , 0 * 7 5 , 2 2 , 0 4 0 , 0 * 7 5 , 2 2 , 0 (
7 5 , 2
4 0 , 0
100
8 , 0 * 2 , 0
8 , 0 2 , 0 1 1
2 , 0
100
0 2
5 , 9 4
0 0
0
=
=
=
= +
= =
= =
= = =
= = =
p C I
p P
p P
p P
z z
p q
n
x
p
Questo 2
Questo 3
GABARITO
157
Questo 4
Questo 5
Questo 6
Resposta:
% 0 1 =
) 064 , 7 ; 096 , 5 ( ) % 0 9 , (
0 9 , 0 ) 064 , 7 096 , 5 (
0 9 , 0 ) 6 , 0 * 4 6 , 1 8 0 , 6 6 , 0 * 4 6 , 1 8 0 , 6 (
4 6 , 1
6 , 0
5
3
5 2
9
8 0 , 6
5 2
152
% 5 4
2
=
= < <
= + < <
= =
= = = =
= =
C I
P
P
z z
n
x
x
Questo 7
Resposta:
% 5 ; 130 x 25; n 400; 1.000; N
2
= = = = =
) 5 7 , 157 ; 5 2 , 142 ( ) % 5 9 , (
5 9 , 0 ) 5 7 , 157 5 2 , 142 (
5 9 , 0 ) 5 9 , 3 * 6 9 , 1 150 5 9 , 3 * 6 9 , 1 150 (
6 9 , 1
5 9 , 3
1 1000
5 2 1000
*
5
0 2
1
*
% 5 , 7 4
2
=
= < <
= + < <
= =
C I
P
P
z z
N
n N
n
x
GABARITO
158
) 5 7 , 157 ; 5 2 , 142 ( ) % 5 9 , (
5 9 , 0 ) 5 7 , 157 5 2 , 142 (
5 9 , 0 ) 5 9 , 3 * 6 9 , 1 150 5 9 , 3 * 6 9 , 1 150 (
6 9 , 1
5 9 , 3
1 1000
5 2 1000
*
5
0 2
1
*
% 5 , 7 4
2
=
= < <
= + < <
= =
C I
P
P
z z
N
n N
n
x
Questo 8
Resposta:
% 5 ; 2 4 x ; 0 5 n ; 5 = = = =
) 9 3 , 3 4 ; 1 6 , 0 4 ( ) % 5 9 , (
5 9 , 0 ) 9 3 , 3 4 1 6 , 0 4 (
5 9 , 0 ) 1 7 , 0 * 6 9 , 1 2 4 1 7 , 0 * 6 9 , 1 2 4 (
6 9 , 1
1 7 , 0
0 5
5
% 5 , 7 4
2
=
= < <
= < <
= =
= =
C I
P
P
z z
n
x
Questo 9
Resposta:
Veja ) x ( e = e
x
x
z

=
ento
e * z
x
=
Nessas condies:
9 3 , 1 1 7 , 0 * 6 9 , 1 * = = =
x
z e
GABARITO
159
Questo 10
Resposta: Se
5 9 , 0 ) 1 ( = e P
ento n = ?
elementos n
n
n
n
n
z z
6 9
4 0 , 6 9
8 , 9
5 * 6 9 , 1
1 * 6 9 , 1
6 9 , 1
2
% 5 , 7 4
= =
GABARITO
s
e
e
s
Tema 08
Testes de Hipteses
S
e
e
s
S
e
e
s
Tema 08
Testes de Hipteses
163
Contedo
O que hiptese e o que tese.
O que hiptese nula e o que hiptese alternativa.
Em que situaes se aplicam testes estatsticos.
O teste t, o teste z, o Qui-quadrado.
Caro(a) aluno(a).
Roteiro de Estudo:
164
Testes de Hipteses
Testes Estatsticos
Testes estatsticos so ferramentas utilizadas para validar o trabalho do pesquisador.
Para entender seu significado e sua abrangncia, alm de conceitu-los, deve-se aplic-los
sobre uma mesma situao-problema.
Exemplo: dois gerentes de uma unidade de uma grande empresa de prestao de servios
discutem, entre si, para saber qual deles possui clientes mais satisfeitos em suas respectivas
carteiras, na tentativa de melhorar os servios prestados. Para medir o grau de satisfao,
aplicam um questionrio com questes intervalares de 5 pontos. A tabela apresenta os
resultados obtidos:
Gerente 1
1 2 3 2 4 3 3 3 4 4 Total
57 3 4 3 2 1 3 4 2 4 2
Gerente 2
2 4 5 3 3 4 2 5 4 5 Total
69 3 3 4 5 3 2 1 3 4 2
Habilidades
Para que serve um teste estatstico?
Onde e por que utilizar o teste t?
Onde e por que utilizar o teste z?
Onde e por que utilizar o Qui-quadrado?
LEITURAOBRIGATRIA
165
LEITURAOBRIGATRIA
Testes de hipteses:
D-se o nome de testes de hipteses queles com os quais se supe (ou no) verdadeira
uma situao inicial; eles podem ser de dois diferentes tipos: teste t e teste z. A diferena
entre os dois est no tamanho da amostra e no fato de a varincia ser (ou no) conhecida.
Para realiz-los, considera-se:
Teste T: amostra menor que 30 e varincia desconhecida.
Teste Z: amostra maior ou igual a 30 e varincia conhecida ou no.
Defnies importantes:
Teste de hiptese uma regra de deciso utilizada para aceitar ou rejeitar uma hiptese
estatstica com base em elementos amostrais.
Hiptese a teoria que se deseja comprovar como correta. Existiro sempre duas hipteses,
H
0
que a hiptese nula (ou probanda) e H
1
: hiptese alternativa. Geralmente a hiptese
alternativa H
1
representa a suposio que o pesquisador quer provar, sendo a hiptese nula
H
0
formulada com o expresso propsito de ser rejeitada.
Conseguindo-se rejeitar H
0
, a hiptese alternativa (H
1
) ter de ser aceita, conseguindo,
ento, o pesquisador provar o que queria.
Erro uma falha na avaliao de uma hiptese e podem ser de dois tipos:
Erro Tipo I (): A hiptese nula verdadeira e o pesquisador a rejeita.
Erro Tipo II (): A hiptese nula falsa e o pesquisador a aceita.
A probabilidade de cometer Erros do Tipo I chama-se Nvel de Signifcncia do Teste,
dado por . J a probabilidade de no pode ser calculada, a menos que se especifique
um valor alternativo para . O poder ou potncia do teste dado por (1 ).
166
Resumindo:
Se H
0
:
Verdadeira Falsa
Pesquisador
Aceita H
0
Deciso Correta Erro tipo II
Rejeita H
0
Erro tipo I Deciso Correta
Teste Bicaudal ou Bilateral
0 0
: H =
e
0 1
: H
em que a mdia populacional e
0
o valor suposto para a mdia

populacional.
Representao Grfica:
RA a regio de aceitao da hiptese nula e RC a regio crtica ou regio de rejeio.
A fronteira entre essas regies ser dada por um valor tabelado (Tabela de Distribuio
Normal ou da Tabela da Distribuio t-Student).
Figura 8.1: Teste Unicaudal ou Unilateral Direita
0 1 0 0
: H e : H > =
LEITURAOBRIGATRIA
167
Figura 8.2: Teste Unicaudal ou Unilateral Esquerda
0 1 0 0
: H e : H < =
As figuras 8.1 e 8.2 anteriores so representaes de curvas normais. Para amostras
pequenas utiliza-se a tabela t-Student, de acordo com o seguinte parmetro:
Tamanho
Varincia
Populacional
Tipo de
Distribuio
Grande
n 30
Conhecida Normal
Desconhecida Normal
Pequeno n 30 <
Conhecida Normal
Desconhecida t-Student
O teste T ou Distribuio t-Student s ser utilizado quando a amostra for pequena, n < 30,
e a varincia populacional for desconhecida.
Se a amostra for grande, a partir de 30 elementos, sendo, ou no, conhecida a varincia
populacional, usa-se a Tabela da Distribuio Normal para arbitrar o valor Z
TAB
, ou seja,
aplica-se o teste Z.
Teste T
Uma de suas finalidades determinar (ou no) a igualdade entre duas mdias, supondo
independncia e normalidade das observaes. Para aplic-lo, necessria a presena de
pelo menos dois grupos cujas varincias podem, ou no, ser iguais, pois h alternativas de
teste para ambas as situaes.
LEITURAOBRIGATRIA
168
Considere somente varincias iguais entre si.
Teste T para duas amostras no relacionadas: o teste largamente utilizado para
verificar se a diferena entre as mdias aritmticas entre duas amostras pode, ou no, ser
considerada grande para ser significativa.
No problema apresentado, o primeiro gerente obteve mdia 2,85 e o segundo, 3,45, o que
sugeriria que o segundo gerente foi mais eficiente.
Nesse caso, o teste t visa comprovar se a diferena entre as mdias (ou no) significativa
e, tambm, explicar se tal diferena no se deve a erro amostral.
importante destacar que, em amostras pequenas, existe uma tendncia para que as
mdias das amostras sejam diferentes mesmo que oriundas da mesma populao. Assim,
o teste t busca determinar se o grau de diferena entre os grupos observados no se deve
a outros fatores e no a erro de amostragem.
Os passos lgicos para execuo do teste so:
1. Determinar H
0
, no havendo diferenas entre as mdias.
2. Determinar H
1
, para a existncia de diferena entre as mdias.
3. Estabelecer um nvel de significncia.
4. Calcular t, sendo os graus de liberdade, = n1 + n2 2
x
s
x
t

=
Sendo:
n
s
S
x
=
e
2
n
1
i
2
) x x (
1 n
1
S

=
Ou:
|
|
.
|
\
|
+
|
|
.
|
\
|
+
+
+
=
2 1 2
2 1
2 1
1 1
*
2
1
n n n n
Q S Q S
x x
t
em que SQ a soma dos quadrados e
x e x
2 1
so as
mdias de cada grupo.
LEITURAOBRIGATRIA
169
No problema:
% 5 ; 5 3,1 : H 3,15 : H
1 0
= = e
Tabelando os elementos apresentados e realizando todos os clculos necessrios (utilize
a planilha Excel) ter-se-:
2
G
2
G
1 1
m - G
2 2
m - G
2
1 1
) m - G (
2
2 2
) m - G (
1 2 -1,85 -1,45 3,4225 2,1025
2 4 -0,85 0,55 0,7225 0,3025
3 5 0,15 1,55 0,0225 2,4025
2 3 -0,85 -0,45 0,7225 0,2025
4 3 1,15 -0,45 1,3225 0,2025
3 4 0,15 0,55 0,0225 0,3025
3 4 0,15 0,55 0,0225 0,3025
3 5 0,15 1,55 0,0225 2,4025
4 4 1,15 0,55 1,3225 0,3025
4 5 1,15 1,55 1,3225 2,4025
3 3 0,15 -0,45 0,0225 0,2025
4 3 1,15 -0,45 1,3225 0,2025
3 4 0,15 0,55 0,0225 0,3025
2 5 -0,85 1,55 0,7225 2,4025
1 3 -1,85 -0,45 3,4225 0,2025
3 2 0,15 -1,45 0,0225 2,1025
4 1 1,15 -2,45 1,3225 6,0025
2 3 -0,85 -0,45 0,7225 0,2025
4 4 1,15 0,55 1,3225 0,3025
2 2 -0,85 -1,45 0,7225 2,1025
total 57 69 18,55 24,95
mdia 2,85 3,45
LEITURAOBRIGATRIA
170
Efetuando a substituio:
| 2,85 3,45 | 0,60 0,60
t
6,4 1 0,64
| 18,55 24,95 | 1 1
*
*
38 10 38
20 20 2 20 20
t 1,7733 1,77
= = =
+ | | | |
+
| |
+
\ . \ .

| 2,85 3,45 | 0,60 0,60
t
6,4 1 0,64
| 18,55 24,95 | 1 1
*
*
38 10 38
20 20 2 20 20
t 1,7733 1,77
= = =
+ | | | |
+
| |
+
\ . \ .

Sendo t = 1,77 e t tabelado igual a 2,02 com 38 graus de liberdade, rejeita-se a hiptese
nula em prol da hiptese verdadeira.
Conclui-se, portanto, que os dois grupos de clientes esto satisfeitos e que provavelmente
as diferenas entre as mdias sejam em razo do erro de amostragem.
Teste Z
Aliviados por no precisar competir entre si, os gerentes resolveram juntar os 40 questionrios
e testar suas respostas regionalmente; o tamanho da amostra passa a ser considerado
grande, e o teste a ser utilizado o teste z que ter por objetivo verificar a igualdade entre
uma mdia conhecida (numa dada populao) e outra calculada pelo pesquisador (numa
amostra).
O procedimento , basicamente, o mesmo que no teste t: (1) Determinar H
0
; (2) Determinar
H
1
; (3) Estabelecer um nvel de significncia; e (4) Calcular
1 2
1 2
1 2 1 2
x x
z
1 1
*
n n 2 n n
+
=
| | | | +
+
| |
+
\ . \ .
ou
Considerando os dados do exemplo, ter-se-:
x 3,15
43,5 6,59
=
=
x 3,15
43,5 6,59
=
=
LEITURAOBRIGATRIA
171
Aplicando o teste:
H
0
:
= 3,15; H
1
= = 3,15; e = 5%
Z
calc
= 0 menor que Z
tab
= 1,65, ento aceite H
0
como hiptese verdadeira.
Teste do Qui-quadrado para independncia (duas amostras)
Verifica se as distribuies de duas ou mais amostras no relacionadas diferem
significativamente em relao a determinada varivel.
Condies para a execuo do teste
1. Exclusivamente para variveis nominais e ordinais.
2. Preferencialmente para amostras grandes.
3. Observaes independentes.
4. No se aplica se 20% das observaes forem inferiores a 5.
5. No pode haver frequncias inferiores a 1.
6. Nos dois ltimos casos, se houver incidncias desta ordem, aconselha-se agrupar os
dados segundo outro critrio especfico.
7. Qualquer que seja o teste, sempre os procedimentos so iniciados pela determinao
das hipteses:
8. H
0
: as variveis so independentes ou no esto relacionadas; aqui se assume que no h
diferenas nas propores das populaes amostras estudadas, ou seja: H
0
: p
1
= p
2
. H
1

contradiz H
0
.
9. Estabelecer o nvel de significncia.
10. Determinar a regio de rejeio de H
0
.
LEITURAOBRIGATRIA
172
11. Determinar o valor dos graus de liberdade:
) 1 C ( * ) 1 L ( =
, em que L o nmero de
linhas da tabela a ser estudada e C, o nmero de colunas.
12. Encontrar o valor de

=
clulas
s a todas
e
f
f f
2
2
0 2
) (
em que f
o
a frequncia observvel e f
e
a
frequncia normal esperada.
Para calcular a proporo, basta fazer:
1 2
1 2
x x x
p
n n n
+
= =
+
, em que x representa os sucessos
obtidos e n, o nmero de elementos da amostra.
Sendo o Qui-Quadrado calculado maior do que o tabelado, rejeita-se H
0
em prol de H
1
.
No exemplo, suponha que a pesquisa aplicada pelos gerentes girasse em torno do item
conhecimentos especficos dos produtos oferecidos pela empresa.
Gerentes
1 2
Possveis
notas
Frequncia
Observada
Frequncia
Esperada
Frequncia
Observada
Frequncia
Esperada
Totais
1 2 1,5 1 1,5 3,0
2 5 4,5 4 4,5 9,0
3 7 6,5 6 6,5 13,0
4 6 5,5 5 5,5 11,0
5 0 2,0 4 2,0 4,0
total 20 20 20 20 40
Aplicando o teste:
= (2 - 1) * (2 - 1) = 1
grau de liberdade
0 1 2 1 1 2
H : p p ; H : p p =
LEITURAOBRIGATRIA
173
f
o
f
e
o e
(f f )
2
o e
(f f )
2
o e
2
(f f )
f
2 1,5 -0,5 0,25 0,167

1 1,5 0,5 0,25 0,167
5 4,5 -0,5 0,25 0,056
4 4,5 0,5 0,25 0,056
7 6,5 -0,5 0,25 0,038
6 6,5 0,5 0,25 0,038
6 5,5 -0,5 0,25 0,045
5 5,5 0,5 0,25 0,045
0 2,0 2 4 2,000
4 2,0 -2 4 2,000
4,612
Para % 5 =

e grau de liberdade 1, a tabela nos informa uma leitura de 3,841, ou seja,
841 , 3 612 , 4
2
tab
2
calc
= > =
, portanto, H0 deve ser aceita como verdadeira.
Distribuio F
A distribuio F de Fisher-Snedecor uma distribuio de probabilidade contnua que surge
frequentemente como a distribuio nula de uma estatstica de teste, particularmente na
anlise da varincia. Tambm conhecida como distribuio F de Fisher (Ronald Fisher) ou
distribuio F de Snedecor (George W. Snedecor), mede a razo entre duas qui-quadrado
independentes.
A distribuio F de Snedecor depende de dois graus de liberdade. O primeiro (m) o grau
de liberdade do numerador e o segundo (n) do denominador.
Cada parmetro associado ao tamanho amostral menos um. Uma das possveis
representaes da funo densidade de probabilidade F, em termos da funo Gama,
dada por:
LEITURAOBRIGATRIA
174
) , 0 [ , 3 , 2 , 1 ,
) ( *
2
*
2
* * *
2
2
2 2 2
1 *
,
=
+
|
.
|
\
|
|
.
|
\
|
|
.
|
\
| +
=
+
x n m
n x m
n m
x n m
n m
F
n m
m n m
n m
Propriedades da distribuio F (de Snedecor)
(1) Mdia, expectncia ou valor esperado
2 m
m
) x ( E
= =
, em que m o grau de liberdade
do numerado;
(2)
) 4 n ( * ) 2 m ( * m
) 2 n m ( * m 2
) x ( V
2
2

+
= =
LINKSIMPORTANTES
Ento:
Sites
Teste os seus conhecimentos: faa exerccios a respeito de testes de hipteses e veja
a resoluo comentada. Amplie sua viso a respeito da estatstica lendo e estudando o
material disponvel nos sites indicados em seguida.
comentada.
LEITURAOBRIGATRIA
175
LINKSIMPORTANTES
3 mar. 2014.
comentada.
Vdeos
desvio-padrao--pre-enem-abril-educacao-2013--video-aula-1217>. Acesso em: 14 jan. 2014.
176
Instrues:
Questo 1:
De uma populao normal com varincia
36, toma-se uma amostra causal de ta-
manho 16, obtendo-se
3 4 = x
. Ao nvel de
10%, teste as hipteses:
=
5 4 :
5 4 :
1
0
H
H
Questo 2:
Seja
). 5 2 , ( : N x
. Para o teste da mdia
5 1 = contra
2 1 =
, retirou-se uma amos-
tra aleatria de 16 elementos de x, tendo-se
observado para a mdia amostral o valor
13. Determine o nvel descritivo do teste.
a) 0,065
b) 0,060
c) 0,055
d) 0,010
e) 0,005
Questo 3:
Sabe-se, por experincia, que 5% da pro-
duo de um determinado artigo defeitu-
osa. Um novo empregado contratado. Ele
produz 600 peas do artigo com 82 defeitu-
osas. Ao nvel de 15%, verifique se o novo
empregado produz peas com maior ndice
de defeitos que o existente.
AGORAASUAVEZ
177
a) Sim, rejeita-se H
0
.
b) Sim, rejeita-se H
1
.
c) No, aceita-se H
0
.
d) No, aceita-se H
1
.
e) Os dados so insuficientes para se
obter a anlise adequada.
Questo 4:
Uma fbrica de automveis anuncia que
seus carros consomem, em mdia, onze
litros por 100 quilmetros, com desvio pa-
dro de 0,8 litro. Uma revista decide testar
essa afirmao e analisa 35 carros des-
sa marca, obtendo 11,4 litros por 100 km,
como consumo mdio. Admitindo que o
consumo tenha distribuio normal, ao n-
vel de 10%, o que a revista concluir sobre
o anncio da revista?
a) O anncio no verdadeiro, rejeita-se H
0
.
b) O anncio no verdadeiro, rejeita-se H
1
.
c) O anncio verdadeiro, rejeita-se H
0
.
d) O anncio verdadeiro, rejeita-se H
1
.
e) Os dados so insuficientes para se
obter a anlise adequada.
Questo 5:
Leia com ateno o problema descrito a
seguir e responda: qual valor de z
calc
para
os dados propostos?
A altura dos adultos de uma cidade tem
distribuio normal com mdia de 164cm
e desvio padro de 5,82cm. Deseja-se
saber se as condies sociais desfavor-
veis vigentes na parte pobre dessa cidade
causam um retardamento do crescimento
dessa populao. Para isso, levantou-se
uma amostra de 144 adultos dessa parte
da cidade, obtendo-se a mdia de 162cm.
Pode esse resultado indicar que os adul-
tos residentes na rea so em mdia mais
baixos que demais habitantes da cidade
ao nvel de 5%?
a) -4,124
b) -1,64
c) 0,485
d) 1,64
e) 5,82
Questo 6:
Para os dados do problema do exerccio
nmero 5, a hiptese levantada deve, ou
no, ser rejeitada?
AGORAASUAVEZ
178
Questo 7:
Em uma experincia sobre percepo ex-
trassensorial, um indivduo A, em uma
sala isolada, solicitado a declarar a cor
vermelha ou preta (em nmeros iguais)
de cartas tiradas ao acaso de um baralho
de 50 cartas, por outro indivduo B, co-
posicionado em outra sala. Se A identifi-
ca corretamente 32 cartas, esse resultado
significativo ao nvel de 5% para indicar
que A tem PES?
Questo 8:
Um candidato a deputado estadual afir-
ma que ter 60% dos votos dos eleitores
de uma cidade. Um instituto de pesquisas
colhe uma amostra de 300 eleitores des-
sa cidade, encontrando 160 que votaro
no candidato. Esse resultado mostra que
a afirmao do candidato verdadeira, ao
nvel de 5%?
Questo 9:
A vida mdia de uma amostra de 100 lm-
padas produzidas por uma fbrica foi cal-
culada em 1.570 horas, com desvio padro
de 120 horas. Sabe-se que a durao das
lmpadas dessa fbrica tem distribuio
normal com mdia de 1600 horas. Ao nvel
de 1%, teste se houve alterao na dura-
o mdia das lmpadas.
Questo 10:
Teste
>
=
0 5 :
0 5 :
1
0
H
H
, dados:
2 5 ; 100 ; % 5 ; 4
2
= = = = x n
AGORAASUAVEZ
179
Neste tema, voc conheceu as definies a respeito de testes de hipteses e sua
utilidade. Aprendeu como obt-los tanto para a populao quanto para uma amostra
dela. Resolva, portanto, os exerccios para praticar os conceitos aprendidos. Busque (e
compreenda) outros pontos de vista, consultando a bibliografia utilizada como base para
este trabalho.
BELLO, Pedro. Estatstica FCC. Rio de Janeiro: Ferreira, 2008.
CUNHA, M. V. Anlise Multidimensional de Dados Categricos. PPGA, UFRGS, 16, Porto
Alegre, 1997.
FONSECA, J. S; MARTINS, G. Curso de Estatstica. So Paulo: Atlas, 1996.
REFERNCIAS
FINALIZANDO
180
REFERNCIAS
LABES, E. M. Questionrio: do planejamento aplicao na pesquisa. Chapec:
Grifos, 1998.
MORETTIN, Luiz Gonzaga. Estatstica Bsica: volume 2 Inferncia. So Paulo: Pearson
Education do Brasil, 2000.
Rio das Pedras, p. 124.
Erro: uma falha na avaliao de uma hiptese.
Expectncia: o mesmo que mdia ou valor esperado.
Hiptese: a teoria que se deseja comprovar como correta.
Testes de hipteses: so aqueles com os quais se supe (ou no) verdadeira uma situao
inicial.
Testes estatsticos: so ferramentas utilizadas para validar o trabalho do pesquisador.
GLOSSRIO
181
Questo 1
Resposta: O teste bilateral e = 10%. Nesse caso, a RNR (regio de no rejeio) ser
P (|z| < z
0
) = 1- .
z
= z
5%
= 1,64 P (|z| < 1,64) = 0,90
. H rejeita se no RNR 43 x como
) 46 , 47 54 , 42 ( P
) 5 , 1 * 64 , 1 45 5 , 1 * 64 , 1 45 ( P
) * z * z ( P : RNR
5 , 1
4
6
90 , 0 ) 64 , 1 | z (| P 64 , 1 z z
0
H
H
H
x
H
x
x
% 5
0
0
0 0
=
< <
+ < <
< + < <
= =
= < = =
. H rejeita se no RNR 43 x como

) 46 , 47 54 , 42 ( P
) 5 , 1 * 64 , 1 45 5 , 1 * 64 , 1 45 ( P
) * z * z ( P : RNR
5 , 1
4
6
90 , 0 ) 64 , 1 | z (| P 64 , 1 z z
0
H
H
H
x
H
x
x
% 5
0
0
0 0
=
< <
+ < <
< + < <
= =
= < = =
P (45 - 164 * 1,5 <

H0
< 45 + 1,64 * 1,5)
P (42,54 <
H0
< 47,46)
como
. 3 4
) 46 , 47 54 , 42 (
) 5 , 1 * 64 , 1 45 5 , 1 * 64 , 1 45 (
) * * ( :
5 , 1
4
6
90 , 0 ) 64 , 1 | (| 64 , 1
0
% 5
0
0
0 0
H rejeita e s no RNR x como
P
P
z z P RNR
z P z z
H
H
H
x
H
x
x
=
< <
+ < <
< + < <
= =
= < = =
Questo 2
Questo 3
Questo 4
Questo 5
GABARITO
182
Questo 6
Resposta: No, a hiptese levantada no deve ser rejeitada, pois a mdia C R x 162 = ;
portanto, rejeita-se H
0
.
Questo 7
Resposta: Analisando-se os dados apresentados e construindo-se o IC, pode-se concluir
que A tem PES.
Questo 8
Resposta: Considerando que
C R z
calc

, deve-se considerar que a afirmao do candidato
falsa, a 5% de risco.
Questo 9
Resposta: Considerando que
RNR z
calc

, no significativa a alterao da vida mdia das
lmpadas a 1%.
Questo 10
Resposta: Considerando que z
calc
= 10,0, deve-se rejeitar a hiptese probanda.
GABARITO

TGF3 Estatistica Aplicada

Enviado por

Dados do documento

Título original

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

TGF3 Estatistica Aplicada

Enviado por

Direitos autorais:

Formatos disponíveis

S

= limite inferior da classe P

= limite inferior da classe do primeiro quartil

= representa a mdia da populao.

90 742 11432 1420

90 742 11.432 1.420 93.090

igual mdia da populao : =

: nvel de incerteza ou grau de desconfiana.

x e d e t independen aleatria amostra uma seja x x x x

x e d e t independen aleatria amostra uma seja x x x x

< = < < 1 z

. Contudo, nem sempre possvel trabalhar

Intervalo de Confana para a Proporo p

Aqui, o erro padro dado por:

o valor suposto para a mdia

2 1,5 -0,5 0,25 0,167

. H rejeita se no RNR 43 x como

P (45 - 164 * 1,5 <

Você também pode gostar